基于超小波變換的手指靜脈特征提取方法研究.pdf

1、在基于圖像的識別系統(tǒng)中特征提取是識別系統(tǒng)中非常關鍵的步驟。目前,存在的基于圖像的特征提取主要分為四種方法,而基于對象的頻域變換系數(shù)的特征提取方法具有比較強的表示能力,為此本文針對于手指靜脈圖像而言,首先對手指靜脈圖像進行預處理操作,然后基于超小波變換對預處理后的靜脈圖像提取特征。
　　在進行手指靜脈圖像預處理操作時,首先對采集的手指靜脈圖像進行灰度化操作,然后對灰度圖像中的手指區(qū)域進行定位與獲取操作,從而得到包含靜脈信息的感興趣區(qū)

2、域。對獲得的手指區(qū)域,直觀上其靜脈紋理具有明顯的方向信息,通過計算手指區(qū)域的方向圖得到驗證;因而接下來采用方向濾波的分割方法獲得手指區(qū)域的靜脈紋理,由于在采集圖像的過程中,手指的大小、擺放的位置等各不相同,為此對靜脈紋理圖像進行歸一化操作。
　　由于超小波變換理論是針對于小波變換方法在處理二維以上函數(shù)的奇異性時表現(xiàn)出的不理想的結果而提出來的。因此本文首先應用小波變換來提取手指靜脈特征的操作,對小波變換后的靜脈圖像,得到靜脈圖像的小

3、波分解系數(shù),對小波分解系數(shù)的低頻部分進行主元分析與小波矩的分析,對于水平、垂直和對角方向的小波分解系數(shù)進行統(tǒng)計分析,從而得到用于靜脈識別的特征;本文針對小波分解后的低頻系數(shù)和水平、垂直、對角方向的系數(shù)分別進行主元分析后送入支持向量機進行識別操作,對比四類分解系數(shù)在靜脈識別性能上的效率;通過對比計算當識別率達到最大值時的主元分析所得的系數(shù)維數(shù),根據(jù)每類分解系數(shù)的在識別性能上的優(yōu)劣,驗證提出的特征的構造方法的適當性;最后通過對比驗證基于小波

4、變換的手指靜脈圖像的特征提取方法的優(yōu)越性。
　　本文應用超小波變換中的脊波分析和曲波分析理論對手指靜脈圖像進行特征提取。在基于脊波變換的方法中,由于脊波變換是在拉東域中的小波變換,所以需先對靜脈圖像求得其近似離散拉東變換,對拉東變換后的靜脈圖像分別按照其所在的極坐標系下的坐標進行一維離散小波分解,從而獲得手指靜脈圖像的脊波分解系數(shù),對脊波分解系數(shù)進行主元分析,經(jīng)過主元分析后的脊波分解系數(shù)進行識別分析,根據(jù)該識別對比分析提出構造脊波

5、分解特征的方法,應用該特征進行靜脈識別操作,實驗結果表明與小波變換相比而言,基于脊波變換的手指靜脈的特征提取方法具有明顯的優(yōu)越性。在曲波變換的方法中,首先描述兩種基于第二代曲波變換的離散算法,對比這兩種算法的優(yōu)越性,本文選擇基于USFFT算法對手指靜脈圖像進行曲波分解,給出曲波分解后的圖像,本文對曲波分解后的每個尺度下的系數(shù)分別進行識別對比實驗,通過該實驗驗證各個尺度下的曲波分解系數(shù)的分類識別能力,根據(jù)上述對比實驗構造手指靜脈圖像的曲波