基于特征點(diǎn)和子空間的手指靜脈識(shí)別技術(shù)研究.pdf

1、隨著信息技術(shù)的發(fā)展和人類(lèi)社會(huì)的進(jìn)步，信息安全成為一個(gè)越來(lái)越棘手的問(wèn)題。傳統(tǒng)的身份識(shí)別基本是基于身份標(biāo)識(shí)的，如證件、密碼、卡號(hào)等，但是這些卻不能夠真正的確認(rèn)使用者是不是用戶(hù)本人，一旦他人冒用，將會(huì)給持卡人帶來(lái)不必要的損失。為了克服缺陷，基于人體生物特征的身份識(shí)別技術(shù)逐漸發(fā)展起來(lái)，比如指紋、掌紋、人臉、虹膜。特別是指紋識(shí)別，發(fā)展相對(duì)成熟，常常被各公司用于員工考勤。但是，由于指紋、掌紋都處在人體外部，很容易受到損傷，例如一些用手勞動(dòng)的人，可能

2、會(huì)磨損指紋、掌紋，久而久之，可能完全破壞指紋和掌紋的結(jié)構(gòu)，導(dǎo)致注冊(cè)不成功。因此，作為體內(nèi)生物特征之一的靜脈特征便成為首選。特別是，手指靜脈識(shí)別以其采集器小，處理靈活而著稱(chēng)。
　　本文以手指靜脈識(shí)別技術(shù)為研究背景，重點(diǎn)研究了基于手指靜脈特征點(diǎn)和子空間的特征匹配方法。主要工作有：
　　1、制作了一個(gè)基于手指谷點(diǎn)定位的手指靜脈圖像采集裝置，并建立了一個(gè)小型的手指靜脈圖像數(shù)據(jù)庫(kù)，共計(jì)630幅圖像，每個(gè)人30幅(食指、中指及無(wú)名指各1

3、0幅圖像)，共計(jì)21人。
　　2、研究了手指靜脈圖像的預(yù)處理、靜脈特征提取、后處理等工作。手指靜脈圖像的預(yù)處理主要包括感興趣區(qū)域(ROI)定位、尺寸以及灰度歸一化；在手指靜脈特征提取這一部分，主要介紹了如何利用基于靜脈紋路走向的谷形檢測(cè)算法分割出手指靜脈紋路；后處理的內(nèi)容是對(duì)分割后的手指靜脈紋路中離散點(diǎn)的去除以及孔洞的填充等工作。最后，對(duì)處理后的手指靜脈紋路圖像進(jìn)行骨骼化，得到手指靜脈紋路的骨架，并提取手指靜脈特征點(diǎn)。
　　

4、3、在基于手指靜脈特征點(diǎn)的特征匹配方法中，針對(duì)傳統(tǒng)的僅僅利用正向平均豪斯道夫距離(FMHD)來(lái)刻畫(huà)待匹配手指靜脈圖像到注冊(cè)手指靜脈圖像靜脈特征點(diǎn)間的距離，提出一種基于Fisher準(zhǔn)則的融合了正向和反向平均豪斯道夫距離的新的特征點(diǎn)集間相似性的度量方式。實(shí)驗(yàn)結(jié)果表明，采用融合后的匹配分?jǐn)?shù)進(jìn)行特征匹配，識(shí)別率從54.81％提高到了87.03％。
　　4、在基于子空間的特征匹配方法中，在詳細(xì)介紹了主成分分析(PCA)、最大邊界準(zhǔn)則(MMC

5、)、線(xiàn)性判別分析(LDA)、基本原理的基礎(chǔ)上，實(shí)現(xiàn)了一維主成分分析(1DPCA)、一維最大邊界準(zhǔn)則(1DMMC)、一維線(xiàn)性判別分析(1DLDA)、二維主成分分析(2DPCA)、二維最大邊界準(zhǔn)則(2DMMC)、二維線(xiàn)性判別分析(2DLDA)以及2DPCA+2DPCA、2DMMC+2DMMC、2DLDA+2DLDA、2DPCA+2DMMC、2DPCA+2DLDA、2DMMC+2DLDA等方法提取手指靜脈特征并進(jìn)行手指靜脈特征匹配。實(shí)驗(yàn)結(jié)果表