第10章基于MHD的静脉识别技术.docVIP

基于MHD距离的手指静脉识别方法研究 摘要：本文提出了一种新的手指静脉识别技术。其思路为：首先，利用图像处理方法提取手指静脉模式特征。其次，冲手指静脉模式特征中提取出细节点，它包括交叉点和端点。这些特征点可以作为手指静脉的模式的主要特征用于识别。最终，利用修改的Hausdorff距离（MHD）来计算它们的距离，因为MHD算法在计算距离时不需要每个点一一对应而被广泛的用于计算集合的距离。实验表明该算法对于位置有波动性象素点具有更好的鲁棒性，而且证明了图像的细节点能够代替静脉图像的几何形状用于识别。最后，该算法对在不同的光线条件下的静脉图像有较高的识别率。 引言 生物测定学是利用其生理或行为特征进行个人身份认证的科学。近年来，手指静脉认证学已经引起了许多哦研究机构的广泛的关注。 由于不同的人有不同的手指静脉模式[2 3 4 5].，因此，手指静脉识别技术是利用这个原理来进行认证的。比起指纹识别，手指静脉识别具有以下优势[1]: 1)手指静脉识别不需要考虑皮肤表面的因素，且可以预防伪造手指用于识别的情况。 2）使用仅在红外光才能看得见的手指静脉大大的增加了伪造的难度。3）非接触式的识别方式避免了对公众健康的影响。正因为手指静脉的唯一性，稳定性和高度防伪性使得它成为一种理想的生物特征，它在身份认证中具有安全性和稳定性。手指静脉识别系统由五个处理步骤组成[5]：图像的获取，图像增强，手指静脉图像分割，特征提取和匹配。在图像获取阶段，静脉图像是通过红外成像技术获得的。这里使用的方法是使用一个红外照相机获取静脉图像[1、2、6].。在获取图像后，把手指静脉模式从背景色分割出来，然后提取特征得到静脉模式。对于不同光照条件下的得到的不同图像，我们通过计算它们之间的相似性来进行图像的匹配。在先前的研究中Hausdorff距离函数被广泛的应用于图像的匹配[7–11].，它的显著的特点是在计算两个物体或两张图像之间的距离时，不需建立它们之间点的对应关系。Dubuisson 和 Jain [12]提出了几种修改的Dubuisson距离（MHD）来比较边缘图像，这些边缘图像通过处理它们的灰度图像得到的。Paumard [13]提出了CHD算法来计算二值图像的距离。Takacs [14]引进近邻函数和结合惩罚函数来对MHD进一步的改进后，然后将其用于人脸识别。Guo et al. [15]提出了一种新的MHD算法，它是通过关于特征脸的空间信息函数对MHD进行加权。Lin et al. [16]利用特征脸的特性对Hausdorff距离进行加权，从而提出了一种修改的Hausdorff距离。其加权函数对一些重要的面部特征如：眼睛、嘴和脸的轮廓给予较高的权重。Zhu et al. [17] 利用一个改进的脊波滤波器来检测图像的边缘，并在脊波特征空间利用加权修改的Hausdorff 距离（WMHD）来计算图像的距离。LingyuWanga [6]通过应用MHD来匹配图像中感兴趣的点对图像进行比较。 在文献[6]的启发下，本论文利用MHD来计算两个细节点集的相似性。实验结果表明细节结点携带足够用于识别的信息，而不需要将整个静脉特征用于图像匹配，从而节省了大量的时间，而且对不同光照下的图像进行很好的匹配。 2.红外静脉图像的预处理 2.1手指静脉数据库 目前这里没有公共的手指静脉数据库用于研究。为了对手指静脉图像进行预处理分析，我们建立了手指静脉数据库，该手指静脉数据有50个不同人的手指组成，而且对每个人在不同时间和关照条件下采集了10幅不同的图像。所有的图像都有一个黑色的背景，而且手指是竖直向上（其中能容许一定的位置偏移）。这些图像都是具有256的灰度像素图像且为。下面给出了数据库中的一张原始的手指静脉图像如图1（a）所示。 （a）原始图像. （b）标准化后的图像 图1 手指静脉图像 2.2图像的标准化 由于采集的时间、光强和每个人手指厚度不同，得到的静脉图像灰度分布不相同，不利于特征提取与分类。我们采取线性灰度调整的方法，将灰度能量聚集于的图像灰度到范围，得到灰度分布均匀的图像: （1） 上式中：—表示原图灰度值 —表示变换后的灰度值 —表示原图最小灰度值 —表示原图最大灰度值 其灰度归一化结果如图1（b）所示 2.3图像的方向场 方向场代表了指纹图像的本质特性，它对于坐标系来说是不变的，在指纹图像处理中有着非常重要的地位。目前有大量的方法用来估计指纹的方向场[11], [17], [10], [1]。类似的，手指静脉图也是具有方向的纹理图像，我们通过改进了原有的方向场估计算法，