基于稀疏编码手背静脉识别算法.docVIP

基于稀疏编码手背静脉识别算法 　　摘要：为提高静脉特征提取的有效性，提出了基于稀疏编码的手背静脉识别算法。首先，在图像采集过程中，依据实时的质量评价结果对采集系统参数进行自适应调整，获取高质量静脉图像；其次，针对主观选择的特征有效性主要依赖于经验的缺陷，提出了基于稀疏编码的特征学习机制，从而获得客观优质的静脉特征。实验结果表明，基于所提算法获得的静脉特征具有较好的类间区分性与类内紧凑性，令使用该算法的系统具有较高的识别率。 　　关键词：静脉识别； 质量评价； Gabor变换； 稀疏编码； 特征优化 　　中图分类号：TP391.4 　　文献标志码：A 　　Abstract：In order to improve the effectiveness of vein feature extraction， a dorsal hand vein recognition method based on sparse coding was proposed. Firstly， during image acquisition process， acquisition system parameters were adaptively adjusted in realtime according to image quality assessment results， and the vein image with high quality could be acquired. Then concerning that the effectiveness of subjective vein feature mainly depends on experience， a feature learning mechanism based on sparse coding was proposed， thus highquality objective vein features could be extracted. Experiments show that vein features obtained by the proposed method have good interclass separableness and intraclass compactness， and the system using this algorithm has a high recognition rate. 　　英文关键词Key words：vein recognition； quality assessment； Gabor transform； sparse coding； feature optimization 　　0 引言 　　生物特征识别是依靠人类自身固有的生理或行为属性来进行身份验证的，而手背静脉识别因其具有活体识别、特定光源、内部特征、非接触式等优点，逐渐成为主流的生物特征识别方法[1]。 　　近年来，研究人员主要针对静脉图像采集方式与特征提取开展了研究。在图像采集方面，研究人员分别针对光源特性[2]、图像传感器[3]、图像采集模式[4-5]、采集系统的普适性[6]展开了研究。特征提取研究集中于多尺度几何特征分析与二值特征分析，其中多尺度几何特征分析包括全局Gabor变换[7-10]、Curvelet变换[11]、局部Gabor变换[12-14]等。关于二值特征的研究主要包括特征点提取[15]、脉络曲线编码[16-18]、特征点间拓扑分析[19-20]等方面。 　　尽管以上研究取得了一定的效果，但仍存在一些关键问题尚未解决，其中包括：采集静脉图像时，哪些因素将会影响图像质量；特征提取时，如何摆脱依据经验选择特征的方式，来建立客观优质特征的选择机制。针对以上问题，本文提出基于稀疏编码的静脉识别算法。该方法首先通过参数自寻优的方式获得高质量静脉图像；其次，基于稀疏编码的思想抽象出了优质静脉特征。 　　1 基于质量评价的静脉图像采集 　　获取高质量静脉图像是提取出优质特征的重要保证，由于不同人的手背皮肤与血管的属性存在差异，因此采集静脉图像时，采集系统使用固定参数是不合适的，这里采用一种参数自寻优的采集方式，使得对于不同静脉对象，都能够获得高质量的静脉图像。 　　由文献[6]分析可知，影响静脉图像质量的因素主要为光源强度，这里建立了一种可控的自寻优的静脉图像采集系统，系统框图如图1所示。图1中的质量评价算法采用文献[6]中基于关键信息熵的静脉图像质量评价模型。 　　2 特征优化模型建立 　　在静脉识别过程中，良好的静脉特征表达对识别算法的准确性起了关键性作用，也是获取高识别率的重要条件，而常见的主观提取特征