基于子空間分析和局部二值模式的手指靜脈識別算法研究.pdf

1、隨著科學(xué)技術(shù)的迅猛發(fā)展，傳統(tǒng)的身份認(rèn)證技術(shù)由于個人信息容易被偽造和假冒而逐漸被新型的生物特征識別技術(shù)所取代，比如指紋、靜脈、人臉和虹膜。其中，手指靜脈由于具有良好的特異性、較高的安全性等優(yōu)點而受到廣泛關(guān)注，已成為生物特征識別領(lǐng)域中的熱點研究課題。
　　本文通過對手指靜脈識別技術(shù)的研究現(xiàn)狀進行分析，圍繞基于子空間分析和基于局部二值模式的手指靜脈識別算法進行了深入地分析和研究，具體工作如下：
　?。?）對手指靜脈識別算法的主要內(nèi)

2、容進行了綜述，首先介紹了手指靜脈圖像采集中的成像原理和采集過程，接著描述了后續(xù)算法需要用到的手指靜脈圖像預(yù)處理步驟，包括對原始靜脈圖像進行ROI提取、尺度和灰度歸一化以及濾波，然后簡要介紹了手指靜脈特征提取的分類及其工作原理，最后詳細地闡述了手指靜脈識別算法的兩種主要的匹配方法及其常用的性能分析指標(biāo)。
　?。?）研究了基于子空間分析的手指靜脈識別算法，并將核化最大間距準(zhǔn)則(KMMC)分析法應(yīng)用于手指靜脈識別中，進而提出了基于兩個方

3、向的KMMC手指靜脈識別算法。該算法首先對預(yù)處理后的手指靜脈圖像執(zhí)行基于線性分析法的手指靜脈識別算法，包括二維主成分分析法(2DPCA)、二維線性判別式分析法(2DLDA)和二維最大間距準(zhǔn)則分析法(2DMMC)，然后對所得特征數(shù)據(jù)進一步執(zhí)行KMMC算法，最后通過MATLAB仿真實驗實現(xiàn)了2DPCA、2DLDA、2DMMC、KMMC、2DPCA+KMMC、2DLDA+KMMC、2DMMC+KMMC七種手指靜脈識別算法，并計算出了這些算法的

4、識別率、誤識率等參數(shù)以用于比較。實驗表明，基于兩個方向的KMMC手指靜脈識別算法的識別效果非常理想，同時與基于KMMC的手指靜脈識別算法相比，它的平均匹配時間也大大地縮短了。
　?。?）研究了基于局部二值模式的手指靜脈識別算法，并將多尺度Gabor局部二值模式(MB-GLBP)算法應(yīng)用于手指靜脈識別中，進而提出了基于MB-GLBP和Logistic映射的手指靜脈識別算法。該算法首先通過MB-GLBP算法對預(yù)處理后的原始手指靜脈圖像