發(fā)布時(shí)間：2022-02-21 22:18

　　信息化時(shí)代,人們對(duì)信息的安全保護(hù)意識(shí)日益提高,需要對(duì)個(gè)體進(jìn)行身份認(rèn)證的場(chǎng)合隨處可見(jiàn)。手指靜脈識(shí)別技術(shù)由于其非接觸、活體采集、安全級(jí)別高等優(yōu)勢(shì),已經(jīng)成為必要的身份識(shí)別和認(rèn)證手段。然而手指靜脈識(shí)別技術(shù)由于靜脈圖像質(zhì)量的制約,還未廣泛的進(jìn)入市場(chǎng)化。主要由于:采集裝置的優(yōu)劣、手指位置擺放不同、個(gè)體生理差異等。這些因素造成的低對(duì)比度、灰度不均、偏移、模糊的低質(zhì)量圖片,直接影響手指靜脈特征提取的難度,降低識(shí)別性能。因此本文主要從增強(qiáng)算法和分割算法入手對(duì)低質(zhì)量手指靜脈圖像進(jìn)行特征提取算法進(jìn)行研究。主要的研究?jī)?nèi)容如下:（1）手指靜脈圖像預(yù)處理。對(duì)手指靜脈圖像進(jìn)行邊緣檢測(cè)、形態(tài)學(xué)操作。采用HU矩對(duì)圖像進(jìn)行平移旋轉(zhuǎn)矯正,得到感興趣歸一化手指區(qū)域。（2）提出基于Hessian矩陣的特征值比率增強(qiáng)算法。本文將Frangi濾波增強(qiáng)算法應(yīng)用到手指靜脈圖像增強(qiáng)中,增強(qiáng)效果較差。通過(guò)分析其原理并對(duì)其改進(jìn),提出了基于Hessian矩陣的特征值比率的增強(qiáng)算法。提出的算法對(duì)低質(zhì)量靜脈圖像較粗靜脈增強(qiáng)的同時(shí),細(xì)節(jié)特征也可有效增強(qiáng),并且克服了Frangi濾波增強(qiáng)算法對(duì)彎曲、靜脈交叉點(diǎn)的抑制現(xiàn)象,消除了靜脈結(jié)構(gòu)內(nèi)部的孔洞現(xiàn)象。（... 

【文章來(lái)源】：重慶理工大學(xué)重慶市

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景與意義
    1.2 手指靜脈識(shí)別技術(shù)簡(jiǎn)介
    1.3 手指靜脈識(shí)別研究現(xiàn)狀
    1.4 手指靜脈特征提取算法研究現(xiàn)狀
    1.5 論文研究目標(biāo)及主要內(nèi)容
    1.6 論文結(jié)構(gòu)安排
2 手指靜脈圖像預(yù)處理方法研究
    2.1 手指粗分割
        2.1.1 sobel邊緣檢測(cè)
        2.1.2 形態(tài)學(xué)操作
    2.2 HU矩的旋轉(zhuǎn)矯正
    2.3 平移矯正
    2.4 灰度歸一化
    2.5 仿真結(jié)果與分析
    2.6 小結(jié)
3 基于特征值比率的手指靜脈圖像增強(qiáng)算法研究
    3.1 基于Hessian矩陣的增強(qiáng)算法
    3.2 Frangi濾波增強(qiáng)算法
    3.3 基于Hessian矩陣的特征值比率增強(qiáng)算法
    3.4 仿真結(jié)果與分析
    3.5 小結(jié)
4 基于融合增強(qiáng)的手指靜脈圖像特征提取算法研究
    4.1 Gabor濾波增強(qiáng)
    4.2 差值Gabor濾波增強(qiáng)優(yōu)化算法
    4.3 匹配濾波增強(qiáng)算法
    4.4 融合增強(qiáng)算法
        4.4.1 圖像融合方法
        4.4.2 離散小波變換
        4.4.3 小波圖像融合
    4.5 仿真結(jié)果與分析
    4.6 小結(jié)
5 手指靜脈圖像的分割與匹配方法研究
    5.1 二維最大熵閾值分割算法分析
    5.2 遺傳算法分析
        5.2.1 基于遺傳算法的最大熵閾值圖像分割
        5.2.2 分割結(jié)果及分析
    5.3 手指靜脈圖像模板匹配算法
        5.3.1 模板匹配算法
        5.3.2 匹配分?jǐn)?shù)
    5.4 評(píng)判標(biāo)準(zhǔn)
    5.5 仿真結(jié)果與分析
    5.6 小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于局部宏觀結(jié)構(gòu)和微觀特征融合的手指靜脈識(shí)別算法[J]. 程申前,游林.  通信技術(shù). 2018(07)
[2]基于灰度不均勻矯正和SIFT的手指靜脈識(shí)別方法[J]. 孟憲靜,襲肖明,楊璐,尹義龍.  南京大學(xué)學(xué)報(bào)(自然科學(xué)). 2018(01)
[3]利用雙倍二元模式進(jìn)行手指靜脈識(shí)別[J]. 王煉紅,張倩.  小型微型計(jì)算機(jī)系統(tǒng). 2017(10)
[4]基于Hessian矩陣的手指靜脈圖像分割[J]. 林劍,鐘舜聰,張翔.  機(jī)電工程. 2016(12)
[5]復(fù)雜背景下的最大熵閾值紅外目標(biāo)分割算法[J]. 溫凱峰,葉仕通,萬(wàn)智萍.  激光與紅外. 2016(01)
[6]基于Hessian矩陣特征值聚類(lèi)的腦血管分割方法[J]. 曹容菲,王醒策,武仲科,周明全,田沄,劉新宇.  系統(tǒng)仿真學(xué)報(bào). 2014(09)
[7]基于動(dòng)作輪廓特征的人體動(dòng)作識(shí)別[J]. 李楓.  蘭州工業(yè)學(xué)院學(xué)報(bào). 2014(03)
[8]淺析數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用[J]. 肖大雪.  科技廣場(chǎng). 2013(05)
[9]基于核Fisher鑒別分析的手指靜脈識(shí)別[J]. 余成波,張進(jìn),張一萌,李洪兵.  重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(01)
[10]基于中值濾波和Hu矩向量的手語(yǔ)識(shí)別[J]. 華斌,夏利娜.  計(jì)算機(jī)工程與設(shè)計(jì). 2011(02)

碩士論文
[1]手指靜脈圖像質(zhì)量評(píng)估算法研究[D]. 胡晶晶.重慶理工大學(xué) 2016
[2]多生物特征密碼技術(shù)的研究與實(shí)現(xiàn)[D]. 陳宇磊.杭州電子科技大學(xué) 2016
[3]基于局部特征的手指靜脈識(shí)別[D]. 董頌.天津科技大學(xué) 2016
[4]指靜脈身份識(shí)別算法的研究[D]. 龐曉紅.河北工業(yè)大學(xué) 2015
[5]手指靜脈角點(diǎn)三維建模方法研究[D]. 崔靜.國(guó)防科學(xué)技術(shù)大學(xué) 2012
[6]基于特征點(diǎn)和子空間的手指靜脈識(shí)別技術(shù)研究[D]. 金懷國(guó).北京交通大學(xué) 2012
[7]可見(jiàn)光和紅外圖像融合質(zhì)量評(píng)價(jià)研究[D]. 張小鳳.華中科技大學(xué) 2007



本文編號(hào)：3638139