基于掌静脉的身份识别系统设计
发布时间：2021-06-28 06:19
随着信息技术的发展,人们对信息安全提出更高的要求。如何准确识别一个人的身份的问题被广泛关注。相比较于门禁卡、密码口令等传统的身份认证方式,生物特征识别技术因安全性好、准确度高受到高度重视。其中,掌静脉识别技术有稳定性好、识别精度高、防伪性强、容易被用户接受等优点。本论文对掌静脉识别算法进行了研究,主要工作和研究成果如下:（1）对掌静脉图像的ROI获取方法和图像增强、去噪算法进行了研究和对比实验,最后选用了基于掌心矩形的ROI提取方式、限制对比度适应性直方图均衡化（CLAHE）的灰度变换图像增强方法、均值滤波的图像去噪方法,以使后续实验达到最好效果。（2）研究了基于NBP（Neighbor based Binary Pattern,临近二值模式）和基于SURF（Speeded-Up Robust Features）的掌静脉图像识别方法,并对其中的NBP算法中的特征提取方法进行改进,提高NBP算法的准确率。然后通过实验对两种算法进行对比分析,为后续算法融合提供思路和依据。（3）对NBP和SURF算法融合的可行性进行分析:NBP算法简单、具有实时性,可以弥补SURF在识别时间上的不足;SUR...
【文章来源】：齐鲁工业大学山东省
【文章页数】：70 页
【学位级别】：硕士
【图文】：
清华大学林喜荣设计的手背静脉采集装置
硕士学位论文7第2章掌静脉身份识别系统的理论2.1掌静脉识别的基本原理人体的血液中主要包含血浆、血细胞和晶体物质溶液，其中大部分的成分是血浆，血浆中90%是水，呈淡黄色。血细胞中含有大量的红细胞，呈红色。红细胞携带两种血红蛋白：氧合血红蛋白（HbO2）和还原血红蛋白（Hb）。因为静脉血管位于皮下的位置比动脉血管浅，所以比动脉血管更容易成像。近红外掌静脉成像的原理就是：当近红外光照射血管时，血管内的血红蛋白比周围的组织吸收更多光，导致血管所在的位置光强度更低，整体颜色较深，而血管以外的位置光强度较高，整体颜色较亮。较暗的静脉纹路和较亮的纹路间隙部分组成了掌静脉图像。人的手掌有表皮层、真皮层和皮下组织，其中静脉就位于皮下组织。表皮层和真皮层也能传播和吸收或散射光，不同波长的光对相同的手掌有不同地反射率和透过率。但不同手掌对同一种光线的透过率基本相同。氧合血红蛋白、还原血红蛋白和水对不同波段的光的吸收率对比图如2.1所示。图2.1近红外光谱中氧合血红蛋白（HbO2）、还原血红蛋白（Hb）和水吸光率对比由图2.1可以看出，水等生物组织对波长在700nm~900nm范围内的光线吸收率低，这样表皮层和真皮层吸收的光线少，更多的光线可以透过皮肤表层到达皮下组织的静脉组织。当波长低于700nm时，血红蛋白吸收很多入射光线，但手掌皮下组织对这个波段的光散射比较严重，采集到的掌静脉图像效果差。当波长高于900nm时，光线会被水分大量吸收，成像质量也不高。所以大部分掌静脉采集装置都会采用700~900nm波长范围内的光线作为入射光源，这个波段的光线能更好地被静脉血管吸收，呈现出更好的图像效果。
第2章掌静脉身份识别系统的理论8综上所述，掌静脉成像原理如图2.2所示，当有波长为700~900nm范围内的近红外光线照射时，静脉血管因其含有血红蛋白，会比周围的组织吸收更多的近红外光线。光线经手掌反射后被图像传感器捕捉形成掌静脉图像，其中静脉血管吸收光线多，所以在形成的掌静脉图像中灰度值比周围低。图2.2掌静脉成像原理图2.2近红外掌静脉图像识别过程生物特征识别系统都是通过传感器采集到各种生物特征信息，然后采用适当的方法法对采集到的生物特征信息进行匹配识别。掌静脉身份识别系统流程如图2.3所示。近红外采集装置采集到人的掌静脉图像后，经过图像预处理，利用一定的特征提取算法得到掌静脉图像的特征信息，特征信息被存储到系统特征数据库就完成了注册阶段，构建了掌静脉样本数据库。在识别阶段，近红外装置获取未知用户的掌静脉图像后，按照与构建样本数据库阶段同样的预处理和提取特征手段提取特征信息，将提取到的特征信息和数据库里已有的数据信息进行匹配，从而完成掌静脉识别过程。图2.3掌静脉识别系统流程图
【参考文献】：
期刊论文
[1]手掌静脉识别中感兴趣区域的选择与定位研究[J]. 吴微,苑玮琦,林森,宋辉,张洪涛. 光电子.激光. 2013(01)
[2]基于遗传算法自适应建立HMM的静脉识别算法[J]. 薛定宇,贾旭,崔建江,刘晶. 东北大学学报(自然科学版). 2011(11)
[3]基于分块脊波变换的手背静脉识别算法[J]. 贾旭,薛定宇,崔建江,刘晶. 模式识别与人工智能. 2011(03)
[4]基于中值夹角链码的掌静脉特征提取[J]. 杨闯,陈家新,黎蔚. 计算机应用. 2009(11)
[5]人脸识别技术之应用问题谈[J]. 苏光大. 中国安防. 2008(07)
[6]基于静脉识别的身份认证方法研究[J]. 王科俊,丁宇航,王大振. 科技导报. 2005(01)
[7]人体手背血管图像的特征提取及匹配[J]. 林喜荣,庄波,苏晓生,周云龙,包桂秋. 清华大学学报(自然科学版). 2003(02)
博士论文
[1]非接触成像方式下手掌特征提取方法研究[D]. 李威.沈阳工业大学 2013
[2]掌纹掌脉及其融合识别技术研究[D]. 张环.国防科学技术大学 2011
[3]掌静脉身份识别技术的理论与实验研究[D]. 李强.华中科技大学 2010
硕士论文
[1]掌静脉识别系统研究与实现[D]. 张文辉.电子科技大学 2017
[2]基于二次判别和局部信息及特征融合的手静脉识别[D]. 孟昭慧.复旦大学 2014
[3]基于多特征融合的手背静脉识别算法研究[D]. 胡云朋.天津理工大学 2014
[4]基于掌纹和手背静脉的多模态生物认证系统的设计与实现[D]. 陈梓毅.华南理工大学 2011
本文编号：3253794
【文章来源】：齐鲁工业大学山东省
【文章页数】：70 页
【学位级别】：硕士
【图文】：
清华大学林喜荣设计的手背静脉采集装置
硕士学位论文7第2章掌静脉身份识别系统的理论2.1掌静脉识别的基本原理人体的血液中主要包含血浆、血细胞和晶体物质溶液，其中大部分的成分是血浆，血浆中90%是水，呈淡黄色。血细胞中含有大量的红细胞，呈红色。红细胞携带两种血红蛋白：氧合血红蛋白（HbO2）和还原血红蛋白（Hb）。因为静脉血管位于皮下的位置比动脉血管浅，所以比动脉血管更容易成像。近红外掌静脉成像的原理就是：当近红外光照射血管时，血管内的血红蛋白比周围的组织吸收更多光，导致血管所在的位置光强度更低，整体颜色较深，而血管以外的位置光强度较高，整体颜色较亮。较暗的静脉纹路和较亮的纹路间隙部分组成了掌静脉图像。人的手掌有表皮层、真皮层和皮下组织，其中静脉就位于皮下组织。表皮层和真皮层也能传播和吸收或散射光，不同波长的光对相同的手掌有不同地反射率和透过率。但不同手掌对同一种光线的透过率基本相同。氧合血红蛋白、还原血红蛋白和水对不同波段的光的吸收率对比图如2.1所示。图2.1近红外光谱中氧合血红蛋白（HbO2）、还原血红蛋白（Hb）和水吸光率对比由图2.1可以看出，水等生物组织对波长在700nm~900nm范围内的光线吸收率低，这样表皮层和真皮层吸收的光线少，更多的光线可以透过皮肤表层到达皮下组织的静脉组织。当波长低于700nm时，血红蛋白吸收很多入射光线，但手掌皮下组织对这个波段的光散射比较严重，采集到的掌静脉图像效果差。当波长高于900nm时，光线会被水分大量吸收，成像质量也不高。所以大部分掌静脉采集装置都会采用700~900nm波长范围内的光线作为入射光源，这个波段的光线能更好地被静脉血管吸收，呈现出更好的图像效果。
第2章掌静脉身份识别系统的理论8综上所述，掌静脉成像原理如图2.2所示，当有波长为700~900nm范围内的近红外光线照射时，静脉血管因其含有血红蛋白，会比周围的组织吸收更多的近红外光线。光线经手掌反射后被图像传感器捕捉形成掌静脉图像，其中静脉血管吸收光线多，所以在形成的掌静脉图像中灰度值比周围低。图2.2掌静脉成像原理图2.2近红外掌静脉图像识别过程生物特征识别系统都是通过传感器采集到各种生物特征信息，然后采用适当的方法法对采集到的生物特征信息进行匹配识别。掌静脉身份识别系统流程如图2.3所示。近红外采集装置采集到人的掌静脉图像后，经过图像预处理，利用一定的特征提取算法得到掌静脉图像的特征信息，特征信息被存储到系统特征数据库就完成了注册阶段，构建了掌静脉样本数据库。在识别阶段，近红外装置获取未知用户的掌静脉图像后，按照与构建样本数据库阶段同样的预处理和提取特征手段提取特征信息，将提取到的特征信息和数据库里已有的数据信息进行匹配，从而完成掌静脉识别过程。图2.3掌静脉识别系统流程图
【参考文献】：
期刊论文
[1]手掌静脉识别中感兴趣区域的选择与定位研究[J]. 吴微,苑玮琦,林森,宋辉,张洪涛. 光电子.激光. 2013(01)
[2]基于遗传算法自适应建立HMM的静脉识别算法[J]. 薛定宇,贾旭,崔建江,刘晶. 东北大学学报(自然科学版). 2011(11)
[3]基于分块脊波变换的手背静脉识别算法[J]. 贾旭,薛定宇,崔建江,刘晶. 模式识别与人工智能. 2011(03)
[4]基于中值夹角链码的掌静脉特征提取[J]. 杨闯,陈家新,黎蔚. 计算机应用. 2009(11)
[5]人脸识别技术之应用问题谈[J]. 苏光大. 中国安防. 2008(07)
[6]基于静脉识别的身份认证方法研究[J]. 王科俊,丁宇航,王大振. 科技导报. 2005(01)
[7]人体手背血管图像的特征提取及匹配[J]. 林喜荣,庄波,苏晓生,周云龙,包桂秋. 清华大学学报(自然科学版). 2003(02)
博士论文
[1]非接触成像方式下手掌特征提取方法研究[D]. 李威.沈阳工业大学 2013
[2]掌纹掌脉及其融合识别技术研究[D]. 张环.国防科学技术大学 2011
[3]掌静脉身份识别技术的理论与实验研究[D]. 李强.华中科技大学 2010
硕士论文
[1]掌静脉识别系统研究与实现[D]. 张文辉.电子科技大学 2017
[2]基于二次判别和局部信息及特征融合的手静脉识别[D]. 孟昭慧.复旦大学 2014
[3]基于多特征融合的手背静脉识别算法研究[D]. 胡云朋.天津理工大学 2014
[4]基于掌纹和手背静脉的多模态生物认证系统的设计与实现[D]. 陈梓毅.华南理工大学 2011
本文编号：3253794
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3253794.html
