论文部分内容阅读
手指静脉图像识别如今在生物特征识别领域研究热度越来越大,因其具有活体性、高稳定性、非接触性等特点,相较指纹识别、人脸识别安全性更高,受到生物特征识别领域研究人员的广泛关注,有极高的研究价值。针对手指静脉图像识别过程中的特征利用率不高、耗时较长或稳定性不高以及分类器设计有效性问题,以SDUMLA、polyU和MMCBNU三个常用手指静脉数据库和自建数据库作为研究对象,进行了深入研究。主要研究内容和创新性成果如下:(1)针对图像采集过程中因手指放置位置不当或按压力度不当等问题引起的图像模糊、过亮导致图像不可用的情况,以自建数据库为研究对象,提出了基于多信息融合的手指静脉图像评价方法。规划图像问题区域,提取亮度、信息熵和模糊方差特征,并结合支持向量机(SVM)得到评价结果。实验表明:该方法相较于单一特征或双信息融合特征,分类的正确率更高,正确率为99.06%。(2)针对图像感兴趣区域(RoI)提取的准确性、成功率以及算法运行效率问题,结合Canny算子和二次分割策略提出基于自建数据库的个性化RoI提取方法。结合二维梯度高斯核和Canny算子思想检测图像边缘,对边缘二值图做水平和垂直投影,寻找规划区域的峰值点进行粗分割,再去除边缘区域,得到精细分割后的RoI。实验表明:该方法对144张图像提取RoI的成功率为99.31%,单幅图像耗时只需30ms,较灰度直方图和区域生长法成功率提高约15%,分割效果更精确。(3)针对特征提取过程中特征提取的有效性及耗时问题,选择方向梯度直方图(HOG)特征提取方法来提取手指静脉图像梯度的方向和幅值特征,并针对传统HOG方法的“混叠效应”问题,提出融合邻域梯度信息的改进HOG描述符(ng_HOG)。在底层方向梯度直方图构建过程中,规划单元格邻域范围,以距离和梯度幅值为权值对原始HOG特征进行修正。实验表明:该方法在MMCBNU、SDUMLA、polyU和自建数据库上的识别率分别为98.23%、98.26%、94.18%和97.62%,算法运行时间分别为224ms、219ms、117ms以及57ms。(4)针对分类器设计的准确性问题,结合主成份分析(PCA)、稀疏表示和Softmax函数,提出了基于残差分布手指静脉非法用户识别方法。根据稀疏表示后重构残差的权重分布以及图像类别属性的概率分布特征,设计了非法用户分类器的判别条件,识别合法用户的身份。实验表明:在SDUMLA数据库上的非法用户识别实验中,该方法对合法用户身份的识别的正确率可达99.27%,认假率为0.0002%,拒真率为0.73%,单幅图像平均识别时间低于130ms。