模式识别文献阅读报告.pptVIP

文献阅读及阶段进展报告 报告人： 阅读文献 人体手背静脉识别算法研究 吉林大学 韩笑 嵌入式人体手背静脉图像采集系统的研制 天津大学 王云新 人体手背静脉识别算法的研究 每个人的生物特征都具有与其他人不同的唯一性和在一定时期不变的稳定性，不易伪造，所以利用生物测定生物识别技术进行身份认定，方便、安全、可靠。手是人与外界接触最频繁的人体部分，人们已经习惯用手来做绝大多数的事情，因而用手来进行身份识别是非常方便的，并且容易被用户接受。本文研究的问题是人体手背静脉识别，涉及图像采集、图像处理、特征提取、特征匹配等算法的研究。 图像采集： 采用两个近红外发光二极管组（Light-emitting diode, LED）照射人的手背，由一台配有低通滤光片的CCD (Conventional charge-couple device）照相机同步成像。 图像处理： 1.直方图均衡化：把原始图像的灰度直方图从比较集中的某个灰度空间变成在全部灰度范围内的均匀分布，以此来增加图像的对比度。 2.图像位置归一化：一种是基于质心位置的归一化；一种是基于手背经脉图形外框的位置归一化。 3.有效图的提取：确定手背静脉所在的有效区域 4.图像的大小归一：根据垂直与水平两个方向的手背静脉灰度分布来进行。 5.图像的增强： 一种是反锐化掩蔽算法；一种是中值滤波算法。 特征提取： 1.脊波变换： 通过对小波变换基函数添加一个表征方向的参数得到的。 2.基于改进FRIT的手背静脉特征提取： ⑴改进的有限脊波变换（AFRIT）：通过对图像对称折叠和增加零行的方法弥补了原FRAT算法的不足，在计算量和速度上都有很大改进。 ⑵多分辨脊波特征（MRF）的构造：反映在不同分辨率下的手背静脉特征 3.基于FRAT的手背静脉特征提取： 运行速度快，能准确的检测到图像的纹理方向和截距，但不能提供起点终点位置及长度信息。 特征匹配： 多分辨脊波特征：通过定义 “MRF距离”来衡量多分辨脊波特性（MRF）特征对手背静脉的区分能力 式中， 和 分别是两个手背静脉图像第j个图像块的多分辨脊波特征， 基于FRAT的纹理方向特征： 通过定义 “Hausdorff距离”的方法来衡量纹理方向特征对 手背静脉的区分能力。 D(A,B)=max [d (A,B), d(B,A)], ⑴ 其中： d (A,B）=max min ||a-b||, a∈ A, b ∈ B ⑵ d (B,A）=max min ||b-a||, a∈ A, b ∈ B ⑶ ||*||是集合与集合间的距离范式, 式⑴称为双向Hausdorff的距离。 决策融合技术 1.和策略（Sum rule） 2.最小距离融合策略（Min rule） 3.最大距离融合策略（Max rule） 4.中值融合策略（Median rule） 5.多数决策投票策略（Majority voting） 实验结果 根据多分辨脊波特性与纹理方向特征的合法匹配与非法匹配的距离分布曲线分析可知，两种匹配方法都能较好的区分不同的手背静脉。 手背静脉识别效果测试结果： 优点： 1.提出了基于改进有限脊波变换的手背静脉特征的提取方法 2.提出了基于FRAT手背静脉纹理方向特征的提取算法 3.提出了两种新的特征匹配方法---多分辨脊波特征匹配法和基于FRAT的手背静脉纹理特征匹配法。 嵌入式人体手背静脉图像采集系统的研制 工作原理：近红外光源发出的光经过导光板均匀化后，照射在人体手背上并反射，起反射光通过红外滤光镜滤除可见光噪声，仅使得近红外光进入CMOS相机，从而获取手背静脉血管图像 嵌入式处理模块工作原理： DM642通过总线对CMOS图像传感器进行初始化配置，CMOS的输出信号经过FPGA连接到DM642的高速视频通道端口（VPORT）进行时序调整，DM642的VPO