高分辨率掌纹识别的关键问题研究

掌纹在身份识别方面的潜在价值不亚于指纹，而且在犯罪嫌疑人识别方面具有不可替代的作用。但是掌纹识别的成熟程度和应用范围不及指纹识别。主要原因是掌纹面积大、信息多，对图像采集、存储和运算的硬件要求高，而且掌纹的大量皱纹对于纹线特征提取算法是很大的挑战。随着商用掌纹采集仪的出现和计算机存储运算能力的增长，软件已成为影响掌纹识别发展的瓶颈。本项目将研究高分辨率掌纹识别系统中的三个关键模块：特征提取、匹配和大库检索，提出抗皱能力强的方向场估计、抗形变的掌纹细节点匹配、基于分级匹配的掌纹检索等原创算法，解决掌纹细节点提取困难、现场掌纹识别率低和掌纹匹配速度慢等主要难题。本项目的顺利开展将有助于推动掌纹识别的技术进步，扩大掌纹识别的应用范围，充分发挥掌纹识别在打击犯罪、保卫国家安全和个人生命财产安全方面的潜在价值。本项目的研究成果具有普遍性，可推广到其他模式识别和计算机视觉问题，如图像检索和双目匹配。

掌纹在身份识别方面的潜在价值不亚于指纹，而且在犯罪嫌疑人识别方面具有不可替代的作用。但是掌纹识别的成熟程度和应用范围不及指纹识别，主要原因是掌纹面积大、信息多，对图像采集、存储和运算的硬件要求高，而且掌纹的大量皱纹对于纹线特征提取算法是很大的挑战。随着商用掌纹采集仪的出现和计算机存储运算能力的增长，算法的不足已成为影响掌纹识别发展的主要障碍。..本项目研究高分辨率掌纹识别系统中的三个关键模块：特征提取、匹配和大库检索，提出了自适应掌纹方向场估计算法，在保证较高运算效率的同时，有效解决了传统算法难以抵抗皱褶干扰的问题；提出了分层分区的掌纹匹配算法，有效解决了掌纹变形严重和匹配运算复杂度高的问题；提出了掌纹预配准算法以及基于方向场、密度图的掌纹检索算法，显著提高了在大型掌纹库上的匹配速度。..本项目还对与掌纹识别非常相关的指纹识别进行了研究，提出了基于字典的指纹姿态估计和方向场估计算法，将指纹的先验统计规律引入特征提取算法，明显提高了低质量现场指纹的图像质量，从而提高了识别率；提出了基于松弛标记的重叠指纹分离算法，提高了对于重叠指纹的识别率。这些算法只需做很小的调整，即可用于掌纹方向场的估计和重叠掌纹的分离。..本项目还对与掌纹图像分割非常相关、更为基础的谱聚类问题进行了研究，提出了适用于硬性、软性、类别、成对约束的多类约束谱聚类方法，在图像分割、运动分割上取得了优于传统方法的性能。只需修改相似度矩阵，该算法即可用于掌纹图像的分割。..在已取得成果的基础上，本项目共发表论文13篇，其中在顶级期刊IEEE Trans. Pattern Analysis and Machine Intelligence上发表长文4篇，在权威国际期刊IEEE Trans. Image Processing和IEEE Trans. Information Forensics and Security上发表长文3篇，在IJCB、WIFS等国内外会议发表论文6篇。本项目为以上研究成果申请国内发明专利7项，已全部公开。..本项目的成果还获得过多项奖励，包括2013年国际权威的指纹技术竞赛FVC-onGoing方向场测试第一名， 2012年第7届国际工业电子与应用会议唯一的最佳论文奖，2011年中国电子学会电子信息科学技术奖一等奖，2011年高等学校科学研究优秀成果（自然科学类）二等奖。