手指静脉图像质量评价与识别方法的研究

摘要

生物特征识别技术是使用人的生理特征或行为特征进行身份鉴别的技术，常被用作识别的生物特征有指纹、人脸、虹膜、步态、笔迹等。在众多生物特征识别中，手指静脉识别技术以其独特的优势成为了近年的研究热点。与一些传统的生物特征识别技术相比，手指静脉识别具有不易被伪造、用户友好、活体性等优势。另外手指静脉图像采集设备较小，很容易被引入到各种应用中，有很好的市场前景。
　　在采集手指静脉图像的过程中，由于光照变化、放置不规范、设备差异等因素的影响，会存在一部分质量较差的手指静脉图像。这些质量较差的图像对手指静脉识别的性能会有很大的影响。因此，如何有效的对手指静脉图像进行质量评价成了手指静脉识别中的一个比较重要的问题。另外，识别方法的研究一直是手指静脉识别领域的研究重点。在众多识别方法中，基于超像素的手指静脉识别是一种比较有效的方法，但是现有的基于超像素的方法还存在一些不足，因此本文提出了一种新的基于超像素的识别方法。
　　针对上述手指静脉图像质量评价问题本文提出了一种基于SVR(SupportVector Regression)的手指静脉图像质量评价方法。这个方法在手指静脉图像质量评价特征和手工标注的图像质量得分之间建立了一个SVR模型，然后利用这个模型对新的输入图像进行质量评价。在验证数据集上的实验结果表明所提的手指静脉图像质量评价方法是非常有效的。另外，所提方法还把图像质量得分作为软特征加入到手指静脉识别中，实验结果显示识别性能有所提升。
　　为了比较好的利用手指静脉图像质量评价结果，本文还提出了一种结合图像质量评价的自适应的手指静脉识别方法。该方法可以根据输入图像质量的差异选择合适的特征提取方法，克服了使用单一固定特征提取方法的不足。实验结果表明，这一方法在时间和识别性能两方面都有很好的表现。
　　基于超像素的手指静脉识别方法虽然比较有效，但是该类方法还存在以下不足:(1)不能区分性的使用超像素。(2)缺少更多具有辨别能力的超像素特征。因此本文提出了一种新的基于超像素的手指静脉识别方法。这一方法选取了两种类型的超像素，稳定性超像素和区分性超像素，这两类超像素在匹配阶段会发挥不同的作用。具体操作时，首先对数据库中的每一类都训练出稳定性超像素和区分性超像素。在识别时，只需要把输入样本与模板中相应位置的稳定性超像素和区分性超像素比较即可。在融合两类超像素的匹配得分时，本文提出了一种翻转权重的融合方法。另外，为了进一步提升识别性能，所提方法还提取了超像素的SPCF（Superpixel Context Feature）特征。在最后匹配阶段使用了加权的SUM融合方法把两类超像素的匹配的得分和SPCF特征的匹配得分进行了融合。在两个公开数据上的实验结果表明本文提出的基于超像素的方法对手指静脉识别是非常有效性。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 手指静脉识别

1．2．1 手指静脉识别研究的意义

1．2．2 手指静脉识别研究的现状

1．2．3 手指静脉识别的流程

1．3 本文的研究工作

1．4 论文的组织结构

第二章 手指静脉图像质量评价

2．1 研究动机

2．2 方法流程

2．2．1 图像质量得分标注

2．2．2 图像质量特征选择

2．2．3 SVR模型介绍

2．3 实验结果和分析

2．3．1 数据库和实验设置

2．3．2 实验1

2．3．3 实验2

2．3．4 实验3

2．4 本章小结

第三章 融合图像质量评价结果的手指静脉识别

3．1 研究动机

3．2 方法流程

3．2．1 自适应的手指静脉识别方法

3．2．2 质量特征

3．2．3 基方法的介绍

3．3 实验结果

3．3．1 数据库与实验设置

3．3．2 实验1

3．3．3 实验2

3．4 本章小结

第四章 基于超像素的手指静脉识别

4．1 研究动机

4．2 方法流程

4．2．1 预处理

4．2．2 超像素分割

4．2．3 稳定性超像素和区分性超像素的训练

4．2．4 提取SPCF特征

4．2．5 匹配得分

4．3 实验结果及分析

4．3．1 数据库和实验设置

4．3．2 实验1

4．3．3 实验2

4．3．4 实验3

4．3．5 实验4

4．4 本章小结

第五章 总结与探讨

参考文献

致谢

攻读学位期间发表的学术论文

攻读学位期间参加的项目