基于手掌静脉图像鲁棒纹理特征的个人身份识别

摘要

随着科学技术的迅猛发展，身份识别的安全性受到了人们的高度重视，所以相应的生物特征识别技术也受到了越来越多的关注，其中以手部特征为基础的生物特征识别已成为研究热点。为了进一步提高身份识别系统的鲁棒性，本文围绕手掌静脉展开研究，主要做了以下几方面的工作：
　　（1）由于掌纹掌脉图像在采集的过程中必然存在噪声的干扰，导致图像质量下降，从而影响识别效果。本文研究了掌纹掌脉图像的预处理方法，并采用最大内切圆法对掌纹掌脉图像进行感兴趣区域（Region of Interest, ROI）提取，为后续实验做准备。
　　（2）本文提出将 Gabor小波和邻域二值模式（Neighbor Binary Pattern, NBP）算法结合的手掌静脉识别方法。首先研究手掌静脉识别的基本原理以及特征提取方法，然后分别介绍 Gabor小波和 NBP算法的基本原理，最后将 Gabor小波和 NBP方法结合来进行手掌静脉识别，并分别在两个不同的图库中进行实验，实验结果证明该方法具有一定的鲁棒性。
　　（3）为了进一步提高识别系统的鲁棒性，本文提出分别利用改进的局部线性二值模式（Local Line Binary Pattern, LLBP）方法和改进的NBP法将掌脉和掌纹进行特征融合。在基于改进的LLBP法的掌纹掌脉特征融合识别的实验中，首先介绍了 LLBP法的基本原理，然后利用 LLBP法进行特征提取，再对图像进行分块处理，最后将掌纹掌脉进行特征融合，实验结果显示融合后的识别效果更好，但总体等误率不低。在基于多块均值近邻模式的掌纹掌脉融合身份识别的实验中，首先将 NBP的方法进行改进，然后将图像分成均匀区块，计算每个区块的均值，形成多块均值近邻二值模式（ Multi-block Mean Neighbors Based Binary Pattern, MMNBP）法进行特征提取，最后将掌纹和掌脉特征进行融合，实验结果显示该方法具有良好的识别效果。

目录

声明

致谢

1 绪论

1.1 生物特征识别技术研究的目的

1.2 手掌静脉的研究现状

1.3 多模态融合研究现状及发展趋势

1.4 系统性能评价标准

1.5 本文的内容安排

2 掌纹掌脉图像预处理

2.1 二值化法及形态学去噪法

2.2 轮廓特征点方法

2.3 最大内切圆法

2.4 图像子图的截取与定位

2.5 归一化处理

2.6 本章小结

3 基于Gabor小波和NBP的手掌静脉识别

3.1 手掌静脉识别的基本原理

3.2 基于纹理的掌静脉图像特征提取算法

3.3 基于Gabor小波和NBP算法的手掌静脉识别

3.4 实验

3.5 本章小结

4 掌纹掌脉融合身份识别

4.1 掌纹掌脉融合识别的基本原理

4.2 基于改进的LLBP算法的掌纹掌脉融合识别

4.3 实验及分析

4.4 基于MMNBP算法的掌纹掌脉融合识别

4.5 实验及分析

4.6 本章小结

5 总结与展望

参考文献

作 者 简 历

学位论文数据集