隨著21世紀(jì)的到來(lái),人們的安全意識(shí)極大提高,傳統(tǒng)身份識(shí)別鑒定方法難以滿足當(dāng)前的社會(huì)需要。生物特征（包括顯性和隱性特征）識(shí)別是依據(jù)人的生理或行為特征來(lái)識(shí)別鑒定,其普遍性、唯一性、穩(wěn)定性更好。隱性生物特征較顯性生物特征具有不可仿制和偽造等特點(diǎn),更安全可靠。手掌靜脈是體內(nèi)生物特征,活體特質(zhì),無(wú)法偽造和復(fù)制,屬于隱性特征。比掌紋、指紋、人臉等顯性特征安全性高,比聲音、步態(tài)穩(wěn)定性好,比虹膜更易采集。因此,手掌靜脈識(shí)別逐漸發(fā)展為此領(lǐng)域的焦點(diǎn)。手掌靜脈識(shí)別安全可控性高,但其皮內(nèi)特性使圖像采集質(zhì)量較低。需在預(yù)處理階段進(jìn)行更有效的圖像增強(qiáng),并采取更先進(jìn)的技術(shù)進(jìn)行圖像識(shí)別。本文即針對(duì)掌脈識(shí)別,深入研究并提出基于自適應(yīng)融合的手掌靜脈圖像增強(qiáng)方法,同時(shí)基于深度學(xué)習(xí)提出一種較為先進(jìn)的手掌靜脈識(shí)別方法。一、基于自適應(yīng)融合的圖像增強(qiáng)方法:根據(jù)圖像評(píng)價(jià)指標(biāo),判定不同圖像增強(qiáng)方法的優(yōu)劣勢(shì),以自適應(yīng)方式設(shè)置不同增強(qiáng)圖像的融合權(quán)重,達(dá)到不同增強(qiáng)方法優(yōu)劣互補(bǔ)的效果。針對(duì)手掌靜脈圖像,作為自適應(yīng)融合圖像增強(qiáng)案例,本文列舉了兩種不同的自適應(yīng)融合圖像增強(qiáng)方法,采用了兩種不同的自適應(yīng)融合策略。（1）基于POSHE和DCP自適應(yīng)融合的... 

【文章來(lái)源】：南方醫(yī)科大學(xué)廣東省

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－３手掌靜脈圖像采集裝置??Ｆｉｇ．２－３?Ｐａｌｍ?ｖｅｉｎ?ｉｍａｇｅ?ａｃｑｕｉｓｉｔｉｏｎ?ｄｅｖｉｃｅ??７??

?第三章基于自適應(yīng)融合的手掌靜脈圖像增強(qiáng)???０．３５?－?｜?．?ＣＡＳＩＡ?１－???ＰｏｌｙＵ?Ｉ??１?｜?？?自建庫(kù)?｜??０?２００?４００?６００?８００?１０００?１２００??２００芡??圖３－４各圖像的變異系數(shù)??Ｆｉｇ．３－４?Ｖａｒｉａｔｉｏｎ?ｃｏｅｆｆｉｃｉｅｎｔ?ｏｆ?ｅａｃｈ?ｉｍａｇｅ??根據(jù)公式（３－６），自適應(yīng)選取ＤＣＰ中的《，既能滿足不同圖像對(duì)去霧程度的??要求，又簡(jiǎn)化了《的復(fù)雜調(diào)參過(guò)程。既節(jié)省時(shí)間，又提高了去霧的準(zhǔn)確性。以??ＣＡＳＩＡ圖像為例驗(yàn)證自適應(yīng)ＤＣＰ的準(zhǔn)確性，圖３－５為只進(jìn)行ＤＣＰ增強(qiáng)時(shí)，《取??不同值時(shí)的ＥＥＲ�？梢�(jiàn)，自適應(yīng)選榷時(shí)，ＥＥＲ［６１］（曲線與直線交點(diǎn)）最低。表??明自適應(yīng)ＤＣＰ更適用于掌脈圖像的增強(qiáng)，去霧準(zhǔn)確性更高，增強(qiáng)效果更好。??０．２?ｒｖ?＜?＞?＇?＇?■丨＇?＇??＼?—＊—ｃｏ＝ｂ／ａ???ｘ＝ｙ??。＋１８?獻(xiàn)?二丨??／?—－—１〇＝０．６??０．１４?－?Ｚ?一＝〇？？［??Ｌ．??Ｃ?０Ｂ?－??ＩＸ?．?Ｊ??０．０６?０．０８?０．１?０．１２?０．１４?０．１６?０．１８??ＦＡＲ??圖３－５?ｃｕ不同取值時(shí)的ＥＥＲ??Ｆｉｇ．３－５?ＥＥＲ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｖａｌｕｅｓ?ｏｆ？??３．?３．?５自適應(yīng)融合??結(jié)合不同算法的增強(qiáng)圖像，圖像的評(píng)價(jià)指標(biāo)…均值和標(biāo)準(zhǔn)差，會(huì)直接影響增??２０??

?第三章基于自適應(yīng)融合的手掌靜脈圖像增強(qiáng)???０．３５?－?｜?．?ＣＡＳＩＡ?１－???ＰｏｌｙＵ?Ｉ??１?｜?？?自建庫(kù)?｜??０?２００?４００?６００?８００?１０００?１２００??２００芡??圖３－４各圖像的變異系數(shù)??Ｆｉｇ．３－４?Ｖａｒｉａｔｉｏｎ?ｃｏｅｆｆｉｃｉｅｎｔ?ｏｆ?ｅａｃｈ?ｉｍａｇｅ??根據(jù)公式（３－６），自適應(yīng)選取ＤＣＰ中的《，既能滿足不同圖像對(duì)去霧程度的??要求，又簡(jiǎn)化了《的復(fù)雜調(diào)參過(guò)程。既節(jié)省時(shí)間，又提高了去霧的準(zhǔn)確性。以??ＣＡＳＩＡ圖像為例驗(yàn)證自適應(yīng)ＤＣＰ的準(zhǔn)確性，圖３－５為只進(jìn)行ＤＣＰ增強(qiáng)時(shí)，《取??不同值時(shí)的ＥＥＲ。可見(jiàn)，自適應(yīng)選榷時(shí)，ＥＥＲ［６１］（曲線與直線交點(diǎn)）最低。表??明自適應(yīng)ＤＣＰ更適用于掌脈圖像的增強(qiáng)，去霧準(zhǔn)確性更高，增強(qiáng)效果更好。??０．２?ｒｖ?＜?＞?＇?＇?■丨＇?＇??＼?—＊—ｃｏ＝ｂ／ａ???ｘ＝ｙ??。＋１８?獻(xiàn)?二丨??／?—－—１〇＝０．６??０．１４?－?Ｚ?一＝〇？？［??Ｌ．??Ｃ?０Ｂ?－??ＩＸ?．?Ｊ??０．０６?０．０８?０．１?０．１２?０．１４?０．１６?０．１８??ＦＡＲ??圖３－５?ｃｕ不同取值時(shí)的ＥＥＲ??Ｆｉｇ．３－５?ＥＥＲ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｖａｌｕｅｓ?ｏｆ？??３．?３．?５自適應(yīng)融合??結(jié)合不同算法的增強(qiáng)圖像，圖像的評(píng)價(jià)指標(biāo)…均值和標(biāo)準(zhǔn)差，會(huì)直接影響增??２０??

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)AlexNet卷積神經(jīng)網(wǎng)絡(luò)的手掌靜脈識(shí)別算法研究[J]. 林坤,雷印杰.  現(xiàn)代電子技術(shù). 2020(07)
[2]基于改進(jìn)深度殘差網(wǎng)絡(luò)的計(jì)算斷層掃描圖像分類算法[J]. 黃盛,李菲菲,陳虬.  光學(xué)學(xué)報(bào). 2020(03)
[3]基于Hessian矩陣和Gabor濾波的手指靜脈特征提取[J]. 楊如民,許琳英,余成波.  兵器裝備工程學(xué)報(bào). 2019(03)
[4]手掌靜脈識(shí)別:基于端到端卷積神經(jīng)網(wǎng)絡(luò)方法[J]. 杜東陽(yáng),路利軍,符瑞陽(yáng),袁麗莎,陳武凡,劉婭琴.  南方醫(yī)科大學(xué)學(xué)報(bào). 2019(02)
[5]結(jié)合深度神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林的手掌靜脈分類[J]. 袁麗莎,婁夢(mèng)瑩,劉婭琴,楊豐,黃靖.  激光與光電子學(xué)進(jìn)展. 2019(10)
[6]改進(jìn)的單幅近紅外掌紋掌靜脈圖像融合識(shí)別[J]. 江曉龍,王華彬,王東旭,朱顏,陶亮.  計(jì)算機(jī)應(yīng)用研究. 2019(06)
[7]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)
[8]基于散射卷積網(wǎng)絡(luò)的手指靜脈識(shí)別方法研究[J]. 陳朋,姜立,王海霞,陳培.  浙江工業(yè)大學(xué)學(xué)報(bào). 2018(01)
[9]基于Gabor小波和NBP算法的手掌靜脈識(shí)別[J]. 林森,徐天揚(yáng),王穎.  激光與光電子學(xué)進(jìn)展. 2017(05)
[10]基于Zedboard的掌靜脈采集認(rèn)證系統(tǒng)設(shè)計(jì)[J]. 陳騰蛟,劉婭琴,葉林鋒,楊豐.  電子技術(shù)應(yīng)用. 2016(02)

博士論文
[1]掌靜脈身份識(shí)別技術(shù)的理論與實(shí)驗(yàn)研究[D]. 李強(qiáng).華中科技大學(xué) 2010

碩士論文
[1]非接觸式多光譜掌靜脈識(shí)別系統(tǒng)設(shè)計(jì)[D]. 陶靜靜.安徽理工大學(xué) 2019
[2]高清手掌靜脈圖像的獲取與預(yù)處理方法研究[D]. 藍(lán)曉柯.浙江工業(yè)大學(xué) 2015



本文編號(hào)：3434232