本文選題：手背靜脈識別 + 圖像預處理　； 參考：《哈爾濱理工大學》2017年碩士論文

【摘要】：伴隨著信息技術(shù)的飛速發(fā)展和人們社會活動、經(jīng)濟活動的增加,身份識別變得更加的重要。傳統(tǒng)的身份識別(口令識別、密碼驗證等)方式無法識別用戶本身,其安全性較差,不能滿足當今社會對身份識別的需要。手背靜脈識別技術(shù)作為生物特征識別技術(shù)之一,為解決這類安全問題帶來了希望。本文采用機器視覺識別技術(shù)對手背靜脈圖像進行采集,在此基礎(chǔ)上對手背靜脈圖像進行預處理以及對識別方法的研究。本文設(shè)計了基于機器視覺的手背靜脈圖像采集系統(tǒng)。為了獲得高質(zhì)量、受外界干擾較少的手背靜脈圖像,本文選擇了合適的光源、擋光板、圖像傳感器以及鏡頭等部件。為了有效地提取出手背靜脈結(jié)構(gòu)的數(shù)據(jù)特征,需要對圖像進行必要的預處理,包括手背擺放的矯正、圖像分割、噪聲處理、圖像增強、血管脈絡結(jié)構(gòu)的細化等,同時對圖像有效區(qū)域進行提取以及圖像的歸一化處理。本文根據(jù)手背血管脈絡的特征,采用多種預處理方式,并結(jié)合MATLAB仿真得到相應的實驗結(jié)果,為后面的特征提取和識別奠定了良好的基礎(chǔ)。在完成圖像預處理的基礎(chǔ)上,進行手背靜脈特征的提取。針對手背靜脈識別的檢測要求,建立手背靜脈特征提取算法與BP神經(jīng)網(wǎng)絡算法相結(jié)合的識別模型。在手背靜脈特征提取算法方面,研究了主成份分析-線性判別分析(PCA-LDA)和核二維主成分分析-二維線性判別分析(K2DPCA-2DLDA)方法進行手背靜脈特征的提取,并將提取的成分變量作為BP神經(jīng)網(wǎng)絡的輸入進行訓練、固定網(wǎng)絡參數(shù)。經(jīng)過對神經(jīng)網(wǎng)絡進行改進,最后將訓練完成的神經(jīng)網(wǎng)絡用于手背靜脈的識別。采用MATLAB軟件對手背靜脈特征提取算法和識別算法進行仿真,仿真結(jié)果表明,基于K2DPCA-2DLDA-BP模型的算法在精確度上與實時性方面都有較大提高,達到了研究的目的。將本文研究的手背靜脈識別技術(shù)在測試系統(tǒng)中應用,通過對測試系統(tǒng)的軟件設(shè)計,實現(xiàn)了基于手背靜脈的身份識別,驗證了本論文研究的有效性和實用性。
[Abstract]:With the rapid development of information technology and people's social activities, the increase of economic activities, identity has become more important.Traditional identification (password identification, password authentication) can not identify the user itself, its security is poor, can not meet the needs of today's society for identity recognition.As one of biometric recognition techniques, dorsal hand vein recognition technology brings hope to solve this kind of safety problems.In this paper, the image of the dorsal hand vein is collected by the machine vision recognition technology, and the image of the dorsal hand vein is preprocessed and the method of recognition is studied.In this paper, the image acquisition system of dorsal hand vein based on machine vision is designed.In order to obtain high quality and less interference image of dorsal hand vein, suitable light source, blocking plate, image sensor and lens are selected in this paper.In order to extract the data features of the dorsal hand vein structure effectively, it is necessary to pre-process the image, including the correction of the back of the hand, image segmentation, noise processing, image enhancement, thinning of the vascular structure, etc.At the same time, the effective region of the image is extracted and the image is normalized.In this paper, according to the characteristics of the veins of the back of the hand, various preprocessing methods are adopted and the corresponding experimental results are obtained by MATLAB simulation, which lays a good foundation for the feature extraction and recognition of the back.On the basis of image preprocessing, the feature extraction of dorsal hand vein was carried out.According to the detection requirements of dorsal hand vein recognition, a recognition model combining back hand vein feature extraction algorithm and BP neural network algorithm is established.In the aspect of dorsal hand vein feature extraction, the methods of principal component analysis-linear discriminant analysis (PCA-LDA) and nuclear two-dimensional principal component analysis-2-D linear discriminant analysis (K2DPCA-2DLDAA) were studied to extract the features of dorsal hand vein.The extracted component variables are trained as the input of BP neural network and the network parameters are fixed.After improving the neural network, the trained neural network is applied to the recognition of the dorsal hand vein.The simulation results show that the algorithm based on K2DPCA-2DLDA-BP model can improve the accuracy and real-time performance of the algorithm and achieve the purpose of the research.This paper applies the technology of hand back vein recognition to the testing system. Through the software design of the test system, the identification based on the hand back vein is realized, which verifies the validity and practicability of this paper.
【學位授予單位】：哈爾濱理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 魯周迅;張彬彬;;一種新的手背靜脈分割方法[J];微電子學與計算機;2014年08期

2 王云新;劉鐵根;朱均超;霍曉飛;江俊峰;;嵌入式人體手背靜脈圖像采集系統(tǒng)的研制[J];儀器儀表學報;2009年02期

3 潘曉蘋;汪天富;莊禮杰;劉軍;;近紅外手背靜脈圖像采集系統(tǒng)的研究與設(shè)計[J];數(shù)字技術(shù)與應用;2013年06期

4 劉鐵根;王云新;李秀艷;江俊峰;周蘇晉;;基于手背靜脈的生物特征識別系統(tǒng)[J];光學學報;2009年12期

5 魏上清;顧曉東;;基于均衡離散曲率波變換的手背靜脈識別[J];計算機應用;2012年04期

6 劉晶;薛定宇;崔建江;賈旭;;基于核主元分析和局部保持投影的手背靜脈識別[J];東北大學學報(自然科學版);2012年05期

7 李欣;孫懋珩;;手背靜脈血管識別算法研究[J];科技信息(學術(shù)研究);2007年29期

8 蔡超峰;蘇丹;閆艷霞;姜利英;;手背靜脈圖像分割及細化算法研究[J];現(xiàn)代計算機(專業(yè)版);2014年17期

9 王云新;劉鐵根;江俊峰;張忠傳;周蘇晉;;基于局部SIFT分析的手背靜脈識別[J];光電子.激光;2009年05期

10 李秀艷;劉鐵根;鄧仕超;何瑾;王云新;;基于SURF算子的快速手背靜脈識別[J];儀器儀表學報;2011年04期

相關(guān)會議論文 前9條

1 郝允蘭;張虹;劉建新;王文霞;;手背靜脈輸液一次穿刺成功的技巧[A];全國靜脈輸液護理學術(shù)交流暨專題講座會議論文匯編[C];2002年

2 曹青;滕娜;;手背靜脈輸液一次性穿刺成功的技巧[A];全國靜脈治療護理學術(shù)交流暨專題講座會議論文匯編[C];2005年

3 吳美玉;陳惠榕;陳雪珍;;80例手背靜脈松拳固定法的體會[A];全國門、急診護理學術(shù)交流暨專題講座會議論文匯編[C];2002年

4 張會林;簡獻忠;;人體手背靜脈血管圖像增強處理算法研究[A];第三屆全國信息獲取與處理學術(shù)會議論文集[C];2005年

5 彭娟;陳珍琳;;環(huán)抱法對手背靜脈采血致新生兒疼痛的影響[A];中華醫(yī)學會第十七次全國兒科學術(shù)大會論文匯編（下冊）[C];2012年

6 靳杭紅;王淑妮;;手背靜脈輸液穿刺法比較[A];全國門、急診護理學術(shù)交流暨專題講座會議論文匯編[C];2002年

7 楊晶晶;余淑素;;紅外線燈在小兒手背靜脈留置針穿刺中的作用[A];第六屆江浙滬兒科學術(shù)會議暨兒科學基礎(chǔ)與臨床研究進展學術(shù)班論文匯編[C];2009年

8 郭禮;;兩種小兒手背靜脈輸液針頭固定方法的效果比較[A];2013年河南省兒科優(yōu)質(zhì)護理服務規(guī)范管理培訓班及學術(shù)交流會論文集[C];2013年

9 陸爽;杜加萍;彭力;;Canny算子和K-均值聚類用于手背靜脈識別[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

相關(guān)博士學位論文 前4條

1 劉晶;基于子空間分析的手背靜脈識別算法研究[D];東北大學;2012年

2 韓笑;人體手背靜脈識別算法研究[D];吉林大學;2007年

3 王云新;基于手背靜脈與虹膜的生物特征識別方法研究[D];天津大學;2009年

4 丁宇航;手背靜脈識別技術(shù)研究[D];哈爾濱工程大學;2006年

相關(guān)碩士學位論文 前10條

1 段強宇;分布式手背靜脈圖像質(zhì)量評價的研究[D];北方工業(yè)大學;2016年

2 楊晨艷;手背靜脈圖像容量研究與分析[D];北方工業(yè)大學;2016年

3 張羝;基于多光譜的手背靜脈活體檢測[D];北方工業(yè)大學;2016年

4 任桐慧;基于DSP的手背靜脈識別系統(tǒng)研究[D];吉林大學;2016年

5 徐林林;手背靜脈樣本集規(guī)模的研究[D];北方工業(yè)大學;2016年

6 王洪樂;基于像素環(huán)形均值與局部二值融合的手背靜脈識別研究[D];鄭州大學;2016年

7 丁萬強;手背靜脈圖象懫集和質(zhì)量評價方法研究[D];東北大學;2011年

8 武崢;聚類優(yōu)化貝葉斯算法在手背靜脈識別中的應用研究[D];蘭州交通大學;2016年

9 張成浩;基于手背靜脈的身份識別技術(shù)研究[D];哈爾濱理工大學;2017年

10 何晶;手背靜脈圖像采集與局域波處理方法研究[D];陜西科技大學;2014年

，

本文編號：1733241