手部靜脈識別關(guān)鍵技術(shù)研究.pdf

1、靜脈特征同指紋一樣是每個人所特有且獨有的，兩個人手部靜脈的可能重復(fù)率更是低于指紋特征，因此將手部靜脈圖像用作人員身份信息識別是一門新興的生物特征識別技術(shù)。它不僅具有活體檢測這一獨有的特性，更在抗干擾和防偽性方面遠(yuǎn)遠(yuǎn)優(yōu)于靜脈、人臉和指紋等生物特征。本文主要是圍繞靜脈圖像采集、靜脈圖像增強(qiáng)、靜脈特征表示和靜脈圖像識別等幾個方面進(jìn)行了研究學(xué)習(xí)。
　?。?）為解決目前國內(nèi)外均無可供使用的開源靜脈圖像數(shù)據(jù)庫的困擾，本文采用環(huán)形補(bǔ)光燈板結(jié)構(gòu)自

2、行設(shè)計制作了一整套完整的硬件采集裝置，通過引入靜脈質(zhì)量評價函數(shù)構(gòu)建雙層質(zhì)量評價體系，實現(xiàn)了近紅外光源的閉環(huán)控制，從硬件層面上獲得了相對高對比度的靜脈圖像，并構(gòu)建了一套自主知識產(chǎn)權(quán)的高質(zhì)量手部（含手指、手背、手掌）靜脈圖像數(shù)據(jù)庫。
　　（2）為解決低質(zhì)量靜脈圖像成功提取特征用于后續(xù)識別的問題，本文分別研究實現(xiàn)了基于 Multi-Scale Top-hat Transfomation（MSTHT）、Local-Gray Level I

3、nformation Transfomation（LGLIT）、Super-Resolution Reconstruction Theory（SRRT）等理論的靜脈圖像增強(qiáng)方法，并通過設(shè)計增強(qiáng)后質(zhì)量評價體系和識別率比對等方面證明了所提出的增強(qiáng)方法的有效性。
　?。?）為了最大程度的減小非靜脈信息對識別帶來的影響，自行設(shè)計了一種基于有效區(qū)域位置分布的ROI提取方法，采取圖像歸一化、靜脈分割、濾波去噪等一系列數(shù)字圖像處理手段，用基于谷

4、型的靜脈分割算法改進(jìn)了傳統(tǒng)分割方法，在靜脈圖像特征取環(huán)節(jié)取得了較好的效果。并在此基礎(chǔ)上，通過對基于數(shù)據(jù)降維和特征映射理論的PCA、2DPCA進(jìn)行了研究，提出了（2D）2FPCA的特征映射方法，在自行構(gòu)建的靜脈數(shù)據(jù)庫中進(jìn)行了試驗，實驗測試識別率分別達(dá)到了98％。
　?。?）為解決圖像采集中可能引入的旋轉(zhuǎn)變化、尺寸變化、光照變化等問題對后續(xù)特征識別效果的影響，本文將矩理論引入靜脈識別研究，提出采用具有旋轉(zhuǎn)不變特性的圖像特征表示方法，并

5、分別將7個Hu不變矩、Zernike矩、PCT矩、PST矩和PCET矩應(yīng)用于靜脈圖像特征表示中，首先通過提取靜脈圖像的Zernike矩證明不變矩的有效性，隨后設(shè)計實驗比較了這5種矩在靜脈識別特征表示中的優(yōu)劣之后，將Hu矩和PCET矩應(yīng)用于手背靜脈特征表示中，進(jìn)行分類識別，匹配效率大為提升，識別率明顯增高。其中引入PCET矩后的識別速度增快至0.04s，識別率提升至98.3%。
　?。?）為解決傳統(tǒng)靜脈識別方法中需要先驗知識進(jìn)行人工

6、參數(shù)調(diào)整、分類器設(shè)計中必須進(jìn)行特殊選擇才能達(dá)到較好的識別效果等問題，本文嘗試引入了一種通過對輸入數(shù)據(jù)的低層次特征進(jìn)行深入分析組合進(jìn)而得到數(shù)據(jù)的高層次的本質(zhì)特征，進(jìn)而得到整個數(shù)據(jù)的分布式的特征表示的深度網(wǎng)絡(luò)結(jié)構(gòu)用于靜脈數(shù)據(jù)特征的學(xué)習(xí)與表示，并取得了較好的效果。首先設(shè)計了基于K-MEANS聚類和SIFT特征的方法（KMS）證明了引入深度網(wǎng)絡(luò)的必要性，之后結(jié)合徑向基函數(shù)（Radical Basis Function，RBF）神經(jīng)網(wǎng)絡(luò)的優(yōu)點，在