基于FAST特征提取的指静脉识别

发布时间：2022-12-10 16:54

　　现有的指静脉识别方法通常以包含静脉分布的灰度图为对象进行算法设计。但由于采集装置的局限性,光照强度的不确定性,手指血管周围组织的复杂性等,原始图像即使经过图像预处理过程,得到的灰度图中依然会存在不规则的阴影和非静脉特征,这可能使得被提取出的静脉特征不具有很好的代表性和区分性,从而降低识别结果的准确性。因此,本文提出以包含指静脉分布的二值图为对象进行算法设计,从而在识别过程中尽可能减少非静脉因素的干扰。在特征提取上采用了适于二值图特征点检测的加速分割测试特征提取算法,提取出静脉纹理边缘中符合要求的像素点作为特征点,进而对检测到的特征点进行向量化描述。同时为了提高匹配的精度,提出了基于圆形邻域的匹配算法,使用加权匹配距离描述图像之间的相似程度。采用山东大学公开的手指静脉数据库进行算法性能测试,平均识别率为0.993,等误率为0.0196。上述结果证明了算法的有效性,为指静脉识别算法设计提供了新的思路。 

【文章页数】：8 页

【文章目录】：
1 引 言
2 图像预处理算法设计
3 特征点检测与描述算法设计
4 匹配算法设计
5 实验与结果
    5.1 邻域半径r的选择
    5.2 识别模式和验证模式的性能测试
    5.3 和现有类似方法的比较
6 结 论


【参考文献】：
期刊论文
[1]手指静脉红外图像血管网络修复新方法[J]. 贾桂敏,李振娟,杨金锋,李乾司茂.  红外与激光工程. 2019(04)
[2]基于灰度不均匀矫正和SIFT的手指静脉识别方法[J]. 孟宪静,袭肖明,杨璐,尹义龙.  南京大学学报(自然科学). 2018(01)
[3]自适应脉冲耦合神经网络与匹配滤波器相结合的视网膜血管分割[J]. 徐光柱,张柳,邹耀斌,夏平,雷帮军.  光学精密工程. 2017(03)
[4]基于小波包和Niblack法的枪号图像二值化算法[J]. 申森,李艾华,姚良,马治明.  光子学报. 2013(03)



本文编号：3717144