臺灣博碩士論文加值系統

由於近十年間，人們對於安全問題的重視，使得以生物辨識為基礎之身分辨識技術的重要性迅速成長。而於多種生物辨識技術中，本論文將深入探討以掌紋與掌形特徵為基礎的身分辨識系統。實作一套具有極佳辨識率的身分辨識系統，並建立一組適用於系統的手掌影像資料庫，進行實驗檢測。系統架構，主要包含四個模組：有影像擷取、影像處理、特徵萃取與分類辨識模組。首先，輸入自數位相機擷取之手掌影像，接續由影像前處理模組，利用影像處理演算法，自手掌影像取出所需之掌紋與掌形部分。再經由特徵萃取模組，分別對掌紋，選擇兩種不同函數為基底之小波轉換（Wavelet transform）的梯度方向資訊；以及對掌形，採用統計矩（Statistical moments）取出特徵值，作為生物辨識用的特徵資訊。掌紋部份，使用格雷碼（Gray code）的編碼技巧，對於掌紋的特徵資訊進行編碼；掌形部分，則以特徵向量表示，分別取得代表使用者身份的特徵碼與特徵向量資訊。最後，分類辨識模組，則可以利用兩組生物特徵資訊，進行使用者註冊或辨識的動作。
以實驗室自建的資料庫，總共有30個志願者的手掌影像，共210張影像，對系統進行測試，可以得到滿意的結果。本系統採用掌紋與掌形的生物特徵，分別利用兩種不同函數基底的小波轉換與統計矩，在採用梯度方向編碼下，以等錯率（Equal error rate）為標準，分別得到辨識率95.00%與98.33%。甚至在要求系統之錯誤接受率為0%的情況下，有辨識成功率（Acceptance of authentic）89.17%的以上。本論文會針對實驗的數據結果進行分析比較，來驗證建構本系統時所提的相關理論，以供後續研究作為參考。

With an increasing emphasis on security, personal authentication based on biometrics has been receiving extensive attention over the past decade. Among many different biometric technologies, this thesis examines palm-print and hand-shape technique for personal identification and develops a good performance recognition system based on human hand features. It is implemented and tested on VIP-CC Lab. hand image database. The proposed system includes four modules: image acquisition, image pre-processing, feature extraction, and recognition modules. First, the system captures a hand image using digital camera, then uses some image processing algorithms to localize the region of the interest of palm-print and hand-geometry from the hand image via image pre-processing module. The feature extraction module adopts the gradient direction （i.e., angle） of the two different wavelet transforms in the palm-print phase, and adopts the statistical moments in the hand-shape to extract the discriminating texture features. The system encodes the feature to generate its palm-print codes by binary gray coding, and uses invariant moment vector in hand-geometry phase. Finally, the system applies these feature codes and vector for matching in recognition module.
Experimental results show that the system has an encouraging performance on the VIP-CC Lab. database（including 210 images from 30 classes）. The proposed system adopts two different wavelet transform and statistical moments to extract palm-print and hand-shape features, then uses the gradient direction coding to generate the feature codes. We attain the recognition rates up to 95.00% and 98.33%（according to equal error rate, EER）, respectively. Even under the circumstance of false acceptance rate（FAR） 0%, the system still approaches the recognition rate above 89.17%（acceptance of authentic, AA）. This thesis analyzes the experimented results and verifies the related inferences of the proposed system for providing useful information for further research.

論文摘要 i
Abstract ii
誌謝 iii
目錄 iv
圖目錄 vi
表目錄 viii
符號說明 ix
第一章 緒論 1
1.1 前言 1
1.2 研究動機 2
1.3 掌紋與掌形辨識技術之發展與研究 4
1.4 研究目標與方向 6
1.5 論文大綱與組織 8
第二章 掌紋與掌形影像所需要之影像處理技術 9
2.1 影像強化 9
2.1.1 基本灰階轉換 9
2.1.2 空間域濾波技術 11
2.2 形態學影像處理 13
2.3 邊緣偵測 17
第三章 小波轉換、統計矩與小波轉換之邊緣偵測理論回顧 23
3.1 小波理論 23
3.1.1 時頻分解 24
3.1.2 多尺度分析 26
3.1.3 小波轉換 30
3.2 以小波理論為基礎的影像邊緣偵測方法 34
3.2.1 多尺度邊緣偵測 35
3.3 統計矩理論 38
第四章 以小波轉換與統計矩為基礎的掌紋與掌形生物辨識系統 41
4.1 系統架構 41
4.2 影像擷取模組 43
4.3 影像前處理模組 44
4.4 感興趣區域之參考點偵測與切割 47
4.5 特徵萃取模組 48
4.5.1 離散小波轉換 49
4.5.2 二次樣條函數小波轉換 55
4.5.3 統計矩之計算 57
4.6 歐氏距離 61
4.7 梯度方面編碼 61
4.8 分類辨識模組 62
第五章 掌紋與掌形生物辨識系統實作與實驗結果 64
5.1 實驗環境 64
5.2 系統效能的評估 65
5.3 離散小波轉換 67
5.4 二次樣條函數小波轉換 69
5.6 實驗結果分析與討論 71
第六章 結論與建議 73
6.1 結論 73
6.2 未來研究方向與建議 74
參考文獻 75
作者簡介 77

[1] J. D. Woodward, “Biometrics: privacy’s foe or privacy’s friend ?”, in Proc. of the IEEE, vol. 85, No. 9, pp. 1480-1492, 1997.
[2] S. Nanavati, M. Thieme, and R. Nanavati, Biometrics: Identity Verification in a Networked World, John Wiley & Sons, 2002.
[3] “http://www.ibgweb.com/”, Homepage of International Biometric Group
[4] C. C. Han, H. L. Chang, C. L. Lin, K. C. Fan, “Personal authentication using palm-print features,” Pattern Recognition, vol. 36, pp. 371-381, 2003.
[5] 鄭旭良，「利用掌紋作個人身份之確認」，國立中央大學，碩士論文，民國89年。
[6] W. K. Kong, D. Zhang and W. Li, “Palmprint feature using 2-D Gabor filter,” Pattern Recognition, vol. 36, pp. 2339-2347, 2003.
[7]G. Lu, D. Zang and K. Wang, “Palmprint recognition using eigenpalms features,” Pattern Recognition Letters, vol. 24, pp. 1463-1467, 2003.
[8]X. Wu, D. Zhang, K. Wang, “Fisherpalms based palmprint recognition,” Pattern Recognition Letters, vol. 24, pp. 2829-2838, 2003.
[9]A. K. Jain and N. Duta, ”Deformable matching of hand shapes for user verification,” ICIP 99. Image Processing, 1999.
[10]R. Sanchez-Reillo, C. Sanchez-Avila and A. Gonzalez-Marcos, “Biometric identification through hand geometry measurements,” IEEE Trans. on Pattern Analysis and Machine Intelligence, vol.22, pp. 1168 – 1171, 2000.
[11] R. Sanchez-Reillo, “Hand geometry pattern recognition through gaussian mixture modeling,” Pattern Recognition, vol. 2, pp. 937-940, 2000.
[12] J. Daugman, “High confidence visual recognition of persions by a test of statistical independence,” IEEE Trans. Patt. Anal. and Machine Intell., vol.15, No.11, pp.1148-1161, 1993.
[13] J. Daugman, “Biometric persional identification system based on iris analysis,” United States Patent, No. 5291560, 1994.
[14] C. C. Han, P. C. Chang and C. C. Hsu, “Personal identification using hand geometry and palm-print,” in Proc. of Fourth Asian Conference on Computer Vision(ACCV), pp. 747-752, 2000.
[15] 池坤徽，「以凌波轉換為基礎的虹膜辨識系統」，國立暨南國際大學，碩士論文，民國93年。
[16] 吳健康，數位影像分析，儒林圖書，台北，民國81年。
[17] R. C. Gonzalez and R. E. Woods, Digital Image Processing, 2nd Edition, Prentice-Hall, New Jersey, 2002.
[18] J. R. Parker, Algorithms for Image Processing and Computer Vision, John Wiley & Sons, 1996.
[19] 謬紹剛，數位影像處理-活用Matlab，全華科技圖書，台北市，民國88年。
[20] 鍾國亮，影像處理與電腦視覺，東華書局，台北市，民國91年。
[21] 鍾國亮，資料壓縮的原理與應用，全華科技圖書，台北市，民國91年。
[22] S. Mallat, A Wavelet Tour of Signal Processing, 2nd Edition, Academic Press, San Diego, 2001.
[23] 王新成，多媒體實用技術（影像分冊），儒林，台北，民國85年。
[24] 單維彰，凌波初步，全華科技圖書，台北市，民國88年。
[25] J. Canny, “A computational approach to edge detection,” IEEE Trans. on Patt. Anal. and Machine Intell., vol. 8, No. 6, pp. 679-698, 1986.
[26] S. Mallat and S. Zhong, “Characterization of signals from multiscale edge,” IEEE Trans. on Patt. Anal. and Machine Intell., vol. 14, No. 7, pp. 710-732, 1992.
[27] Y. Y. Tang, et al., Wavelet Theory and Its Application to Pattern Recognition, World Scientific, Singapore, 2000.