学位论文 > 优秀研究生学位论文题录展示

指静脉图像模式提取算法研究

作　者: 孙晓琳
导　师: 郭树旭
学　校: 吉林大学
专　业: 电路与系统
关键词: 指静脉最大曲率算法双边滤波器指静脉图像合成不变矩
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 108次
引　用: 0次
阅　读: 论文下载

内容摘要

随着社会经济的蓬勃发展，人们对信息安全的要求越来越高，传统的身份认证方式由于其无法满足人们日益增长的对身份识别的需求，而渐渐退出了历史舞台，取而代之的是新一代的生物识别技术。指纹识别技术作为生物识别技术中的重要一员已经有了较为成熟的发展，但是由于受其自身的安全性，稳定性方面的因素制约，目前的发展已经进入了瓶颈阶段。近年来手指静脉识别技术作为指纹识别技术的替代品逐渐得到了人们的认同。指静脉识别技术较指纹识别技术有着更好的稳定性：指静脉成像不会受到人体外伤，磨损等因素的影响；同时也有着更高的安全性：由于静脉是人体内部的特征，使妄想伪造指静脉的不法分子没有了可乘之机。正是由于它的一系列优点，使指静脉识别技术成为了学者们研究的新宠。本文围绕指静脉图像模式提取算法进行了一系列的研究。本文首先介绍了指静脉图像的获取，由于血液中的失氧血红蛋白能够吸收近红外光线，所以手指静脉能在近红外光下成像。然后本文使用四种经典的图像分割方法对指静脉图像进行分割，实验表明，处理效果并不是很理想。于是本文研究使用最大曲率算法对指静脉图像进行模式提取，从静脉位置剖面图的五个角度对图像进行处理，最终得到了很好的实验结果。本文对应用最广泛的Canny边缘检测算法进行了改进，使用双边滤波器代替Gauss滤波器，在不损失信息能量的基础上使去噪更彻底，得到了更好的边缘检测结果。本文还对指静脉图像的合成算法进行了深入的研究，总结了真实指静脉图像中静脉的分布规律，依照这些规律使用最小二乘法对指静脉曲线进行拟合，然后与合成的静脉背景模式进行融合，得到合成指静脉图像。最后文章对指静脉图像的特征提取进行了研究，验证Hu矩的不变性并使用Hu不变矩的理论对图像进行特征提取。本文的研究内容主要围绕以下方面展开：第一部分，文章介绍了指静脉识别技术的研究意义，国内外的研究现状与市场发展状况。指出指静脉识别技术是继指纹识别技术之后，有着广泛发展前景的一项新研究领域。最后对本文的研究内容，文章框架进行了介绍。第二部分，文章介绍了指静脉图像的获取方法，指出指静脉在近红外光线的照射下容易成像，因为血管中的血红蛋白容易吸收这个波长范围内的光线。使用近红外光线对手指进行扫描，采集得到的指静脉图像。首先需要完成的一步是对图像进行预处理，预处理主要包括：调整图像直方图，使直方图均衡化；归一化图像灰度等。便于对图像进行进一步的处理。本文分别使用四中经典的阈值分割算法对指静脉图像进行分割：固定阈值法，总体均值法，最大类间方差法，阈值图像分割法。实验结果表明以上四种算法均不能对指静脉图像进行有效的处理。原因是静脉图像的灰度对比度不强，图像中含有大量噪声，造成图像质量较低。第三部分，使用最大曲率算法分割图像，提取指静脉中心线。首先介绍最大曲率算法的基本原理，对指静脉图像取位置剖面图，经分析发现静脉部分的灰度值由静脉两侧向静脉中心部分递减，直至中心线部分达到局部最小值，遂决定使用曲率的思想搜索静脉中心点。本文分别从0°，30°，60°，120°，150°五个方向上对静脉取位置剖面图，分别处理后对中心点进行汇总，最终得到静脉中心线，经细化和骨架提取之后完成静脉模式的提取。第四部分，本文使用双边滤波器对Canny边缘检测算法进行改进。首先对传统的Canny边缘检测算法原理进行介绍，首先进行Gauss滤波，其次非极大值抑制，最后采用滞后阈值法连接边缘。本章提出值域滤波器和定义域滤波器的概念，使二者结合得到双边滤波器，双边滤波器能在不损失信号能量的基础上更彻底的去除噪声。本文使用双边滤波器取代Canny边缘检测算法中的Gauss滤波器，使用倒高斯模型提取静脉中心线。第五部分，对静脉合成算法进行了深入的研究。首先对真实的指静脉图像进行分析，总结了静脉分布的规律，依据规律使用最小二乘法对静脉曲线进行拟合，得到基本静脉模式。然后累加100幅真实指静脉图像，取其平均值作为合成指静脉图像的背景模式。使用加强系数和衰减系数作为其权值，融合静脉模式和背景模式。通过调整参数，可以模拟多种不同情况下的静脉模式。合成指静脉算法的提出对静脉处理算法的评价、优化有着极其重要的意义。第六部分，对指静脉图像的特征提取进行了研究。本文使用Hu不变矩的理论对指静脉图像进行特征提取，可以避免由于压缩，偏移，光照不均等因素对静脉成像造成的影响。首先对Hu矩进行验证，证明了Hu矩具有伸缩、平移、旋转的不变性。然后利用Hu不变矩对静脉进行特征提取。第七部分，对全文进行总结，对下一阶段的工作进行展望。

全文目录

摘要  4-7
Abstract  7-13
第1章绪论  13-18
  1.1 生物识别技术简介  13-15
  1.2 指静脉识别的研究意义  15-16
  1.3 指静脉识别技术国内外发展与现状  16-17
  1.4 本文主要结构及内容  17-18
第2章基于经典方法的手指静脉识别  18-29
  2.1 手指静脉图像获取  18-19
  2.2 手指静脉图像预处理  19-22
    2.2.1 直方图均衡化  19-21
    2.2.2 图像灰度归一化  21-22
  2.3 经典方法分割指静脉图像  22-28
    2.3.1 基于偏微分方程的图像分割方法  22-23
    2.3.2 基于神经网络的图像分割方法  23
    2.3.3 阈值分割法  23-28
  2.4 本章小结  28-29
第3章最大曲率算法实现指静脉图像分割  29-37
  3.1 最大曲率算法原理  29-31
  3.2 最大曲率算法的基本流程  31-34
    3.2.1 指静脉中心点提取  31-33
    3.2.2 连接指静脉中心点构成指静脉中心线  33-34
    3.2.3 指静脉图像二值化处理  34
  3.3 手指静脉提取及细化  34-36
    3.3.1 手指静脉提取  34-35
    3.3.2 手指静脉细化  35-36
  3.4 本章小结  36-37
第4章基于双边滤波器改进的 Canny 边缘检测算法处理指静脉图像  37-44
  4.1 改进的 Canny 边缘检测算法原理  37-41
    4.1.1 值域滤波器和定义域滤波器的划分  37-39
    4.1.2 双边滤波器原理  39-41
  4.2 改进的 Canny 边缘检测算法处理静脉图像  41-43
  4.3 本章小结  43-44
第5章手指静脉图像合成算法研究  44-53
  5.1 指静脉图像特征分析  45-46
  5.2 合成指静脉图像算法原理  46
  5.3 指静脉图像合成  46-49
    5.3.1 合成指静脉背景模式  47
    5.3.2 生成基本指静脉模式  47-48
    5.3.3 融合背景模式和静脉模式  48-49
  5.4 实验与分析  49-51
  5.5 本章小结  51-53
第6章手指静脉特征提取  53-59
  6.1 Hu 不变矩原理  53-56
    6.1.1 Hu 不变矩的基本概念  53-55
    6.1.2 Hu 不变矩特性分析验证  55-56
  6.2 利用不变矩识别指静脉图像  56-58
  6.3 本章小结  58-59
第7章总结与展望  59-61
参考文献  61-64
作者简介  64-65
攻读硕士期间发表论文  65-66
致谢  66

指静脉图像模式提取算法研究

内容摘要

全文目录

相似论文