面向低質(zhì)量圖像的手指靜脈識別關(guān)鍵技術(shù)研究.pdf

1、手指靜脈識別依據(jù)個體手指的靜脈紋路差異進行身份鑒別，防攻擊能力強、安全性能高，廣泛用于安全防范領(lǐng)域，是生物特征識別領(lǐng)域的研究熱點。如何提高低質(zhì)量圖像下的識別性能，是手指靜脈識別領(lǐng)域面臨的重要挑戰(zhàn)。本文深入研究了手指靜脈表示、靜脈圖像分割、靜脈紋路修復(fù)和靜脈特征匹配四項關(guān)鍵技術(shù)，取得了一些可以提高識別性能的研究成果，這些成果還可用于指紋識別、手掌靜脈識別等相關(guān)領(lǐng)域，主要貢獻和創(chuàng)新總結(jié)如下：
　　（1）結(jié)合低質(zhì)量圖像深入分析手指靜脈結(jié)

2、構(gòu)，指出了靜脈線結(jié)構(gòu)具有顯著性和穩(wěn)健性，可用于區(qū)分不同個體和認(rèn)知同一個體，是識別的主要依據(jù)；提出了管徑（靜脈血管的直徑）均一、結(jié)點復(fù)制、環(huán)路剖分和虛擬連接四項手指靜脈結(jié)構(gòu)簡化準(zhǔn)則，抽取易于表示的靜脈線結(jié)構(gòu)；在此基礎(chǔ)上，提出了 B樣條二叉樹（B-Spline Binary Tree，BSBT）模型，采用二叉樹描述靜脈各分支連接關(guān)系，采用 B樣條描述靜脈各分支的空間結(jié)構(gòu)，充分描述手指靜脈的顯著與穩(wěn)健結(jié)構(gòu)，有助于提高手指靜脈識別性能。

3、　?。?）在手指靜脈圖像分割方面，針對經(jīng)典重復(fù)線跟蹤（Repeated Line Tracking， RLT）方法在自適應(yīng)能力和運算效率方面的不足，提出了一種自適應(yīng)重復(fù)線跟蹤（Adaptive RLT，ARLT）方法，提高了圖像分割算法對靜脈管徑和圖像對比度差異的自適應(yīng)能力，降低了無效線跟蹤引起的時間消耗，可以從低質(zhì)量圖像中提取細(xì)節(jié)豐富的靜脈紋路，抑制了靜脈真實紋路顯著性的下降，為手指靜脈的可靠識別奠定了基礎(chǔ)。
　?。?）手指靜脈

4、低質(zhì)量圖像分割過程難免存在紋路斷裂和毛刺干擾現(xiàn)象，易引起識別性能下降。提出了一種基于BSBT模型的手指靜脈紋路修復(fù)方法，依據(jù)BSBT模型的葉結(jié)點定位斷裂紋路和毛刺，依據(jù)方向約束、方差約束和邊界約束條件修復(fù)斷裂紋路，依據(jù) BSBT模型的結(jié)點和長度屬性剔除毛刺，可以增強手指靜脈線結(jié)構(gòu)的穩(wěn)健性，有助于提高識別性能。
　　（4）針對低質(zhì)量圖像下的受損靜脈紋路引起的識別性能下降問題，提出了一種基于 BSBT模型的手指靜脈特征匹配方法，利用