當今時代信息交互量日益增加,在不同的采集設備、測試環(huán)境、時間段和姿態(tài)等弱約束條件下進行身份識別必然成為生物特征技術發(fā)展的趨勢。然而在弱約束條件下,采集到的手背靜脈圖像會存在光照對比度差異、位置偏移、角度旋轉、尺度縮放和仿射形變五種情況,會導致圖像識別精度較差。因此,如何在弱約束條件下,實現(xiàn)高魯棒性的特征提取以及高精確度的身份識別,是我們研究和前進方向。本文的主要工作及創(chuàng)新性概括如下:1、提出了基于二值靜脈圖像中最大連通域面積與連通域數(shù)量比值調(diào)整系數(shù)?的改進閾值分割算法,解決了靜脈斷裂和連通性差問題。依據(jù)類內(nèi)相似性原則,確定了二值靜脈圖像分割系數(shù)?的最優(yōu)值,避免產(chǎn)生嚴重過分割或欠分割現(xiàn)象。改進分割的二值靜脈圖像數(shù)據(jù)庫在跨設備條件下使用尺度不變特征變換SIFT算法進行驗證,識別率由73.48%提高到77.4%。2、提出了基于小波分解的多方向細節(jié)分量特征關鍵點提取方法,在垂直+對角的特征關鍵點組合下,不僅可以檢測到二值靜脈圖像在豎直方向的紋理信息,而且可以提取圖像傾斜和彎曲區(qū)域的紋理信息。采用高可分性的魯棒特征描述子DERF對特征的描述更為詳盡、準確。該算法中采樣點的初始半徑1r取值為4時,... 

【文章來源】：北方工業(yè)大學北京市

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

弱約束手背靜脈圖像數(shù)據(jù)庫的部分圖像

第二章弱約束手背靜脈圖像庫10圖2-3(a)為處理前圖像，其中“1”區(qū)域為手柄噪聲，“2”區(qū)域為其他背景噪聲；圖2-3(b)為處理后圖像，顯然背景中的噪聲成功被去除，靜脈區(qū)域未受任何影響，且手背的邊緣輪廓也更加清晰。圖像歸一化校準：不同采集設備下，設備參數(shù)設置、采集光源亮度、外界光照強度等都會影響圖像的對比度，導致手背靜脈圖像的清晰度難以達到統(tǒng)一，影響后續(xù)圖像分割效果。所以需要對不同設備采集的圖像進行灰度歸一化，減少光照強度對實驗的影響。歸一化方法主要可分為兩類，即統(tǒng)一均值、方差的歸一化和線性函數(shù)歸一化，前者更適用于灰度值趨向于高斯分布的圖像，顯然本文所采集圖像灰度值分布不符合，所以選取線性函數(shù)將灰度值分布進行等比縮放，然后獲取像素最大值與最小值，最后通過差值將原圖像灰度范圍擴展到0~255，式(2-1)為具體處理公式：((,)min)255(,)maxminxyNxy(2-1)式中(x,y)表示圖像在該位置像素點的灰度值，max和min分別對應最大和最小的像素灰度值，N(x,y)為灰度歸一化后的灰度值。(a)處理前(b)處理后圖2-4手背靜脈圖像灰度歸一化前后對比圖圖2-4為手背靜脈圖像灰度歸一化前后對比圖，相較于圖2-4(a)，顯然處理后圖2-4(b)的靜脈結構更加清晰。手背靜脈圖像經(jīng)過預處理后，去除了背景噪聲，使圖像的對比度達到一致，并且更加突顯出靜脈的脈絡結構，提高了手背靜脈識別的圖像質(zhì)量。

第二章弱約束手背靜脈圖像庫112.3傳統(tǒng)梯度閾值的靜脈圖像分割方法手背靜脈圖像經(jīng)過圖像預處理階段，雖然已顯現(xiàn)出清晰的靜脈紋絡，但是灰度圖中包含皮膚信息，背景區(qū)域與靜脈對比不是很強烈，且手背皮膚不利于對靜脈的特征提取，影響特征魯棒性，導致識別結果較差。分割后的二值圖像對比度強烈，可以完整的將靜脈結構突顯出來。通常二值分割需要確定合適的分割閾值T，即：1()"()0()fxTfxfxT，，(2-2)F(x)1f"(x)(2-3)其中f(x)為采集的灰度圖像，F(xiàn)(x)為分割后靜脈顯示為黑色的二值圖像。閾值T選擇不當容易造成欠分割或過分割。(a)欠分割(b)過分割圖2-5不同分割閾值T對應的手背靜脈圖像圖2-5(a)對應欠分割條件下手背靜脈圖像，即分割閾值T設置較高，保留過多的背景內(nèi)容，導致皮膚區(qū)域錯誤的劃分為靜脈紋理；圖2-5(b)對應過分割條件下手背靜脈圖像，即分割閾值T設置較低，保留靜脈脈絡過少，造成細小的靜脈錯誤劃分為背景，導致靜脈斷裂缺失結構的完整性。所以如何確定合適分割閾值T是保證分割后二值圖具有完整靜脈結構的關鍵所在。采集的灰度圖像中皮膚背景與手背靜脈在邊緣存在較大的像素差值，通過計算圖像梯度可以突出圖像邊緣灰度值變化，進而檢測圖像邊緣輪廓，有效實現(xiàn)靜脈分割。

【參考文獻】：
期刊論文
[1]基于生物特征識別的身份認證及相關安全問題研究[J]. 周小軍,王凌強,郭玉霞,高皚瓊,譚薇.  工業(yè)儀表與自動化裝置. 2018(04)
[2]指紋識別技術發(fā)展現(xiàn)狀[J]. 顧陳磊,劉宇航,聶澤東,李景振,王磊.  中國生物醫(yī)學工程學報. 2017(04)
[3]改進的雙邊二維線性判別分析的手背靜脈識別[J]. 王賀,鄧茂云,姜守坤,李明明,宗宇軒,劉富.  吉林大學學報(信息科學版). 2017(01)
[4]數(shù)字圖像二維多尺度分解與重構小波分析[J]. 張祥,張達永,張劉輝,潘棟.  氣象水文海洋儀器. 2016(04)
[5]基于二維小波變換的圖像壓縮的算法研究[J]. 武麗,董素鴿,張海瑞.  電子制作. 2016(01)
[6]基于稀疏編碼的手背靜脈識別算法[J]. 賈旭,王錦凱,崔建江,孫福明,薛定宇.  計算機應用. 2015(04)
[7]基于均衡離散曲率波變換的手背靜脈識別[J]. 魏上清,顧曉東.  計算機應用. 2012(04)
[8]不同波長近紅外光下手掌靜脈圖像質(zhì)量分析[J]. 李威,苑瑋琦.  計算機工程與應用. 2011(30)
[9]多分辨率濾波在手背血管特征提取中的應用[J]. 周斌,林喜榮,賈惠波.  計算機輔助設計與圖形學學報. 2006(01)
[10]基于步態(tài)的身份識別[J]. 王亮,胡衛(wèi)明,譚鐵牛.  計算機學報. 2003(03)

碩士論文
[1]基于位面圖的手背靜脈身份識別研究[D]. 蔣小琛.北方工業(yè)大學 2019
[2]基于數(shù)學形態(tài)學的圖像去噪[D]. 耿帥.山東師范大學 2012
[3]基于小波分析的圖像邊緣檢測算法研究[D]. 楊冰冰.東南大學 2005
[4]基于小波變換的紋理圖象分割算法研究[D]. 郇正良.山東科技大學 2003



本文編號：2961177