基于手背靜脈的身份識別技術(shù)研究.pdf

1、伴隨著信息技術(shù)的飛速發(fā)展和人們社會活動、經(jīng)濟活動的增加，身份識別變得更加的重要。傳統(tǒng)的身份識別（口令識別、密碼驗證等）方式無法識別用戶本身，其安全性較差，不能滿足當(dāng)今社會對身份識別的需要。手背靜脈識別技術(shù)作為生物特征識別技術(shù)之一，為解決這類安全問題帶來了希望。本文采用機器視覺識別技術(shù)對手背靜脈圖像進行采集，在此基礎(chǔ)上對手背靜脈圖像進行預(yù)處理以及對識別方法的研究。
　　本文設(shè)計了基于機器視覺的手背靜脈圖像采集系統(tǒng)。為了獲得高質(zhì)量、受

2、外界干擾較少的手背靜脈圖像，本文選擇了合適的光源、擋光板、圖像傳感器以及鏡頭等部件。為了有效地提取出手背靜脈結(jié)構(gòu)的數(shù)據(jù)特征，需要對圖像進行必要的預(yù)處理，包括手背擺放的矯正、圖像分割、噪聲處理、圖像增強、血管脈絡(luò)結(jié)構(gòu)的細化等，同時對圖像有效區(qū)域進行提取以及圖像的歸一化處理。本文根據(jù)手背血管脈絡(luò)的特征，采用多種預(yù)處理方式，并結(jié)合MATLAB仿真得到相應(yīng)的實驗結(jié)果，為后面的特征提取和識別奠定了良好的基礎(chǔ)。
　　在完成圖像預(yù)處理的基礎(chǔ)上，

3、進行手背靜脈特征的提取。針對手背靜脈識別的檢測要求，建立手背靜脈特征提取算法與BP神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的識別模型。在手背靜脈特征提取算法方面，研究了主成份分析-線性判別分析(PCA-LDA)和核二維主成分分析-二維線性判別分析(K2DPCA-2DLDA)方法進行手背靜脈特征的提取，并將提取的成分變量作為BP神經(jīng)網(wǎng)絡(luò)的輸入進行訓(xùn)練、固定網(wǎng)絡(luò)參數(shù)。經(jīng)過對神經(jīng)網(wǎng)絡(luò)進行改進，最后將訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)用于手背靜脈的識別。采用MATLAB軟件對手背靜