基于非負稀疏矩陣分解的手指靜脈識別.pdf

1、日新月異的科技進步給社會生活帶來極大便利，互聯(lián)網(wǎng)的日益壯大使信息交流迅速而廣泛；與此同時，如何確保信息的安全是人們關(guān)心的問題，對身份認證也提出新的要求。生物識別技術(shù)憑借獨有的優(yōu)勢：識別對象為人身體上的一些特征（生理的或行為的），而被廣泛應用。目前，手指靜脈識別技術(shù)作為生物識別領(lǐng)域的新成員，克服了指紋識別、手形識別等手部特征的諸多缺點，已經(jīng)引起許多研究人員的廣泛重視。
　　本文重點研究手指靜脈識別的圖像處理及特征提取算法，并設(shè)計出一

2、套完整的手指靜脈識別系統(tǒng)。
　　首先對采集到的手指靜脈圖像進行灰度轉(zhuǎn)換及灰度歸一化操作，減少存儲空間；然后對比分析幾種全局閾值分割算法，提出基于列方向的最大方差法進行閾值分割，并通過連通域面積去掉小的塊狀噪聲，提取出完整的手指區(qū)域。為了克服圖像采集過程中存在的平移、旋轉(zhuǎn)等非線性因素影響，本文提出一種手指靜脈感興趣區(qū)域提取方法。通過擬合手指中線進而確定手指的偏轉(zhuǎn)角度并進行旋轉(zhuǎn)校正；利用手指指尖圓弧的直徑進行定位，尋找指定寬度內(nèi)的手指

3、最大內(nèi)切矩形，最后進行尺寸歸一化。文章對比了完整手指區(qū)域與感興趣區(qū)域的識別性能，結(jié)果表明采用本文算法提取的靜脈感興趣區(qū)域具有良好的魯棒性并且明顯提高識別率。
　　接著研究基于非負矩陣分解的手指靜脈特征提取，非負矩陣分解是一種新的分解方法，除了實現(xiàn)數(shù)據(jù)降維外，由于在分解過程添加非負約束，使得分解結(jié)果也滿足非負性，可以得到原始數(shù)據(jù)的局部表征。因此，本文研究用非負矩陣分解提取手指靜脈的局部特征。文章在研究了傳統(tǒng)的非負矩陣分解理論基礎(chǔ)上，

4、對兩種非負稀疏矩陣分解算法做了深入研究，將它們用于手指靜脈特征的分析，提取出靜脈代數(shù)特征。從特征基圖像、收斂速度、驗證精度和辨識精度等方面做對比，得出非負矩陣分解稀疏約束算法效果最好。
　　小波分解作為一種多分辨率分析方法可以反映圖像不同尺度不同方向的信息，文章研究了二維小波變換的理論及分解后各子圖的意義，提出基于小波和NMFSC的非負稀疏矩陣分解，并分析小波分解級數(shù)和小波基對識別率的影響。分解后的近似圖像，濾掉了高頻噪聲，基本包