基于指静脉方向场图的快速识别算法研究

针对目前的指静脉识别算法在大规模用户下识别速度慢、识别率低等问题,提出一种在大规模用户下基于静脉细化图像和方向场图的分阶段快速识别算法.首先根据静脉细化图像的纵向延伸特性和拓扑结构的不变性来粗步区分静脉图像是否来自相同手指,然后提取静脉图像的方向场图,利用静脉图像方向场图的稳定性匹配识别.仿真结果表明,提出的识别算法能明显区分同类和不同类手指静脉图像.多用户识别实验结果显示,在大规模用户下,分阶段快速识别算法匹配一次所用时间约是一步识别算法所用时间的1/5.

基于多特征阈值融合的手指静脉识别算法

大部分手指静脉识别算法使用单个特征识别,识别的基本是静脉区域特征。研究发现背景区域对静脉识别也有辅助作用,为此,提出一种融合静脉曲率灰度特征、曲率细线特征及背景曲率灰度特征的阈值识别算法。用高斯模板对图像进行曲率特征提取和分解,得到背景曲率灰度特征和静脉曲率灰度特征,再通过提取曲率特征得到曲率细线特征,并用阈值融合算法将3种静脉图像特征融合起来进行识别。实验表明,所提算法的性能优于基于方向滤波提取细线特征的算法和基于Hessian矩阵提取细线特征的算法。训练样本中,认假率为10-6时,其拒真率最低降至9.13%,性能显著提高。

基于细线距离顺序统计量指静脉快速识别算法

为了提高低质量手指静脉图像的识别率,提出了一种基于细线距离顺序统计量的手指静脉快速识别算法.利用顺序统计量计算部分较小细线距离的平均值,提高了存在伪静脉手指图像识别性能.在细线点集距离计算中采用邻域搜索的方法,相比采用逐点匹配的MHD点集计算方法,缩短了大量的匹配时间.实验结果表明,所提算法比广泛使用的基于特征点的MHD算法具有更好的性能.

用于提高军事信息安全的掌静脉识别方法

随着对军事信息安全性需求的提高,提出一种基于夹角-距离波峰曲线图提取手掌区域静脉识别方法。对手掌图像二值化处理,计算图像中心点和边界点坐标,得到夹角-距离波峰曲线图;曲线图与掌静脉二值图相互映射计算手部特征点坐标和进行左右手判断;根据上述信息进行手掌区域提取和掌静脉识别。实验结果表明,该方法提取的手掌区域具有很好的方向性和一致性,手掌区域提取成功率为99.07%,掌静脉识别成功率99.75%。