指靜脈身份識別算法的研究.pdf

1、手指靜脈身份識別技術(shù)是一種新型的生物識別技術(shù)，它源于人體靜脈血管近紅外成像技術(shù)，具有活體識別、內(nèi)部特征、唯一性、安全等級高和非接觸性等優(yōu)點，因此已經(jīng)成為現(xiàn)在重要的生物識別技術(shù)。
　　本文研究了目前應(yīng)用最廣的指靜脈識別算法，提出了兩種指靜脈身份識別算法：基于細節(jié)特征點的指靜脈身份識別算法以及基于小波分解和KECA的指靜脈身份識別算法。本文的主要工作及創(chuàng)新如下：
　　1、指靜脈圖像預(yù)處理。包括感興趣區(qū)域提取、尺寸歸一化、灰度歸一

2、化和圖像增強。預(yù)處理后的指靜脈圖像減少了冗余信息，突出了目標區(qū)域，為后續(xù)處理奠定了基礎(chǔ)。
　　2、基于細節(jié)特征點的指靜脈身份識別算法。指靜脈中的細節(jié)點主要包含分叉點、端點等局部信息，但是提取的指靜脈圖像的端點和交叉點無法完全表征圖像信息，影響識別效果。本文提出了在提取的端點和交叉點的基礎(chǔ)上再對細化后的指靜脈圖像用SURF算法繼續(xù)提取角點特征。融合這兩種算法得到的特征點集，用遺傳算法提取最優(yōu)的特征點集。在匹配階段，用基于改進的Hau

3、sdorff距離在距離變換空間內(nèi)計算特征點集的相似度來完成指靜脈圖像的匹配。
　　3、基于小波分解和KECA的指靜脈身份識別算法。如果直接對指靜脈圖像進行核熵成分分析(KECA)變換，特征分類能力差并且加大了計算量，因此本文提出了基于小波分解的KECA算法。通過小波分解使其低頻子圖像為原指靜脈圖像的四分之一，并且低頻圖像中集中了原指靜脈圖像的大部分能量信息同時使噪聲污染下降。最后對低頻指靜脈子圖像進行KECA分解，根據(jù)歐式距離分類