手背静脉图像分割算法技术研究.docVIP

PAGE 1 PAGE 1 《数字图像处理与分析大作业》 题 目： 手背静脉图像分割算法技术研究 学 号： 111006125 学生姓名： 孙 利 专 业： 计算机科学与应用 指导教师： 郑小东 2014年 6月 7日 目 录 TOC \o 1-3 \h \z \u 1手背静脉分割识别技术摘要 1 2手背静脉分割识别技术现状 1 2.1 手背静脉分割识别技术现状 1 2.2 手背静脉特征分割提取与匹配过程 1 3 手背静脉图像分割的预处理 3 3.1 图像的有效区域分割提取 3 3.2 图像的归一化 4 3.3 图像的增强 4 3.4 图像的分割 5 3.5 图像的细化 6 4 手背静脉图像的特征分割提取与匹配算法 6 4.1 特征提取算法 7 4.2 基于原点静距的特征提取 7 4.3 匹配算法 8 4.4 基于原点静距的匹配算法 9 5 总结 9 参考文献 10 附 录 11 PAGE 1 PAGE 1 1手背静脉分割识别技术摘要 手背静脉分割识别是通过分析手背上的静脉特征来进行身份识别的。首先对手背静脉图像预处理，得到细化图像，利用分割思想把细化图像分割为多个子图像，然后分别提取平均原点静矩，组合成特征向量，最后再结合最近邻法，用最小欧氏距离的方法来进行匹配，实验结果验证了该方法的有效性和可行性。 2手背静脉分割技术现状 2.1 手背静脉分割识别技术现状 手背静脉图像分割识别是通过对两幅静脉图像分割特征集之间相似性的比较，来判断对应的静脉图像是否来自同一个人的过程。静脉分割识别主要包括特征分割提取和特征匹配。特征分割提取是将图像中最能区别于其它图像的特征分割提取出来，其有效性和可靠性在很大程度上决定了识别结果是否正确，提取描述性强的特征能够有效提高分类器的识别效率，选取稳定、典型的特征是手背静脉识别系统设计的核心。特征匹配是在提取的特征数据集基础上对待匹配图像进行匹配。对预处理后的图像进行特征提取与匹配，重点是分析和提取出可靠而又高效的特征向量以及特征匹配的算法。 2.2 手背静脉特征分割提取与匹配过程 手背静脉特征分割提取与匹配过程是静脉图像的有效区域获取、静脉图像的归一化、图像的增强、图像的分割、图像的细化、静脉特征提取及匹配。手背静脉识别统的总体框架如图2.1所示。 PAGE PAGE 1 图2.1手背静脉分割识别系统的总体框架图 3 手背静脉图像分割的预处理 要达到对手背静脉图像进行身份识别，必须对图像进行有效特征分割提取与匹配。现今分割提取特征的方式逐渐由原始的整个图像特征过度为基于细化后的静脉纹络的几何特征提取(端点，交叉点等)，当然每一个特征都有其在各自匹配过程中的优劣，然而基于细化后的图像提取特征更加容易，匹配准确率更高。所以我们先对手背静脉图像预处理，然后在预处理后的细化图像上提取图像的有效特征并匹配，达到身份验证的目的。手背静脉图像预处理过程如下： 图3.1 预处理过程 3.1 图像的有效区域分割提取 图像处理的第一步是要获取图像，故图像采集在整个图像处理过程中起着至关重要的作用。本文中实验的手背静脉图片数据来自互联网。图像的大小为320×240像素，256级灰度图像，格式为BMP格式的图像，如图3.2所示。 图3.2 采集的原图 当前手背静脉图像获取都采用握拳并手背对准镜头的姿势，由于手背相对于镜头的方向和位置是变动的，且不同人的手大小不一样，手的局部形态特征也不一样，因此不同时刻采集的图像总有一定程度位置和大小的偏差。图像中除了含有手背图像外，还含有很多背景，为了减少无关数据对特征提取和识别的影响，需要采用适合的方法对手背静脉图像进行有效区域定位。 手背静脉有效区域定位是指从采集的手背图像中定位出对特征提取有意义的区域，定位的精确很大程度上将直接影响识别结果。对实时性要求较高的静脉识别技术，有效区域的定位分割计算速度要快，本文采用基于质心的有效区域提取算法，这就是有效区域如图3.3所示。 图3.3 图像的有效区域 3.2 图像的归一化 由于静脉图像的采集时间、光强、各人的手掌厚薄、手掌的倾斜度不同, 在采集的图像上存在着灰度不均的问题。为了将所有采集到的静脉图像的灰度统一到同一灰度范围内, 方便以后的图像处理和匹配, 要对采集的图像进行灰度归一化处理。 对采集的图像进行灰度归一化处理，即使每一幅图像的均值和方差都相等。从物理意义上说，就是让每一幅图像的直流能量和交流能量都相等。本文实验所采取