基于图像结构相似度的手指静脉匹配算法

在手指静脉识别领域,静脉特征的提取与匹配是非常重要的问题。然而现有的特征提取算法非常复杂,仅提取静脉特征就耗费了大量的计算资源,再加上匹配过程,大大降低了方法的实用性。提出了一种基于图像结构相似度(SSIM)的图像匹配算法,仅仅提取少量的图像特征就可以取得高识别精度,结合一种去除非静脉区域细小不规则区域的形态学方法,有效降低了识别系统的等错率(EER)。

多特征融合的手掌静脉匹配算法研究

针对相关系数法在手掌静脉图像匹配中无法解决平移与旋转的问题,提出了一种基于多特征融合的改进算法。首先,在匹配前,用文中提出的改进的图像校正算法校正图像,它可以改进相关系数法对于仅发生平移图像的匹配通过率;再利用基于细节的点的特征点匹配与基于全局的不变矩匹配的融合决策来弥补相关系数法对旋转图像匹配通过率偏低的不足。实验结果证明,本算法能提高系统的通过率,降低误识率。

基于Gabor滤波和形态学变换的手臂静脉线提取

提出了一种针对近红外图像的手臂静脉提取算法。首先利用限制对比度自适应直方图均衡化(CLAHE)对近红外图像进行预处理,增强对比度。然后利用Gabor滤波器对增强后的图像进行滤波,由Gabor滤波后的方向图和能量图获得手臂静脉位置。接着,对能量图进行高低帽变换,然后将整幅图像进行二值化,采用开闭运算处理二值化图像,利用形态学骨架提取的方法提取手臂静脉线,最后对骨架化后的图像进行毛刺修剪,得到比较完整有效的静脉线。实验结果表明,本文提出的算法可以有效地保证静脉线的连续性和完整性,有效地提高手臂静脉的匹配率。

基于三维点云匹配的手掌静脉识别

针对现有手掌静脉认证系统误拒率较高以及不支持大数据集匹配的问题,设计了基于透射式光源的双目视觉静脉三维点云重建装置,提出了基于三维点云匹配的手掌静脉认证算法。系统使用850 nm透射式发光二极管(LED)光源作为照明装置,由双目摄像机拍摄静脉视差图像进行三维重建。选择手掌静脉作为特征点描述其空间三维结构,提出了一种改进的内核相关性分析方法匹配三维点云。针对200组点云数据的实验结果验证了该方法的可行性和有效性,识别率达到了98%,误拒率2%,误识率0%,总特征维数约8000至12000维,高于尺度不变特征变换(SIFT),支持对大数据集的认证识别。