隨著信息技術的發(fā)展,人們對信息安全提出更高的要求。如何準確識別一個人的身份的問題被廣泛關注。相比較于門禁卡、密碼口令等傳統(tǒng)的身份認證方式,生物特征識別技術因安全性好、準確度高受到高度重視。其中,掌靜脈識別技術有穩(wěn)定性好、識別精度高、防偽性強、容易被用戶接受等優(yōu)點。本論文對掌靜脈識別算法進行了研究,主要工作和研究成果如下:（1）對掌靜脈圖像的ROI獲取方法和圖像增強、去噪算法進行了研究和對比實驗,最后選用了基于掌心矩形的ROI提取方式、限制對比度適應性直方圖均衡化（CLAHE）的灰度變換圖像增強方法、均值濾波的圖像去噪方法,以使后續(xù)實驗達到最好效果。（2）研究了基于NBP（Neighbor based Binary Pattern,臨近二值模式）和基于SURF（Speeded-Up Robust Features）的掌靜脈圖像識別方法,并對其中的NBP算法中的特征提取方法進行改進,提高NBP算法的準確率。然后通過實驗對兩種算法進行對比分析,為后續(xù)算法融合提供思路和依據(jù)。（3）對NBP和SURF算法融合的可行性進行分析:NBP算法簡單、具有實時性,可以彌補SURF在識別時間上的不足;SUR... 

【文章來源】：齊魯工業(yè)大學山東省

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【圖文】：

清華大學林喜榮設計的手背靜脈采集裝置

碩士學位論文7第2章掌靜脈身份識別系統(tǒng)的理論2.1掌靜脈識別的基本原理人體的血液中主要包含血漿、血細胞和晶體物質溶液，其中大部分的成分是血漿，血漿中90%是水，呈淡黃色。血細胞中含有大量的紅細胞，呈紅色。紅細胞攜帶兩種血紅蛋白：氧合血紅蛋白（HbO2）和還原血紅蛋白（Hb）。因為靜脈血管位于皮下的位置比動脈血管淺，所以比動脈血管更容易成像。近紅外掌靜脈成像的原理就是：當近紅外光照射血管時，血管內的血紅蛋白比周圍的組織吸收更多光，導致血管所在的位置光強度更低，整體顏色較深，而血管以外的位置光強度較高，整體顏色較亮。較暗的靜脈紋路和較亮的紋路間隙部分組成了掌靜脈圖像。人的手掌有表皮層、真皮層和皮下組織，其中靜脈就位于皮下組織。表皮層和真皮層也能傳播和吸收或散射光，不同波長的光對相同的手掌有不同地反射率和透過率。但不同手掌對同一種光線的透過率基本相同。氧合血紅蛋白、還原血紅蛋白和水對不同波段的光的吸收率對比圖如2.1所示。圖2.1近紅外光譜中氧合血紅蛋白（HbO2）、還原血紅蛋白（Hb）和水吸光率對比由圖2.1可以看出，水等生物組織對波長在700nm~900nm范圍內的光線吸收率低，這樣表皮層和真皮層吸收的光線少，更多的光線可以透過皮膚表層到達皮下組織的靜脈組織。當波長低于700nm時，血紅蛋白吸收很多入射光線，但手掌皮下組織對這個波段的光散射比較嚴重，采集到的掌靜脈圖像效果差。當波長高于900nm時，光線會被水分大量吸收，成像質量也不高。所以大部分掌靜脈采集裝置都會采用700~900nm波長范圍內的光線作為入射光源，這個波段的光線能更好地被靜脈血管吸收，呈現(xiàn)出更好的圖像效果。

第2章掌靜脈身份識別系統(tǒng)的理論8綜上所述，掌靜脈成像原理如圖2.2所示，當有波長為700~900nm范圍內的近紅外光線照射時，靜脈血管因其含有血紅蛋白，會比周圍的組織吸收更多的近紅外光線。光線經(jīng)手掌反射后被圖像傳感器捕捉形成掌靜脈圖像，其中靜脈血管吸收光線多，所以在形成的掌靜脈圖像中灰度值比周圍低。圖2.2掌靜脈成像原理圖2.2近紅外掌靜脈圖像識別過程生物特征識別系統(tǒng)都是通過傳感器采集到各種生物特征信息，然后采用適當?shù)姆椒ǚ▽Σ杉降纳锾卣餍畔⑦M行匹配識別。掌靜脈身份識別系統(tǒng)流程如圖2.3所示。近紅外采集裝置采集到人的掌靜脈圖像后，經(jīng)過圖像預處理，利用一定的特征提取算法得到掌靜脈圖像的特征信息，特征信息被存儲到系統(tǒng)特征數(shù)據(jù)庫就完成了注冊階段，構建了掌靜脈樣本數(shù)據(jù)庫。在識別階段，近紅外裝置獲取未知用戶的掌靜脈圖像后，按照與構建樣本數(shù)據(jù)庫階段同樣的預處理和提取特征手段提取特征信息，將提取到的特征信息和數(shù)據(jù)庫里已有的數(shù)據(jù)信息進行匹配，從而完成掌靜脈識別過程。圖2.3掌靜脈識別系統(tǒng)流程圖

【參考文獻】：
期刊論文
[1]手掌靜脈識別中感興趣區(qū)域的選擇與定位研究[J]. 吳微,苑瑋琦,林森,宋輝,張洪濤.  光電子.激光. 2013(01)
[2]基于遺傳算法自適應建立HMM的靜脈識別算法[J]. 薛定宇,賈旭,崔建江,劉晶.  東北大學學報(自然科學版). 2011(11)
[3]基于分塊脊波變換的手背靜脈識別算法[J]. 賈旭,薛定宇,崔建江,劉晶.  模式識別與人工智能. 2011(03)
[4]基于中值夾角鏈碼的掌靜脈特征提取[J]. 楊闖,陳家新,黎蔚.  計算機應用. 2009(11)
[5]人臉識別技術之應用問題談[J]. 蘇光大.  中國安防. 2008(07)
[6]基于靜脈識別的身份認證方法研究[J]. 王科俊,丁宇航,王大振.  科技導報. 2005(01)
[7]人體手背血管圖像的特征提取及匹配[J]. 林喜榮,莊波,蘇曉生,周云龍,包桂秋.  清華大學學報(自然科學版). 2003(02)

博士論文
[1]非接觸成像方式下手掌特征提取方法研究[D]. 李威.沈陽工業(yè)大學 2013
[2]掌紋掌脈及其融合識別技術研究[D]. 張環(huán).國防科學技術大學 2011
[3]掌靜脈身份識別技術的理論與實驗研究[D]. 李強.華中科技大學 2010

碩士論文
[1]掌靜脈識別系統(tǒng)研究與實現(xiàn)[D]. 張文輝.電子科技大學 2017
[2]基于二次判別和局部信息及特征融合的手靜脈識別[D]. 孟昭慧.復旦大學 2014
[3]基于多特征融合的手背靜脈識別算法研究[D]. 胡云朋.天津理工大學 2014
[4]基于掌紋和手背靜脈的多模態(tài)生物認證系統(tǒng)的設計與實現(xiàn)[D]. 陳梓毅.華南理工大學 2011



本文編號：3253794