生物識(shí)別是融合了計(jì)算機(jī)、生物傳感器等技術(shù),利用固有的人體特性來(lái)進(jìn)行身份鑒定的技術(shù)。常見(jiàn)的生物特性包括靜脈、指紋、面孔、瞳孔等。與其它生物特性相比,指靜脈特征信息隱藏在人體表皮之下,不易被污染、毀壞、盜取,具有更高的安全性,因而逐漸成為身份識(shí)別領(lǐng)域的研究熱點(diǎn)。但是指靜脈圖像的采集過(guò)程不易規(guī)范化,并常常出現(xiàn)曝光不均、噪聲過(guò)多等問(wèn)題。針對(duì)這類問(wèn)題,本文對(duì)圖像特征提取與匹配算法進(jìn)行了研究,并做了如下工作。（1）本文通過(guò)分析指靜脈圖像的特征分布及像素特點(diǎn),引入模糊C均值聚類（Fuzzy Cmeans clustering,FCM）算法,提出了一種基于FCM的灰度不均勻校正算法（FCM based Intensity In Homogeneity Correction,FCM-IIHC）。仿真結(jié)果表明,傳統(tǒng)灰度不均勻校正算法應(yīng)用在靜脈圖像上會(huì)造成特征損失。而FCM-IIHC算法不僅降低了特征損失,而且實(shí)現(xiàn)更好的校正效果。應(yīng)用在相同圖像匹配算法場(chǎng)景下,指靜脈圖像經(jīng)過(guò)FCM-IIHC算法處理比用傳統(tǒng)方法處理得到的匹配性能更優(yōu)。（2）本文通過(guò)研究加速魯棒性特征（Speeded-Up Robust Fea... 

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
專用術(shù)語(yǔ)注釋表
第一章 緒論
    1.1 研究背景與意義
    1.2 本文主要工作
    1.3 本文結(jié)構(gòu)安排
第二章 指靜脈識(shí)別相關(guān)研究
    2.1 指靜脈識(shí)別基本流程
    2.2 指靜脈識(shí)別相關(guān)算法
        2.2.1 圖像預(yù)處理
        2.2.2 特征提取
        2.2.3 圖像匹配
    2.3 指靜脈圖像質(zhì)量評(píng)估指標(biāo)
    2.4 灰度不均勻校正算法
        2.4.1 灰度不均勻校正算法的基本原理
        2.4.2 指靜脈圖像的灰度不均勻校正
    2.5 本章小結(jié)
第三章 基于FCM的指靜脈圖像的灰度不均勻校正算法
    3.1 引言
    3.2 傳統(tǒng)灰度不均勻校正方法的不足
    3.3 基于FCM的灰度不均勻校正
        3.3.1 指靜脈圖像區(qū)域劃分
        3.3.2 特征密集區(qū)域的特征增強(qiáng)
        3.3.3 特征區(qū)域提取
        3.3.4 算法流程概述
    3.4 仿真實(shí)驗(yàn)與分析
        3.4.1 仿真環(huán)境及實(shí)驗(yàn)設(shè)置
        3.4.2 仿真結(jié)果與分析
    3.5 本章小結(jié)
第四章 基于SURF的指靜脈圖像特征提取與匹配算法
    4.1 引言
    4.2 角點(diǎn)特征的選擇
    4.3 基于SURF的圖像特征提取與匹配
        4.3.1 Shi-Tomasi角點(diǎn)特征檢測(cè)
        4.3.2 特征描述
        4.3.3 特征匹配計(jì)算
        4.3.4 剔除錯(cuò)誤匹配
        4.3.5 算法流程概述
    4.4 仿真實(shí)驗(yàn)與分析
        4.4.1 仿真環(huán)境及實(shí)驗(yàn)設(shè)置
        4.4.2 仿真對(duì)比實(shí)驗(yàn)
        4.4.3 仿真結(jié)果與性能分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間申請(qǐng)的專利
附錄2 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于Harris角點(diǎn)和SURF特征的遙感圖像匹配算法[J]. 葛盼盼,陳強(qiáng),顧一禾.  計(jì)算機(jī)應(yīng)用研究. 2014(07)
[2]基于Harris角點(diǎn)和改進(jìn)SURF描述子的圖像快速拼接[J]. 楊超,余厚云,劉斌.  現(xiàn)代電子技術(shù). 2015(11)
[3]基于特征值加權(quán)融合的手指靜脈圖像質(zhì)量評(píng)估[J]. 余成波,胡晶晶,孔慶達(dá),余玉潔,鄧順華.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2016(02)
[4]基于分塊LBP和分塊PCA的指靜脈識(shí)別方法[J]. 楊文文,毛建旭,陳姜嘉旭.  電子測(cè)量與儀器學(xué)報(bào). 2016(07)
[5]結(jié)合小波金字塔的快速NCC圖像匹配算法[J]. 吳鵬,徐洪玲,宋文龍.  哈爾濱工程大學(xué)學(xué)報(bào). 2017(05)
[6]基于細(xì)線距離順序統(tǒng)計(jì)量指靜脈快速識(shí)別算法[J]. 李小剛,沈雷,張嚴(yán)嚴(yán),藍(lán)師偉.  杭州電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[7]基于邊緣檢測(cè)加權(quán)引導(dǎo)濾波的指靜脈圖像增強(qiáng)算法[J]. 曹偉,王華彬,石軍,余銳,陶亮.  激光與光電子學(xué)進(jìn)展. 2017(02)
[8]高動(dòng)態(tài)多光照環(huán)境下圖像灰度校正方法研究[J]. 郭永鋒,夏輝麗.  科學(xué)技術(shù)與工程. 2017(23)
[9]改進(jìn)的RANSAC基礎(chǔ)矩陣估計(jì)算法[J]. 張永祥,古佩強(qiáng),穆鐵英.  小型微型計(jì)算機(jī)系統(tǒng). 2016(09)
[10]基于SIFT和SURF的醫(yī)學(xué)圖像特征匹配研究[J]. 鹿煜煒,胡峻.  中國(guó)醫(yī)療設(shè)備. 2016(04)

碩士論文
[1]一種結(jié)合圖像質(zhì)量評(píng)估和圖像增強(qiáng)的指靜脈識(shí)別方法[D]. KASHIF SHAHEED.山東大學(xué) 2019
[2]低質(zhì)量手指靜脈圖像特征提取算法研究[D]. 許琳英.重慶理工大學(xué) 2019
[3]基于SIFT特征提取的靜脈身份認(rèn)證技術(shù)研究[D]. 魏坦.北京郵電大學(xué) 2019
[4]指靜脈三維點(diǎn)云采集與信息提取研究[D]. 唐綺雯.桂林電子科技大學(xué) 2018
[5]磁共振圖像灰度不均勻校正算法研究[D]. 朱涵友.電子科技大學(xué) 2018
[6]基于特征點(diǎn)提取與點(diǎn)集匹配的圖像匹配算法研究[D]. 李秀洋.西安電子科技大學(xué) 2018
[7]基于改進(jìn)的SIFT圖像匹配算法研究[D]. 翟雨微.吉林大學(xué) 2017
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的嵌入式指靜脈識(shí)別系統(tǒng)[D]. 黃志星.華南理工大學(xué) 2017
[9]手指靜脈圖像質(zhì)量評(píng)價(jià)與識(shí)別方法的研究[D]. 周麗珍.山東大學(xué) 2016
[10]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



本文編號(hào)：3724568