基于特征點和子空間的手指靜脈識別技術(shù)研究.pdf

1、隨著信息技術(shù)的發(fā)展和人類社會的進步，信息安全成為一個越來越棘手的問題。傳統(tǒng)的身份識別基本是基于身份標(biāo)識的，如證件、密碼、卡號等，但是這些卻不能夠真正的確認使用者是不是用戶本人，一旦他人冒用，將會給持卡人帶來不必要的損失。為了克服缺陷，基于人體生物特征的身份識別技術(shù)逐漸發(fā)展起來，比如指紋、掌紋、人臉、虹膜。特別是指紋識別，發(fā)展相對成熟，常常被各公司用于員工考勤。但是，由于指紋、掌紋都處在人體外部，很容易受到損傷，例如一些用手勞動的人，可能

2、會磨損指紋、掌紋，久而久之，可能完全破壞指紋和掌紋的結(jié)構(gòu)，導(dǎo)致注冊不成功。因此，作為體內(nèi)生物特征之一的靜脈特征便成為首選。特別是，手指靜脈識別以其采集器小，處理靈活而著稱。
　　本文以手指靜脈識別技術(shù)為研究背景，重點研究了基于手指靜脈特征點和子空間的特征匹配方法。主要工作有：
　　1、制作了一個基于手指谷點定位的手指靜脈圖像采集裝置，并建立了一個小型的手指靜脈圖像數(shù)據(jù)庫，共計630幅圖像，每個人30幅(食指、中指及無名指各1

3、0幅圖像)，共計21人。
　　2、研究了手指靜脈圖像的預(yù)處理、靜脈特征提取、后處理等工作。手指靜脈圖像的預(yù)處理主要包括感興趣區(qū)域(ROI)定位、尺寸以及灰度歸一化；在手指靜脈特征提取這一部分，主要介紹了如何利用基于靜脈紋路走向的谷形檢測算法分割出手指靜脈紋路；后處理的內(nèi)容是對分割后的手指靜脈紋路中離散點的去除以及孔洞的填充等工作。最后，對處理后的手指靜脈紋路圖像進行骨骼化，得到手指靜脈紋路的骨架，并提取手指靜脈特征點。
　　

4、3、在基于手指靜脈特征點的特征匹配方法中，針對傳統(tǒng)的僅僅利用正向平均豪斯道夫距離(FMHD)來刻畫待匹配手指靜脈圖像到注冊手指靜脈圖像靜脈特征點間的距離，提出一種基于Fisher準(zhǔn)則的融合了正向和反向平均豪斯道夫距離的新的特征點集間相似性的度量方式。實驗結(jié)果表明，采用融合后的匹配分數(shù)進行特征匹配，識別率從54.81％提高到了87.03％。
　　4、在基于子空間的特征匹配方法中，在詳細介紹了主成分分析(PCA)、最大邊界準(zhǔn)則(MMC

5、)、線性判別分析(LDA)、基本原理的基礎(chǔ)上，實現(xiàn)了一維主成分分析(1DPCA)、一維最大邊界準(zhǔn)則(1DMMC)、一維線性判別分析(1DLDA)、二維主成分分析(2DPCA)、二維最大邊界準(zhǔn)則(2DMMC)、二維線性判別分析(2DLDA)以及2DPCA+2DPCA、2DMMC+2DMMC、2DLDA+2DLDA、2DPCA+2DMMC、2DPCA+2DLDA、2DMMC+2DLDA等方法提取手指靜脈特征并進行手指靜脈特征匹配。實驗結(jié)果表