题目：基于局部描述符的掌纹识别算法研究

物特征识别技术作为一种较为重要和可靠的解决方法引起广泛关注。生物识别技术是一种对个人身份进行鉴定的手段，具体来讲，是指结合光学、声学、生物传感器、生物统计以及计算机等高科技手段，通过人体的某种固有特征进行鉴别。我们每个人的人体特征是唯一的，特有的，能够与其他人区分的，而且这些特征不会被去掉和替换。所以，生物识别技术有很高的可靠性。
掌纹特征与其它生物相比，易于获取、主特征明显、稳定、具有很好的可分性，有很大的发展潜力与应用空间。掌纹的采集过程比较简单、方便，不具有侵犯性，能够被人们接受。并且掌纹中包含着丰富的可以区分的信息，这些特征具有分辨能力，特别是将这些特征组合在一起基本上可以确定一个人的身份。所以，近几年来掌纹识别技术受到越来越多的关注，并且较广泛的投入到实际应用中。
本文对掌纹识别系统和掌纹识别关键技术进行了研究，现把研究工作和创新点概括如下：
（1）针对掌纹图像感兴趣区域的提取对识别度的影响，采用了基于切线拟合的定位分割方法，提取掌纹的感兴趣区域。在提取了掌纹轮廓线后，计算食指与中指，无名指与小拇指之间的间隙下边界的公切线，并将这两个公切点作为基准建立坐标系，并分割出固定大小的区域作为感兴趣区域。这种方法高效、准确，为后面提取掌纹特征奠定了基础。
（2）为了在较低的计算成本下实现较高的识别度，提出了一种基于SIFT描述符和巴氏系数的掌纹识别算法。该方法首先采用SIFT匹配算法得到匹配点，然后计算匹配点周围领域的巴氏系数作为特征，再利用模糊K近邻分类器进行分类。实验结果证明了算法的有效性。实验结果表明该算法对掌纹图像的旋转、尺度和亮度的变化具有较好的鲁棒性，具有稳健和高精度的特性。
（3）为了提高掌纹识别的精度，减少识别过程的运算时间，提出了一种新的基于区域不变描述符的掌纹识别算法。在训练过程中，提取属于同一类所有训练样本的SURF描述符进行互配，然后计算训练样本中互配频次超过该类样本数的1/2的每个特征点的匹配率及其在匹配训练样本中的坐标与SURF描述符的均值与方差组成类别数据库。在识别过程，基于SURF提取待识别掌纹图像的特征点，确定特征点的SURF描述符与其位置坐标，然后，计算类别数据库中每个类别的每个特征点与待识别掌纹图像所有特征点模糊匹配度的最大值作为该特征点的模糊匹配度，最后基于模糊推理实现掌纹识别。实验结果表明该算法提取的特征具有旋转、尺度和平移不变性，对光照环境的变化具有较好的鲁棒性，并且识别过程计算成本较低，运行速度快，满足实时性应用的要求。