基于近红外成像的手背静脉识别算法及系统实现研究.pdfVIP

摘要 摘 要 生物特征识别技术是～种新的身份识别技术，主要利用人体所具有的固有特 征进行个人身份的识别，静脉识别是当前生物特征识别领域的研究热点，包括手 背静脉识别、手指静脉识别和手掌静脉识别等。本文研究了基于近红外成像的手 背静脉识别方法以及系统实现，包含近红外手背静脉采集装置设计、基于自适应 滤波的Retinex静脉增强方法、手背静脉特征提取方法、分类器设计、系统实现 五个主要部分，主要研究内容如下： 近红外手背静脉采集装置设计。现有静脉采集装置存在以下问题：受环境光 线干扰较大、设备价格昂贵、所采集静脉图像灰度不均且对比度低。本文依据手 CMOS摄像机作为采集设备，设计出 背静脉近红外成像原理，选择图森TCA032 一套近红外手背静脉采集装置。所用图像传感器为MT9V032，其量子效率在波 长为850nm时达到峰值；为了克服环境中近红外光线和可见光线干扰，在镜头 前加装一块波长为850nm，带宽20nm的窄带红外滤光片；通过漫反射板散射入 射光线，从而形成均匀的近红外光线，提高了手背静脉图像的灰度均衡性；安装 了手背固定垫板，所采集手背静脉图片平移、旋转和尺度变化相对较小。 基于自适应滤波的Retinex静脉增强方法研究。由于所采集手背静脉图片的 静脉结构和皮肤的对比度不高且手背静脉图片的整体灰度值不均衡(由手背中心 向四周灰度值呈逐渐降低趋势)，本文首先对采集到的手背静脉图片进行了几何 和灰度归一化，得到了具有统一大小和同一灰度均值的标准手背静脉图像，然后 提出了一种基于自适应滤波的Retinex静脉增强算法，在增强静脉结构的同时， 对图像灰度值进行了均衡处理。 基于静脉几何特征的手背静脉特征提取和识别方法研究。静脉几何结构信息 是最直观的特征，本文通过自适应阈值分割、骨架生成、静脉细化等方法获取了 具有单一象素宽度的静脉几何结构图像，通过分析细化后图像中端点和分支点的 几何关系，提出了一种静脉几何特征提取方法，并设计累积误差分类器进行性能 实验，识别正确率为86．8％。 基于垂直积分投影和小波分解的特征提取和识别方法研究。由于细化后的静 脉几何特征不够稳定，识别率不高，本文进一步对手背静脉图像经小波分解后的 子带图像进行了分析，指出了低频子带图像作为手背静脉识别特征的优点，同时 基于近红外成像的手背静脉识别算法及系统实现研究 比较了不同种类的手背静脉图片的灰度积分投影差异，得出垂直方向的灰度积分 投影能够更好的区分出不同的静脉结构，最终提出了一种基于垂直积分投影和小 波分解相结合的手背静脉特征提取方法；然后通过构建PCA变换矩阵对340维 的特征向量进行降维，从而形成了仅为50维的特征向量。由于手背静脉识别系 统本质上是一种小样本、高维数、非线性的识别问题，本文提出了一种基于垂直 积分投影和小波分解的SVM分类算法，实验结果表明，该方法对小范围内的平 移、旋转和缩放不敏感，总识别率高达98．15％，其中误识率为0。 基于双椭圆描述子的SIFT特征提取和识别方法研究。在手背静脉图片的采 集过程中，不可避免的会受到平移、旋转、缩放等因素影响，因此本文对基于局 部特征的SIFT算法进行了研究。通过构建DOG尺度空间定位局部特征点，然 后结合手背静脉图像的特点，设计了一种基于双椭圆区域的SIFT邻域描述子， 减少特征点邻域皮肤区域干扰的同时，有效的提取了静脉结构的局部纹理特征。 进而提出了一种基于相似度测量的SIFT特征匹配算法，实验结果表明：本算法 匹配平均时间为356ms，选择合适的匹配阈值，总识别率达到98．6％，而误识率 为O。 基于决策融合的手背静脉识别系统的设计和实现。由于静脉几何特征方法识 别率不高，垂直积分投影和小波分解法识别率较高但是不能适应较大的平移、旋 转和缩放，基于双椭圆描述子的SIFT算法的识别率较高且能适应样本间较大差 异，但是其计算复杂度较高，于是本文提出了一种基于多级决策融合的手背静脉 认证方法。首先使用识别率较高、实时性较好的垂直积分投影和小波分解法对待 认证样本进行初预测，再利用SIFT算法对样本进行进一步预测，融合两个步骤 的决策作为最终的输出结果。本文最后在MicroSoft VC++6．0环境中设计了一套