手指静脉识别若干关键问题研究

发布时间：2020-09-29 22:22

　　手指静脉识别是利用静脉血液中的血红蛋白对近红外光的吸收特性来采集手指静脉图像进而进行身份识别的。相比较其他生物特征识别,手指静脉识别具有以下优势：(1)非接触式采集：一方面,手指静脉图像不容易受手指表面条件影响,另一方面,非接触式采集对用户来说较为方便、卫生。(2)活体识别：手指静脉图像只有在活体时才能采集到。(3)高安全性：手指静脉是人体的内部特征,因此难以被盗窃、复制。(4)采集设备小：与掌静脉和手背静脉采集设备相比,手指静脉的采集设备体积较小,便于携带。目前,手指静脉识别已经逐步在楼宇门禁、银行、ATM存取款机、汽车安全等众多领域已经得到一定的应用。上述优势使得手指静脉具有广阔的市场空间和较大的研究价值。手指静脉识别系统一般包含手指静脉图像采集、图像预处理、特征提取、匹配四个过程。特征提取是整个识别过程中非常关键的一步,特征提取的好坏直接影响到识别系统的性能。虽然目前针对手指静脉特征的研究已经取得了较大的进展,但是仍存在一些问题尚待解决。比如,特征表达还需要进一步完善(其中往往包含较多的噪声信息、多未考虑不同用户之间的差异性等等),手指静脉特征对外部采集条件(光照,手指的姿势等)的变化比较敏感。另外,多生物特征融合是进一步提高识别系统性能的一个重要方向,而如何更有效的融合不同的生物特征的区分性信息是多生物特征融合需要解决的一个重要问题。本文针对现有特征的有效性较低、对外部采集条件的变化鲁棒性较差,以及多生物特征信息融合的有效性较低等问题开展较为深入、系统的研究,主要取得了以下成果：(1)针对现有特征有效性较低问题,提出了基于个性化特征选择的手指静脉识别方法。在对手指静脉图像进行深入分析的基础上,提取了一种融合灰度、纹理和方向信息的复合特征Pyramid Histograms of Gray, Texture and Orientation Gradients (PHGTOG),并结合每个生物个体的差异,进而提出了基于LASSO稀疏的个性化特征选择方法。PHGTOG的提取融合了灰度直方图、纹理直方图以及方向梯度直方图并使用了空间金字塔技术。三种直方图的融合使得PHGTOG包含了手指静脉图像的灰度、纹理以及形状信息。另外,空间金字塔技术使得PHGTOG能够描述手指静脉的全局结构和局部细节信息,因此,PHGTOG包含大量的描述信息(区分性信息和冗余信息)。使用基于LASSO稀疏的个性化特征选择方法对PHGTOG进行特征选择,经过选择后的特征不仅去掉了PHGTOG中的冗余信息,而且保留了每个用户最具区分性的个性化信息,具有更高的有效性。(2)针对现有特征对于外部采集条件的变化鲁棒性较差问题,提出了一种基于HyperInformation Feature(HIF)的手指静脉识别方法。借助于计算机视觉中高级属性的思想,首先给出了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设计了基于K-means和稀疏学习的HIF提取方法。HIF由若干个base attribute组成,base attribute能够描述用户在某种采集条件下手指静脉的某种特点。相比较传统的特征只是单一地表示手指静脉图像的纹理、形状等特性,由若干b ase attribute组成的HIF能够通过多个视角反映用户在某一采集条件下获得的手指静脉图像的特点,具有更丰富的区分性信息,其对于外界条件的变化更加鲁棒。(3)针对多生物特征融合的有效性较低问题,提出了一种基于分类置信度得分的手指静脉和手指轮廓的个性化融合方法。考虑到图像获取的方便性以及两种生物特征之间的互补性,本文使用手指静脉和手指轮廓进行得分级上的融合。在对传统的融合得分分析基础之上,首先提出基于分类面距离的分类置信度得分,然后结合不同用户生物特征的差异性,提出了基于SVM的个性化融合方法。相比较传统的融合得分,提出的分类置信度得分包含了更多的分类信息,能够为最后的融合提供更多的有效信息。个性化的融合权重考虑到了用户之间的差异性,针对每个用户,将较大的权重赋予区分性更明显的生物特征,使其在最后融合时发挥更大的作用,进而提高了两种生物特征融合的有效性。本文系统分析了手指静脉识别中存在的特征有效性较低、鲁棒性较差以及多生物特征融合的有效性较低等三个问题,并针对这些问题分别提出了基于个性化特征选择的手指静脉识别方法、基于HyperInformation Feature的手指静脉识别方法以及基于分类置信度得分的手指静脉和手指轮廓的个性化融合方法。上述方法在自建的手指静脉图像数据库上进行了相关的实验验证,实验结果进一步证明了上述方法的有效性。本文的研究工作不仅拓展了个性化生物识别的研究范畴,而且丰富了生物识别中特征提取的技术手段,并进一步提升了手指静脉识别系统的性能和鲁棒性。
【学位单位】：山东大学
【学位级别】：博士
【学位年份】：2015
【中图分类】：TP391.41
【文章目录】：
摘要
ABSTRACT
第一章绪论
    1.1 课题研究的背景及意义
    1.2 生物识别技术
    1.3 手指静脉识别技术
        1.3.1 手指静脉识别优势
        1.3.2 手指静脉识别研究现状
    1.4 本文的研究工作
    1.5 章节安排
第二章基于个性化特征选择的手指静脉识别
    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 个性化特征选择
    2.4 基于个性化特征选择的手指静脉识别
        2.4.1 预处理
        2.4.2 类模板的构建
        2.4.3 匹配
    2.5 实验及结果
    2.6 本章小结
第三章基于HyperInformation Feature的手指静脉识别
    3.1 引言
    3.2 HIF提取框架
    3.3 HIF提取算法
    3.4 基于HIF的手指静脉识别
        3.4.1 预处理
        3.4.2 类模板的构建
        3.4.3 匹配
    3.5 实验及结果
    3.6 本章小结
第四章基于分类置信度得分的手指静脉和手指轮廓的个性化融合方法
    4.1 引言
    4.2 PHOG提取
    4.3 基于分类置信度得分的个性化融合
        4.3.1 分类置信度得分
        4.3.2 个性化融合
    4.4 基于分类置信度得分的手指静脉和手指轮廓个性化融合
        4.4.1 预处理
        4.4.2 类模板的训练
        4.4.3 匹配得分的计算
    4.5 实验及结果
    4.6 本章小结
第五章总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
攻读学位期间发表的学术论文
攻读学位期间发表的成果目录
攻读学位期间参加的科研项目
攻读学位期间所获奖励情况
外文论文
附件

【参考文献】