题目：掌纹识别算法研究

手掌是指手指末端到手腕之间的掌心区域，掌纹则是手掌内部皮肤上所有纹线的统称，主要包括褶皱、主线和乳突纹。这些线不仅包含丰富的纹理和方向信息，而且具有可靠性、稳定性和唯一性等特点，使得掌纹发展为一项重要的，可用于身份识别和验证的生物特征。掌纹识别是通过提取手指末端到手腕之间的手掌图像的纹理特征来进行身份识别的一种方法，是近几年才提出的一种较新的生物特征识别技术。相对于指纹图像和虹膜图像，掌纹图像具有对采集设备要求低，成像分辨率不高等优点，而且在图像的采集过程中，掌纹更容易被用户接受。由于这些优点，掌纹识别技术受到越来越多的研究者们的关注，迅速成为了图像处理与模式识别领域的一个新的研究热点。
本文详细分析了掌纹图像的特点，并在对掌纹识别系统和掌纹识别关键技术研究的基础上，提出了两种新的掌纹识别算法，主要的贡献和创新有以下几点：
1、为了缓解现存的基于纹理特征的掌纹识别算法在图像采集过程中光照、位置和方向的变化对识别率的影响，我们提出了一种掌纹图像光照、位置与方向的归一化方法。我们的方法基于积分光密度、矩与中心二阶矩对掌纹图像进行光照、位置与方向的归一化。该方法效果明显优于现有的预处理方法，它不仅最大化的提取了掌纹图像的有用信息，而且在一定程度上确保了掌纹识别的光照，位置和方向的三不变性。
2、提出了基于Gabor小波变换和粒子群优化算法(PSO)的掌纹识别算法。该算法首先对图像基于积分光密度、矩与中心二阶矩进行进行光照、位置与方向的归一化，接着进行Gabor变换，然后提取Gabor子带的均值、方差和熵组成向量，接着这个向量作为粒子通过粒子群优化算法(PSO)提取特征，最后采用支持向量机(SVM)进行相似性度量。实验结果表明，该算法的识别率和对光照、位置和方向变化的鲁棒性都明显高于现有的基于纹理和Gabor滤波方法的识别算法。
3、提出了基于Gabor小波变换和脉冲神经网络(PCNN)的掌纹识别算法。该算法首先对图像基于积分光密度、矩与中心二阶矩进行进行光照、位置与方向的归一化，接着进行Gabor变换，然后利用脉冲神经网络将Gabor子带变换为一系列的二值图像，并计算这些二值图像的信息熵作为特征，最后采用支持向量机(SVM)进行相似性度量。实验结果表明，该算法在识别率和对光照、位置和方向变化的鲁棒性等方面都明显高于现有的基于纹理和Gabor滤波方法的识别算法。