基于單幅近紅外手掌圖像的掌靜脈和掌紋融合識別方法研究.pdf

1、近幾年國內(nèi)外學(xué)者已經(jīng)對手部多特征融合識別技術(shù)做了大量的研究，主要包括掌紋和手型融合識別，指紋、掌紋和手型融合識別，手背靜脈和指關(guān)節(jié)融合識別，指靜脈和指背部融合識別，指紋和指靜脈融合識別，掌靜脈和掌紋融合識別等等。其中掌靜脈和掌紋的融合識別，成為近幾年研究的方向。然而如何使用單幅圖像，實現(xiàn)掌靜脈和掌紋的多特征融合識別，現(xiàn)有的研究很少。本文使用香港理工大學(xué)公開的近紅外手掌圖像數(shù)據(jù)庫，研究了在單幅近紅外手掌圖像中掌靜脈和掌紋多特征融合識別方法

2、，研究內(nèi)容包括:單幅近紅外手掌圖像中掌靜脈和掌紋結(jié)構(gòu)圖像的提取和增強方法、近紅外手掌圖像中掌靜脈和掌紋的單特征識別方法、基于固定權(quán)值掌靜脈和掌紋的多特征融合識別方法、基于圖像質(zhì)量自適應(yīng)權(quán)值的掌靜脈和掌紋多特征融合識別方法以及基于圖像相似性系數(shù)自適應(yīng)權(quán)值的掌靜脈和掌紋多特征融合識別方法。具體如下:
　　單幅近紅外手掌圖像中掌靜脈結(jié)構(gòu)圖像和掌紋結(jié)構(gòu)圖像的提取和增強方法。單幅近紅外手掌圖像，同時包含有掌靜脈結(jié)構(gòu)和掌紋結(jié)構(gòu)，由于掌靜脈結(jié)構(gòu)

3、和掌紋結(jié)構(gòu)在近紅外手掌圖像中的紋理有較大差異并且像素值分布范圍也不同，因此可以分別提取和增強掌靜脈結(jié)構(gòu)圖像和掌紋結(jié)構(gòu)圖像。本文利用改進的自引導(dǎo)濾波算法去除掌紋結(jié)構(gòu)，并設(shè)計了反模糊細節(jié)增強模型增強掌靜脈結(jié)構(gòu)圖像;提出了一種改進的分塊增強算法增強掌紋信息結(jié)構(gòu)且可去除掌靜脈信息，然后使用基于Sobel算子反銳化掩模算法突出掌紋主線條結(jié)構(gòu)信息。
　　研究了近紅外手掌圖像中掌靜脈和掌紋的單特征識別方法。使用小波分解的特征提取方法分別提取上述

4、分離后的掌靜脈結(jié)構(gòu)圖像和掌紋結(jié)構(gòu)圖像的特征，利用相似性系數(shù)實現(xiàn)識別分類。在利用改進的自引導(dǎo)濾波增強掌靜脈結(jié)構(gòu)圖像時，兩次濾波半徑參數(shù)(r1，r2)為(2，16)，細節(jié)增強參數(shù)t為5時，掌靜脈的識別率為99.23％。在利用改進的分塊增強算法增強掌紋圖像時，當分塊半徑大小選取R為9，細節(jié)增強系數(shù)選取50時，掌紋的識別率為94.00％。
　　研究了基于固定權(quán)值的掌靜脈和掌紋的多特征融合識別方法。分別計算掌靜脈和掌紋的識別閾值，對單幅近紅

5、外手掌圖像的掌靜脈和掌紋實現(xiàn)閾值加權(quán)的識別方法。在固定權(quán)值下，當掌靜脈的識別閾值權(quán)值為0.6，掌紋為0.4時，此時掌靜脈和掌紋的多特征融合識別率達到99.67％。
　　提出了基于圖像質(zhì)量自適應(yīng)權(quán)值的掌靜脈和掌紋多特征融合識別方法。對掌靜脈結(jié)構(gòu)圖像和掌紋結(jié)構(gòu)圖像，分別從邊緣點/模糊點、高頻信息/低頻信息和圖像平均對比度3個方面，評價掌靜脈結(jié)構(gòu)圖像和掌紋結(jié)構(gòu)圖像。在此基礎(chǔ)上提出了基于圖像質(zhì)量的自適應(yīng)權(quán)值掌靜脈和掌紋的多特征融合識別方法