基于手背静脉图像多特征稀疏表示的身份识别

为了准确地对人的身份进行识别,提出了一种对采集静脉图像的全局特征和局部特征进行稀疏表示的识别算法。该算法首先应确定静脉样本库中所有的静脉对象,并在不同光强下对每一手背静脉进行采集,此外将采集图像进行适当压缩与旋转,并将变换后的所有图像作为库中描述该静脉对象的样本;其次,分别提取该静脉对象所有样本的全局特征与局部特征,并通过求解每一特征系数向量的最小1范数,对未知静脉图像的全局与局部特征进行稀疏表示;最后,融合稀疏表示结果,完成静脉识别的过程。通过在3种光强下对200个人的手背静脉进行采集,并经过图像压缩与旋转调整后建立实验所需的静脉样本数据库,识别实验表明该识别方法正确识别率达到98%以上,并且对于采集时出现多种不合作因素具有较好的鲁棒性,同时具有较好的实用价值。

多参数融合的手背静脉图像质量评价

生物特征识别系统的性能与图像质量密切相关,识别过程中大部分的错误匹配是由低质量图像导致的.根据生物特征图像质量评价参数,并结合手背静脉图像结构特点,选取了有效区域尺寸、对比度、清晰度、位置偏移和旋转角度作为手背静脉图像质量评价的参数.基于各参数改变对识别率影响曲线,提出了根据其平均斜率确定参数最优权值的方法,并利用加权的方法对各质量参数评分进行融合,最终得到手背图像总质量分数.将该算法与图像结构相似度模型进行对比实验.实验表明,得到了与图像质量主观评价相一致的结果,并保证了手背图像的最佳识别率.

基于图像质量参数优化的异质手背静脉图像识别算法的研究

为更好地解决手异质背静脉图像识别问题,本文综合分析了图像采集过程及手背图像的自身特性.图像的有效区域、旋转、位置偏移、对比度、模糊度是造成异质的重要参数.为解决异质手背图像识别问题,提升同类样本的结构相似度,对上述5个质量参数进行优化调整,然后通过实验找出适合不同算法的最佳感兴趣区域(ROI)尺寸.实验结果表明,该方法可以有效提升不同算法对异质手背图像的识别率.

低对比度手背静脉图像的增强和分割

人体手背静脉识别技术是生物特征识别技术的一种。人的手背拥有比手指更为丰富的静脉血管,可以提取更多的并且适于身份认证的特征,所以把手背静脉识别作为一种身份认证方式,应用于信息安全等领域具有非常重要的现实意义。由于光照强度、手背厚度的不同,所采集到的手背静脉图像的质量不是很好,对比度比较低。为了得到有较好对比度的手背静脉图像,提出了一种基于形态学处理与对比度受限的局部直方图均衡(CLAHE)相结合的手背静脉图像处理的方法。实验表明,这种方法能有效地增强手背静脉和背景的对比度,使得静脉分割取得了很好的效果。

弱约束条件下手背静脉图像的增强与分割

手背静脉识别是一种全新的生物识别技术,近几年发展迅速,与传统生物识别技术相比具有明显优势。然而,该技术尚处于起步发展阶段,使用相关设备直接进行手背静脉图像采集、识别然后进行身份匹配存在一定困难,在实际的应用中,图像识别设备的差异、提取图像特征过程的差异等都会影响静脉识别的准确性。通过实验,对采集到的手背静脉图像进行形态学处理、直方图均衡和巴特沃斯高通滤波增强优化处理,然后使用改进的全局阈值(Ostu法)和局部阈值(Niblack法)相结合的算法对手背静脉图像进行二值化分割,得到最优结果进行图像细化,最终获得光滑清晰的静脉骨架图。实验过程在现有研究基础上,提出改进的手背静脉图像二值化分割方法,具有一定的实用价值。

手背静脉图像ROI提取算法研究

手背静脉识别是新兴的身份认证技术,与指纹识别相比,具有活体识别、内部特征、非接触式等优点,其关键点之一是对静脉图像感兴趣区域精准定位。文章提出了结合Canny边缘检测算法和Freeman链码的手背静脉感兴趣区域定位算法。实验结果表明,该算法能够克服手形姿势变化的影响进行准确定位,具有良好的鲁棒性,对手背静脉身份特征识别技术研究具有参考价值。

改进的手背静脉识别算法

提出了一种基于不变矩和支持向量机的手背静脉识别算法。算法在采用修正的NiBlack算法从原始图中分割出静脉纹路,然后采用改进的条件细化算法进行细化获得静脉骨架的基础上,提取静脉骨架的7个修正的几何不变矩作为支持向量机分类器的输入进行静脉分类识别,在有500个样本的数据库上进行实验,获得了95.5%的识别率,表明了算法的有效性。

基于多图融合和改进Xception网络的跨设备手背静脉识别研究

手背静脉是一种新兴的生物特征识别技术,相比其他生物特征具有唯一性、防伪造性、稳定性和非接触性等明显优势;由于采集设备和采集环境的不同,手背静脉灰度图像存在亮度、角度旋转、尺度缩放等差异,识别率较低;由此提出一种基于多图融合和Xception网络的手背静脉识别算法;首先在图像预处理后分割得到二值纹理图,然后将二值图转换为距离图,再由二值图细化得到骨架图;最后融合二值图、距离图和骨架图,得到包含纹理特征和形状特征的三通道合并图;采用Xception结构作为分类网络,并将其激活函数ReLU改为非线性更强的h-swish激活函数;相关实验在由实验室自建的1库和2库两个数据库上进行,其中1库作为训练集,2库作为测试集,最高识别率达到93.54%.

基于静脉灰度值特征的图像分割算法研究

手背静脉图像的采集过程中,由于图像采集设备、光照、皮下脂肪厚度等因素的影响,手背静脉图像的对比度比较低,同时图像噪声严重影响静脉提取。针对此问题,本文提出了一种基于静脉灰度值特征的图像分割与对比度增强算法。首先提取ROI(有效的感兴趣区域)和对ROI进行维纳滤波;然后采用新的图像分割算法对静脉图像进行静脉提取,利用8-邻接内边界跟踪方法和形态学处理方法对静脉二值图像进行去噪;最后将ROI与去噪后的图像进行加权叠加得到对比度增强的静脉图像。实验结果表明,通过采用基于静脉灰度值特征的图像分割算法可以很好地获取到静脉脉络,最终可以获得高对比度的静脉图像。

基于多角度旋转积分图的手背静脉身份识别

随着生物特征识别技术水平的飞速发展,手背静脉身份识别也广泛运用于各个领域;由于采集终端硬件设备和采集环境的差异,手背静脉识别效果并不理想;针对手背静脉图像在亮度,旋转,尺寸等方面造成的影响,提出了基于多角度旋转积分图的手背静脉身份识别方法;首先在尺度归一化后结合检测边缘性能的静脉图像梯度分割方法对图像进行二值分割,然后选取最佳角度间隔做旋转积分运算,最后通过二维离散余弦变换截取最佳特征矩阵用于分类识别,识别率超过99.9%;通过对比其它传统算法对手背静脉图像的识别效果来验证本文特征提取方法的可行性和优越性。

分离表示学习下的严重缺失静脉信息高质量生成

为解决在识别过程中存在手背静脉图像信息严重缺失而造成识别效率低下的问题,提出基于分离表示学习严重缺失手背静脉图像的修复算法.基于图像到图像转换的互信息估计表示学习的原理,通过一个共享属性部分编码网络和一个独占属性部分的编码网络来进行特征信息的分离表示,学习静脉关键点与完整静脉骨架图像之间的映射,进而实现基于部分关键点对静脉严重缺失图像的良好修复.为保证生成图像的质量,采用对抗损失与感知损失保证图像的语义真实性与信息完整性,采用循环一致性损失对分离表示网络得到的分离内容和属性表示的循环重建进行约束.实验结果表明,生成图像在视觉效果、峰值信噪比(Peak Signal to Noise Ratio,PSNR)、结构相似性(Structural Similarity Index,SSIM)等方面的表现优于经典算法,有效地实现了对严重缺失静脉图像的良好修复.

人体手背血管图像的特征提取及匹配

为了克服指纹识别系统的一些缺点,该文对一种全新的生物特征识别方法——基于手背的静脉图像的特征识别进行了初步研究。首先利用自主设计的近红外血管图像采集仪提取血管造影的原始图像,然后对采集到的图像作归一化和增强处理,以及进行特征提取和特征匹配算法研究。文中给出了65个小范围样本的匹配试验结果,在拒真率为4.6%条件下,误识率为0。利用手背静脉图像进行个人身份识别是完全可行的,文中提出的方法具有良好的应用前景。