基于最大曲率的指静脉多特征提取与匹配算法研究

论文价格:150元/篇 论文用途:硕士毕业论文 Master Thesis 编辑:vicky 点击次数:76
论文字数:36566 论文编号:sb2021050420083235387 日期:2021-05-18 来源:硕博论文网
本文通过对指静脉多种特征提取的研究,提出采用多特征融合的匹配方法。该算法在匹配层对静脉纹路匹配法、LBP 匹配法和指静脉方向信息特征匹配法的分数值进行融合。多特征融合匹配算法可兼顾到多种特征的优势,减少某一低质量影响因素对特征的影响。本文提出的多特征融合匹配算法采用粒子群算法计算最优权重计算然后进行加权均值融合。实验对比分析了最大值多特征融合匹配法、最小值多特征融合匹配法、简单均值多特征融合匹配法和基于 EER 加权均值多特征融合匹配法。实验结果表明本文提出的多特征融合匹配方法优于其他融合匹配方法,能够提高指静脉系统性能。

第一章 绪论

1.1研究背景与意义
随着信息化社会进程的发展,网络攻击、用户信息泄漏等众多信息安全领域问题的不断涌现。人们对于个人的或者企业政府等不同组织的身份安全认证方式提出了更高的标准。以前传统的安全认证方式诸如钥匙、门禁卡、密码等容易遗忘或遗失且这类认证方式极易被盗取伪造,因此具有局限性和安全隐患。传统的认证方式已经逐渐不能满足人们对于安全性越来越高的要求了,因此生物识别技术逐渐成为主流。
生物特征识别技术作为身份认证技术重要组成部分中之一,它是通过利用人体本身所具有的生理特征或者人的行为特征进行身份认证的一种技术。它对人体某种特征进行采集,进行数据处理并存储用于个人身份的验证,生物识别技术成为了目前身份验证领域最具有应用前沿的技术。生物识别技术可从类型上分为生理特征和行为特征这两类。生理特征又可分为外部生理特征和内部生理特征,外部有:比如虹膜[1]、指纹[2]、掌纹[3]、人脸[4]等;内部有:指静脉[5]、掌静脉[6]等;行为特征主要有语音[7]、签名[8]、步态[9]、打字节奏[10]等。
目前,人脸面部识别技术与指纹识别技术是比较广泛运用生物识别技术。应用场景有政企安防系统、个人移动设备认证、金融支付系统认证等。但是就面部识别而言,由于光照和角度的问题、以及容易被黑客捕获并伪造的风险存在,使得人脸面部识别存在潜在的安全风险。对指纹识别而言,由于手指的使用场景频繁会导致手指皮肤老化、受损等情况出现以及由于触摸物体后导致信息泄露的风险,使得其应用安全性相对较低。掌纹识别技术由于采集设备不具有便携性,因此应用场景有所限制。语音识别技术精度较高,但受到环境噪音影响较大。虹膜识别采集需要人眼靠近采集设备,因此较小受到环境的影响,但是相对于指纹的接触式验证,虹膜识别的方式容易让用户产生抗拒心理,不利于大规模的推广和应用。
....................

1.2国内外研究现状
近年来,指静脉识别技术逐渐被人们所熟知,成为生物识别技术领域重要的组成部分。在多种生物识别技术中,由于指静脉是利用人体内部的特征进行认证,因此具有极高的防伪性得到了大量研究人员关注。
指静脉识别技术最初源于手背静脉识别,1983 年宾西法尼亚大学的 JosephRice[16]最先提出了基于手背的静脉识别技术,并在最后数年中与 MacGregoe[17]等研究人员陆续发表了多篇关于手背静脉识别技术方面的专利与论文,但是该技术在当时没有重视。直到 1997 年,日立公司[18]的中央研究所开始对手指静脉识别技术进行研究,并在 2004 年推出指静脉识别技术的白皮书,极大的推动了指静脉识别技术领域的发展。日立公司在指静脉识别安防领域的商业化也取得了骄人的成绩。截止至 2007 年,相关数据统表明日本 80%的 ATM 都搭载指静脉识别设备[19],指静脉生物识别技术成为生物识别领域的行业标准之一。
日本、韩国以及欧美等企业也早就在指静脉识别领域取得了相关科研成果,但国内指静脉识别技术研究起步比较晚。2003 年,清华大学精密测控技术及仪器国家重点实验室成立指静脉识别的研究项目[20]。2005 年,北京大学的人工智能实验室成立指静脉识别技术方面的研究组,并且在 2009 年开发出学生考勤系统。2006 年,中国科学院自动化研究所和中国民航大学[18]合作成立“民航安全智能监控与识别联合实验室”,该实验室与中国科学院自动化研究所共同申请了“面向自助通关应用的生物特征识别系统研究”的国家 863 重点项目。2007 年,哈尔滨工程大学的王俊科教授[21]团队攻克相关技术难题取得了重大成果。
.......................

第二章 指静脉生物识别相关技术研究

2.1引言
指静脉识别技术在众多其他生物特征识别技术中具有独特的优势,比如手指静脉位于手指内部不易泄露,难以伪造;需要活体才能采集到指静脉图像,安全性高;采用近红外光源采集,属于非入侵采集不会留下痕迹等。指静脉生物识别技术原理是利用近红外光照射手指,并由图像传感器感应手指投射过来的光,利用了静脉血液中的血红蛋白在失去氧气可以吸收一定波长范围内的近红外光波(700-1000nm)的特性,而肌肉骨骼等组织对于该波段的近红外光线有较好的透射性。因此可使用近红外线照射手指造影从而获得静脉图像,利用指静脉图像进行特征的提取以及识别。
通过对获取的指静脉原图进行预处理操作,包括感兴趣区域(Region of Interest,ROI)的提取、图像增强,从而获得经过增强的感兴趣区域图像,对 ROI 图像进行指静脉纹路的提取并进行去噪、细化等后处理操作可获得指静脉网络图像,对指静脉网络图像可进一步进行特征点提取包括端点和交叉点。将访问用户的特征信息与存储的注册用户特征信息进行比对,判断相似程度,可对访问用户进行是否合法的判别。
本章首先介绍了指静脉识别技术的流程,接着介绍指静脉特征提取环节的相关方法研究情况以及指静脉特征匹配环节的相关算法研究情况,最后介绍目前常用于科学研究方面的指静脉数据库以及指静脉系统性能评估指标。
.....................

2.2指静脉识别技术流程
指静脉识别技术在实际应用中包含两个环节:用户指静脉的注册环节和用户指静脉的识别环节。用户在指静脉注册环节,使用指静脉采集仪器进行指静脉图像采集,然后进行图像预处理和指静脉特征的提取,最后将提取的指静脉特征信息存储在设备中。指静脉识别环节则是少去了特征存储的过程,只需要将采集来访用户原图进行预处理和特征提取,然后将来访特征信息与注册特征信息进行依次匹配比对,最终给出匹配结果。指静脉识别算法总流程如图 2.1 所示。
指静脉识别技术从流程上可分为以下几个步骤:指静脉图像获取、图像预处理操作、指静脉特征提取和指静脉特征匹配。
图 2.1 指静脉识别流程
..........................

第三章 基于最大曲率的指静脉多特征提取算法............................. 24
3.1引言................................ 24
3.1现有指静脉提取算法分析 ...................................... 24
第四章 指静脉多特征融合匹配算法 .......................... 36
4.1引言.................................. 36
4.2指静脉多特征融合匹配方法 ........................... 37
第五章 总结与展望............................ 57
5.1总结............................... 57
5.2展望................57

第四章 指静脉多特征融合匹配算法

4.1引言
指静脉生物识别技术是目前先进的生物身份识别认证技术之一,各类指静脉特征的提取以及匹配算法取得了的很大进展。大多数的指静脉识别系统方案采用单一特征进行识别,单特征指静脉识别系统的性能提升具有一定局限性。同时由于不同特征的提取对指静脉图像采集环境有着一定的要求,比如基于位置信息的特征点信息,在指静脉图像采集过程中尽量要求指静脉采集者尽可能减少采集手指的旋转、倾斜、平移等大角度的移动;对于基于静脉纹理信息的特征,要求采集时候的环境光线以及采集仪器曝光等保持稳定性,以保证采集的指静脉图像曝光均匀,对比度适中。还有被采集者的手指皮肤出现磨损、污渍等因素也会导致采集图像的质量较低,给后续的特征提取与匹配带来一定影响。当然上述各类影响因素对于不同特征采集的影响都不是独立存在的,它们都或多或少共同影响的采集成片的效果。因此本文从多种特征的提取入手研究将多种特征融合,利用不同特征之间的优势,降低某一种外界环境因素对采集指静脉图像的影响,从而提升指静脉识别性能。
图 4.1 指静脉多特征融合匹配识别系统框架
......................

第五章 总结与展望

5.1总结
指静脉生物识别技术凭借其优势,成为专家学者们研究的热点。但是由于指静脉采集过程中会受到环境、手指本身皮肤破损、手指摆放歪斜以及采集设备性能等众多因素的影响,导致采集的指静脉图像质量较低。尽管在软件层面可以通过预处理等环节进行修复,但是依然不能根源上解决静脉模糊、对比度低和背景噪声等问题。
本文提出的基于最大曲率的自适应指静脉纹路提取算法,在计算曲率之前对指静脉图像的背景部分进行弱化处理,以解决原始采集源图像质量不佳情况导致的背景噪声对静脉提取的影响。在静脉中心点的选取环节增加伪静脉点剔除,以此减少伪静脉点的影响。实验表明本算法提升了指静脉识别系统的性能。
针对特征点提出的一种指静脉方向信息特征提取算法及其适用的基于IHD的指静脉方向信息特征匹配算法。该算法充分利用了指静脉生长方向的信息,利用静脉网络特征上特征点周围的静脉方向进行特征点的筛选,结合特征点的位置、生长的静脉枝杈数和角度方向进行筛选,保留匹配模板中最相似的特征点,最后对这些特征点采用 IHD 进行匹配。该算法减少了特征点匹配环节的时间开销同时提升了识别性能。
通过对指静脉多种特征提取的研究,提出采用多特征融合的匹配方法。该算法在匹配层对静脉纹路匹配法、LBP 匹配法和指静脉方向信息特征匹配法的分数值进行融合。多特征融合匹配算法可兼顾到多种特征的优势,减少某一低质量影响因素对特征的影响。本文提出的多特征融合匹配算法采用粒子群算法计算最优权重计算然后进行加权均值融合。实验对比分析了最大值多特征融合匹配法、最小值多特征融合匹配法、简单均值多特征融合匹配法和基于 EER 加权均值多特征融合匹配法。实验结果表明本文提出的多特征融合匹配方法优于其他融合匹配方法,能够提高指静脉系统性能。
参考文献(略)

上一篇:基于软件流水技术的深度卷积神经网络并行化研究
下一篇:无线可充电传感器网络充电调度算法思考与推广