随着社会经济的发展,高新科技的日新月异,人们的生活方式发生了巨大的改变。与此同时,准确、便捷、安全的身份确认技术越来越受到人们的重视,生物特征识别技术是其中的佼佼者。近些年,手指静脉因具有活体性、高防伪性、高接受性、高稳定性等诸多优点受到了越来越多的关注,显示出了广阔的发展前景和巨大的发展潜力。但目前手指静脉识别仍存在以下几个问题:一,静脉图像易受噪声干扰;二,部分手指静脉结构较简单;三,静脉图像易受不稳定光照干扰;四,部分静脉图像由于采集操作不规范(采集时手指平移过大)导致信息缺失。以上问题使用传统方法难以得到较好的解决。剪切波变换作为一种新兴的多尺度几何分析方法,具有优良的稀疏表达性能和非线性逼近表达能力,能够有效提取低质量图像的结构信息,因此本文基于剪切波变换从图像去噪、特征提取的角度对手指静脉识别展开深入研究。本文的主要研究内容及创新成果如下:1.针对静脉图像含有噪声的问题,本文提出了一种基于零均值SαS分布的剪切波域贝叶斯去噪方法进行解决。传统的空域去噪、变换域阈值去噪等算法在去除噪声的同时易损失部分图像信息,导致去噪后图像出现不同程度的退化或者人工痕迹干扰。本文的去噪方法是一种基于先验统计模型的去噪方法,以零均值SαS分布作为手指静脉剪切波子带系数的一维分布先验统计模型,使用最小绝对值误差的贝叶斯方法对“无噪声”手指静脉的剪切波子带系数进行估计,将估计得到的“无噪声”系数进行重构可得去噪后图像。实验结果表明,本文去噪算法相比传统去噪算法去噪效果更好,能够在有效去除噪声的同时更好的保留原图像特征结构信息,从而有利于下一步的特征提取操作。2.针对部分静脉结构较简单和易受不稳定光照干扰的问题,本文提出了一种基于离散可分离剪切波(DSST)的融合特征提取方法进行解决。传统的特征提取方法往往对手指静脉结构信息的利用并不充分,且易受不稳定光照干扰的影响。本文提出的基于DSST的特征提取方法则充分利用了剪切波能够完美“捕捉”图像曲线奇异信息的优良特性,从DSST系数值、DSST子带系数一维分布特性、DSST子带系数二维结构三个角度进行特征提取,并进行融合得到DSST融合特征。作为一种变换域系数特征,DSST融合特征不仅能够对静脉图像的结构信息提供完整的描述,还对不稳定光照干扰引起的静脉图像像素值波动不敏感,具有很好的鲁棒性。另外,本文的特征提取方法摒弃了图像二值化操作,直接对灰度图像进行剪切波分解并提取特征,避免了二值化处理带来的伪信息影响。大量实验结果表明,DSST融合特征能够有效的提取静脉特征,对差质量静脉图像的适用性更好。3.针对部分静脉图像由于采集操作不规范(采集时手指平移过大)导致信息缺失的问题,本文引入了具有平移不变性的非下采样剪切波(NSST)进行解决。传统的特征提取方法对静脉图像特征信息的利用不够充分,当静脉图像因手指平移而出现较大程度的删截时,传统方法的识别效果就会受到较大的影响。本文在使用剪切波对ROI区域静脉进行特征提取时,图像的删截问题(即信息缺失问题)就转化为了 ROI区域的平移问题。而NSST除了具有能够“捕捉”图像结构信息和抵抗不稳定光照干扰的优点外,还具有平移不变性,这使得NSST系数特征对静脉ROI区域的平移具有很强的鲁棒性。为了提高对这一类型静脉图像(采集时因手指平移过大引起的图像删截或信息缺失)的识别率,本文基于改进的ROI区域提取算法对训练样本库进行扩展,并使用改进的鲁棒回归分类方法进行分类识别。实验结果表明,相比于传统方法,本文提出的基于NSST的手指静脉识别方法对信息缺失的静脉图像识别性能更好,能够保证在特殊情况下仍可对手指静脉进行有效识别。