現(xiàn)有的指靜脈識別方法通常以包含靜脈分布的灰度圖為對象進行算法設(shè)計。但由于采集裝置的局限性,光照強度的不確定性,手指血管周圍組織的復(fù)雜性等,原始圖像即使經(jīng)過圖像預(yù)處理過程,得到的灰度圖中依然會存在不規(guī)則的陰影和非靜脈特征,這可能使得被提取出的靜脈特征不具有很好的代表性和區(qū)分性,從而降低識別結(jié)果的準(zhǔn)確性。因此,本文提出以包含指靜脈分布的二值圖為對象進行算法設(shè)計,從而在識別過程中盡可能減少非靜脈因素的干擾。在特征提取上采用了適于二值圖特征點檢測的加速分割測試特征提取算法,提取出靜脈紋理邊緣中符合要求的像素點作為特征點,進而對檢測到的特征點進行向量化描述。同時為了提高匹配的精度,提出了基于圓形鄰域的匹配算法,使用加權(quán)匹配距離描述圖像之間的相似程度。采用山東大學(xué)公開的手指靜脈數(shù)據(jù)庫進行算法性能測試,平均識別率為0.993,等誤率為0.0196。上述結(jié)果證明了算法的有效性,為指靜脈識別算法設(shè)計提供了新的思路。 

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引 言
2 圖像預(yù)處理算法設(shè)計
3 特征點檢測與描述算法設(shè)計
4 匹配算法設(shè)計
5 實驗與結(jié)果
    5.1 鄰域半徑r的選擇
    5.2 識別模式和驗證模式的性能測試
    5.3 和現(xiàn)有類似方法的比較
6 結(jié) 論


【參考文獻】：
期刊論文
[1]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)
[2]基于灰度不均勻矯正和SIFT的手指靜脈識別方法[J]. 孟憲靜,襲肖明,楊璐,尹義龍.  南京大學(xué)學(xué)報(自然科學(xué)). 2018(01)
[3]自適應(yīng)脈沖耦合神經(jīng)網(wǎng)絡(luò)與匹配濾波器相結(jié)合的視網(wǎng)膜血管分割[J]. 徐光柱,張柳,鄒耀斌,夏平,雷幫軍.  光學(xué)精密工程. 2017(03)
[4]基于小波包和Niblack法的槍號圖像二值化算法[J]. 申森,李艾華,姚良,馬治明.  光子學(xué)報. 2013(03)



本文編號：3717144