论文基于Curvelet稳定特征曲面的掌纹识别新方法是大学硕士与本科掌纹毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写掌纹方面论文范文。
摘 要：针对掌纹特征提取困难、稳定性较差以及特征维数较大的问题,提出一种基于Curvelet稳定特征曲面的掌纹识别方法.将掌纹图像经Curvelet变换得到稳定特征曲面,把该曲面作为特征进行匹配,不仅避免了特征提取或图像编码等传统繁琐操作,而且特征维数较低,在保证识别精度的同时,图像稳定性增强,识别速度较快.最后,采用归一化相关分类器对掌纹所属类别进行判定,通过PolyU掌纹库的验证,本文算法的等误率为1.769 0%,匹配时间为16.6 ms,表明了本文算法的有效性.
关键词：掌纹识别；Curvelet；稳定特征曲面；归一化相关分类器；FAR和FRR曲线分布图
中图分类号：TP391.41文献标识码：ADOI：10.3969/j.issn.10005641.2015.03.012
Abstract：Corresponding to the problem of difficult feature extraction , poor stability and large characteristic dimension of palmprint, a novel palmprint recognition algorithm based on Curveletinvariant features of the surface is proposed.We can obtain the stable feature surface though Curvelet tranorm,which is used to match.This way not only simplifies the operation, such aeature extraction, image coding and other traditional operation,but also has lower dimension, which leads tohigh stability and fast recognition speed with a high recognition accuracy at the same time. Finally, we use the normalized correlation classifier to measure the similarity. By PolyU palmprint database verification, the equal error rate of our algorithmis only 1.7690% and matching time is 16.6 ms, which demonstrates the effectiveness of the proposed algorithm.
Key words：palmprint recognition；Curvelet；invariant features of the surface；normalized correlation classifier；FAR and FRR curves
0引言
身份认证从古至今,一直是众多研究者关注的问题,各行各业都需要有身份认证安全性的保驾护航.生物特征识别的提出就是为了解决传统身份认证容易被伪造、忘记、丢失等缺点.掌纹识别作为生物特征识别之一,从Kong[1]提出至今,由于其纹线特征及形态由遗传基因控制、图像采集非接触、稳定性较强的特点,使得其发展迅速,在电子银行、门禁、机场安检等方面得到了广泛应用.
第3期申莎莎,等：基于Curvelet稳定特征曲面的掌纹识别新方法华东师范大学学报（自然科学版）2015年掌纹识别分为图像采集、预处理、特征提取、分类识别4个步骤.其中特征提取是掌纹识别中的核心部分,也是最复杂的部分.近年来不断涌现出一些新颖的掌纹识别形式和特征提取算法[26].Hong等[34]提出了基于稳定特征的模糊掌纹识别算法,采用VeseOsher分解模型抽取模糊掌纹的稳定结构,然后利用改进的HOG算法进一步提取掌纹特征,实现了鲁棒的模糊掌纹识别.随后Hong等[4]扩展了上述工作,使用多光谱掌纹代替自然光下的图像,采用分级思想,由粗到细逐级识别,最后采用基于块的特征选择融合准则,获得了较高的识别精度.Y.L. Malathi Latha[6]等在经典灰度共生矩阵基础之上提出基于纹理特征的灰度共生矩阵掌纹识别算法,在灰度共生矩阵的4个方向上添加4个不同的平移量,并对平移后的矩阵分块,估计局部Haralick特征并分类,识别效果较好.但上述方法均包含特征提取过程,为了满足实时性,算法设计要求较高.于是,苑玮琦等[7]另辟蹊径,直接把掌纹图像作为特征进行匹配,利用掌纹灰度图像在空间分布呈灰度曲面的特性来识别,该方法不仅避免了掌纹图像的特征提取,而且将整幅掌纹作为特征数据不易被伪造,增强识别系统安全性的同时保证了识别精度.但该方法将整个掌纹图像作为特征,特征维数较大且掌纹表面含有过多伪特征,在一定程度上影响识别精度.Wang等[8]使用Curvelet分解后的四层信息决策融合,较全面地描述了掌纹信息；但特征维数大,部分层信息包含较多不稳定冗余特征,安全性能受到影响.本文选取Curvelet变换后的第一层低频稳定成分作为掌纹灰度曲面进行匹配,能够得到稳定、低维、难伪造的特征数据；判别采用归一化相关分类器,构造FAR和FRR曲线分布图,获取算法的最优阈值和相应的算法等误率.相比传统掌纹特征提取算法,保证识别精度的同时,大大降低了特征维数,表明本文算法的有效性.
1掌纹特征曲面的提取与匹配
本文算法基本流程如图1所示.
基于Curvelet稳定特征曲面的掌纹识别新方法基本分为4个步骤：Curvelet变换、特征归一化、提取灰度曲面及其匹配.以下对每一步骤进行详细描述和解释.
总结:本文关于掌纹论文范文,可以做为相关论文参考文献,与写作提纲思路参考。
参考文献：
1、 基于LBP和Gabor混合特征的近红外人脸识别 摘要：综合局部二值模式（Local Binary Pattems，LBP）和Gabor函数特征的优点，并结合余弦相似度和主元分析（Princip。
2、 一种鲁棒话人识别新特征 摘要：说话人识别系统不可避免地会受到噪声的影响，导致性能急剧降低，针对这一问题采用感知最小方差无畸变响应（PMVDR）技术，提出了一种新的语音特。
3、 苹果轮纹病菌检测方法鉴定 摘要 选取苹果轮纹病具有代表性的B dothidea，成功地设计并且合成了B dothidea实时荧光 PCR 引物和探针，建立了B do。
4、 掌纹里秘密 1这是一次自我的找寻：举起右手，我看到了你的左手。走在你的桥上我触摸到了自己的掌纹。在掌纹里，你有古街长巷，桥水人家，我有灰墙黛瓦，。
5、 基于仿射不变几何特征机械臂标志器识别 摘 要：对机械臂标志器的准确识别是对机器人不同机械臂部位位置与姿态准确测量的前提。本文针对在利用机器视觉进行标志器识别的过程中，机械臂运动造成获。