指靜脈身份識(shí)別算法的研究.pdf

1、手指靜脈身份識(shí)別技術(shù)是一種新型的生物識(shí)別技術(shù)，它源于人體靜脈血管近紅外成像技術(shù)，具有活體識(shí)別、內(nèi)部特征、唯一性、安全等級(jí)高和非接觸性等優(yōu)點(diǎn)，因此已經(jīng)成為現(xiàn)在重要的生物識(shí)別技術(shù)。
　　本文研究了目前應(yīng)用最廣的指靜脈識(shí)別算法，提出了兩種指靜脈身份識(shí)別算法：基于細(xì)節(jié)特征點(diǎn)的指靜脈身份識(shí)別算法以及基于小波分解和KECA的指靜脈身份識(shí)別算法。本文的主要工作及創(chuàng)新如下：
　　1、指靜脈圖像預(yù)處理。包括感興趣區(qū)域提取、尺寸歸一化、灰度歸一

2、化和圖像增強(qiáng)。預(yù)處理后的指靜脈圖像減少了冗余信息，突出了目標(biāo)區(qū)域，為后續(xù)處理奠定了基礎(chǔ)。
　　2、基于細(xì)節(jié)特征點(diǎn)的指靜脈身份識(shí)別算法。指靜脈中的細(xì)節(jié)點(diǎn)主要包含分叉點(diǎn)、端點(diǎn)等局部信息，但是提取的指靜脈圖像的端點(diǎn)和交叉點(diǎn)無法完全表征圖像信息，影響識(shí)別效果。本文提出了在提取的端點(diǎn)和交叉點(diǎn)的基礎(chǔ)上再對(duì)細(xì)化后的指靜脈圖像用SURF算法繼續(xù)提取角點(diǎn)特征。融合這兩種算法得到的特征點(diǎn)集，用遺傳算法提取最優(yōu)的特征點(diǎn)集。在匹配階段，用基于改進(jìn)的Hau

3、sdorff距離在距離變換空間內(nèi)計(jì)算特征點(diǎn)集的相似度來完成指靜脈圖像的匹配。
　　3、基于小波分解和KECA的指靜脈身份識(shí)別算法。如果直接對(duì)指靜脈圖像進(jìn)行核熵成分分析(KECA)變換，特征分類能力差并且加大了計(jì)算量，因此本文提出了基于小波分解的KECA算法。通過小波分解使其低頻子圖像為原指靜脈圖像的四分之一，并且低頻圖像中集中了原指靜脈圖像的大部分能量信息同時(shí)使噪聲污染下降。最后對(duì)低頻指靜脈子圖像進(jìn)行KECA分解，根據(jù)歐式距離分類