【摘要】：靜脈特征同指紋一樣是每個人所特有且獨有的,兩個人手部靜脈的可能重復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別是一門新興的生物特征識別技術(shù)。它不僅具有活體檢測這一獨有的特性,更在抗干擾和防偽性方面遠遠優(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、靜脈特征表示和靜脈圖像識別等幾個方面進行了研究學習。(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)形補光燈板結(jié)構(gòu)自行設(shè)計制作了一整套完整的硬件采集裝置,通過引入靜脈質(zhì)量評價函數(shù)構(gòu)建雙層質(zhì)量評價體系,實現(xiàn)了近紅外光源的閉環(huán)控制,從硬件層面上獲得了相對高對比度的靜脈圖像,并構(gòu)建了一套自主知識產(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)識別的問題,本文分別研究實現(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方法,并通過設(shè)計增強后質(zhì)量評價體系和識別率比對等方面證明了所提出的增強方法的有效性。(3)為了最大程度的減小非靜脈信息對識別帶來的影響,自行設(shè)計了一種基于有效區(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,通過對基于數(shù)據(jù)降維和特征映射理論的PCA、2DPCA進行了研究,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)庫中進行了試驗,實驗測試識別率分別達到了98%。(4)為解決圖像采集中可能引入的旋轉(zhuǎn)變化、尺寸變化、光照變化等問題對后續(xù)特征識別效果的影響,本文將矩理論引入靜脈識別研究,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)計實驗比較了這5種矩在靜脈識別特征表示中的優(yōu)劣之后,將Hu矩和PCET矩應(yīng)用于手背靜脈特征表示中,進行分類識別,匹配效率大為提升,識別率明顯增高。其中引入PCET矩后的識別速度增快至0.04s,識別率提升至98.3%。(5)為解決傳統(tǒng)靜脈識別方法中需要先驗知識進行人工參數(shù)調(diào)整、分類器設(shè)計中必須進行特殊選擇才能達到較好的識別效果等問題,本文嘗試引入了一種通過對輸入數(shù)據(jù)的低層次特征進行深入分析組合進而得到數(shù)據(jù)的高層次的本質(zhì)特征,進而得到整個數(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)特征的學習與表示,并取得了較好的效果。首先設(shè)計了基于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,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)進行改進,構(gòu)建一種模擬視覺感知原理的深度學習網(wǎng)絡(luò)層次結(jié)構(gòu)(RCNN)實現(xiàn)靜脈特征自學習和分類系統(tǒng),實驗測試取得了很好的分類識別效果。
【學位授予單位】：中國礦業(yè)大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.41
【圖文】：

ction的意義與背景（臉、掌紋等傳統(tǒng)生物特征識別技術(shù)已廣泛應(yīng)用構(gòu)，美國訪客系統(tǒng)、興起也導致人員特征識別被日益重視失每年就在數(shù)十億美元員身份識別與鑒定提出了更高的要求進了生物識別技術(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)尤歐盟的生物識別護照等都應(yīng)用相關(guān)技術(shù)，十年前的美國曾統(tǒng)計美元以上[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]。一份由國際生物識別集2009-2014》[3]顯示，目前在各種生物特征；人臉識別占到 11.4%；虹膜識別、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.1.2.1 圖像采集系統(tǒng)概述手部靜脈立體成像與識別系統(tǒng)，由計算機、上位機軟件、儀器箱體、以及儀器箱安裝的特殊近紅外光源、光源驅(qū)動電路、近紅外 CCD 攝像機、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)動電路和近紅外 CCD 攝像機組合安裝在長方形支撐箱體的上下左個位置，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像機的鏡頭前，攝取手部靜脈圖像的近紅外CCD攝像機的敏感光譜為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)計依照手部各采集部位外形進行了獨特設(shè)計，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、小拇指起始點三處靜脈采集的光源為線型，采集時分時開啟五處近紅外，相應(yīng)位置的近紅外 CCD 攝像機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：2728989