【摘要】：靜脈特征同指紋一樣是每個(gè)人所特有且獨(dú)有的,兩個(gè)人手部靜脈的可能重復(fù)率更是低于指紋特征,因此將手部靜脈圖像用作人員身份信息識(shí)別是一門新興的生物特征識(shí)別技術(shù)。它不僅具有活體檢測這一獨(dú)有的特性,更在抗干擾和防偽性方面遠(yuǎn)遠(yuǎn)優(yōu)于靜脈、人臉和指紋等生物特征。本文主要是圍繞靜脈圖像采集、靜脈圖像增強(qiáng)、靜脈特征表示和靜脈圖像識(shí)別等幾個(gè)方面進(jìn)行了研究學(xué)習(xí)。(1)為解決目前國內(nèi)外均無可供使用的開源靜脈圖像數(shù)據(jù)庫的困擾,本文采用環(huán)形補(bǔ)光燈板結(jié)構(gòu)自行設(shè)計(jì)制作了一整套完整的硬件采集裝置,通過引入靜脈質(zhì)量評(píng)價(jià)函數(shù)構(gòu)建雙層質(zhì)量評(píng)價(jià)體系,實(shí)現(xiàn)了近紅外光源的閉環(huán)控制,從硬件層面上獲得了相對(duì)高對(duì)比度的靜脈圖像,并構(gòu)建了一套自主知識(shí)產(chǎn)權(quán)的高質(zhì)量手部(含手指、手背、手掌)靜脈圖像數(shù)據(jù)庫。(2)為解決低質(zhì)量靜脈圖像成功提取特征用于后續(xù)識(shí)別的問題,本文分別研究實(shí)現(xiàn)了基于Multi-Scale Top-hat Transfomation(MSTHT)、Local-Gray Level Information Transfomation(LGLIT)、Super-Resolution Reconstruction Theory(SRRT)等理論的靜脈圖像增強(qiáng)方法,并通過設(shè)計(jì)增強(qiáng)后質(zhì)量評(píng)價(jià)體系和識(shí)別率比對(duì)等方面證明了所提出的增強(qiáng)方法的有效性。(3)為了最大程度的減小非靜脈信息對(duì)識(shí)別帶來的影響,自行設(shè)計(jì)了一種基于有效區(qū)域位置分布的ROI提取方法,采取圖像歸一化、靜脈分割、濾波去噪等一系列數(shù)字圖像處理手段,用基于谷型的靜脈分割算法改進(jìn)了傳統(tǒng)分割方法,在靜脈圖像特征取環(huán)節(jié)取得了較好的效果。并在此基礎(chǔ)上,通過對(duì)基于數(shù)據(jù)降維和特征映射理論的PCA、2DPCA進(jìn)行了研究,提出了(2D)2FPCA的特征映射方法,在自行構(gòu)建的靜脈數(shù)據(jù)庫中進(jìn)行了試驗(yàn),實(shí)驗(yàn)測試識(shí)別率分別達(dá)到了98%。(4)為解決圖像采集中可能引入的旋轉(zhuǎn)變化、尺寸變化、光照變化等問題對(duì)后續(xù)特征識(shí)別效果的影響,本文將矩理論引入靜脈識(shí)別研究,提出采用具有旋轉(zhuǎn)不變特性的圖像特征表示方法,并分別將7個(gè)Hu不變矩、Zernike矩、PCT矩、PST矩和PCET矩應(yīng)用于靜脈圖像特征表示中,首先通過提取靜脈圖像的Zernike矩證明不變矩的有效性,隨后設(shè)計(jì)實(shí)驗(yàn)比較了這5種矩在靜脈識(shí)別特征表示中的優(yōu)劣之后,將Hu矩和PCET矩應(yīng)用于手背靜脈特征表示中,進(jìn)行分類識(shí)別,匹配效率大為提升,識(shí)別率明顯增高。其中引入PCET矩后的識(shí)別速度增快至0.04s,識(shí)別率提升至98.3%。(5)為解決傳統(tǒng)靜脈識(shí)別方法中需要先驗(yàn)知識(shí)進(jìn)行人工參數(shù)調(diào)整、分類器設(shè)計(jì)中必須進(jìn)行特殊選擇才能達(dá)到較好的識(shí)別效果等問題,本文嘗試引入了一種通過對(duì)輸入數(shù)據(jù)的低層次特征進(jìn)行深入分析組合進(jìn)而得到數(shù)據(jù)的高層次的本質(zhì)特征,進(jìn)而得到整個(gè)數(shù)據(jù)的分布式的特征表示的深度網(wǎng)絡(luò)結(jié)構(gòu)用于靜脈數(shù)據(jù)特征的學(xué)習(xí)與表示,并取得了較好的效果。首先設(shè)計(jì)了基于K-MEANS聚類和SIFT特征的方法(KMS)證明了引入深度網(wǎng)絡(luò)的必要性,之后結(jié)合徑向基函數(shù)(Radical Basis Function,RBF)神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn),在卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)的基礎(chǔ)上引入基函數(shù)為擬多二次函數(shù)的正則化RBF網(wǎng)絡(luò)進(jìn)行改進(jìn),構(gòu)建一種模擬視覺感知原理的深度學(xué)習(xí)網(wǎng)絡(luò)層次結(jié)構(gòu)(RCNN)實(shí)現(xiàn)靜脈特征自學(xué)習(xí)和分類系統(tǒng),實(shí)驗(yàn)測試取得了很好的分類識(shí)別效果。
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【圖文】：

ction的意義與背景（臉、掌紋等傳統(tǒng)生物特征識(shí)別技術(shù)已廣泛應(yīng)用構(gòu)，美國訪客系統(tǒng)、興起也導(dǎo)致人員特征識(shí)別被日益重視失每年就在數(shù)十億美元員身份識(shí)別與鑒定提出了更高的要求進(jìn)了生物識(shí)別技術(shù)和產(chǎn)品美元迅速增長到了別市場與產(chǎn)業(yè)報(bào)告 2009份額最大，為 66.7%別各占 8.0%、3.0%（Motivation and Background of T在各行各業(yè)尤歐盟的生物識(shí)別護(hù)照等都應(yīng)用相關(guān)技術(shù)，十年前的美國曾統(tǒng)計(jì)美元以上[1]。此外，爆炸、襲擊等層出不。技術(shù) 品市場大規(guī)模成長，2003 到 2008 年迅 46.39 億美元[2]。一份由國際生物識(shí)別集2009-2014》[3]顯示，目前在各種生物特征；人臉識(shí)別占到 11.4%；虹膜識(shí)別、語、2.4%和 1.8%。（如圖 1-1 所示）。一份 生物特征

.1.2 靜脈圖像采集裝置設(shè)計(jì).1.2.1 圖像采集系統(tǒng)概述手部靜脈立體成像與識(shí)別系統(tǒng)，由計(jì)算機(jī)、上位機(jī)軟件、儀器箱體、以及儀器箱安裝的特殊近紅外光源、光源驅(qū)動(dòng)電路、近紅外 CCD 攝像機(jī)、自制特殊形狀限定置位置的定位銅柱、特定波長濾光片、通訊與供電接口、長方形支撐箱體組成；特紅外光源及其驅(qū)動(dòng)電路和近紅外 CCD 攝像機(jī)組合安裝在長方形支撐箱體的上下左個(gè)位置，定位銅柱安裝在長方形支撐箱體的中心位置，所述濾光片安裝在近紅外 CC像機(jī)的鏡頭前，攝取手部靜脈圖像的近紅外CCD攝像機(jī)的敏感光譜為0·8μm~1·5μm紅外光源采用近紅外 LED 陣列作為光源，本光源系統(tǒng)采用兩種不同波長（分別50nm 和 780nm）的近紅外光源組成，并且光源的結(jié)構(gòu)設(shè)計(jì)依照手部各采集部位外形進(jìn)行了獨(dú)特設(shè)計(jì)，其中用于手掌、手背兩處靜脈采集的光源為環(huán)形，而用于手指、指起始點(diǎn)、小拇指起始點(diǎn)三處靜脈采集的光源為線型，采集時(shí)分時(shí)開啟五處近紅外，相應(yīng)位置的近紅外 CCD 攝像機(jī)同步拍攝的圖像中的手部靜脈能夠很好地突顯出來

本文編號(hào)：2728989