基于二維非負(fù)矩陣分解的手指靜脈識別.pdf

1、日新月異的科技進步給社會生活帶來極大便利，互聯(lián)網(wǎng)的日益壯大使信息交流迅速而廣泛；與此同時，人們對準(zhǔn)確地認(rèn)證個人身份、確保信息安全提出了新的要求。生物識別技術(shù)，一種以人的固有特征（生理的或行為的）作為識別對象的新一代身份識別技術(shù)，因其高安全性而被廣泛應(yīng)用。目前，手指靜脈識別技術(shù)作為第二代生物特征識別技術(shù)，克服了指紋識別、手形識別等手部特征的諸多缺點，已經(jīng)引起許多研究人員的重視。
　　本文重點研究手指靜脈識別的感興趣區(qū)域獲取及特征提取

2、算法，并設(shè)計出一套完整的手指靜脈識別系統(tǒng)。
　　首先對采集到的手指靜脈圖像進行灰度轉(zhuǎn)換及灰度歸一化操作，減少存儲空間；然后對比分析幾種全局閾值分割算法，提出基于列像素方向的最大類間方差法，并進行去噪處理，提取出完整的手指區(qū)域。為了克服圖像采集過程中存在的旋轉(zhuǎn)、平移等非線性因素影響，本文提出一種基于旋轉(zhuǎn)校正的非接觸式指靜脈圖像感興趣區(qū)域提取方法。通過擬合手指中線進而確定手指的偏轉(zhuǎn)角度并進行旋轉(zhuǎn)校正；利用手指指尖圓弧的直徑進行定位，尋

3、找指定寬度內(nèi)的手指最大內(nèi)切矩形作為指靜脈圖像的感興趣區(qū)域，最后進行尺寸歸一化。本文對比了完整手指區(qū)域與感興趣區(qū)域的識別性能，實驗表明采用本文算法提取的指靜脈感興趣區(qū)域具有良好的魯棒性并且能明顯提高識別率。
　　非負(fù)矩陣分解是一種新的圖像矩陣分解方法，除了實現(xiàn)數(shù)據(jù)降維外，由于在分解過程添加非負(fù)約束，使得分解結(jié)果也滿足非負(fù)性，可以得到原始數(shù)據(jù)的局部表征。在本研究所以往指靜脈識別技術(shù)的基礎(chǔ)上，本文將指靜脈訓(xùn)練集圖像轉(zhuǎn)化為列向量矩陣，然后

4、進行非負(fù)矩陣分解得到特征基圖像，從而提取任一手指靜脈圖像的局部特征。在傳統(tǒng)的非負(fù)矩陣分解理論基礎(chǔ)上，對兩種非負(fù)稀疏矩陣分解算法做了深入研究，并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、驗證精度和辨識精度等方面對比，得出了非負(fù)矩陣分解稀疏約束算法效果最好的結(jié)論。
　　為了克服非負(fù)矩陣分解稀疏約束算法中訓(xùn)練時間過長的問題，本文繼續(xù)研究基于二維圖像進行兩次分解的二維非負(fù)矩陣分解算法。該方法中分解的對象是原

5、始二維圖像，保留了完整的結(jié)構(gòu)信息，且圖像向量化過程的避免使得數(shù)據(jù)維數(shù)得到控制，所以大大降低了運算復(fù)雜度，縮短了訓(xùn)練時間，同時實驗表明識別率也有所提高。進一步地，對二維非負(fù)矩陣分解進行改進，提出了兩次分解互不干擾的并行二維非負(fù)矩陣分解和基于原始圖像對角化和特征基矩陣正交化的并行二維非負(fù)矩陣分解，實驗證明，這三種方法在收斂速度、驗證精度和辨識精度等方面都優(yōu)于一維的非負(fù)矩陣集分解算法，具有更好的應(yīng)用推廣價值。
　　本文最后，構(gòu)建手指靜脈