基于子空間分析和局部二值模式的手指靜脈識(shí)別算法研究.pdf

1、隨著科學(xué)技術(shù)的迅猛發(fā)展，傳統(tǒng)的身份認(rèn)證技術(shù)由于個(gè)人信息容易被偽造和假冒而逐漸被新型的生物特征識(shí)別技術(shù)所取代，比如指紋、靜脈、人臉和虹膜。其中，手指靜脈由于具有良好的特異性、較高的安全性等優(yōu)點(diǎn)而受到廣泛關(guān)注，已成為生物特征識(shí)別領(lǐng)域中的熱點(diǎn)研究課題。
　　本文通過對(duì)手指靜脈識(shí)別技術(shù)的研究現(xiàn)狀進(jìn)行分析，圍繞基于子空間分析和基于局部二值模式的手指靜脈識(shí)別算法進(jìn)行了深入地分析和研究，具體工作如下：
　?。?）對(duì)手指靜脈識(shí)別算法的主要內(nèi)

2、容進(jìn)行了綜述，首先介紹了手指靜脈圖像采集中的成像原理和采集過程，接著描述了后續(xù)算法需要用到的手指靜脈圖像預(yù)處理步驟，包括對(duì)原始靜脈圖像進(jìn)行ROI提取、尺度和灰度歸一化以及濾波，然后簡(jiǎn)要介紹了手指靜脈特征提取的分類及其工作原理，最后詳細(xì)地闡述了手指靜脈識(shí)別算法的兩種主要的匹配方法及其常用的性能分析指標(biāo)。
　?。?）研究了基于子空間分析的手指靜脈識(shí)別算法，并將核化最大間距準(zhǔn)則(KMMC)分析法應(yīng)用于手指靜脈識(shí)別中，進(jìn)而提出了基于兩個(gè)方

3、向的KMMC手指靜脈識(shí)別算法。該算法首先對(duì)預(yù)處理后的手指靜脈圖像執(zhí)行基于線性分析法的手指靜脈識(shí)別算法，包括二維主成分分析法(2DPCA)、二維線性判別式分析法(2DLDA)和二維最大間距準(zhǔn)則分析法(2DMMC)，然后對(duì)所得特征數(shù)據(jù)進(jìn)一步執(zhí)行KMMC算法，最后通過MATLAB仿真實(shí)驗(yàn)實(shí)現(xiàn)了2DPCA、2DLDA、2DMMC、KMMC、2DPCA+KMMC、2DLDA+KMMC、2DMMC+KMMC七種手指靜脈識(shí)別算法，并計(jì)算出了這些算法的

4、識(shí)別率、誤識(shí)率等參數(shù)以用于比較。實(shí)驗(yàn)表明，基于兩個(gè)方向的KMMC手指靜脈識(shí)別算法的識(shí)別效果非常理想，同時(shí)與基于KMMC的手指靜脈識(shí)別算法相比，它的平均匹配時(shí)間也大大地縮短了。
　?。?）研究了基于局部二值模式的手指靜脈識(shí)別算法，并將多尺度Gabor局部二值模式(MB-GLBP)算法應(yīng)用于手指靜脈識(shí)別中，進(jìn)而提出了基于MB-GLBP和Logistic映射的手指靜脈識(shí)別算法。該算法首先通過MB-GLBP算法對(duì)預(yù)處理后的原始手指靜脈圖像