近紅外掌靜脈圖像識(shí)別技術(shù)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、近紅外掌靜脈識(shí)別技術(shù)是一門新興的技術(shù)，以其獨(dú)特的優(yōu)勢(shì)在近幾年的生物特征識(shí)別市場(chǎng)迅速崛起，引起了國內(nèi)外研究人員的廣泛關(guān)注。本文通過系統(tǒng)設(shè)計(jì)、算法設(shè)計(jì)、硬件實(shí)現(xiàn)，研發(fā)出一套完整的近紅外掌靜脈識(shí)別系統(tǒng)。
　　在系統(tǒng)整體算法的設(shè)計(jì)方面，主要做了以下兩個(gè)比較有價(jià)值的工作：
　?。?）在圖像預(yù)處理階段，本文在近紅外掌靜脈圖像對(duì)比增強(qiáng)中引入了中值點(diǎn)為穩(wěn)定點(diǎn)的線性拉伸方法，效果穩(wěn)定。對(duì)比度增強(qiáng)部分的效果好壞對(duì)于后面特征提取的性能至關(guān)重要，經(jīng)

2、查閱資料發(fā)現(xiàn)已有的技術(shù)中大多使用了一些常規(guī)性的如自適應(yīng)局部對(duì)比度增強(qiáng)算法、直方圖均衡算法、平臺(tái)直方圖均衡算法等算法。由于掌靜脈圖像本身具有灰度分布非常集中，對(duì)比度非常小，區(qū)間狹窄的特點(diǎn)，用這三種方法很容易遺失部分圖像信息，也不能非常均勻的將整個(gè)圖像的灰度分布拉伸到整個(gè)灰度級(jí)的范圍內(nèi)。通過對(duì)比拉伸后的直方圖可以發(fā)現(xiàn)，該方法非常均勻的將灰度拉伸到整個(gè)灰度級(jí)近85％的范圍內(nèi)，同時(shí)保留住近紅外掌靜脈圖像信息。
　　（2）在特征提取及匹配階

3、段，本文將隨機(jī)抽樣一致性（RANSAC）算法的思想應(yīng)用到其中，顯著提升匹配準(zhǔn)確度。在調(diào)研了幾十種特征提取算法后，綜合考慮實(shí)時(shí)性、魯棒性和識(shí)別性能等因素，經(jīng)過對(duì)比后選擇了尺度不變特征變化（SIFT）算法來提取圖像特征，該算法在對(duì)抗光照變化、旋轉(zhuǎn)變化上有獨(dú)到之處，在近紅外圖像特征提取中有著卓越的效果。
　　由于掌靜脈圖像本身細(xì)節(jié)并不充足，SIFT提取出來的特征向量彼此獨(dú)立性并不強(qiáng)，進(jìn)而導(dǎo)致了在特征匹配階段中，使用傳統(tǒng)的SIFT匹配方法

4、會(huì)在合法匹配中混合接近30%的錯(cuò)誤匹配，而在非法匹配中更是會(huì)有大量的錯(cuò)誤匹配被判定為正確匹配。針對(duì)這個(gè)問題，將RANSAC算法的思想應(yīng)用到了近紅外圖像特征匹配的過程中，在合法匹配中篩選出70%以上的正確匹配對(duì)，在非法匹配中剔除90%以上的錯(cuò)誤匹配對(duì)，極大的提高了系統(tǒng)匹配的正確率。
　　在硬件實(shí)現(xiàn)方面，本文提出了SIFT特征提取及特征匹配方法在FPGA上整體的并行結(jié)構(gòu)設(shè)計(jì)，詳盡地描述了具體的設(shè)計(jì)過程，在設(shè)計(jì)過程中與MATLAB定點(diǎn)測(cè)

5、試結(jié)果進(jìn)行對(duì)比，最終基于Z-turn Board TOP開發(fā)板進(jìn)行了相應(yīng)的硬件測(cè)試。
　　綜上所述，本文針對(duì)掌靜脈識(shí)別系統(tǒng)中圖像預(yù)處理、圖像特征提取、圖像特征匹配等難點(diǎn)，搭配使用了中值點(diǎn)為穩(wěn)定點(diǎn)的線性拉伸方法、SIFT算法以及RANSAC算法等算法，完整地進(jìn)行了從系統(tǒng)架構(gòu)設(shè)計(jì)、算法設(shè)計(jì)到最后具體FPGA實(shí)現(xiàn)的工作，搭建出了一個(gè)具有很強(qiáng)魯棒性，識(shí)別正確率達(dá)到90%的系統(tǒng)，有效地克服了近紅外掌靜脈圖像本身細(xì)節(jié)不充足的缺點(diǎn)，具有很高的實(shí)