当前位置: > 博士毕业论文 > 88801字博士毕业论文非理想情况下的手形识别方法

88801字博士毕业论文非理想情况下的手形识别方法

论文类型:博士毕业论文
论文字数:88801字
论点:特征,识别,采集
论文概述:

本文是优秀博士论文,将不受手指方向干扰的曲率法应用在非接触手形轮廓图像中定位手指长度点,同时提出一种可减少突变干扰的平均宽度法提取并计算手指部分的宽度值。

论文正文:

第一章引言

生物识别技术的发展历史可以追溯到公元前7000年至公元前6000年。在古代,古埃及人通过测量个体的大小来识别每个个体,而古代叙利亚和古代中国开始使用指纹作为个体的识别特征,古代中国的一些文件上印有起草者(1)采用不受手指方向干扰的曲率法在非接触式手部轮廓图像中定位手指长度点。同时,提出了一种能减少突变干扰的平均宽度方法来提取和计算手指部分的宽度值。通过评价归一化手指特征值的稳定性和准确性,并对算法进行比较,结果表明,该方法得到的手指特征的相对标准差在1%-2%之间,手指长度比直线拟合方法的识别率增加了3.4%,手指宽度比中点法的识别率增加了1.5%。因此,验证了手指部分特征点定位方法在本文定义的非理想图像中具有较好的鲁棒性,能够提高手指部分特征的定位精度。的拇指指纹。1823年,浦肯野提出了最早的指纹分类方案。1899年,亨利建立了著名的指纹分类规则“亨利系统”,极大地提高了指纹认证的效率,使指纹识别技术有了更科学的识别标准……。20世纪60年代,随着计算机科学和技术的发展,计算机已经能够处理图形。因此,人们开始探索利用计算机技术来处理指纹。自那以后,许多国家都开发了自动指纹识别系统,参考文献(省略)。早在80年代初,我国也开始了指纹识别技术的研究,90年代开始了其他生物识别技术的研究,在一些领域也取得了领先的研究成果。“9.11”事件后,由于反恐、国土安全和社会保障的需要,各国都增加了在安全领域的投资。作为安全保障的核心问题,身份识别问题的产业增长率显而易见,规模也日益扩大,从而进入快速发展时期。根据国际生物识别集团(IBG)的最新统计报告,2011年国际生物识别市场的销售额超过50亿美元,预计到2015年将超过100亿美元[7]。同时,随着各种生物识别技术的发展,该技术呈现出以指纹识别为主体的多元化态势,各种识别技术迅速发展,这将带来产品的多样化,有利于市场的多元化和稳定发展[8]。
……

第2章非理想条件下手部图像的预处理和轮廓提取

2.1非理想条件下手部图像的采集方法和成像干扰
所谓理想条件是指用固定螺栓或平面固定手掌,以获得方向或位置的先验信息,同时使用单一背景,在遮挡外界光线干扰的情况下采集手部图像。相反,非理想的手形识别是为手形识别技术的实际发展而提出的。它基于非接触式采集方法。这种方法可以简化设备,提高用户的可接受性。这是目前的一个研究热点。图2.1是非理想条件下的手形识别和采集装置的示意图。如该图所示,手形图像采集需要将一个或多个固定焦点摄像机放置在室内环境中的固定位置,并通知采集人员将手掌放置在摄像机前方的固定距离处,而没有任何固定限制。它要求手掌的五个手指自然张开并自由放置,而不与采集设备接触,并遮挡外部照明和背景。此外,选择最能反映手掌本身颜色的白光作为照亮手掌的有源光源,以减弱背景照明的影响。因此,本文主要解决的成像干扰问题如下。

2.2非理想条件下手部图像的预处理
由采集设备采集的手部图像是RGB图像。然而,所获得的RGB值不能直接反映人类对颜色的观察结果,即,在空中的RGB颜色空中的三个颜色分量包含亮度信息并且彼此相关[96]。因此,该算法用于肤色区域分割时对亮度的适应性较差。为了消除分量中的上述相关性,需要将RGB颜色空之间表示的图像转换成亮度和色度分离的颜色空。最常用于肤色区域检测和分割的YCbCr空具有亮度和色度独立的特点,在空中肤色聚类更好。在这种颜色空中,y分量代表像素的亮度,铬和Cb分量称为色度,铬分量代表红色分量,Cb分量代表蓝色分量。将图像转换为YCbCr空具有以下优势[97]。

第3章定位...................35
基于手指部分手部特征点的非接触采集3.1手部形状特征的定义和选择.........................................35
3.2..............................36
非接触条件下手指特征点的定位3.3误差分析的基本理论和评价方法..............................41
3.4实验过程和结果分析...................43
第4章定位……47
基于无接触采集的手部手形特征点4.1腕点的定位...................47
4.2手掌双边点的定位..............................51
4.3特征分类能力分析..............................56
4.4实验过程和结果分析.............................................56
第5章非接触采集中变形手形特征的稳定性分析59
5.1非接触采集中缩放和倾斜变形的成像分析...................59
5.2手形相对特征的定义方法......................................................64
5.3手形相对特征识别性能的分析方法..............................65

第6章基于分类判别和相关性的手形特征选择和识别性能分析

6.1特征选择方法描述
在选择特征组合进行识别时,要求不同类别具有显著差异的重要特征在特征和中占尽可能大的比例。因此,为了避免冗余特征干扰识别性能,要求所选特征具有更高的分类能力,即更高的区分度,并且与其他所选特征的相关性尽可能低。根据上述原理,手形优化特征子集的选择过程如图6.1所示。图6.1显示了特征选择的过程。首先,选择信息增益作为评价特征分类识别的参数,滤除分类能力差的特征。然后,选择相关系数来反映特征之间的相关性,并找出可能具有冗余的特征。最后,综合分析分类判别和相关性,剔除冗余特征,确定最优特征子集。

6.2可搜索验证算法
为了验证上述算法的有效性,选择搜索特征选择的方法进行实验。特征选择过程如图6.2所示。首先,根据特定的搜索方法从特征空中选择并生成特征子集。然后,使用适当的评估函数来评估特征子集,并给出停止标准。如果评估结果优于停止标准,则停止搜索,否则,继续生成下一组特征子集并继续评估。最后,通常验证所选特征子集的有效性。
……

第7章结论

基于非接触采集获得的手形图像的手形特征识别是当前手形特征识别的热点问题。与接触式采集方法相比,非接触式采集方法有效避免了细菌的传播,提高了用户的可接受性。然而,由于手掌放置的不确定性,成像后方向、距离等信息的先验知识减少,导致一些非理想现象,给识别带来困难,降低识别性能。本文在没有遮挡外部光照和简单背景干扰的情况下,对非接触采集得到的非理想手部图像进行识别,得出以下结论:

[4]

[5]

[6]