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

1、近紅外掌靜脈識別技術(shù)是一門新興的技術(shù)，以其獨(dú)特的優(yōu)勢在近幾年的生物特征識別市場迅速崛起，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、算法設(shè)計、硬件實(shí)現(xiàn)，研發(fā)出一套完整的近紅外掌靜脈識別系統(tǒng)。
　　在系統(tǒng)整體算法的設(shè)計方面，主要做了以下兩個比較有價值的工作：
　?。?）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。對比度增強(qiáng)部分的效果好壞對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)局部對比度增強(qiáng)算法、直方圖均衡算法、平臺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圖像的灰度分布拉伸到整個灰度級的范圍內(nèi)。通過對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灰度級近85％的范圍內(nèi)，同時保留住近紅外掌靜脈圖像信息。
　?。?）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)時性、魯棒性和識別性能等因素，經(jīng)過對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、會在合法匹配中混合接近30%的錯誤匹配，而在非法匹配中更是會有大量的錯誤匹配被判定為正確匹配。針對這個問題，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，在非法匹配中剔除90%以上的錯誤匹配對，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，詳盡地描述了具體的設(shè)計過程，在設(shè)計過程中與MATLAB定點(diǎn)測

5、試結(jié)果進(jìn)行對比，最終基于Z-turn Board TOP開發(fā)板進(jìn)行了相應(yīng)的硬件測試。
　　綜上所述，本文針對掌靜脈識別系統(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、算法設(shè)計到最后具體FPGA實(shí)現(xiàn)的工作，搭建出了一個具有很強(qiáng)魯棒性，識別正確率達(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)