论文部分内容阅读
信息化时代,人们对信息的安全保护意识日益提高,需要对个体进行身份认证的场合随处可见。手指静脉识别技术由于其非接触、活体采集、安全级别高等优势,已经成为必要的身份识别和认证手段。然而手指静脉识别技术由于静脉图像质量的制约,还未广泛的进入市场化。主要由于:采集装置的优劣、手指位置摆放不同、个体生理差异等。这些因素造成的低对比度、灰度不均、偏移、模糊的低质量图片,直接影响手指静脉特征提取的难度,降低识别性能。因此本文主要从增强算法和分割算法入手对低质量手指静脉图像进行特征提取算法进行研究。主要的研究内容如下:(1)手指静脉图像预处理。对手指静脉图像进行边缘检测、形态学操作。采用HU矩对图像进行平移旋转矫正,得到感兴趣归一化手指区域。(2)提出基于Hessian矩阵的特征值比率增强算法。本文将Frangi滤波增强算法应用到手指静脉图像增强中,增强效果较差。通过分析其原理并对其改进,提出了基于Hessian矩阵的特征值比率的增强算法。提出的算法对低质量静脉图像较粗静脉增强的同时,细节特征也可有效增强,并且克服了Frangi滤波增强算法对弯曲、静脉交叉点的抑制现象,消除了静脉结构内部的孔洞现象。(3)提出差值Gabor滤波的图像增强算法。对于低质量手指静脉图像,在图像增强时也易对噪声增强。本文提出的差值Gabor增强算法增强静脉特征同时降低了噪声的影响。针对低质量手指静脉图片特征信息提取不充分的缺点,采用小波融合算法对差值Gabor滤波、匹配滤波增强、特征值比率增强算法进行融合。优势互补,静脉特征有效增强,且抗噪声性能较好。(4)采用基于遗传算法的最大熵阈值图像分割算法。针对阈值分割低质量手指静脉图像,简单的阈值分割不能有效分割出图像特征信息。OTSU分割法、最大熵阈值分割算法等存在计算量大,时间开销大的缺点,综合考虑采用基于遗传算法的最大熵阈值图像分割算法。自适应全局优化分割,缩短运行时间,提高抗噪声性能,满足实时性的要求。采用模板匹配法对所提算法性能进行验证。认证模式下,基于特征值比率增强的提取算法的EER为0.71%,基于融合增强的提取算法的EER为0.19%。识别模式下,基于特征值比率增强的提取算法识别率为98.91%,基于融合增强的提取算法识别率为99.13%。综上所述,本算法比目前其他的手指静脉提取算法的识别性能有所提高。