手背静脉识别技术研究

论文摘要

随着社会的发展和技术的进步，生物特征识别越来越接近人们的生活。指纹识别技术相对来说是生物特征识别中比较成熟的一种身份确认技术，指纹识别算法性能已达到实用的程度。但是指纹识别也有不少的缺点，诸如手指过湿，过干或出现手指暴皮等特征损伤时，或者手指有污物时，都会影响其应用范围。为此，我们研究了一种基于手背静脉的身份认证方案，用我们身体内部特征作为识别得依据，这样就可以减少外界的影响，同时也起到了防止伪造特征的作用。 本文就人体手背静脉识别系统的研制展开讨论。 首先，讨论了手背静脉识别的课题背景、目的和意义。通过对静脉识别的诸多特点，如活体识别、内部特征、非接触式及安全等级高等的说明，阐明了我们的研究是非常有意义的，而且是可行的。通过分析概括国内外静脉识别的研究进展，使我们课题研究有了明确的目标。同时这部分还给出了系统的总体框架结构和研究的重点难点。 其次，重点讨论了静脉采集硬件装置的研制情况。先从原理入手，分析了采集红外图像的原理，采用美光公司的MT9V011P11STC作为彩色图像传感器。通过比较几种常用通信接口电路，发现在本系统中采用USB接口是最为适合的。具体是采用CYPRESS公司的CY7C68013作为USB的控制芯片，给出了系统的硬件接口电路及通讯的关键程序。并且用该装置进行采集实验，分析了实验结果并给出了原因。 然后，针对我们获得的静脉图像，在提取特征以前，对静脉图像要进行处理。先对图像进行预处理，包括尺寸、灰度的归一化，图像增强等。分析了多种图像分割的方法后，本文提出了一种新的阈值图像的图像分割的方法，该算法中将图像中的每一点都设定一个阈值，结合边界来对进行分割的。多次实验证明我们提出的算法稳定可行。再对分割后的图像去噪、细化处理就可以得到满足要求的静脉图像了。 接下来的这部分中，我们重点提出了基于静脉几何结构的特征、基于特征矩的特征及基于K-L压缩变换特征的特征提取方案。文中对3种方法都进行了详细的阐述。其中基于静脉几何结构的特征的方法中，我们分析了端点和交叉点的提取的方法后，给出了局部匹配和全局匹配相结合的方案；基于特征矩的特征中，给出了7种矩的定义及模板匹配的方法；基于K-L压缩变

论文目录

• 第1章 绪论
• 1.1 课题研究背景
• 1.2 课题研究的目的和意义
• 1.3 国内外的研究现状
• 1.3.1 生物特征识别研究现状
• 1.3.2 静脉识别研究现状
• 1.4 手背静脉识别系统的总体框架
• 1.5 课题的研究难点
• 1.6 本文的主要工作及内容安排
• 第2章 静脉采集装置的研制
• 2.1 静脉采集装置的基本原理及系统构架
• 2.1.1 静脉图像的成像
• 2.1.2 静脉图像的传输
• 2.2 系统的接口电路的设计
• 2.2.1 常用通信接口电路的比较
• 2.2.2 USB传输方式
• 2.2.3 USB控制器芯片的构成
• 2.2.4 USB接口电路设计
• 2.2.5 USB控制芯片 CY7C68013和图像传感器的连接
• 2.3 系统实现及试验分析
• 2.3.1 USB固件程序设计
• 2.3.2 主机应用程序设计
• 2.3.3 实验结果
• 2.4 本章小结
• 第3章 静脉图像的处理
• 3.1 静脉图像前期处理
• 3.1.1 静脉图像尺寸归一化
• 3.1.2 静脉图像灰度归一化
• 3.1.3 静脉图像的增强
• 3.2 图像分割
• 3.2.1 闭值分割方法简介
• 3.2.2 几种经典的阈值分割方法
• 3.2.3 本文最终采用的图像分割方法
• 3.3 图像的后处理
• 3.3.1 图像的滤波与去噪
• 3.4 图像的细化
• 3.4.1 条件细化算法
• 3.4.2 改进后的细化算法
• 3.4.3 图像细化后修复
• 3.5 本章小结
• 第4章 手背静脉图像的特征提取与匹配
• 4.1 基于静脉几何结构的特征提取
• 4.1.1 端点和交叉点的提取
• 4.1.2 毛刺的去除—另一类噪声
• 4.1.3 星型结构
• 4.1.4 局部匹配方案
• 4.1.5 全局匹配方案
• 4.2 基于特征矩的特征提取
• 4.2.1 几何矩
• 4.2.2 模板匹配
• 4.3 K-L压缩变换特征提取
• 4.3.1 K-L变换特征提取简介
• 4.3.2 K-L特征空间的奇异值分解
• 4.3.3 主分量法的奇异值分解实现
• 4.3.4 分类器的设计
• 4.4 本章小结
• 第5章 手背静脉识别系统的分类器设计
• 5.1 分类器设计
• 5.1.1 常用分类器方法
• 5.1.2 基于 K-L变换的加权距离法
• 5.2 实验结果分析与讨论
• 5.2.1 K-L变换方法的实验结果及分析
• 5.2.2 基于静脉几何结构匹配方法的实验结果与分析
• 5.2.3 基于特征矩加模板匹配的实验结果分析
• 5.3 基于决策层融合的识别新方法
• 5.3.1 图像信息融合技术的基本概念
• 5.3.2 基于决策级的结果融合方法
• 5.3.3 融合方法的实验结果及分析
• 5.4 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的论文和取得的科研成果
• 致谢