掌靜脈識(shí)別算法研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，安全問題越來越受到人們的關(guān)注。如何準(zhǔn)確可靠地識(shí)別出一個(gè)人的身份，已經(jīng)成為一個(gè)亟待解決的問題。傳統(tǒng)的身份識(shí)別機(jī)制存在容易盜取和復(fù)制的缺點(diǎn)，已經(jīng)不能滿足人們對(duì)于高安全性的要求。生物特征識(shí)別技術(shù)是解決該問題的有效途徑，其中，掌靜脈識(shí)別技術(shù)是近年來興起的一種生物特征識(shí)別技術(shù)，具有高防偽性、識(shí)別精度高和容易被用戶接受等優(yōu)點(diǎn)。本論文主要針對(duì)掌靜脈識(shí)別算法進(jìn)行了比較深入的研究，研究比較了ROI(Region of Interest

2、，感興趣區(qū)域)圖像的獲取和 ROI圖像的圖像增強(qiáng)和去噪方式，重點(diǎn)研究了 NBP（Neighbor based Binary Pattern，近鄰二值模式）特征的提取匹配方法，SIFT(Scale Invariant Feature Transform，尺度不變特征)特征的提取匹配方法并提出了一種融合紋理特征和局部不變特征的掌靜脈識(shí)別方法。本論文的主要工作和研究成果如下：
　　1．就掌靜脈識(shí)別ROI圖像的獲取和預(yù)處理進(jìn)行了初步研究和

3、比對(duì)實(shí)驗(yàn)，選取基于掌心矩形的ROI圖像提取方式和CLAHE（Contrast Limited Adaptive histogram equalization，限制對(duì)比度自適應(yīng)直方圖均衡）方法與中值濾波的方法對(duì)圖像進(jìn)行圖像增強(qiáng)和去噪，以達(dá)到后續(xù)試驗(yàn)的最好效果。
　　2．研究了基于NBP特征和基于SIFT特征的兩種單特征的掌靜脈識(shí)別方法。針對(duì)SIFT匹配過程中傳統(tǒng)RANSAC（Random Sample Consensus，隨機(jī)抽樣一

4、致算法）方法的弊端，提出了一種基于相似度距離剔除錯(cuò)誤匹配點(diǎn)的方法，提高錯(cuò)誤匹配點(diǎn)剔除的效率及準(zhǔn)確率，使SIFT算法在掌靜脈識(shí)別中的應(yīng)用更為準(zhǔn)確。然后，設(shè)計(jì)實(shí)驗(yàn)對(duì)兩種掌靜脈識(shí)別方式進(jìn)行比較分析，得到兩種算法性能特點(diǎn)，為后續(xù)融合兩種算法提供依據(jù)和思路。
　　3．針對(duì)前文研究的兩種算法的優(yōu)缺點(diǎn)，通過對(duì)兩種算法融合的可行性進(jìn)行分析：NBP特征作為一種全局特征，SIFT作為一種局部特征，兩者對(duì)于不同手掌圖像的區(qū)分度和相同手掌圖像的匹配度具有