1、掌紋是手掌內(nèi)部表面上所有紋線的通稱，包括主線、褶皺以及乳突紋等。這些紋線具有穩(wěn)定性、唯一性等特點，使掌紋成為一項重要的、可用于身份識別與驗證的生物特征。同時，掌紋識別技術(shù)具有所需圖像分辨率較低，系統(tǒng)成本低廉，用戶可接受程度高等顯著優(yōu)點，因而成為業(yè)界廣受關(guān)注的研究熱點問題。 經(jīng)過十多年廣泛的研究，掌紋識別在理論和實踐方面都有了一定的基礎(chǔ)。特別是在掌紋圖像的預(yù)處理及分割階段，方法相對較多且比較成熟。而識別算法相對薄弱，由于掌紋特征比

2、較復(fù)雜，紋線深淺、方向變化無明顯規(guī)律性，并且掌紋圖片的變化與變形因素較多，包括位移、旋轉(zhuǎn)、變形、手掌中心三角結(jié)構(gòu)引起的陰影等，嚴重影響了識別的性能。因此本文主要針以上問題，在深入研究現(xiàn)有掌紋識別算法的基礎(chǔ)上，從掌紋的子空間分析、特征融合以及掌紋紋理特征等多方面提出準確性高、性能穩(wěn)定的掌紋識別算法，主要貢獻如下： 1）提出基于改進的二維局部保留映射（I2DLPP）的掌紋識別算法。與傳統(tǒng)的基于表觀的子空間方法不同，2DLPP是基于圖

3、像空間內(nèi)部流形結(jié)構(gòu)的算法，但是基于整幅圖像的最近鄰圖卻未能模擬圖像內(nèi)部的流形結(jié)構(gòu)。因此，本算法提出了基于列的最近鄰圖的概念，即將圖像的每一列作為最近鄰圖的節(jié)點，旨在保留詳細的隱藏在圖像空間的局部流形信息，可以較好地反映圖像內(nèi)部結(jié)構(gòu)的關(guān)系，識別精度因而提高。同時，為有效降低計算復(fù)雜度與最終表征圖像的特征維數(shù)，提高識別效率，提出在行方向與列方向上分別進行2DPCA和2DLPP的雙方向投影。實驗結(jié)果證明了算法的有效性和穩(wěn)定性。 2）提

4、出基于整體與局部特征融合的掌紋識別算法。掌紋圖片的整體特征可以反映掌紋的主體信息，局部特征具有明顯的區(qū)分性，將兩者融合可以克服掌紋圖片的局部性以及非均勻性對識別性能的影響。 掌紋的頻率域整體特征由本文提出的基于Gabor特征的（2D）2PCA（GB（2D）2PCA）提取。該算法是將不同尺度與方向的Gabor濾波器提取較為完整的頻率特征組成高維的Gabor特征空間，然后利用（2D）2PCA對空間的兩個方向同時降維，提取圖像最佳的表

5、示特征。這種算法能夠有效地增強對采集環(huán)境變化的魯棒性，與單獨使用的Gabor算法或子空間算法相比，GB（2D）2PCA明顯提高了掌紋識別的精度和效率。 掌紋的空間域局部特征由NMFSc提取，基于整體與局部特征融合過程是用零-均值法將兩種算法GB（2D）2PCA與NMFSc得到的匹配距離歸一化，然后用加權(quán)和法得到最終匹配距離進行識別。由于兩類特征互補性較強，基于整體和局部特征融合算法可明顯提高正確識別率；同時，兩類子空間算法易于實

6、現(xiàn)，融合策略簡單，無需額外的訓(xùn)練時間，識別效率未受到影響。 3）提出基于Gabor局部相對特征的掌紋識別算法。Gabor濾波器的參數(shù)涉及尺度和方向特征，具有良好的不變性。局部相對方差是將Gabor變換后的圖像分成兩層子塊后，下層值域子塊與上層定義域塊之間方差的差值，并不直接涉及圖像的灰度值，所有下層值域子塊的相對局部方差組成表征圖像的特征向量。由于Gabor濾波器的不變特性和提取的相對特征比較穩(wěn)定，減弱了圖像的尺度、位置變化以及

7、變形帶來的不利影響，算法的識別精度明顯高于其它基于Gabor特征的算法。并且，特征提取以及匹配階段僅涉及基于塊的簡單運算與一階Manhattan距離，算法的效率較高。 4）提出基于Contourlet局部分形維數(shù)（CLFD）的掌紋識別算法。分形維數(shù)是表示圖像紋理粗糙程度的參數(shù)，不受絕對像素灰度值的影響，具有較強的魯棒性。本文首次將分形維數(shù)獨立用于掌紋識別，避免耗時的分形編碼過程，能夠滿足實時系統(tǒng)的要求。同時，Contourlet