论文部分内容阅读
随着经济技术的迅猛发展,个人身份识别在各行各业占据着非常重要的位置,并且应用越来越广泛。近些年来,很多生物特征识别技术逐渐走进人们生活的方方面面,其中包括人脸、指节纹、掌纹、静脉、虹膜,广泛应用于门禁、安检等。与传统的密码、身份证、钥匙相比,生物特征识别技术具有不易改变、不易丢失、不易伪造等优点。手指静脉识别技术是一种新兴的生物识别技术,以其稳定性好,技术含量高,伪造难度系数高等优点,凌越于其他生物特征识别技术。由于指纹和指节纹均在皮肤表面,很容易损伤,这将影响识别效果。相比之下,手指静脉存在于皮肤内部,受皮肤保护,不易受到外界环境的影响。目前,虽然市场上已经出现了不少较为成熟的应用产品,但在系统的识别率、运行速度等方面还有一定的提升空间。本文提出一种基于微分几何的算法来提取手指静脉特征,结合Hausdorff距离进行匹配,实现异源手指和同源手指的匹配功能。首先自建大拇指向外张开,四指自然合拢的手体图像,利用灰度直方图的阈值分割方法将手体从背景中分割出来,再运用局部灰度极小值的方法检测出指缝线,确定三个指根点的坐标。由于拍摄时手体的方向不标准,会影响特征匹配过程,进而影响手指静脉识别系统的识别率,因此需要对手体的方向进行归一化。具体方法是连接中指和无名指之间的指缝线的两个端点,以该直线为水平基准线旋转至水平方向,实现手图像的方向归一化,再重新确定指根点坐标。然后截取图像的感兴趣区域(ROI),对ROI进行直方图均衡化处理,使手指静脉纹线更清晰。本文利用微分几何算法提取手指静脉特征,令一个窗口在静脉图像中逐点的扫描,用二阶或三阶泰勒公式拟合出窗口中的小块曲面,泰勒公式的系数由小块模板的灰度值决定,通过海塞矩阵求出该窗口中心点的二阶方向导数取得最大绝对值的方向,并判断中心点在该方向上的一阶方向导数是否为零。如果为零,那么该中心点即为要提取的静脉纹线上的特征点。通过采集18个人的左手手体图像,每个人分别采集5幅图像,建立起一个手指静脉图库,在同源1:1验证模式和异源1:n验证模式两个模式下,分别测得拒识率为18.89%和误识率为11.71%。同时在嵌入式环境下该算法的识别率达到73%左右。