掌纹识别

掌纹识别系统同其他生物特征识别系统在结构上是一样的，他们都由两个部分构成：训练

预处理

预处理的目的是使所采集的掌纹图像能方便的对图像后续处理，如去除

研究人员已经对掌纹识别技术进行了广泛而深入的研究，并取得了一定的成果。本文对掌纹识别技术的国内外研究现状作简单介绍。下面分别介绍基于掌纹的点特征与线特征、纹理特征、子空间分析和分级特征融合的掌纹识别算法。

掌纹识别

手掌上的纹线是最直观的特征，很多文献都研究了掌纹的线特征，提取纹线特征实际上是低对比度、高噪声背景条件下的边缘检测。文献最早使用了掌纹的线特征用于掌纹识别，这种方法只提取手掌上的短直线。Han等人则采用形态学和Sobel边缘特征描述掌纹，并训练一个

掌纹可以被认为是无规则但在个体间独一无二的一种纹理。有很多方法是针对纹理分析处理掌纹图像的。如Gabor滤波、小波变换、

基于子空间的特征提取指的是将掌纹图像通过映射变换或是矩阵运算，实现从样本空间到特征子空间的转换。根据映射变换的性质，变换后的子空间可分为线性子空间和非线性子空间。运用在掌纹识别上的多为线性子空间方法。

主成分分析是多元变量统计中的一种降维技术。这种方法认为任何一幅图像都可以分解为一系列向量与系数的线性组合，该系数彼此不相关，并且服从高斯分布，将其中包含信息成分最多的向量方向视为主要组成成分方向。具体实现是将掌纹图像按行展开后，所形成的一维向量进行K-L变换，获得其正交的n维K-L基底，以对应前m个最大特征值的基底张成的子空间，将掌纹图像

从上面的分析可以看出，每种掌纹图像的识别算法都各有优缺点，如果只采用一种识别算法很难做到快速、高精度的身份识别。因此，多特征融合的方法将是掌纹识别发展的重要方向。

这里的融合，可以是特征级的融合，通过定义的融合准则将提取的多个特征融合为一个新的特征。如文献通过融合准则将4个不同方向的Gabor滤波器提取的掌纹图像的相位特征融合为一个。有效的表达了掌纹图像的方向和相位信息。文献用竞争

随着信息技术和网络技术的高速发展，信息安全显示出前所未有的重要性。生物识别技术以其特有的稳定性、唯一性和方便性，得到越来越广泛的应用。掌纹识别作为一项新兴的生物识别技术，因具有采样简单、图像信息丰富、用户接受程度高、不易伪造、受噪声干扰小等特点受到国内外研究人员的广泛关注。但是由于掌纹识别技术起步较晚，尚处于学习和借鉴其他生物特征识别技术的阶段。