手指靜脈識(shí)別系統(tǒng)的性能非常依賴于采集圖像的質(zhì)量,但是采集設(shè)備在成像和傳輸時(shí)產(chǎn)生的各類噪聲,以及開(kāi)放式使用場(chǎng)景下設(shè)備鏡面上存在臟污、用戶手指存在蛻皮情況等因素都會(huì)對(duì)圖像質(zhì)量造成極大的影響,增大后續(xù)特征提取的難度,最終影響整個(gè)系統(tǒng)的識(shí)別性能。針對(duì)目前現(xiàn)有的圖像去噪算法和修復(fù)算法在處理手指靜脈圖像的過(guò)程中,并沒(méi)有準(zhǔn)確地利用圖像的紋理特征信息,導(dǎo)致去噪后靜脈紋理邊緣模糊甚至部分靜脈信息丟失、修復(fù)后靜脈邊緣斷裂等問(wèn)題,提出了基于Gabor紋理特征的手指靜脈圖像去噪與修復(fù)算法研究,在消除噪聲或是修復(fù)破損區(qū)域的同時(shí),充分利用圖像的紋理特征信息,起到能更好地保護(hù)靜脈紋理邊緣結(jié)構(gòu)的作用,對(duì)靜脈血管類圖像處理具有很好地借鑒意義。具體研究?jī)?nèi)容如下:1.提出基于Gabor小波的手指靜脈圖像紋理特征垂直相位差編碼方式,相比傳統(tǒng)圖像去噪算法或是修復(fù)算法所采用的灰度結(jié)構(gòu)以及梯度信息,Gabor小波良好的尺度性和方向性能較好地匹配手指靜脈粗細(xì)與延伸方向不同的特點(diǎn),并且對(duì)光強(qiáng)變化和噪聲干擾具有一定的魯棒性,更適于提取手指靜脈圖像的紋理邊緣信息,編碼所得Gabor紋理特征能更準(zhǔn)確地描述靜脈紋理走向。理論分析與實(shí)驗(yàn)證明了該... 

【文章來(lái)源】：杭州電子科技大學(xué)浙江省

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

010-2020年全球生物識(shí)別技術(shù)市場(chǎng)規(guī)模統(tǒng)計(jì)及預(yù)測(cè)

杭州電子科技大學(xué)碩士學(xué)位論文2圖1.22002-2021年中國(guó)生物識(shí)別技術(shù)市場(chǎng)規(guī)模統(tǒng)計(jì)及預(yù)測(cè)如圖1.2，雖然早期我國(guó)在生物特征識(shí)別領(lǐng)域研究比國(guó)外起步慢，并且由于技術(shù)創(chuàng)新性不足，應(yīng)用推廣有限，生產(chǎn)價(jià)格成本較高等制約受到了一定局限性，但是整體規(guī)模還是處于螺旋上升的態(tài)勢(shì)，尤其是近年來(lái)保持著高速增長(zhǎng)狀態(tài)，產(chǎn)業(yè)潛力巨大。從現(xiàn)在國(guó)內(nèi)情況來(lái)看，我國(guó)在生物識(shí)別技術(shù)上的研究成果已經(jīng)達(dá)到世界前列，雖然在實(shí)際應(yīng)用和滲透率相比歐美市場(chǎng)差距還很大，但是目前生物識(shí)別行業(yè)增速穩(wěn)定，專家預(yù)計(jì)未來(lái)國(guó)內(nèi)將有非常大的發(fā)展空間。生物特征識(shí)別技術(shù)通過(guò)人體本身的行為或者生理特征對(duì)個(gè)人身份進(jìn)行認(rèn)證。目前已經(jīng)被開(kāi)發(fā)的生物特征主要有人臉、虹膜、掌紋[6-7]、靜脈、指紋、基因組成DNA等，根據(jù)A.K.J等人的總結(jié)[8]，衡量一個(gè)人體的生理或者行為特征可以作為生物識(shí)別技術(shù)的主要關(guān)鍵點(diǎn)有：1）唯一性：該特征被每一個(gè)個(gè)體唯一擁有，不存在不同個(gè)體出現(xiàn)重復(fù)特征的情況。2）持久性：應(yīng)當(dāng)較長(zhǎng)一短時(shí)間內(nèi)不受人體年齡的增長(zhǎng)與外界環(huán)境的改變而發(fā)生變化。3）安全性：應(yīng)當(dāng)具備較高的安全性和防偽造性，保護(hù)個(gè)人信息的安全。4）識(shí)別性能：該特征的識(shí)別能力需要達(dá)到一定的精確度、外界因素對(duì)其識(shí)別性能的影響應(yīng)該盡量小等。目前生物特征識(shí)別技術(shù)中市場(chǎng)規(guī)模最大、發(fā)展最成熟的仍然是指紋識(shí)別技術(shù)[9-10]，其作為最早的生物特征經(jīng)過(guò)數(shù)十年的發(fā)展已經(jīng)被研究人員研究地相當(dāng)徹底。因其特征區(qū)域較小，比對(duì)速度快，并且采集設(shè)備便于嵌入集成到各類硬件設(shè)備中，指紋識(shí)別得到了非常廣泛應(yīng)用，包括我國(guó)公安系統(tǒng)中就記錄了每個(gè)公民的指紋信息，當(dāng)罪犯在犯罪現(xiàn)場(chǎng)留下指紋時(shí)，通過(guò)指紋的特征比對(duì)可以幫助警察抓捕犯人。但是由于指紋屬于體表特征，某些存在手汗癥的人用起來(lái)苦不堪言，并且如果

杭州電子科技大學(xué)碩士學(xué)位論文15得到相應(yīng)的提升，Baudes于2005年提出了非局部均值濾波算法。該算法利用了自然圖像中普遍存在的冗余信息來(lái)消除噪聲，其可以利用整幅圖像中的所有像素點(diǎn)，然后將這些像素點(diǎn)根據(jù)某種相似度計(jì)算后進(jìn)行加權(quán)平均得到去噪后的結(jié)果。因此NLM濾波算法相比傳統(tǒng)的鄰域?yàn)V波算法，具有良好的去噪性能的同時(shí)，也具備一定保持圖像原有邊緣的特性，近年來(lái)成為圖像去噪的研究熱點(diǎn)之一。圖2.1非局部均值濾波相似塊示意圖手指靜脈圖像也是具有自相似性的，相同靜脈走向結(jié)構(gòu)上像素點(diǎn)十分相似，即使距離較遠(yuǎn)的像素點(diǎn)之間也會(huì)存在一定的相關(guān)性。NLM算法中影響像素點(diǎn)之間相似性的因素除了距離之外，還會(huì)考慮該像素點(diǎn)周圍的鄰域。如圖2.1，雖然點(diǎn)p與q1和q2的距離都差不多，但是點(diǎn)p與點(diǎn)q2處于同一條靜脈上，兩者鄰域相似度高，而q1和p鄰域結(jié)構(gòu)相差較大，因此q2應(yīng)擁有較大的權(quán)值；同理，N1與N2都屬于圖像背景區(qū)、N3與N4都屬于靜脈結(jié)構(gòu)區(qū)，因此N1與N2、N3與N4的鄰域十分相似。因此在圖像較大范圍內(nèi)搜尋相似區(qū)域進(jìn)行加權(quán)平均的計(jì)算方式會(huì)比僅僅利用待去噪像素點(diǎn)周圍鄰域的像素信息進(jìn)行提取計(jì)算的方式效果要好。對(duì)于一副含有噪聲的數(shù)字圖像Iiigg}|)({，I表示整幅圖像的坐標(biāo)域，對(duì)于每一個(gè)待去噪的目標(biāo)像素點(diǎn)i，NLM算法的計(jì)算公式可以表示如下[32]：IjjgjiwigNL)(),()]([（2.9）式中，加權(quán)系數(shù)jiw),(由反映了目標(biāo)點(diǎn)i與加權(quán)點(diǎn)j兩者的相似性，限定要求為：jiw1),(0，jiw1),(。目標(biāo)像素點(diǎn)i與加權(quán)像素點(diǎn)j之間的相似性由以i為中心點(diǎn)的目標(biāo)鄰域窗iN的灰度向量)(iNg和以j為中心點(diǎn)的加權(quán)鄰域窗jN的灰度向量)(jNg決定，鄰域窗一般取大小為kk的正方形。采用高斯加權(quán)歐氏距離來(lái)計(jì)算兩者的相似性：2,2)()(),(jijiNdgNgNN（2.10）式中0，為

【參考文獻(xiàn)】：
期刊論文
[1]一種改進(jìn)的小波閾值去噪算法[J]. 崔公哲,張朝霞,楊玲珍,王娟芬.  現(xiàn)代電子技術(shù). 2019(19)
[2]一種改進(jìn)的Criminisi新算法的圖像復(fù)原技術(shù)[J]. 陳美玲,朱鋁芬,張?jiān)?石瑤.  現(xiàn)代信息科技. 2019(18)
[3]基于非局部均值濾波的醫(yī)學(xué)CT圖像去噪算法[J]. 劉翔,石振剛,臧晶.  沈陽(yáng)理工大學(xué)學(xué)報(bào). 2019(03)
[4]一種改進(jìn)均值的自適應(yīng)中值濾波算法[J]. 帥慕蓉,廖秀英,程輝,謝貽文,楊鵬飛.  測(cè)繪通報(bào). 2019(03)
[5]手指靜脈紅外圖像血管網(wǎng)絡(luò)修復(fù)新方法[J]. 賈桂敏,李振娟,楊金鋒,李乾司茂.  紅外與激光工程. 2019(04)
[6]基于Sobel算子的Criminisi改進(jìn)算法[J]. 崔天卿,許凱,閻石.  計(jì)算機(jī)與數(shù)字工程. 2018(10)
[7]基于小波閾值和全變分模型的圖像去噪[J]. 張弘,周曉莉.  計(jì)算機(jī)應(yīng)用研究. 2019(11)
[8]基于多特征閾值融合的手指靜脈識(shí)別算法[J]. 藍(lán)師偉,沈雷.  杭州電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(05)
[9]生物特征提取的Gabor濾波器參數(shù)設(shè)計(jì)[J]. 馬帥旗.  陜西理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[10]一種基于改進(jìn)非局部均值濾波算法的紅外圖像去噪[J]. 郭晨龍,趙旭陽(yáng),鄭海燕,梁錫寧.  紅外技術(shù). 2018(07)

博士論文
[1]手指靜脈識(shí)別若干關(guān)鍵問(wèn)題研究[D]. 襲肖明.山東大學(xué) 2015
[2]面向低質(zhì)量圖像的手指靜脈識(shí)別關(guān)鍵技術(shù)研究[D]. 劉通.國(guó)防科學(xué)技術(shù)大學(xué) 2014
[3]手指靜脈圖像的去噪與分割算法研究[D]. 陳玫玫.吉林大學(xué) 2010

碩士論文
[1]基于非局部均值濾波的圖像去噪算法[D]. 王銀杰.哈爾濱理工大學(xué) 2019
[2]手指靜脈識(shí)別關(guān)鍵技術(shù)的研究與實(shí)現(xiàn)[D]. 逄增耀.武漢理工大學(xué) 2017
[3]圖像非局部均值濾波去噪和修復(fù)算法的改進(jìn)研究[D]. 楊帆.南昌航空大學(xué) 2015
[4]基于FMM算法的圖像修復(fù)[D]. 范謙.揚(yáng)州大學(xué) 2014
[5]基于偏微分方程的指靜脈識(shí)別技術(shù)研究[D]. 張鳳春.吉林大學(xué) 2012
[6]基于TV模型和紋理合成的圖像修復(fù)算法研究[D]. 彭嘯.華南理工大學(xué) 2011
[7]多小波理論在指紋與手指靜脈圖像處理中的應(yīng)用[D]. 孫艷杰.哈爾濱工程大學(xué) 2009



本文編號(hào)：3475199