手指靜脈識(shí)別是利用靜脈血液中的血紅蛋白對近紅外光的吸收特性來采集手指靜脈圖像進(jìn)而進(jìn)行身份識(shí)別的。相比較其他生物特征識(shí)別,手指靜脈識(shí)別具有以下優(yōu)勢：(1)非接觸式采集：一方面,手指靜脈圖像不容易受手指表面條件影響,另一方面,非接觸式采集對用戶來說較為方便、衛(wèi)生。(2)活體識(shí)別：手指靜脈圖像只有在活體時(shí)才能采集到。(3)高安全性：手指靜脈是人體的內(nèi)部特征,因此難以被盜竊、復(fù)制。(4)采集設(shè)備�。号c掌靜脈和手背靜脈采集設(shè)備相比,手指靜脈的采集設(shè)備體積較小,便于攜帶。目前,手指靜脈識(shí)別已經(jīng)逐步在樓宇門禁、銀行、ATM存取款機(jī)、汽車安全等眾多領(lǐng)域已經(jīng)得到一定的應(yīng)用。上述優(yōu)勢使得手指靜脈具有廣闊的市場空間和較大的研究價(jià)值。手指靜脈識(shí)別系統(tǒng)一般包含手指靜脈圖像采集、圖像預(yù)處理、特征提取、匹配四個(gè)過程。特征提取是整個(gè)識(shí)別過程中非常關(guān)鍵的一步,特征提取的好壞直接影響到識(shí)別系統(tǒng)的性能。雖然目前針對手指靜脈特征的研究已經(jīng)取得了較大的進(jìn)展,但是仍存在一些問題尚待解決。比如,特征表達(dá)還需要進(jìn)一步完善(其中往往包含較多的噪聲信息、多未考慮不同用戶之間的差異性等等),手指靜脈特征對外部采集條件(光照,手指的姿勢等)的變化比較敏感。另外,多生物特征融合是進(jìn)一步提高識(shí)別系統(tǒng)性能的一個(gè)重要方向,而如何更有效的融合不同的生物特征的區(qū)分性信息是多生物特征融合需要解決的一個(gè)重要問題。本文針對現(xiàn)有特征的有效性較低、對外部采集條件的變化魯棒性較差,以及多生物特征信息融合的有效性較低等問題開展較為深入、系統(tǒng)的研究,主要取得了以下成果：(1)針對現(xiàn)有特征有效性較低問題,提出了基于個(gè)性化特征選擇的手指靜脈識(shí)別方法。在對手指靜脈圖像進(jìn)行深入分析的基礎(chǔ)上,提取了一種融合灰度、紋理和方向信息的復(fù)合特征Pyramid Histograms of Gray, Texture and Orientation Gradients (PHGTOG),并結(jié)合每個(gè)生物個(gè)體的差異,進(jìn)而提出了基于LASSO稀疏的個(gè)性化特征選擇方法。PHGTOG的提取融合了灰度直方圖、紋理直方圖以及方向梯度直方圖并使用了空間金字塔技術(shù)。三種直方圖的融合使得PHGTOG包含了手指靜脈圖像的灰度、紋理以及形狀信息。另外,空間金字塔技術(shù)使得PHGTOG能夠描述手指靜脈的全局結(jié)構(gòu)和局部細(xì)節(jié)信息,因此,PHGTOG包含大量的描述信息(區(qū)分性信息和冗余信息)。使用基于LASSO稀疏的個(gè)性化特征選擇方法對PHGTOG進(jìn)行特征選擇,經(jīng)過選擇后的特征不僅去掉了PHGTOG中的冗余信息,而且保留了每個(gè)用戶最具區(qū)分性的個(gè)性化信息,具有更高的有效性。(2)針對現(xiàn)有特征對于外部采集條件的變化魯棒性較差問題,提出了一種基于HyperInformation Feature(HIF)的手指靜脈識(shí)別方法。借助于計(jì)算機(jī)視覺中高級屬性的思想,首先給出了base attribute的概念,然后提出了HIF的提取框架,最后在提出的框架下設(shè)計(jì)了基于K-means和稀疏學(xué)習(xí)的HIF提取方法。HIF由若干個(gè)base attribute組成,base attribute能夠描述用戶在某種采集條件下手指靜脈的某種特點(diǎn)。相比較傳統(tǒng)的特征只是單一地表示手指靜脈圖像的紋理、形狀等特性,由若干b ase attribute組成的HIF能夠通過多個(gè)視角反映用戶在某一采集條件下獲得的手指靜脈圖像的特點(diǎn),具有更豐富的區(qū)分性信息,其對于外界條件的變化更加魯棒。(3)針對多生物特征融合的有效性較低問題,提出了一種基于分類置信度得分的手指靜脈和手指輪廓的個(gè)性化融合方法�？紤]到圖像獲取的方便性以及兩種生物特征之間的互補(bǔ)性,本文使用手指靜脈和手指輪廓進(jìn)行得分級上的融合。在對傳統(tǒng)的融合得分分析基礎(chǔ)之上,首先提出基于分類面距離的分類置信度得分,然后結(jié)合不同用戶生物特征的差異性,提出了基于SVM的個(gè)性化融合方法。相比較傳統(tǒng)的融合得分,提出的分類置信度得分包含了更多的分類信息,能夠?yàn)樽詈蟮娜诤咸峁└嗟挠行畔ⅰ�(gè)性化的融合權(quán)重考慮到了用戶之間的差異性,針對每個(gè)用戶,將較大的權(quán)重賦予區(qū)分性更明顯的生物特征,使其在最后融合時(shí)發(fā)揮更大的作用,進(jìn)而提高了兩種生物特征融合的有效性。本文系統(tǒng)分析了手指靜脈識(shí)別中存在的特征有效性較低、魯棒性較差以及多生物特征融合的有效性較低等三個(gè)問題,并針對這些問題分別提出了基于個(gè)性化特征選擇的手指靜脈識(shí)別方法、基于HyperInformation Feature的手指靜脈識(shí)別方法以及基于分類置信度得分的手指靜脈和手指輪廓的個(gè)性化融合方法。上述方法在自建的手指靜脈圖像數(shù)據(jù)庫上進(jìn)行了相關(guān)的實(shí)驗(yàn)驗(yàn)證,實(shí)驗(yàn)結(jié)果進(jìn)一步證明了上述方法的有效性。本文的研究工作不僅拓展了個(gè)性化生物識(shí)別的研究范疇,而且豐富了生物識(shí)別中特征提取的技術(shù)手段,并進(jìn)一步提升了手指靜脈識(shí)別系統(tǒng)的性能和魯棒性。
【學(xué)位單位】：山東大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2015
【中圖分類】：TP391.41
【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究的背景及意義
    1.2 生物識(shí)別技術(shù)
    1.3 手指靜脈識(shí)別技術(shù)
        1.3.1 手指靜脈識(shí)別優(yōu)勢
        1.3.2 手指靜脈識(shí)別研究現(xiàn)狀
    1.4 本文的研究工作
    1.5 章節(jié)安排
第二章 基于個(gè)性化特征選擇的手指靜脈識(shí)別
    2.1 引言
    2.2 PHGTOG提取
        2.2.1 PHG提取
        2.2.2 PHT提取
        2.2.3 PHGTOG提取
    2.3 個(gè)性化特征選擇
    2.4 基于個(gè)性化特征選擇的手指靜脈識(shí)別
        2.4.1 預(yù)處理
        2.4.2 類模板的構(gòu)建
        2.4.3 匹配
    2.5 實(shí)驗(yàn)及結(jié)果
    2.6 本章小結(jié)
第三章 基于HyperInformation Feature的手指靜脈識(shí)別
    3.1 引言
    3.2 HIF提取框架
    3.3 HIF提取算法
    3.4 基于HIF的手指靜脈識(shí)別
        3.4.1 預(yù)處理
        3.4.2 類模板的構(gòu)建
        3.4.3 匹配
    3.5 實(shí)驗(yàn)及結(jié)果
    3.6 本章小結(jié)
第四章 基于分類置信度得分的手指靜脈和手指輪廓的個(gè)性化融合方法
    4.1 引言
    4.2 PHOG提取
    4.3 基于分類置信度得分的個(gè)性化融合
        4.3.1 分類置信度得分
        4.3.2 個(gè)性化融合
    4.4 基于分類置信度得分的手指靜脈和手指輪廓個(gè)性化融合
        4.4.1 預(yù)處理
        4.4.2 類模板的訓(xùn)練
        4.4.3 匹配得分的計(jì)算
    4.5 實(shí)驗(yàn)及結(jié)果
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
攻讀學(xué)位期間發(fā)表的成果目錄
攻讀學(xué)位期間參加的科研項(xiàng)目
攻讀學(xué)位期間所獲獎(jiǎng)勵(lì)情況
外文論文
附件

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 孫冬梅,裘正定;生物特征識(shí)別技術(shù)綜述[J];電子學(xué)報(bào);2001年S1期

2 Hyeon Chang LEE;Byung Jun KANG;Eui Chul LEE;Kang Ryoung PARK;;Finger vein recognition using weighted local binary pattern code based on a support vector machine[J];Journal of Zhejiang University-Science C(Computer & Electronics);2010年07期

本文編號：2830341