《掌纹识别算法综述》评述1掌纹识别的背景掌纹识别是近些年来新兴的一种生物识别技术.其他用于识别的生物特征相比, 掌纹具有很多独的优势. 相比于指纹, 掌纹拥有更大的面积以及为丰富的纹理信息, 只需要较低分辨率的采集设就可以构建高性能的掌纹识别系统; 相比于人脸别, 掌纹识别能轻易地区分双胞胎; 相比于虹膜,纹采集设备的价格更为低廉, 采集方式也更容易用户接受; 相比于签名, 掌纹更加稳定可靠. 因此,纹识别是一种有着广泛应用前景的生物识别方法,年来得到了研究人员的广泛关注.2掌纹预处理的方法在预处理阶段完成掌纹图像的平移及旋转校正. 对于掌纹的定位, 大多数预处理算法都利用了食指与中指的缝隙以及无名指与小指的缝隙[7¡10]. 在此基础上, Poon 等[8]提出了一种划分掌纹中心区域的方法, 如图 5 (a) 所示. 他们将掌纹的中心区域划分为多个椭圆形半环, 每个椭圆形半环再分为多个小块, 对每个小块分别提取特征.3掌纹识别的方法掌纹识别方法的评价指标与其他生物识别方相类似, 主要包括正确接受率 (Genuine accep-ce rate, GAR), 错误拒绝率 (False rejection, FRR), 错误接受率 (False acceptance rate, 特征维数、特征大小、特征提取及匹配所需的时间等. 本文在第 2 节的算法分析中列出了某些具有代表性的掌纹识别算法的性能参数. 值得注意的是, 有些实验结果是在不同的掌纹数据库上得到的, 彼此间并不具有可比性.识别方法主要分为以下四种：3.1 基于结构的方法基于结构的方法主要是指利用掌纹中主线和皱褶的方向和位置信息实现掌纹识别的方法. 这一类的方法主要由两部分组成: 1) 提取掌纹中的纹线特征; 2) 纹线特征的有效表示和匹配. 线特征的有效表示主要是指便于匹配, 并且占用尽可能少的存储空间. 对于特征的提取, 较多使用的是各种线检测算子以及边缘检测算子; 对于特征的表示, 主要是采用直线段或特征点代替掌纹纹线; 而特征的匹配大多采用特征点之间的欧氏距离或 Hausdor® 距离, 以及用于线段匹配的 Hausdor® 距离等.3.2 基于统计的方法基于统计的方法是指利用掌纹图像的重心、均值、方差等统计量作为特征的识别方法, 可进一步分为基于局部统计量和全局统计量的方法. 其中基于局部统计量的方法需要将图像分成若干小块, 之后统计每块的均值和方差等统计信息, 最后连接为表示整个掌纹的特征向量; 而基于全局统计量的方法则直接计算整个图像的矩和重心等统计信息作为掌纹的特征. 匹配时, 一般采用矢量比较时常用的相关系数、一阶范数或欧氏距离.3.3 基于子空间的方法子空间方法将掌纹图像看作是高维向量或矩阵,通过投影或变换, 将其转化为低维向量或矩阵, 并在此低维空间下对掌纹表示和匹配. 根据投影或变换的性质, 子空间方法可以分为线性子空间方法和非线性子空间方法. 目前应用较为广泛的是线性子空间方法。
2.4 基于编码的方法基于编码的方法是指先用滤波器对掌纹图像滤波, 之后根据某些规则将滤波后的结果进行编码的方法. 通常特征都按照比特码的形式存储, 对得到的特征码多采用二进制的 \与" 或者 \异或" 计算相似度. 该类方法主要包括三个核心部分: 滤波器的选择（Gabor, 高斯, 高斯的导数）, 编码规则 (最大值, 序数关系), 以及匹配方式 (点对点, 点对区域).4掌纹的活体检测安全性是掌纹识别系统的关键问题. 虽然掌纹不会被遗忘或丢失, 但实际的掌纹识别系统易受伪造或仿冒的掌纹的攻击. 活体检测 (Liveness detec-tion) 是检测人体的生命特征的一种方法, 可以在很大程度上阻止这类攻击. 目前关于掌纹的活体检测的研究还比较少, 而最近提出的多光谱掌纹识别, 可以作为掌纹识别系统中活体检测的一种手段.5自己的思路与设想掌纹识别的方法很多，从上面提到的四种方法来看，最容易理解的和发展最多的是结构识别的方法但是它虽然直观，但是储存的容量大，识别的速度慢统计的方法是结构方法的改进，它加大了描述的范围，同时减少了描述的量，将统计量的频谱分析，这样降低了储存的容量，加快了识别的速度，增加了精度。
编码的方式，是采用计算机编码来表示掌纹的数据，它是对掌纹数据采集的进一步提高目前这种技术也应用于人脸的识别上，也是一种应用广泛的生物采集技术这种技术在四种方法中是精度最高，储存空间最小，并且速度最快的6学习体会了解了自动化理论发展的趋势以及广泛的应用我认为自动化的理论在模式识别上的应用最为广泛它理论上的各种算法在识别的应用中得到了充分的发挥这样的方法主要是基于计算机技术的应用所以在精度和实用性上都得到了很大的提高但是在一定精度上对于快速性和容量空间的要求要想达到更高的话，可能还是需要在算法上改进，才能产生突破其次识别的精度也依赖于采集设备的图像参考文献1 Shu W, Zhang D. Automated personal identi¯cation bypalmprint. Optical Engineering, 1998, 37(8): 2359¡23622 You J, Li W X, Zhang D. Hierarchical palm-print identi¯-cation via multiple feature extraction. Pattern Recognition,2002, 35(4): 847¡8593 Wong M, Zhang D, Kong W K, Lu G. Real-time palmprintacquisition system design. IEE Proceedings|Vision, Imageand Signal Processing, 2005, 152(5): 527¡5344 PAPILLON. Fingerprint/palmprint livescan devices [On-line], available: http://www.papillon.ru/eng/76/?PHPSES-SID=72443aec4328741d577aa6fd88de®b7, June 6, 20095 Biometric Systems. Green bit poliScan 2 [Online],available:http://www.greenbit- June 6,20096 Shenzhen Seidel Optoelectronic Technology Co., Ltd. Palm-print collector [Online], available: June 6, 20097 Zhang D, Kong W K, You J, Wong M. Online palmprintidenti¯cation. IEEE Transactions on Pattern Analysis andMachine Intelligence, 2003, 25(9): 1041¡10508 Poon C, Wong D C M, Shen H C. A new method in locatingand segmenting palmprint into region-of-interest. In: Pro-ceedings of the 17th International Conference on PatternRecognition. Washington D.C., USA: IEEE, 2004. 533¡536 。