论文部分内容阅读
人体的手掌静脉具有稳定性、唯一性的特点,是一种可用作身份鉴别的生物特征。掌脉隐藏在表皮下,在可见光下无法拍摄,却可以在近红外光下拍摄,其结构复杂很难被复制。掌脉拍摄需将手掌伸平,而人手在自然状态下处于半握拳状态,因此无法窃取拍摄掌脉图像,非活体手掌因血液停止流动将不能通过认证,所以掌脉又是一种可以作为“活体识别”的生物特征。这些使得掌脉成为一种安全性好的生物特征。作为生物特征识别领域的前沿课题,手掌静脉识别技术以其高安全性等优势拥有着广泛的应用前景,成为近几年的研究热点。目前掌脉识别的研究还处于实验研究阶段,要开发出真正鲁棒、实用的掌脉识别系统,还需要解决许多问题。本文做了以下主要工作:(1)针对识别性能最佳的主动光源波长选择问题,从两个角度对典型的掌脉识别成像波长:760nm、850nm、890nm、940nm进行了比较。从掌脉特征提取角度,建立了基于FDR(Fisher判别率)的掌脉成像清晰度模型,对4种波长拍摄的掌脉清晰度进行比较;从特征匹配角度,以3种典型的生物特征识别算法对4种波长拍摄的掌脉图像进行识别性能比较。模型选择和典型算法的实验结果都表明:850nm优于其他3种波长。(2)针对传统掌脉识别以掌心区作为感兴趣区域(Region Of Interest,ROI),一直受到部分人群掌心区掌脉成像不清晰的困扰,以致影响整个识别系统的性能的问题,本文研究了掌脉图像感兴趣区域的选择和定位问题。对手掌上的三个区域:掌心区、大鱼际区和小鱼际区进行医学分析和三区域静脉吸光量对比实验,选择出大鱼际区作为ROI区域。进而,提出基于大鱼际区的感兴趣区域定位方法。以靠近手腕侧最大内切圆确定手掌上的两个稳定特征点,利用这两个稳定特征点确定ROI。(3)针对手掌静脉识别系统的安全性问题,提出了一种基于灰度曲面匹配的接触式快速掌脉识别算法。首先对手掌静脉图像提取感兴趣区域,将感兴趣区域等分为若干个子区域,计算每个子区域像素灰度平均值作为该子区域灰度值,以各子区域灰度值构建待匹配图像。匹配时对两个待匹配灰度曲面中的像素灰度做差,得到灰度差曲面,求出该灰度差曲面的方差,将此方差作为衡量两个掌脉特征曲面之间距离的依据,并据此判定两幅掌脉图像是否来自同一只手。实验结果表明:方法具有快速性,为进一步提高掌脉识别系统的安全性提供了一条可行途径。(4)针对非接触采集的约束性降低可能会导致图像变形,同类图像类内差别增大,识别效果不佳的问题,提出了一种基于分块和偏最小二乘的非接触式手掌静脉识别方法。采用分块算法对图像进行快速降维,同时部分解决图像旋转平移问题。用偏最小二乘算法提取掌脉图像中灰度值变异大的若干方向,省去灰度值变异小的方向,且所提取的主元与类别信息相关性最大。使样本最大限度克服旋转、平移、比例缩放以及光照改变造成的类间差距,向最有利于分类的子空间投影以得到稳定的特征向量,同时再次降维,最后利用欧氏距离进行分类识别。实验结果表明:与传统掌脉识别方法相比,该方法能有效地提高正确识别率,降低误拒率。