面向弱约束条件手背静脉识别研究

发布时间：2021-01-06 20:02

　　当今时代信息交互量日益增加,在不同的采集设备、测试环境、时间段和姿态等弱约束条件下进行身份识别必然成为生物特征技术发展的趋势。然而在弱约束条件下,采集到的手背静脉图像会存在光照对比度差异、位置偏移、角度旋转、尺度缩放和仿射形变五种情况,会导致图像识别精度较差。因此,如何在弱约束条件下,实现高鲁棒性的特征提取以及高精确度的身份识别,是我们研究和前进方向。本文的主要工作及创新性概括如下:1、提出了基于二值静脉图像中最大连通域面积与连通域数量比值调整系数?的改进阈值分割算法,解决了静脉断裂和连通性差问题。依据类内相似性原则,确定了二值静脉图像分割系数?的最优值,避免产生严重过分割或欠分割现象。改进分割的二值静脉图像数据库在跨设备条件下使用尺度不变特征变换SIFT算法进行验证,识别率由73.48%提高到77.4%。2、提出了基于小波分解的多方向细节分量特征关键点提取方法,在垂直+对角的特征关键点组合下,不仅可以检测到二值静脉图像在竖直方向的纹理信息,而且可以提取图像倾斜和弯曲区域的纹理信息。采用高可分性的鲁棒特征描述子DERF对特征的描述更为详尽、准确。该算法中采样点的初始半径1r取值为4时,... 

【文章来源】：北方工业大学北京市

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

弱约束手背静脉图像数据库的部分图像

第二章弱约束手背静脉图像库10图2-3(a)为处理前图像，其中“1”区域为手柄噪声，“2”区域为其他背景噪声；图2-3(b)为处理后图像，显然背景中的噪声成功被去除，静脉区域未受任何影响，且手背的边缘轮廓也更加清晰。图像归一化校准：不同采集设备下，设备参数设置、采集光源亮度、外界光照强度等都会影响图像的对比度，导致手背静脉图像的清晰度难以达到统一，影响后续图像分割效果。所以需要对不同设备采集的图像进行灰度归一化，减少光照强度对实验的影响。归一化方法主要可分为两类，即统一均值、方差的归一化和线性函数归一化，前者更适用于灰度值趋向于高斯分布的图像，显然本文所采集图像灰度值分布不符合，所以选取线性函数将灰度值分布进行等比缩放，然后获取像素最大值与最小值，最后通过差值将原图像灰度范围扩展到0~255，式(2-1)为具体处理公式：((,)min)255(,)maxminxyNxy(2-1)式中(x,y)表示图像在该位置像素点的灰度值，max和min分别对应最大和最小的像素灰度值，N(x,y)为灰度归一化后的灰度值。(a)处理前(b)处理后图2-4手背静脉图像灰度归一化前后对比图图2-4为手背静脉图像灰度归一化前后对比图，相较于图2-4(a)，显然处理后图2-4(b)的静脉结构更加清晰。手背静脉图像经过预处理后，去除了背景噪声，使图像的对比度达到一致，并且更加突显出静脉的脉络结构，提高了手背静脉识别的图像质量。

第二章弱约束手背静脉图像库112.3传统梯度阈值的静脉图像分割方法手背静脉图像经过图像预处理阶段，虽然已显现出清晰的静脉纹络，但是灰度图中包含皮肤信息，背景区域与静脉对比不是很强烈，且手背皮肤不利于对静脉的特征提取，影响特征鲁棒性，导致识别结果较差。分割后的二值图像对比度强烈，可以完整的将静脉结构突显出来。通常二值分割需要确定合适的分割阈值T，即：1()"()0()fxTfxfxT，，(2-2)F(x)1f"(x)(2-3)其中f(x)为采集的灰度图像，F(x)为分割后静脉显示为黑色的二值图像。阈值T选择不当容易造成欠分割或过分割。(a)欠分割(b)过分割图2-5不同分割阈值T对应的手背静脉图像图2-5(a)对应欠分割条件下手背静脉图像，即分割阈值T设置较高，保留过多的背景内容，导致皮肤区域错误的划分为静脉纹理；图2-5(b)对应过分割条件下手背静脉图像，即分割阈值T设置较低，保留静脉脉络过少，造成细小的静脉错误划分为背景，导致静脉断裂缺失结构的完整性。所以如何确定合适分割阈值T是保证分割后二值图具有完整静脉结构的关键所在。采集的灰度图像中皮肤背景与手背静脉在边缘存在较大的像素差值，通过计算图像梯度可以突出图像边缘灰度值变化，进而检测图像边缘轮廓，有效实现静脉分割。

【参考文献】：
期刊论文
[1]基于生物特征识别的身份认证及相关安全问题研究[J]. 周小军,王凌强,郭玉霞,高皑琼,谭薇.  工业仪表与自动化装置. 2018(04)
[2]指纹识别技术发展现状[J]. 顾陈磊,刘宇航,聂泽东,李景振,王磊.  中国生物医学工程学报. 2017(04)
[3]改进的双边二维线性判别分析的手背静脉识别[J]. 王贺,邓茂云,姜守坤,李明明,宗宇轩,刘富.  吉林大学学报(信息科学版). 2017(01)
[4]数字图像二维多尺度分解与重构小波分析[J]. 张祥,张达永,张刘辉,潘栋.  气象水文海洋仪器. 2016(04)
[5]基于二维小波变换的图像压缩的算法研究[J]. 武丽,董素鸽,张海瑞.  电子制作. 2016(01)
[6]基于稀疏编码的手背静脉识别算法[J]. 贾旭,王锦凯,崔建江,孙福明,薛定宇.  计算机应用. 2015(04)
[7]基于均衡离散曲率波变换的手背静脉识别[J]. 魏上清,顾晓东.  计算机应用. 2012(04)
[8]不同波长近红外光下手掌静脉图像质量分析[J]. 李威,苑玮琦.  计算机工程与应用. 2011(30)
[9]多分辨率滤波在手背血管特征提取中的应用[J]. 周斌,林喜荣,贾惠波.  计算机辅助设计与图形学学报. 2006(01)
[10]基于步态的身份识别[J]. 王亮,胡卫明,谭铁牛.  计算机学报. 2003(03)

硕士论文
[1]基于位面图的手背静脉身份识别研究[D]. 蒋小琛.北方工业大学 2019
[2]基于数学形态学的图像去噪[D]. 耿帅.山东师范大学 2012
[3]基于小波分析的图像边缘检测算法研究[D]. 杨冰冰.东南大学 2005
[4]基于小波变换的纹理图象分割算法研究[D]. 郇正良.山东科技大学 2003



本文编号：2961177