手部靜脈識別算法研究.pdf

1、隨著信息技術的迅猛發(fā)展，人們對信息安全的要求也相應的提高。傳統(tǒng)的身份識別方法由于其自身固有的缺點已經不能滿足社會發(fā)展的要求，生物特征識別技術應運而生。
　　靜脈識別作為生物特征識別家族的重要成員，由于靜脈血管位于體表內，很難偽造，更可靠，進而被廣泛的研究。
　　傳統(tǒng)的靜脈識別系統(tǒng)都是用單一的靜脈特征，然而多特征融合系統(tǒng)在準確性，抗噪性，普適性等多方面均要優(yōu)于單生物特征識別系統(tǒng)。所以本文提出了一種新的融合手部多個靜脈模式的識別

2、系統(tǒng)，該系統(tǒng)同時采集手背，手掌和手指的靜脈特征用作識別。
　　本文研究了靜脈識別領域的有關研究成果，總結了這一研究領域中的主要識別算法，主要做出下列研究工作：
　　首先，研究了靜脈分割的算法。通過實驗對比目前常用的幾種靜脈分割的算法，最終選擇多方向多尺度高斯濾波的方法，因為該方法不僅可以得到很好的二值圖像，而且還可以對靜脈圖像進行增強。這些經高斯濾波增強后的靜脈圖像被應用于后續(xù)的靜脈特征提取中。
　　其次，本文提出了一

3、種新的靜脈特征提取算法。即在高斯增強的靜脈圖像基礎上，再用多方向濾波器組(DFB)進行多方向子帶分解，在每個子帶上應用方向LBP算子來提取靜脈的法方向特征。實驗結果表明，該方法優(yōu)于現(xiàn)有的一些靜脈識別算法。
　　此外，本文還研究了融合手部多個靜脈模式的方法，采用SVM分類器在決策層融合了手背，手掌和手指的靜脈特征，進而使識別結果不受單一的靜脈特征所影響，具有更強的魯棒性。
　　在197個人，每人20幅左右，共3919組靜脈圖像