基于非負(fù)稀疏矩陣分解的手指靜脈識(shí)別.pdf

1、日新月異的科技進(jìn)步給社會(huì)生活帶來(lái)極大便利，互聯(lián)網(wǎng)的日益壯大使信息交流迅速而廣泛；與此同時(shí)，如何確保信息的安全是人們關(guān)心的問(wèn)題，對(duì)身份認(rèn)證也提出新的要求。生物識(shí)別技術(shù)憑借獨(dú)有的優(yōu)勢(shì)：識(shí)別對(duì)象為人身體上的一些特征（生理的或行為的），而被廣泛應(yīng)用。目前，手指靜脈識(shí)別技術(shù)作為生物識(shí)別領(lǐng)域的新成員，克服了指紋識(shí)別、手形識(shí)別等手部特征的諸多缺點(diǎn)，已經(jīng)引起許多研究人員的廣泛重視。
　　本文重點(diǎn)研究手指靜脈識(shí)別的圖像處理及特征提取算法，并設(shè)計(jì)出一

2、套完整的手指靜脈識(shí)別系統(tǒng)。
　　首先對(duì)采集到的手指靜脈圖像進(jìn)行灰度轉(zhuǎn)換及灰度歸一化操作，減少存儲(chǔ)空間；然后對(duì)比分析幾種全局閾值分割算法，提出基于列方向的最大方差法進(jìn)行閾值分割，并通過(guò)連通域面積去掉小的塊狀噪聲，提取出完整的手指區(qū)域。為了克服圖像采集過(guò)程中存在的平移、旋轉(zhuǎn)等非線性因素影響，本文提出一種手指靜脈感興趣區(qū)域提取方法。通過(guò)擬合手指中線進(jìn)而確定手指的偏轉(zhuǎn)角度并進(jìn)行旋轉(zhuǎn)校正；利用手指指尖圓弧的直徑進(jìn)行定位，尋找指定寬度內(nèi)的手指

3、最大內(nèi)切矩形，最后進(jìn)行尺寸歸一化。文章對(duì)比了完整手指區(qū)域與感興趣區(qū)域的識(shí)別性能，結(jié)果表明采用本文算法提取的靜脈感興趣區(qū)域具有良好的魯棒性并且明顯提高識(shí)別率。
　　接著研究基于非負(fù)矩陣分解的手指靜脈特征提取，非負(fù)矩陣分解是一種新的分解方法，除了實(shí)現(xiàn)數(shù)據(jù)降維外，由于在分解過(guò)程添加非負(fù)約束，使得分解結(jié)果也滿(mǎn)足非負(fù)性，可以得到原始數(shù)據(jù)的局部表征。因此，本文研究用非負(fù)矩陣分解提取手指靜脈的局部特征。文章在研究了傳統(tǒng)的非負(fù)矩陣分解理論基礎(chǔ)上，

4、對(duì)兩種非負(fù)稀疏矩陣分解算法做了深入研究，將它們用于手指靜脈特征的分析，提取出靜脈代數(shù)特征。從特征基圖像、收斂速度、驗(yàn)證精度和辨識(shí)精度等方面做對(duì)比，得出非負(fù)矩陣分解稀疏約束算法效果最好。
　　小波分解作為一種多分辨率分析方法可以反映圖像不同尺度不同方向的信息，文章研究了二維小波變換的理論及分解后各子圖的意義，提出基于小波和NMFSC的非負(fù)稀疏矩陣分解，并分析小波分解級(jí)數(shù)和小波基對(duì)識(shí)別率的影響。分解后的近似圖像，濾掉了高頻噪聲，基本包