手指靜脈識別技術由于其非接觸、高防偽性以及活體檢測等優(yōu)點,成為研究與應用的熱點。針對傳統(tǒng)手指靜脈圖像感興趣區(qū)域提取方法過程復雜、運算量大的問題,提出一種感興趣區(qū)域快速提取的方法。該方法采用三點對比法定位手指上下邊界以及基于相似三角形定理的圖像校正方法。與傳統(tǒng)的方法相比,省去了邊緣優(yōu)化的復雜過程以及減少了旋轉(zhuǎn)校正的乘法運算量,能將指靜脈圖像感興趣區(qū)域提取的速度提高2～3倍。利用指靜脈圖像庫進行仿真實驗,結(jié)果表明,本算法提取ROI的正確率為100%,識別的等錯誤率僅為2.45%,說明該方法具有較高的普適性和穩(wěn)定性,能廣泛應用在指靜脈識別系統(tǒng)中。 

【文章來源】：電子測量與儀器學報. 2020,34(04)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

ROI圖像

Sobel算子由兩組3×3的矩陣組成,包括水平x和豎直y,如圖1所示。然后將兩個方向算子分別同平面像素做卷積,進而得到橫向和縱向的亮度差分近似值,以此作為邊緣判斷的依據(jù)[12]。對于圖像中的任一點f(i,j),其水平方向邊緣檢測灰度變化量為:

針對指靜脈識別常規(guī)ROI提取方法計算量大的問題,本文提出一種快速ROI(fast extraction method of region of interest,FROI)方法。本文以手指豎直放置的指靜脈圖像為例進行說明,圖像來自山東大學機器學習與數(shù)據(jù)挖掘?qū)嶒炇业闹胳o脈圖像庫。該方法的主要步驟如圖2所示。2.1 三點對比法定位手指上下邊界

【參考文獻】：
期刊論文
[1]基于貝葉斯的指靜脈識別算法及其FPGA實現(xiàn)[J]. 李海,戴慶華,陳光化.  國外電子測量技術. 2019(06)
[2]基于Gabor和Curvelet的近鄰二值模式手指靜脈識別方法[J]. 李新春,曹志強,林森.  電子測量與儀器學報. 2018(08)
[3]形態(tài)學濾波算法與HLS硬件設計方法的實現(xiàn)[J]. 葉海雄,陶寧蓉,王世明.  電子測量技術. 2018(04)
[4]基于深度學習的指靜脈識別研究[J]. 吳超,邵曦.  計算機技術與發(fā)展. 2018(02)
[5]基于FPGA邊緣檢測算法的設計[J]. 金大超,冷建偉.  電子設計工程. 2017(13)
[6]手指靜脈圖像魯棒邊緣檢測算法[J]. 王明文,唐東明,于耀程,楊淏.  計算機應用研究. 2018(01)
[7]基于分塊LBP和分塊PCA的指靜脈識別方法[J]. 楊文文,毛建旭,陳姜嘉旭.  電子測量與儀器學報. 2016(07)
[8]二值圖像膨脹腐蝕的快速算法[J]. 鄧仕超,黃寅.  計算機工程與應用. 2017(05)
[9]基于膨脹和腐蝕的迭代優(yōu)化算法[J]. 蒲石,龍文光.  四川師范大學學報(自然科學版). 2014(03)
[10]手指靜脈圖像感興趣區(qū)域提取方法研究[J]. 楊金鋒,張海金.  山東大學學報(工學版). 2012(03)



本文編號：3091042