基于單幅近紅外手掌圖像的掌靜脈和掌紋融合識別方法研究.pdf

1、近幾年國內外學者已經對手部多特征融合識別技術做了大量的研究，主要包括掌紋和手型融合識別，指紋、掌紋和手型融合識別，手背靜脈和指關節(jié)融合識別，指靜脈和指背部融合識別，指紋和指靜脈融合識別，掌靜脈和掌紋融合識別等等。其中掌靜脈和掌紋的融合識別，成為近幾年研究的方向。然而如何使用單幅圖像，實現掌靜脈和掌紋的多特征融合識別，現有的研究很少。本文使用香港理工大學公開的近紅外手掌圖像數據庫，研究了在單幅近紅外手掌圖像中掌靜脈和掌紋多特征融合識別方法

2、，研究內容包括:單幅近紅外手掌圖像中掌靜脈和掌紋結構圖像的提取和增強方法、近紅外手掌圖像中掌靜脈和掌紋的單特征識別方法、基于固定權值掌靜脈和掌紋的多特征融合識別方法、基于圖像質量自適應權值的掌靜脈和掌紋多特征融合識別方法以及基于圖像相似性系數自適應權值的掌靜脈和掌紋多特征融合識別方法。具體如下:
　　單幅近紅外手掌圖像中掌靜脈結構圖像和掌紋結構圖像的提取和增強方法。單幅近紅外手掌圖像，同時包含有掌靜脈結構和掌紋結構，由于掌靜脈結構

3、和掌紋結構在近紅外手掌圖像中的紋理有較大差異并且像素值分布范圍也不同，因此可以分別提取和增強掌靜脈結構圖像和掌紋結構圖像。本文利用改進的自引導濾波算法去除掌紋結構，并設計了反模糊細節(jié)增強模型增強掌靜脈結構圖像;提出了一種改進的分塊增強算法增強掌紋信息結構且可去除掌靜脈信息，然后使用基于Sobel算子反銳化掩模算法突出掌紋主線條結構信息。
　　研究了近紅外手掌圖像中掌靜脈和掌紋的單特征識別方法。使用小波分解的特征提取方法分別提取上述

4、分離后的掌靜脈結構圖像和掌紋結構圖像的特征，利用相似性系數實現識別分類。在利用改進的自引導濾波增強掌靜脈結構圖像時，兩次濾波半徑參數(r1，r2)為(2，16)，細節(jié)增強參數t為5時，掌靜脈的識別率為99.23％。在利用改進的分塊增強算法增強掌紋圖像時，當分塊半徑大小選取R為9，細節(jié)增強系數選取50時，掌紋的識別率為94.00％。
　　研究了基于固定權值的掌靜脈和掌紋的多特征融合識別方法。分別計算掌靜脈和掌紋的識別閾值，對單幅近紅

5、外手掌圖像的掌靜脈和掌紋實現閾值加權的識別方法。在固定權值下，當掌靜脈的識別閾值權值為0.6，掌紋為0.4時，此時掌靜脈和掌紋的多特征融合識別率達到99.67％。
　　提出了基于圖像質量自適應權值的掌靜脈和掌紋多特征融合識別方法。對掌靜脈結構圖像和掌紋結構圖像，分別從邊緣點/模糊點、高頻信息/低頻信息和圖像平均對比度3個方面，評價掌靜脈結構圖像和掌紋結構圖像。在此基礎上提出了基于圖像質量的自適應權值掌靜脈和掌紋的多特征融合識別方法