多特征融合的手掌靜脈匹配算法研究.pdf

1、近年來(lái)，生物識(shí)別技術(shù)得到了快速發(fā)展，如：指紋識(shí)別、虹膜識(shí)別等技術(shù)在各個(gè)方面得到廣泛的應(yīng)用。目前手掌靜脈識(shí)別技術(shù)在生物識(shí)別領(lǐng)域占據(jù)重要的地位，成為生物識(shí)別領(lǐng)域的研究熱點(diǎn)之一。靜脈圖像匹配算法的優(yōu)劣關(guān)系到識(shí)別系統(tǒng)的識(shí)別速度和識(shí)別率，是識(shí)別系統(tǒng)的關(guān)鍵，因此本文將手掌靜脈匹配算法作為課題研究的重點(diǎn)。
　　 目前，關(guān)于手掌靜脈識(shí)別技術(shù)的研究文獻(xiàn)相對(duì)較少，因此本文主要借鑒手背靜脈、掌紋、指紋等匹配算法。為了提高算法的識(shí)別率，本文在歸納、分析

2、、總結(jié)已有算法的基礎(chǔ)上對(duì)手掌靜脈匹配算法進(jìn)行了深入研究。主要的工作體現(xiàn)在以下幾個(gè)方面：
　　 1．研究了圖像校正算法，提出了一種快速的校正算法。因?yàn)槭终旗o脈圖像采集設(shè)備是非接觸式，手掌很容易出現(xiàn)平移、旋轉(zhuǎn)，采集的圖像也很難識(shí)別，校正算法關(guān)鍵在于確定校正參數(shù)，校正參數(shù)需要兩組對(duì)應(yīng)的匹配點(diǎn)才能計(jì)算出來(lái)，本文使用端點(diǎn)與交叉點(diǎn)的中心作為兩組匹配特征點(diǎn)，相對(duì)于以往窮舉式搜索匹配點(diǎn)的算法，本文提出的校正算法的時(shí)間復(fù)雜度大大降低。
　　

3、 2．針對(duì)基于細(xì)節(jié)特征的匹配算法對(duì)于比較模糊的手掌靜脈圖像預(yù)處理比較困難的問(wèn)題，本文提出了基于Gabor小波能量與方向特征的手掌靜脈識(shí)別算法。算法融合能量與方向特征進(jìn)行匹配，不必再進(jìn)行分割、細(xì)化等預(yù)處理。Gabor小波在指紋、掌紋等的圖像處理及圖像匹配中都有不俗的表現(xiàn)，本文將Gabor變換理論推廣到手掌靜脈識(shí)別中，首先利用Gabor濾波器對(duì)圖像進(jìn)行不同尺度不同方向的濾波，分塊提取圖像的能量與方向特征并分別計(jì)算特征向量的差值，最后加權(quán)融

4、合兩特征值對(duì)手掌靜脈圖像進(jìn)行識(shí)別。為了比較算法的優(yōu)劣，同樣的實(shí)驗(yàn)條件下利用特征點(diǎn)法做對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)證明，該算法具有較高的識(shí)別率。
　　 3．針對(duì)單一匹配算法識(shí)別率較低、適用范圍相對(duì)較窄的問(wèn)題，提出了多特征融合的手掌靜脈匹配算法。算法先校正圖像的幾何偏差，提高匹配精度，再融合相關(guān)系數(shù)法、不變矩法和Hausdorff距離法的優(yōu)點(diǎn)，彌補(bǔ)單一匹配算法的缺點(diǎn)。實(shí)驗(yàn)證明，融合的識(shí)別參數(shù)較高，大大提高了算法識(shí)別率，也擴(kuò)大了算法的適用范圍，解決