论文部分内容阅读
手指静脉身份识别技术是一种新型的生物识别技术,它源于人体静脉血管近红外成像技术,具有活体识别、内部特征、唯一性、安全等级高和非接触性等优点,因此已经成为现在重要的生物识别技术。本文研究了目前应用最广的指静脉识别算法,提出了两种指静脉身份识别算法:基于细节特征点的指静脉身份识别算法以及基于小波分解和KECA的指静脉身份识别算法。本文的主要工作及创新如下:1、指静脉图像预处理。包括感兴趣区域提取、尺寸归一化、灰度归一化和图像增强。预处理后的指静脉图像减少了冗余信息,突出了目标区域,为后续处理奠定了基础。2、基于细节特征点的指静脉身份识别算法。指静脉中的细节点主要包含分叉点、端点等局部信息,但是提取的指静脉图像的端点和交叉点无法完全表征图像信息,影响识别效果。本文提出了在提取的端点和交叉点的基础上再对细化后的指静脉图像用SURF算法继续提取角点特征。融合这两种算法得到的特征点集,用遗传算法提取最优的特征点集。在匹配阶段,用基于改进的Hausdorff距离在距离变换空间内计算特征点集的相似度来完成指静脉图像的匹配。3、基于小波分解和KECA的指静脉身份识别算法。如果直接对指静脉图像进行核熵成分分析(KECA)变换,特征分类能力差并且加大了计算量,因此本文提出了基于小波分解的KECA算法。通过小波分解使其低频子图像为原指静脉图像的四分之一,并且低频图像中集中了原指静脉图像的大部分能量信息同时使噪声污染下降。最后对低频指静脉子图像进行KECA分解,根据欧式距离分类器对样本进行分类识别。本文所有的实验均是用Matlab仿真的,用于实验的指静脉数据库来自天津市智能信号与图像处理重点实验室。数据库包含了64个手指样本,每个样本含有10张指静脉图像,总共有640张指静脉图像,图像大小为320×240。经过实验验证,基于细节特征点的指静脉身份识别算法中识别率达到了99.56%,基于小波分解和KECA的指静脉身份识别算法中识别率可以达到98.9%。