论文部分内容阅读
随着社会的进步,整个社会成为信息网络的结合体,因此安全性问题就成为人们关注的重点,其中身份鉴别便是一种基本方法。传统的身份鉴别方法容易存在冒用、盗用、丢失等现象,因此出现了生物特征的身份识别技术。常用的生物特征识别技术有指纹、人脸、虹膜、静脉等,其中的掌静脉识别以其稳定性、活体特征和唯一性等优点受到越来越多人的关注和研究。掌静脉身份识别就是通过提取手掌静脉特征来识别未知用户身份的一种技术,一般包括图像预处理、特征提取及特征识别或验证三个步骤。本论文主要研究掌静脉识别算法,重点研究掌静脉特征的提取及识别验证算法,在传统NMRT(neighborhood matching radon transform)算法提取方向特征的基础上进行改进,又创新性提出融合双手掌NBP(neighbors-based binary pattern)特征的算法。本论文的主要研究工作及研究成果为:1、详细描述了两种ROI(region of interest,感兴趣区域)区域的提取方法,介绍并比较了常用的几种图像降噪处理方法,最后选取基于掌心矩形的ROI区域提取算法和中值滤波算法以达到最佳识别效果。2、在传统NMRT算法的掌静脉识别基础上,增加了ROI区域的降采样处理和静脉点的判断。在PolyU掌纹库上得到改进NMRT算法的识别率达到99.64%,和传统算法相比,在保证识别效果基本不变的基础上大大缩短了识别过程所消耗的时间。3、创新性提出一种融合双手掌NBP特征的识别算法,并在此基础上又提出两种多登记样本图时的双手掌融合识别算法。在PolyU掌纹库上得到融合双手掌NBP特征算法的识别率为98.93%,明显高于传统单手掌识别算法,而两种基于多样本的双手掌融合识别算法的识别率高达99.89%和99.78%。4、最后对比改进NMRT算法识别和双手掌特征融合识别的各项性能指标,改进NMRT算法的识别效果更好但是比较耗时,而双手掌特征融合识别在保持较高的识别率前提下识别速度快,能够满足实时的要求。