基于灰度不均匀校正的指静脉特征提取与匹配算法

发布时间:2022-12-23 02:54
  生物识别是融合了计算机、生物传感器等技术,利用固有的人体特性来进行身份鉴定的技术。常见的生物特性包括静脉、指纹、面孔、瞳孔等。与其它生物特性相比,指静脉特征信息隐藏在人体表皮之下,不易被污染、毁坏、盗取,具有更高的安全性,因而逐渐成为身份识别领域的研究热点。但是指静脉图像的采集过程不易规范化,并常常出现曝光不均、噪声过多等问题。针对这类问题,本文对图像特征提取与匹配算法进行了研究,并做了如下工作。(1)本文通过分析指静脉图像的特征分布及像素特点,引入模糊C均值聚类(Fuzzy Cmeans clustering,FCM)算法,提出了一种基于FCM的灰度不均匀校正算法(FCM based Intensity In Homogeneity Correction,FCM-IIHC)。仿真结果表明,传统灰度不均匀校正算法应用在静脉图像上会造成特征损失。而FCM-IIHC算法不仅降低了特征损失,而且实现更好的校正效果。应用在相同图像匹配算法场景下,指静脉图像经过FCM-IIHC算法处理比用传统方法处理得到的匹配性能更优。(2)本文通过研究加速鲁棒性特征(Speeded-Up Robust Fea... 

【文章页数】:68 页

【学位级别】:硕士

【文章目录】:
摘要
abstract
专用术语注释表
第一章 绪论
    1.1 研究背景与意义
    1.2 本文主要工作
    1.3 本文结构安排
第二章 指静脉识别相关研究
    2.1 指静脉识别基本流程
    2.2 指静脉识别相关算法
        2.2.1 图像预处理
        2.2.2 特征提取
        2.2.3 图像匹配
    2.3 指静脉图像质量评估指标
    2.4 灰度不均匀校正算法
        2.4.1 灰度不均匀校正算法的基本原理
        2.4.2 指静脉图像的灰度不均匀校正
    2.5 本章小结
第三章 基于FCM的指静脉图像的灰度不均匀校正算法
    3.1 引言
    3.2 传统灰度不均匀校正方法的不足
    3.3 基于FCM的灰度不均匀校正
        3.3.1 指静脉图像区域划分
        3.3.2 特征密集区域的特征增强
        3.3.3 特征区域提取
        3.3.4 算法流程概述
    3.4 仿真实验与分析
        3.4.1 仿真环境及实验设置
        3.4.2 仿真结果与分析
    3.5 本章小结
第四章 基于SURF的指静脉图像特征提取与匹配算法
    4.1 引言
    4.2 角点特征的选择
    4.3 基于SURF的图像特征提取与匹配
        4.3.1 Shi-Tomasi角点特征检测
        4.3.2 特征描述
        4.3.3 特征匹配计算
        4.3.4 剔除错误匹配
        4.3.5 算法流程概述
    4.4 仿真实验与分析
        4.4.1 仿真环境及实验设置
        4.4.2 仿真对比实验
        4.4.3 仿真结果与性能分析
    4.5 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 工作展望
参考文献
附录1 攻读硕士学位期间申请的专利
附录2 攻读硕士学位期间参加的科研项目
致谢


【参考文献】:
期刊论文
[1]基于Harris角点和SURF特征的遥感图像匹配算法[J]. 葛盼盼,陈强,顾一禾.  计算机应用研究. 2014(07)
[2]基于Harris角点和改进SURF描述子的图像快速拼接[J]. 杨超,余厚云,刘斌.  现代电子技术. 2015(11)
[3]基于特征值加权融合的手指静脉图像质量评估[J]. 余成波,胡晶晶,孔庆达,余玉洁,邓顺华.  重庆理工大学学报(自然科学). 2016(02)
[4]基于分块LBP和分块PCA的指静脉识别方法[J]. 杨文文,毛建旭,陈姜嘉旭.  电子测量与仪器学报. 2016(07)
[5]结合小波金字塔的快速NCC图像匹配算法[J]. 吴鹏,徐洪玲,宋文龙.  哈尔滨工程大学学报. 2017(05)
[6]基于细线距离顺序统计量指静脉快速识别算法[J]. 李小刚,沈雷,张严严,蓝师伟.  杭州电子科技大学学报(自然科学版). 2017(04)
[7]基于边缘检测加权引导滤波的指静脉图像增强算法[J]. 曹伟,王华彬,石军,余锐,陶亮.  激光与光电子学进展. 2017(02)
[8]高动态多光照环境下图像灰度校正方法研究[J]. 郭永锋,夏辉丽.  科学技术与工程. 2017(23)
[9]改进的RANSAC基础矩阵估计算法[J]. 张永祥,古佩强,穆铁英.  小型微型计算机系统. 2016(09)
[10]基于SIFT和SURF的医学图像特征匹配研究[J]. 鹿煜炜,胡峻.  中国医疗设备. 2016(04)

硕士论文
[1]一种结合图像质量评估和图像增强的指静脉识别方法[D]. KASHIF SHAHEED.山东大学 2019
[2]低质量手指静脉图像特征提取算法研究[D]. 许琳英.重庆理工大学 2019
[3]基于SIFT特征提取的静脉身份认证技术研究[D]. 魏坦.北京邮电大学 2019
[4]指静脉三维点云采集与信息提取研究[D]. 唐绮雯.桂林电子科技大学 2018
[5]磁共振图像灰度不均匀校正算法研究[D]. 朱涵友.电子科技大学 2018
[6]基于特征点提取与点集匹配的图像匹配算法研究[D]. 李秀洋.西安电子科技大学 2018
[7]基于改进的SIFT图像匹配算法研究[D]. 翟雨微.吉林大学 2017
[8]基于卷积神经网络的嵌入式指静脉识别系统[D]. 黄志星.华南理工大学 2017
[9]手指静脉图像质量评价与识别方法的研究[D]. 周丽珍.山东大学 2016
[10]手指静脉图像质量评估算法研究[D]. 胡晶晶.重庆理工大学 2016



本文编号:3724568

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3724568.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户c6b29***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com