畢業(yè)設計----掌紋控制系統(tǒng)的設計與實現(xiàn)

1、<p><b>　　摘要</b></p><p>　　當今傳統(tǒng)的安全系統(tǒng)主要采用的是基于口令或密碼等方式，但隨著社會和科技的發(fā)展，傳統(tǒng)的安全系統(tǒng)在面對日新月異的社會變化面前顯得越來越脆弱。為了應對新形勢的安全挑戰(zhàn)，生物識別技術異軍突起，填補了安全系統(tǒng)的空白。</p><p>　　眾所周知，指紋識別技術應用已經相當廣泛，但掌紋識別技術就目前而言還處于起步階段，

2、理論和應用上仍有待進一步深入。本課題的研究主題就是掌紋識別技術，掌紋較指紋而言具有豐富的紋理，從理論上說有更高的鑒別能力，需要在較高分辨率圖像中獲得，因掌紋面積大，導致圖像數(shù)據(jù)量及特征空間太大，為圖像處理帶來一定難度。本課題采用的是直方圖灰度變化增強、SOBE算子的邊緣檢測的預處理方法及PCA(主成分分析)的方法，對掌紋識別技術作了實驗驗證。</p><p>　　關鍵字：生物特征識別，掌紋識別，圖像處理，SOBE

3、L算子，PCA算法</p><p><b>　　Abstract</b></p><p>　　Today's traditional security system is mainly used the means of password - based or password, etc. But with the development of socie

4、ty and technology, traditional security system is becoming increasingly vulnerable in the face of the changing society. With the security challenges of the new situation, biometrics rise to fill the gaps in the security

5、system.</p><p>　　As we all know, fingerprint identification technology has been widely used, but palmprint identification technology is still at an initial stage at present. It has to be studied further in-d

6、epth both theory and application. The theme of this research is palmprint identification technology, because palmprint textures are richer than fingerprint's. It has a higher capacity, can be identified in theory. We

7、 should obtain it from higher resolution images. the large palm area will lead to the image da</p><p>　　Key words: Biometric, Palmprint identification, Image Processing, SOBEL operator, PCA</p><p&

8、gt;<b>　　目 錄</b></p><p><b>　　摘要I</b></p><p>　　AbstractII</p><p>　　第一章 緒論1</p><p>　　1.1 引言1</p><p>　　1.2 生物特征身份識別技術2</p&

9、gt;<p>　　1.2.1 生物特征識別技術簡介2</p><p>　　1.2.2 幾種主要的生物特征身份識別技術3</p><p>　　1.2.3 生物識別技術的應用5</p><p>　　1.3 本文的主要安排5</p><p>　　第二章 掌紋識別技術的研究7</p><p>　　2.

10、1 掌紋研究的國內外現(xiàn)狀7</p><p>　　2.2 掌紋識別的優(yōu)勢7</p><p>　　2.3 掌紋的形成及特征8</p><p>　　2 .4 掌紋識別模型9</p><p>　　2.5 掌紋識別算法10</p><p>　　2.6 本章小結10</p><p>　　第三章

11、掌紋識別11</p><p>　　3.1 掌紋的獲取11</p><p>　　3.1.1 掌紋圖像獲取技術簡介11</p><p>　　3.1.2 基于CDD的掌紋獲取12</p><p>　　3.2 掌紋圖像的預處理12</p><p>　　3．2.1 灰度變換增強12</p><p&

12、gt;　　3.3 邊緣檢測（基于導數(shù)的邊緣檢測）15</p><p>　　3.4 PCA(主成分分析)18</p><p>　　3.5 歐氏距離18</p><p>　　3.6本章小結19</p><p>　　第四章 設計測試結果分析20</p><p>　　4.1 MATLAB 簡介20</p&g

13、t;<p>　　4.2 MATLAB的功能模塊22</p><p>　　4.3 模型調試及實驗結果22</p><p>　　4.4本章小結23</p><p><b>　　總結24</b></p><p><b>　　致謝26</b></p><p>

14、;<b>　　參考文獻27</b></p><p><b>　　第一章 緒論</b></p><p><b>　　1.1 引言</b></p><p>　　1.1.1 生物特征識別技術概述</p><p>　　在高度信息化的現(xiàn)代社會，隨著交通、通訊、網(wǎng)絡技術的高速發(fā)展

15、，信息安全顯示出前所未有的重要性。在日常生活中以及金融、司法、安檢、電子商務等很多場合都需要準確的身份識別以確保系統(tǒng)的安全，因此，人的身份識別技術的應用越來越廣泛。傳統(tǒng)的身份識別方法主要分為兩種，第一種是基于物品的方法，比如使用鑰匙、ID卡等；第二種是基于知識的方法，比如使用密碼、口令等。這些傳統(tǒng)的身份識別方法存在很多缺陷，基于物品的方法攜帶不便而且容易丟失、損壞、被盜用或偽造，基于知識的方法容易被遺忘、破解等。</p>

16、<p>　　據(jù)Visa信用卡和萬事達信用卡協(xié)會估計，與支付卡有關的身份盜用案件的損失從1996年的7990萬美元上升到了2000年的11430萬美元。而最新的統(tǒng)計表明：全球每年涉及的詐騙案至少為信用卡5億美元，移動電話10億美元和取款機30億美元。這些問題都暴露了傳統(tǒng)的身份認證的缺陷和不足之處。傳統(tǒng)的身份識別方法已不再適合現(xiàn)代科技的發(fā)展和社會的進步。人們希望能夠使用一種更加方便、安全、可靠的辦法來進行身份鑒定。于是生物特征識別

17、技術悄然興起。生物特征識別技術(Biometrics)是使用人體所固有的生理特征(如掌紋、人臉、指紋、虹膜等)及行為特征(如步態(tài)、書寫、聲音、擊鍵等)，通過圖像處理和模式識別的方法來自動鑒別個人身份的技術。同傳統(tǒng)的上述兩種身份識別方法相比，利用生物特征進行身份識別的方法具有穩(wěn)定、可靠、便捷、不易偽造等特點。人們可能</p><p>　　會丟失他們的鑰匙、卡片或者忘記密碼，但是卻不可能遺忘或者丟失自己的掌紋、人臉、

18、指紋、虹膜等生物特征。因此基于生物特征識別技術的個人身份識別系統(tǒng)具有更好的安全性、可靠性和有效性，正越來越受到人們的重視，在許多安全領域方面有著非常廣泛的應用前景。</p><p>　　9．11事件之后，邊境安全受到各國的廣泛重視，各國紛紛制定法律要求采用生物認證技術鑒別出入境人員的身份。為了實現(xiàn)全球的互操作性，國際民用航空組織(ICAO)在2003年6月向其188個成員國公布了生物技術應用規(guī)劃，以幫助各國建立一

19、個全球化、標準化的身份驗證系統(tǒng)。規(guī)劃提出在護照中加入生物特征，包括掌紋、指紋、虹膜、人臉等。目前歐、美以及世界上的很多國家都準備在短期內逐步使用這種護照。近幾年，因為安全問題，生物認證技術擁有了自己廣闊的市場和需求，得到了飛快的發(fā)展，利用圖像處理和模式識別技術鑒別或驗證身份，取代傳統(tǒng)的使用鑰匙、身份證、密碼等方法，可廣泛應用于銀行、機場、公安等領域的出入管理。生物認證技術將信息技術與生物技術相結合，是本世紀最有發(fā)展?jié)摿Φ募夹g之一。<

20、;/p><p>　　1.2 生物特征身份識別技術</p><p>　　1.2.1 生物特征識別技術簡介</p><p>　　生物識別是根據(jù)人體生理特征和行為特征來識別身份的技術。生物特征識別技術主要有兩方面的應用：身份驗證和鑒別。身份驗證是確定當前特征是不是當前對象宣稱的對象特征，是一種一對一的特征匹配。通常，驗證系統(tǒng)存儲當前對象的己知特征模板，系統(tǒng)要做的是驗證的過程，

21、也即判斷模式識別中的兩類問題。其答案只有兩種可能：是或者不是。身份鑒別與身份驗證相比相對復雜，是模式識別中的多類問題。對于當前對象，我們關心的是其究竟是否屬于已知對象，如果是的話，屬于哪類已知對象。這個過程是一個一對多的匹配問題。而且由于已知對象是一個動態(tài)增長的特征庫，身份鑒別對算法的要求較高。高效的算法要求達到較高的識別率和較短的系統(tǒng)反應時間。典型的生物特征識別系統(tǒng)如圖1-1所示。</p><p>　　圖1-1

22、生物特征識別系統(tǒng)</p><p>　　身份識別分兩個步驟，首先是系統(tǒng)注冊階段，即建立模板數(shù)據(jù)庫的過程。將所有待識別用戶的生物特征經傳感器采集并進行特征提取，形成用戶模板存儲在模板數(shù)掘庫中。其次是系統(tǒng)識別階段，將新采集來的生物特征進行特征提取后與模板數(shù)據(jù)庫中的模板進行比對，以檢驗用戶身份。如果只是進行身份驗證則只需提取模板數(shù)據(jù)庫中對應該用戶的模板進行比對決定真?zhèn)渭纯?。能夠作為身份識別的生物特征理論上應該具有以下特點

23、：</p><p>　　1．廣泛性：即每個人都應該其仃這種特征；</p><p>　　2．惟一性：每個人擁有的陔項特征各不相同，獨一無二；</p><p>　　3．穩(wěn)定性：該特征不隨時間、外界條件變化；</p><p>　　4．可采集性：所選擇的特征應便于測量。</p><p>　　5．永久性：是指某特征應該是具有足夠

24、的穩(wěn)定性，即不會隨時間或環(huán)境的變化而發(fā)生大的改變</p><p>　　6．可接受性：是指基于某特征的識別系統(tǒng)應比較容易被用戶接受。</p><p>　　7．性能要求：是指基于某特征的系統(tǒng)應該能獲得自足夠高的識別精度，并且對資源環(huán)境的要求都應該在一個合理的范圍內。</p><p>　　8．安全性：是指某特征不容易被偽造和模仿。</p><p>

25、　　1.2.2 幾種主要的生物特征身份識別技術</p><p><b>　　人臉識別</b></p><p>　　人臉識別研究熱潮出現(xiàn)在計算機視覺興起的初期，用人臉進行身份識別直觀、友好、方便、用戶接受程度高。但計算機對人臉的識別還遠達不到人眼對臉部的識別程度。目前在限制性輸入條件下，在小樣本數(shù)據(jù)庫中人臉識別取得較好的效果，但識別準確率低于指紋和虹膜識別。人面部表情、

26、姿態(tài)、化妝、年齡等的變化及采集圖像時光線、角度、距離、面部遮擋等問題一直是人臉識別領域中的難題。</p><p><b>　　虹膜識別</b></p><p>　　虹膜足位于瞳孔和鞏膜問的環(huán)狀區(qū)域，每個人虹膜上的紋理、血管、斑點等細微特征各不相同，且一生中幾乎不發(fā)生變化。用攝像機捕獲用戶眼睛的圖像，從中分割出虹膜圖像，進行定位校準、特征提取、編碼用以匹配。到目前為止，

27、虹膜識別的錯誤率是各種生物特征識識別中最低的。但蛆膜因受到目良腧、睫毛的遮擋，準確捕獲虹膜圖像是很困難的，而且圖像采集設備復雜昂貴，虹膜一旦有病變或損傷會影響識別，對盲者和患有如白內障等眼部疾病的人無效。</p><p><b>　　視網(wǎng)膜以別</b></p><p>　　視網(wǎng)膜識別利用人眼視網(wǎng)膜七分御的毛細血管網(wǎng)的差異性來鑒別身份，是目前生物特征中可靠性最高的身份鑒

28、別方法。視網(wǎng)膜隱藏在眼球中，不磨損，不易受老化和一般疾病的影響，更具獨特性和穩(wěn)定性。因鑒別時需用紅外線掃描眼底視網(wǎng)膜以獲得血管網(wǎng)圖像，存在長期使用是否會對使用者健康構成傷害的問題，所以該方法接受程度最低。另外，由于系統(tǒng)技術含量及成本很高，實用推廣難度大。</p><p><b>　　指紋識別</b></p><p>　　指紋是手指末梢乳突紋突起形成的紋線圖案，指紋的穩(wěn)

29、定性、惟一性早己獲得公認，目前指紋識別主要利用指紋紋線所提供的細節(jié)特征(即紋線的起終點、中斷處、分叉點、匯合點、轉折點)的位置、類型、數(shù)目和方向的比對來鑒別身份。指紋識剮在所有生物特征識別中無論從硬件設備還是軟件算法上都是最成熟、應用最早、使用最廣泛的。盡管如此，指紋識別技術也有不足之處。一方面對指紋質量較差的人群如皮膚干燥、有疤痕、老繭、表面磨損嚴重和有病變的人無法取得好的識別效果。再者指紋使用接觸式采集，傳感器表面灰塵油污附著物等會

30、影響識別，留在傳感器上的指紋存在被盜取復制的可能性。</p><p><b>　　掌紋識別</b></p><p>　　掌紋指手掌內側表面的紋線圖案，一般由3～5條明顯的屈肌紋、眾多皺紋和乳突紋交錯構成。掌紋形態(tài)受遺傳基因控制，一旦形成終生不變。每個人的掌紋形態(tài)均不相同，掌紋紋理復雜，所提供的信息量較指紋豐富，利用掌紋的線特征、點特征、紋理特征及幾何特征完全可以確定人

31、的身份。掌紋主要特征明顯(如屈肌紋和皺紋所形成的線特征)，可在低分辨率圖像中提取，不易受噪聲干擾，特征空問小可實現(xiàn)快速檢索和匹配。乳突紋形成的細節(jié)特征與指紋相似，但比指紋紋型豐富。從理論上說有更高的鑒別能力，需要在較高分辨率圖像中獲得，因掌紋面積大，導致圖像數(shù)據(jù)量及特征空間太大，為圖像處理帶來一定難度。實際上現(xiàn)行掌紋采集設備成本低，較低的分辨率就滿足識別需要，可接受度高，是很具潛力的身份識別方式，但因研究起步晚，理論和應用上都還有待迸一

32、步深入。</p><p><b>　　手形識別</b></p><p>　　手形識別是利用手掌、手指及手指各關節(jié)的長、寬、厚等三維尺寸和連接特征來進行身份鑒別，這些特征采集簡單，不易受噪聲于擾，對設備要求不高。其識別速度在所有生物特征識別系統(tǒng)中是最快的，但因識別率相對較低，一般用作身份驗證。手形識別系統(tǒng)使用方便，價格合理，已在機場、海關、高級住宅、進出口控制等方面獲得

33、廣泛使用，市場占有量僅次于指紋識別系統(tǒng)。當手部因勞動、外傷或疾病等原因造成外形上的變化時，會影響系統(tǒng)鑒別的準確性。</p><p><b>　　簽名識別</b></p><p>　　簽名識別是日常生活中接觸最多的一種身份識別方法，接受程度高。但因筆跡動態(tài)范圍變化大，即使同一個入在不同時期和精神狀態(tài)下的筆跡也不會完全相同，所以多用于身份驗證中。識別按獲取方式分為離線和在

34、線識別兩種。離線識別通過掃描儀獲取已書寫好的文字圖像，利用計算機從中提取文字的幾何特征，由筆劃本身特征和相互關系來進行識別。這種方式簡單但易被偽造。在線識別需用專用手寫板和壓敏筆來記錄整個書寫過程，包括書寫的筆劃順序、筆尖壓力、傾斜度及書寫時的速度和加速度等豐富的動態(tài)特性，彌補了離線識別只取靜態(tài)特性的不足，難以偽造。</p><p><b>　　語音識別</b></p><

35、;p>　　語音識別利用說話者發(fā)聲頻率和幅值的不同來辨識身份。語音識別大體分兩類：一種是依賴特定文字識別，如：讓說話者說某個特定的詞語或幾個特定詞語中隨機的某個來識別真?zhèn)危@種方式系統(tǒng)設計簡單，較易實現(xiàn)，但安全性較差；另一種是不依賴特定文字識別即說話者可隨意說任何詞語，由系統(tǒng)找出說話者發(fā)音中具有共性的特征進行識別，該方式雖有很好的防偽性，但系統(tǒng)復雜，實現(xiàn)起來存在一定困難。因語音遠程傳遞的方便性，在電話撥入系統(tǒng)中有其他生物特征不可取代

36、的優(yōu)勢，但也仍存在不足，如語音受心理狀態(tài)、疾病等自身因素和語音環(huán)境、采集設備、傳輸通道等外部因素的干擾，會影響識別效果，對磁帶錄音進行欺阼的可能性也未能很好的解決。</p><p>　　表1-1是幾種生物特征識別效果評價的比較表。</p><p>　　表1-1 生物識別效果比較表</p><p>　　1.2.3 生物識別技術的應用</p><p&

37、gt;　　生物識別技術的應用非常廣泛，在任何需要進行身份識別的地方，都可以用到生物識別技術，下面舉一些生物識別技術的應用領域；行政領域，這可能是生物識別技術應用最廣泛的領域，20世紀60年代以來，生物識別技術已經廣泛的應用于刑事案件的偵破中。美國聯(lián)邦調查局和 法國巴黎警部開發(fā)的“自動指紋識別技術”已經成功的破獲了大量案件。</p><p>　　銀行系統(tǒng)，銀行部門的自動柜員機、電話銀行、網(wǎng)絡銀行等系統(tǒng)，比較容易被非

38、授權者利用，從而造成重大損失。生物識別及時的應用，可以減少或避免這些非法事件的發(fā)生。</p><p>　　邏輯訪問控制，在信息社會，人們對各種的信息需要量越來越大，獲取信息的渠道越來越多，信息的共享程度也越來越大。但是，在很多的時候，信息資源并不是對每個人都完全共享，而是對不同的人設置不通的訪問權限。生物識別技術可以用來控制對信息源的訪問權限。</p><p>　　物理訪問控制，生物識別技

39、術可以用來限制人們呢可進的地方，如某些軍事記得和核電站等，從而降低安全威脅。</p><p>　　社會福利，福利機構每年都會因假冒者 的欺騙行為，遭受重大的損失。生物識別技術可以從根本上杜絕這些事情的發(fā)生。</p><p>　　海關，恐怖分子、毒販、非法移民和越來越多的游客使各國的海關受到的壓力越來越大。任何能快速的、自動的、有效地區(qū)分合法者和非法者是各國海關面臨的緊迫問題，省生物識別技術

40、是解決這個問題的有效辦法。</p><p>　　民政部門，各國政府已經開始用生物識別技術來記錄本國的人口增長、鑒別公民的身份和防止選舉中的作假行為。</p><p>　　電話系統(tǒng)，在過去的幾十年里，全球通信技術已經發(fā)站起來，但各國電話公司同樣面臨通信資源被非法利用的問題。生物識別技術，特使是聲音識別技術，是解決這個問題非常有效的措施。</p><p>　　作息考勤，

41、生物識別及時可以用來記錄和監(jiān)控公司職員的作息和考勤等情況。</p><p>　　以上是生物識別技術廣闊應用領域中很少的一部分， 隨著社會的飛速的發(fā)展，生物識別技術做為一種最有效的身份識別技術，其應用范圍必將迅速擴大。</p><p>　　1.3 本文的主要安排</p><p>　　本論文主要是共四章，每一章的具體內容安排如下：</p><p&g

42、t;　　第一章是引論。主要介紹目前傳統(tǒng)的身份識別方法的種類、優(yōu)缺點、以及一些生物識別技術的相關概念，并對現(xiàn)如今身份識別系統(tǒng)發(fā)展和應用作了簡要的說明。</p><p>　　第二章是介紹掌紋識別的研究歷史、掌紋的形成、掌紋基本特征和掌紋識別技術的優(yōu)點相關知識。并簡要的分析了國內外掌紋研究的基本過程和研究現(xiàn)狀。</p><p>　　第三章主要掌紋識別系統(tǒng)的設計和實現(xiàn)，對掌紋圖像的采集、預處理及相

43、關特征提取和匹配的過程作了相關地闡述。</p><p>　　第四章主要是MATLAB在掌紋識別系統(tǒng)中的應用，并對測試結果做了簡要分析。</p><p>　　最后是本論文總結，以及對本文所提的方法進行了總結并對此提出展望。</p><p>　　第二章 掌紋識別技術的研究</p><p>　　2.1 掌紋研究的國內外現(xiàn)狀</p>&

44、lt;p>　　手掌是手腕到手指跟之間的掌心區(qū)域，掌紋則是手掌皮膚上的所有紋路的統(tǒng)稱。主要包括突線﹑主線和皺線。最初的掌紋研究的目的是為了算命，根據(jù)西安在印度各地的遺址和壁畫中殘留古老的記錄及婆羅門教所傳授的口碑中，都可以了解到手相在古代印度甚為流行。在中國，早在三千年前的周朝，手相學已經很盛行，在西漢時期許負撰寫了一本關于掌紋算命的書，可是說是在中國最系統(tǒng)的手相著作。該書中包含了掌紋的類型，線特征的分布，手掌顏色以及某些特征點的定

45、義等等。對于掌紋的自動識別技術有這很好的借鑒意義。近年來，醫(yī)學界也興起了掌紋診病的研究熱潮。</p><p>　　目前對于掌紋識別技術而言，其發(fā)展較指紋識別而言還處于起步階段，就國內外而言，香港理工大學走在該項技術的前沿，并設計和開發(fā)了世界上第一套民用聯(lián)機掌紋識別系統(tǒng)，建立了世界上最大的掌紋圖像數(shù)據(jù)庫，并于2003年再網(wǎng)上發(fā)布了首個掌紋圖像標準庫。香港理工大學的張大鵬教授率領其團隊在2004年出版了第一部有關掌紋

46、識別技術的書籍；再者，國內哈爾濱工業(yè)大學的王寬全教授和鄔向前副教授也對掌紋識別技術有較深入的研究。隨著信息技術和網(wǎng)絡技術的高速發(fā)展，信息安全顯示出前所未有的重要性。生物識別技術以其特有的穩(wěn)定性、唯一性和方便性，得到越來越廣泛的應用。掌紋識別作為一項新興的生物識別技術，因具有采樣簡單、圖像信息豐富、用戶接受程度高、不易偽造、受噪聲干擾小等特點受到國內外研究人員的廣泛關注。但是由于掌紋識別技術起步較晚，目前尚處于學習和借鑒其他生物特征識別技

47、術的階段。</p><p>　　2.2 掌紋識別的優(yōu)勢</p><p>　　掌紋識別是近年來新興的一種身份識別方法，是對現(xiàn)有生物識別技術的重要補充。和其他生物技術相比，掌紋識別具有很都有點：</p><p>　　跟指紋一樣，手掌上也布滿了乳突紋，但是手掌區(qū)域卻比手指區(qū)域大得多，因而它含有比指紋更豐富餓可區(qū)分信息；</p><p>　　手掌上有

48、幾條大的主線和很多的皺褶線，這樣的線特征是掌紋所獨有的，具有很強的區(qū)分能力和抗噪能力，并且可以在低分辨率、低質量的掌紋圖像中提取出來；</p><p>　　與三維手型相比，掌紋特征的唯一性更強，更適合身份辨別，性能更好；</p><p>　　和人臉相比，掌紋圖像獲取的條件較易控制，從而能 較好地保證掌紋識別系統(tǒng)的識別精度；</p><p>　　和虹膜以及視網(wǎng)膜相比，

49、掌紋圖像采集設備的價格要低廉的多，并且使用更方便，容易被用戶接受；</p><p>　　和簽名相比，掌紋特征非常穩(wěn)定，這使得它在身份識別中能獲得比簽名更好的識別精度；</p><p>　　當使用高分辨率的采集設備時，手掌上的各種特征，如掌紋的幾何特征、手掌上的乳突紋、主線和皺褶線等特征可以融合在一起，形成高精度的識別系統(tǒng)。</p><p>　　2.3 掌紋的形成及特

50、征</p><p>　　在生物組織學中，人的皮膚分為三層，表皮、真皮和皮下組織。表皮是皮膚的最外層，它保護著內部的組織。表皮細胞稱為角化細胞，分布于整個表皮，形成大量的角蛋白，構成一個堅韌的外殼。手掌的表皮厚度接近0.8mm ,而身體的其他部分表皮僅為0.06~0.12mm。人在出生后，由于持續(xù)的壓力和摩擦力，人的表皮逐漸增厚。人的手掌上有三條紋線，分別稱為屈肌線、皺褶線和乳突線。這些紋線主要是由于手指的運動、組

51、織結構和皮膚等原因形成的。手掌上的屈肌線是最深的線，主要是在手掌的抓握過程中，隨著手掌、手指的張開閉合而形成的。屈肌線也稱主線，按照手學上的定義，主線可分為生命線、智慧線和感情線。</p><p>　　主線， 盡管每個人手掌上的主線形成過程是相同的，但是，由于人們抓握東西的方式不同，不同人的主線也有很大的區(qū)別。而且每個人的手掌手指的大小、薄厚的不同也進一步影響了這些紋線的形成。</p><p&

52、gt;　　皺褶線，在人的整個身體中，由于部位的自然運動，導致皮膚在不同的方向上進行伸展，如肘部和膝部表層皮膚。然而，皮膚經過很長時間的不斷伸展和收縮后會失去彈性，形成永久皺褶。事實上，顯著的起皺現(xiàn)象是肌肉運動導致的，手掌上一些皺褶是天生的，二另外一些事由于長時間的抓握二引起的肌肉運動所致。</p><p>　　乳突紋，乳突紋是皮膚最外曾表皮永久變厚形成的。他們高于皮膚的平均層面，分別在手掌內和腳掌底部。手掌個部分

53、乳突紋的粗糙程度不同，指尖部分最為細致，而手指其他部分最為粗糙，手掌上的乳突紋粗糙程度適中，乳突紋通常是平行結構，或為曲線，或為直線，乳突紋看起來就像燈芯紋理，為手掌拿東西提供摩擦力。</p><p>　　皮膚的第二層為真皮，包含皮膚的結構元素和連接組織。皮膚的第三層是由脂肪組織細胞組成的皮下組織。由于這兩層不在本研究的本論文的范圍內，所以不多做說明，詳細可以查看相關的參考書籍。</p><p

54、>　　每個人的掌紋的紋線都不一樣，即使是孿生同胞，他們的掌紋也只是較為相似，并不完全一樣。掌紋的面積較大，包含的信息量更多，即使在掌紋區(qū)域不完整或低分辨率和低質量的掌紋圖像上仍可以提取可供身份鑒別的特征。掌紋是由屈肌線、皺紋線和脊線共同構成。手掌上最為明顯的3～5條掌紋線，稱為屈肌線。在掌紋識別中，可利用的信息包括： </p><p>　　幾何特征(Geometry)：包括掌紋的長度、寬度、面積等與手掌形狀

55、有關的幾何參數(shù)。</p><p>　　屈肌線特征(Pfincipal line)：指屈肌線的形狀和空間信息，它是體現(xiàn)掌紋穩(wěn)定性和唯一性的最重要特征，在小規(guī)模數(shù)據(jù)庫條件下，屈肌線特征對掌紋身份識別是完備的，當建立大規(guī)模數(shù)據(jù)庫識別系統(tǒng)時，就要結合其他掌紋特征才能達到識別的可靠性。</p><p>　　皺紋線特征(Wrinkle)：指掌紋中很多比屈肌線細，不規(guī)則的直線或曲線，它們可提供更詳細的掌

56、紋特征。</p><p>　　三角點(Delta point)特征：指掌紋中很多三角形區(qū)域的中心點，這些三角點通常位于手掌的根部。</p><p>　　脊線細節(jié)特征(Minutiae)：脊線是覆蓋在掌紋表面的類似于指紋的細小、規(guī)則的紋路，可以利用類似提取指紋細節(jié)特征的方法來提取掌紋的細節(jié)特征。通常，幾何特征、屈肌線特征和皺紋線特征可以在低分辨率、有噪聲的圖像得到，三角點可以在方向圖像上定

57、位，并能夠在有噪聲的高分辨率的圖像得到，而脊線特征只能在無噪聲的高分辨率的圖像上獲得。</p><p>　　2 .4 掌紋識別模型</p><p>　　掌紋識別系統(tǒng)同一般的模式識別在結構上是一樣的，它們都由兩部分構成，訓練樣本錄入階段和測試樣本分類階段。訓練樣本錄入階段可以描述如下，首先對獲取的掌紋圖像訓練樣本進行預處理，然后進行特征提取，把提取的掌紋特征送入特征庫留待與被分類樣本進行匹配

58、。測試樣本分類是對獲取的被測試樣本經過與訓練樣本相同的預處理、特征提取步驟后，進行分類匹配。圖2-1給出了一個典型的掌紋識別的處理過程。</p><p>　　圖2-1掌紋識別模型</p><p>　　掌紋采集模塊主要是完成掌紋圖像的獲取功能，這是掌紋識別研究的基礎，要求所獲取的圖像清晰度高，受環(huán)境的變化小，采集速度足夠快同時要求掌紋采集方便，易被用戶接受。該模塊的研究內容包括硬件和軟件兩個

59、部分，硬件是指掌紋采集設備的研制；軟件是指設置和控制設備以獲取掌紋圖像的程序。</p><p>　　預處理模塊主要完成掌紋圖像處理的去噪、增強、分割、定位、和歸一化等操作，以利于進一步的特征提取和匹配。預處理算法是根據(jù)掌紋圖像的特點設計的，而不同的采集設備獲取的掌紋圖像具有不痛的特點，因此，預處理算法與掌紋采集設備密切相關。</p><p>　　特征提取模塊定義和區(qū)分能力較強的掌紋特征。本

60、模塊是掌紋識別中最為重要的部分，特征提取得好壞是掌紋識別系統(tǒng)性能的關鍵。在進行特征定義與提取時，要考慮如下幾方面的因素：①、特征區(qū)分能力的大小。應盡量使用距離較大，而類距離較小。②、提取時間所需要的時間。該時間越少越好，如果特征提取的時間開銷太大，就哼難滿足身份識別的實時性要求。③、特征所占空間的大小。特征所占空間太大，系統(tǒng)就需要更多的存儲介質，這必然會導致整個系統(tǒng)的成本的增加。同時，特征匹配所需要的時間與特征占用的空間量成正比，因此太

61、大的特征空間占用量會影響整個系統(tǒng)的響應速度。</p><p>　　特征匹配模塊決定掌紋算法的設計和選取，掌紋匹配的算法與所提取的掌紋特征密切相關，不同的特征需要不同的匹配算法。同時，該模塊根據(jù)具體需求決定是進行一對多匹配（辨識）還是一對一匹配（驗證）。</p><p>　　2.5 掌紋識別算法</p><p>　　掌上的特征極為豐富，主要分為主線特征、褶線特征、細節(jié)

62、點特征和三角點特征幾大類。主線是手掌上最深最粗的幾條線，大多數(shù)手掌上有三條主線，分別稱為生命線、感情線和智慧線；除了主線外，手掌上還有很多褶線，一般來說這些線要比主線細、淺，并且很不規(guī)則；由于手掌上也包含很多和指紋上一樣的乳突紋，所以和指紋識別一樣，在手掌上也可提取這些乳突紋的細節(jié)點特征。三角點是乳突紋在手掌上三角區(qū)域的中心點，這些三角區(qū)域位于手指根下面的區(qū)域，在中指下靠近手腕的區(qū)域也有三角區(qū)域。由這些基本特征還可以形成很多其他的特征，

63、如可以由乳突紋、皺褶和主線共同形成掌紋紋理特征等，針對如此，可以采取多種方法對掌紋識別技術進行研究。</p><p>　　本論文主要采用主成分分析法來對掌紋識別技術進行研究，詳情見第三章。</p><p><b>　　2.6 本章小結</b></p><p>　　在前一章節(jié)中，講述了多種生物識別技術，掌紋識別作為其中一種只是稍微提到。但作為本論

64、文的主要研究對象，本章節(jié)對掌紋識別的研究現(xiàn)狀、掌紋識別的優(yōu)勢、掌紋的形成及特征、掌紋的模型以及掌紋識別算法作了的闡述。</p><p><b>　　第三章 掌紋識別</b></p><p><b>　　3.1 掌紋的獲取</b></p><p>　　3.1.1 掌紋圖像獲取技術簡介</p><p>

65、　　掌紋研究具有悠久的歷史，特別是在刑偵和手相學方面，隨著科技的進步，特別是計算機的相關技術的發(fā)展，可以用一些先進技術來獲取并保存掌紋圖像，并借計算機來進行掌紋的自動分析識別?？偟膩碚f，掌紋數(shù)字圖像的采集分為兩種方式：脫機、聯(lián)機。</p><p>　　脫機掌紋圖像的采集分為兩步，首先形成掌紋圖像，然后再把圖像輸入計算機。當前脫機掌紋圖像的采集主要有基于墨跡的方式、基于傳統(tǒng)相機的方式和給予數(shù)碼相機的方式。</

66、p><p><b>　　基于墨跡的方式</b></p><p>　　其典型的過程如下：①在用戶手掌上涂上墨粉或墨汁；②該手掌按在白紙上，形成墨跡的掌紋圖像；③用掃描儀把這個圖像輸入計算機。這種方式的有有優(yōu)點是獲取掌紋圖像的紋理和紋線比較清晰，缺點是需要將墨汁或墨粉涂在手上，這使用戶很難接受。</p><p>　　基于傳統(tǒng)相機的采集方式</p&

67、gt;<p>　　先用相機拍掌紋，并沖洗出來，再用掃描儀將圖像掃入計算機形成數(shù)字圖像，這種方式比墨跡方式容易為人們所接受，但是缺點是很難獲得高清晰度的掌紋圖像。</p><p><b>　　基于數(shù)碼相機的方式</b></p><p>　　先用數(shù)碼相機拍攝掌紋圖像，然后再輸入計算機。這種方式雖然克服了傳統(tǒng)脫機掌紋采集的缺點，使用戶容易接受，但是得到的掌紋紋

68、理和紋線不如墨跡的清晰。</p><p>　　脫機掌紋圖像采集方式的共同缺點是不能實現(xiàn)掌紋的實時識別，從而嚴重的限制了其應用范圍。</p><p>　　聯(lián)機掌紋圖像的采集是基于計算機老控制整個采集過程，即直接將掌紋圖像采集到計算機。采集主要有基于掃描儀和基于CCD兩種方式。</p><p><b>　　基于掃描儀的方式</b></p>

69、;<p>　　用掃描儀直接掃描手掌來獲取圖像。這種方式的優(yōu)點是設備體積可以做的比較小；缺點是獲取圖像的速度比較慢，獲取一幅圖像往往需要幾秒鐘時間，不利于實現(xiàn)掌紋的實時識別。</p><p>　　基于CCD設備的方式</p><p>　　香港理工大學生物識別研究中心與哈爾濱工業(yè)大學計算機與科學技術學院聯(lián)合設計和開發(fā)了基于CCD的掌紋采集設備。計算機通過該設備可以直接獲取較高質量

70、的掌紋圖像。這種方式的優(yōu)點就是獲取掌紋的速度快，適用于實時掌紋識別系統(tǒng)。</p><p>　　3.1.2 基于CDD的掌紋獲取</p><p>　　要實現(xiàn)一個有效的基于掌紋的身份識別系統(tǒng)，首先必須研究并解決掌紋信息的獲取這一關鍵技術問題。香港理工大學和哈爾濱工業(yè)大學聯(lián)合研制的基于CCD的聯(lián)機掌紋采集設備可以實時的獲取高質量的掌紋圖像，為聯(lián)機掌紋識別技術的研究打下了硬件基礎。</p&g

71、t;<p>　　該掌紋圖像采集設備有五個部分組成：用戶界面模塊、光學模塊、A/D轉換模塊、存儲模塊和設備外殼。其原理圖如圖3-1所示。</p><p>　　圖3-1 基于CCD聯(lián)機掌紋采集圖像設備工作原理圖</p><p>　　用戶界面模塊，用于掌紋的輸入，對生物特征識別系統(tǒng)來說，用戶界面模塊的好壞往往能決定該系統(tǒng)能否被真正的打規(guī)模應用。主要設計要求有：手感的舒適度、限制平移

72、和旋轉、光線的處理等。</p><p>　　光學模塊，包括光源、鏡頭、CCD傳感器，主要使手掌能良好的成像。其中光源對掌紋圖像的采集效果影響很大，人的手掌呈三維曲面，手掌的各個部位對光線的反射能力不均，這就容易造成獲取的掌紋圖像有的部分過亮有點部分過暗，所以確保手掌要得到均勻而穩(wěn)定的光照。</p><p>　　A/D轉換器，位于圖像采集卡中，用于將光學模塊得到的模擬掌紋圖像信號轉換成數(shù)字信

73、號。</p><p>　　存儲模塊，用來存儲掌紋的數(shù)字圖像。</p><p>　　設備外殼，用來支撐上述所有部件，同時也起到暗箱作用。</p><p>　　3.2 掌紋圖像的預處理</p><p>　　經圖像信息輸入系統(tǒng)獲取的圖像中通常都含有各種各樣的噪聲和畸變，大大的影響了圖像的質量。因此，字多圖像進行分析之前，必須先對圖像質量進行改善。通

74、常，采用圖像增強的方法對圖像質量進行改善。圖像增強不會考慮引起圖像質量下降的原因，而是將圖像中的感興趣的特征有選擇的突出，并衰減不需要的的特征。圖像增強的目的是為了改善圖像的視覺效果，提高圖像的清晰度和工藝適應性，以及便于人與計算機的分析與處理，以滿足圖像復制或再現(xiàn)的要求。</p><p>　　3．2.1 灰度變換增強</p><p>　　灰度變換增強是根據(jù)某種目標條件，按一定變換關系逐點

75、改變原圖像中每一個像素點的灰度值的方法，即設遠圖像像素的灰度值為：，處理后的圖像像素的灰度值為：,則灰度增強可表示為</p><p>　　通過變換，達到灰度增強的效果，當灰度變換關系確定后 ，則確定了一個具體的灰度增強方法。通常是一個單值函數(shù)。</p><p><b>　　一、直方圖灰度變換</b></p><p>　　有多種方法可以實現(xiàn)圖像灰

76、度變換，其中最常用的就是直方圖灰度變換的方法，下面將重點討論直方圖灰度變換方法。</p><p>　　圖像的直方圖是圖像的重要統(tǒng)計特征，可以認為是圖像灰度分布密度函數(shù)的近似。通常圖像的灰度分布密度函數(shù)與像素所在的位置有關。設圖像在點 處的灰度分布密度函數(shù)為，那么圖像的灰度密度函數(shù)為：</p><p><b>　　（3—1）</b></p><p&g

77、t;　　式中， 是圖像的定義域， 是區(qū)域 的面積。一般來講，要得到精確的圖像灰度灰度分布密度函數(shù)比較困難，所以在實際中用圖像的直方圖來代替。直方圖是一個離散函數(shù)，它表示數(shù)字圖像每一灰度級與該灰度級出現(xiàn)頻率的對應關系。設一幅數(shù)字圖像的像素總數(shù)為 ，有 個灰度級，具有第 個灰度級的灰度 的像素共有 個。則第 個灰度級出現(xiàn)的概率為：</p><p><b>　?。?—2）</b></p&g

78、t;<p>　　采用灰度直方圖后，大大的提高了圖像的亮度，也可以使原始的圖像灰暗部分的動態(tài)變化范圍大大增加，從而使細節(jié)更容易觀看。</p><p>　　以下掌紋是經過直方圖灰度變換后的圖像和沒經處理的原掌紋圖像的對比，圖3-1是沒經處理的原圖像，圖3-2是經過直方圖變換后的掌紋圖像。</p><p>　　圖4-1 掌紋原圖

79、 圖4-2直方圖變換后點的掌紋圖像</p><p>　　從掌紋圖像的對比可以看出，經過直方圖灰度變換的掌紋圖像比沒經過處理的掌紋圖像要明亮，紋理比較清楚，這就達到了掌紋圖像預處理的效果。</p><p><b>　　二、直方圖均衡化</b></p><p>　　直方圖均衡化是一種使輸出圖像直方圖近似服從均勻分布的變換算法，其主要的計算步

80、驟如下：</p><p>　　列出原始圖像的灰度級 ，其中 是灰度級的個數(shù)。</p><p>　　統(tǒng)計各灰度級的像素數(shù)目 。</p><p>　　計算原始圖像直方圖各灰度級的頻度 ，其中 為原始圖像總的像素數(shù)目。</p><p><b>　　計算累計分布函數(shù) </b></p><p>　　應用以

81、下公式計算映射后的輸出圖像的灰度級 ， ，為輸出圖像灰度級個數(shù) ：</p><p>　　其中， 為取整運算。</p><p>　　統(tǒng)計映射后各灰度級的像素數(shù)目 ，。</p><p>　　計算輸出圖像直方圖，</p><p>　　用 和 的映射關系修改原圖像的灰度級，從而獲得直方圖近似為均勻分布的輸出圖像。</p><p&

82、gt;　　以上8個步驟是實現(xiàn)直方圖均衡化的具體過程。</p><p>　　下面就掌紋圖像直方圖均衡化前后的對比，圖3-3是處理前的掌紋圖像，圖3-4是處理后的掌紋圖像；圖3-5是處理前的直方圖，圖3-6是處理后的直方圖。</p><p>　　圖3-3掌紋原圖 圖3-4直方圖均衡化</p><p>　　圖3

83、-5 原圖直方圖 圖3-6 均衡化后直方圖 </p><p>　　由以上圖像可以看出，均衡化后的圖像細節(jié)成分更加清楚了，同時，在直方圖調整之前，低灰度比列很大，經過直方圖均衡化后，各灰度等級的比列更加平衡。</p><p>　　3.3 邊緣檢測（基于導數(shù)的邊緣檢測）</p><p>　　邊緣檢測在圖像處理與計算機視覺中占

84、有很特殊的位置，它是底層視覺處理中最重要的環(huán)節(jié)之一，也是實現(xiàn)基于邊界圖像分割的基礎。在圖像中，邊界表明一個特征區(qū)域的終結和另一個特征區(qū)域的開始，邊界所分開區(qū)域的內部特征或屬性是一致的，而不同區(qū)域內部的特征或屬性是不同的，邊緣檢測正是利用物體和背景在某種圖像特性上的差異來實現(xiàn)的。這種找一包括灰度，顏色或者紋理特征。邊緣檢測實際上就是檢測圖像特性發(fā)生變化的位置。</p><p>　　函數(shù)倒數(shù)反映圖像灰度變化的顯著程度

85、，一階導數(shù)的局部極大值和二階導數(shù)的過零點都是圖像灰度變化極大值地方。因此可將這些導數(shù)值作為相應點的邊界強度，通過設置門限的辦法，提取邊界點集。</p><p>　　一、基于一階導數(shù)的邊緣檢測</p><p>　　梯度是圖像對應二維函數(shù)的以階導數(shù)： </p><p>　?。?—3） </p><p>　　可

86、以用以下的三種方法范數(shù)衡量梯度的幅值:</p><p>　　，2范數(shù)梯度 （3—4）</p><p>　　， 1 范數(shù)提速 （3—5）</p><p>　　，∞ 范數(shù)梯度 （3—6）</p><p>　　梯度方

87、向為函數(shù)最大變化率的方向： </p><p><b>　　（3—7）</b></p><p>　　常用的邊緣檢測算子有ROBERTS算子、Sobel算子、Prewitt算子、LOG算子和Canny 算子，由于圖像由離散的像素組成，這些算子將用差分近似偏導數(shù)。下面著重對SobelL算子為重點講解。</p><p>　　Sobel邊緣檢測算法

88、原理</p><p>　　Sobel邊緣檢測是一種非線性的邊緣檢測算法，效率很高，用途廣泛。Sobel邊緣檢測的基本方法是在X，Y方向上分別使用不同的兩個卷積核，例如：</p><p><b>　　和 </b></p><p>　　X方向 Y方向</p><p>　　如

89、果使用 方向卷積核得出的某一像素的卷積像素值分別為，則該像素的邊界強度和方向可用如下的公式計算</p><p>　　， （3—8）</p><p><b>　?。?—9）</b></p><p>　　利用上式對獲取的圖像中每一像素處理后，再進行閾值化處理，就可完成對目標的

90、邊緣提取。但這種做法同時也把高頻部分的噪聲作為目標的邊緣進行了提取和增強。</p><p><b>　　算法的主要步驟：</b></p><p>　　分別將2個方向模板沿著圖像從一個像素移動到另一個像素，并將像素的中心與圖像中的某個像素位置重合；</p><p>　　將模板內的系數(shù)與其圖像上相對應的像素值相乘；</p><p

91、>　　將所有相乘的值相加；</p><p>　　將2個卷積的最大值。賦給圖像中對應模板中心位置的像素，作為該像素新的灰度值；</p><p>　　選取合適的閾值TH，若新像素灰度值≥TH，則判讀該像素點為圖像邊緣點。</p><p>　　由此可知，Sobel算子算法的優(yōu)點是計算簡單，速度快。但是由于只采用了2個方向的模板，只能檢測水平和垂直方向的邊緣，因此這種

92、算法對于紋理較為復雜的圖像，其邊緣檢測效果就不是很理想。該算法認為：凡灰度新值大于或等于閾值的像素點時都是邊緣點。這種判斷欠合理，會造成邊緣點的誤判，因為許多噪聲點的灰度值也很大。</p><p>　　下面是Sobel和 Canny算子對同一圖像的邊緣檢測的實際效果圖，圖3-7是Sobel算子檢測的圖像，圖3-8是Canny算子的檢測圖像</p><p>　　圖3-7sobel邊緣提取

93、 圖3-8canny邊緣提取</p><p>　　SOBEL算子對圖像先作加權平滑處理，然后再做微分運算，對噪聲有一定的抑制能力，但是不能完全的排除檢測結果中出現(xiàn)的虛假邊緣。雖然其檢測效果不錯，但是檢測的邊緣容易出現(xiàn)多像素寬度。從3-7可以看出，用Sobel算子提取的掌紋圖像主要是針對于掌紋的主線（生命線、感情線、智慧線），而CANNY算子雖然是基于最優(yōu)化思想推到出來的邊緣檢測算子

94、，但是實際效果并不一定是最優(yōu)，原因在于理論和實際有許多不一致的地方。該算子也采用高斯函數(shù)對圖像作平滑處理，因此就有較強的抑制噪聲能力，同樣該算子也會將一些高頻邊緣平滑掉，造成邊緣丟失。從3-8可以看出，Canny算子提取的掌紋圖像不僅不包括掌紋的主線，還包括了掌紋的皺褶線和乳突紋，其視圖效果比較混亂。</p><p>　　3.4 PCA(主成分分析)</p><p>　　PCA（princ

95、ipal components analysis）即主成分分析技術，又稱主分量分析。主成分分析也稱主分量分析，旨在利用降維的思想，把多指標轉化為少數(shù)幾個綜合指標。 </p><p>　　在統(tǒng)計學中，主成分分析PCA是一種簡化數(shù)據(jù)集的技術。它是一個線性變換。這個變換把數(shù)據(jù)變換到一個新的坐標系統(tǒng)中，使得任何數(shù)據(jù)投影的第一大方差在第一個坐標(稱為第一主成分)上，第二大方差在第二個坐標(第二主成分)上，依次類推。主成分分

96、析經常用減少數(shù)據(jù)集的維數(shù)，同時保持數(shù)據(jù)集的對方差貢獻最大的特征.這是通過保留低階主成分，忽略高階主成分做到的。這樣低階成分往往能夠保留住數(shù)據(jù)的最重要方面.但是，這也不是一定的，要視具體應用而定. </p><p>　　具體的 PCA 變換的步驟如下： </p><p>　　第一步計算矩陣 的樣本的協(xié)方差矩陣 ；</p><p>　　第二步計算協(xié)方差矩陣的本征向量的本

97、征值 。本征值按大到小排序 ； </p><p>　　第三步投影數(shù)據(jù)到本征矢張成的空間之中，這些本征矢相應的本征值為 ?，F(xiàn)在數(shù)據(jù)可以在三維空間中展示為云狀的點集。 </p><p>　　PCA 的目標是尋找 個新變量，使它們反映事物的主要特征，壓縮原有數(shù)據(jù)矩陣的規(guī)模，將特征向量的維數(shù)降低，挑選出最少的維數(shù)來概括最重要特征。每個新變量是原有變量的線性組合，體現(xiàn)原有變量的綜合效果，具有一定的實

98、際含義。這個新變量稱為“主成分”，它們可以在很大程度上反映原來 個變量的影響，并且這些新變量是互不相關的，也是正交的。通過主成分分析，壓縮數(shù)據(jù)空間，將多元數(shù)據(jù)的特征在低維空間里直觀地表示出來。</p><p><b>　　3.5 歐氏距離</b></p><p>　　本文從距離角度入手，采用一種基于歐氏距離法(Euclidean Distance Method，ED

99、M))的拒識區(qū)域解決方案。該方法的基本思想是：對落入拒識區(qū)域中的樣本，直接計算樣本到各類樣本集的歐氏距離，然后比較歐氏距離的大小，選擇最小歐氏距離對應的類作為樣本的所屬類?？紤]到樣本集規(guī)模大小懸殊，或者分布密度不同時，直接比較歐氏距離會出現(xiàn)數(shù)據(jù)湮沒現(xiàn)象，給出了歐氏距離的修正方法。需要說明的是，衡量樣本點與樣本集距離的方法有很多種，常用的有歐氏距離、閔可夫斯基距離和馬氏距離等。由于歐氏距離計算方便，且在高維特征空間中的轉換不復雜，因此本文

100、選擇使用歐氏距離的方法來解決拒識區(qū)域問題。</p><p><b>　　3.6本章小結</b></p><p>　　本章的首先對掌紋圖像的采集設備作了介紹，對掌紋圖像采集后的預處理做了分析，對基于直方圖灰度變換和直方圖均衡化的圖像預處理作了較為詳細的陳述，對于掌紋特征的提取，本文才采取的是基于Sobel算子的邊緣檢測，并以基于Canny算子的檢測作了對比，在章節(jié)的最后

101、，對PCA和歐氏距離作了簡要的介紹。</p><p>　　第四章 設計測試結果分析</p><p>　　通過前面三章的介紹，已經初步掌握了掌紋識別技術模型以及相關的理論知識，本章主要以MATLAB軟件為平臺對掌紋識別模塊進行測試，并對其測試結果以及誰中的不足做了簡要的分析。</p><p>　　4.1 MATLAB 簡介</p><p>　　

102、Matlab是Mathworks公司于二十世紀八十年代推出的一種適合于科學和工程技術人員使用的開發(fā)環(huán)境。MATLAB是以復數(shù)矩陣作為基本編程單元的一種程序設計語言，它提供了各種矩陣的運算和操作，并具有較強的繪圖功能。模式識別特別是統(tǒng)計模式識別中有許多需要進行矩陣運算的算法，用C語言之類的高級語言來實現(xiàn)這類算法就比較繁瑣，編程起來也特別復雜，即使是一個矩陣求逆也需要很長一段程序來實現(xiàn)，而Matlab中則給出了許多進行矩陣運算的高效的函數(shù)，

103、使用起來很方便。為了直觀地顯示出模式識別分類的結果，常常需要畫出分界面立體圖形，用Matlab語言也可以較為方便地畫出分類的結果。Matlab語言的主要特點有:</p><p>　　友好的工作平臺和編程環(huán)境 </p><p>　　Matlab由一系列工具組成。這些工具方便用戶使用MATLAB的函數(shù)和文件，其中許多工具采用的是圖形用戶界面。包括Matlab桌面和命令窗口、歷史命令窗口、編輯器

104、和調試器、路徑搜索和用于用戶瀏覽幫助、工作空間、文件的瀏覽器。隨著MATLAB的商業(yè)化以及軟件本身的不斷升級，Matlab的用戶界面也越來越精致，更加接近Windows的標準界面，人機交互性更強，操作更簡單。而且新版本的Matlab提供了完整的聯(lián)機查詢、幫助系統(tǒng)，極大的方便了用戶的使用。簡單的編程環(huán)境提供了比較完備的調試系統(tǒng)，程序不必經過編譯就可以直接運行，而且能夠及時地報告出現(xiàn)的錯誤及進行出錯原因分析。</p><

105、p>　　簡單易用的程序語言 </p><p>　　Matlab一個高級的矩陣/陣列語言，它包含控制語句、函數(shù)、數(shù)據(jù)結構、輸入和輸出和面向對象編程特點。用戶可以在命令窗口中將輸入語句與執(zhí)行命令同步，也可以先編寫好一個較大的復雜的應用程序（M文件）后再一起運行。新版本的Matlab語言是基于最為流行的C＋＋語言基礎上的，因此語法特征與C＋＋語言極為相似，而且更加簡單，更加符合科技人員對數(shù)學表達式的書寫格式。使之

106、更利于非計算機專業(yè)的科技人員使用。而且這種語言可移植性好、可拓展性極強，這也是Matlab能夠深入到科學研究及工程計算各個領域的重要原因。</p><p>　　強大的科學計算機數(shù)據(jù)處理能力 </p><p>　　Matlab是一個包含大量計算算法的集合。其擁有600多個工程中要用到的數(shù)學運算函數(shù)，可以方便的實現(xiàn)用戶所需的各種計算功能。函數(shù)中所使用的算法都是科研和工程計算中的最新研究成果，而

107、前經過了各種優(yōu)化和容錯處理。在通常情況下，可以用它來代替底層編程語言，如C和C++ 。在計算要求相同的情況下，使用Matlab的編程工作量會大大減少。Matlab的這些函數(shù)集包括從最簡單最基本的函數(shù)到諸如矩陣，特征向量、快速傅立葉變換的復雜函數(shù)。函數(shù)所能解決的問題其大致包括矩陣運算和線性方程組的求解、微分方程及偏微分方程的組的求解、符號運算、傅立葉變換和數(shù)據(jù)的統(tǒng)計分析、工程中的優(yōu)化問題、稀疏矩陣運算、復數(shù)的各種運算、三角函數(shù)和其他初等數(shù)

108、學運算、多維數(shù)組操作以及建模動態(tài)仿真等。</p><p><b>　　出色的圖形處理功能</b></p><p>　　Matlab自產生之日起就具有方便的數(shù)據(jù)可視化功能，以將向量和矩陣用圖形表現(xiàn)出來，并且可以對圖形進行標注和打印。高層次的作圖包括二維和三維的可視化、圖象處理、動畫和表達式作圖。可用于科學計算和工程繪圖。新版本的Matlab對整個圖形處理功能作了很大的改

109、進和完善，使它不僅在一般數(shù)據(jù)可視化軟件都具有的功能（例如二維曲線和三維曲面的繪制和處理等）方面更加完善，而且對于一些其他軟件所沒有的功能（例如圖形的光照處理、色度處理以及四維數(shù)據(jù)的表現(xiàn)等），Matlab同樣表現(xiàn)了出色的處理能力。同時對一些特殊的可視化要求，例如圖形對話等，Matlab也有相應的功能函數(shù)，保證了用戶不同層次的要求。另外新版本的Matlab還著重在圖形用戶界面（GUI）的制作上作了很大的改善，對這方面有特殊要求的用戶也可以得