基于單幅近紅外手掌圖像的掌靜脈和掌紋融合識(shí)別方法研究.pdf

1、近幾年國(guó)內(nèi)外學(xué)者已經(jīng)對(duì)手部多特征融合識(shí)別技術(shù)做了大量的研究，主要包括掌紋和手型融合識(shí)別，指紋、掌紋和手型融合識(shí)別，手背靜脈和指關(guān)節(jié)融合識(shí)別，指靜脈和指背部融合識(shí)別，指紋和指靜脈融合識(shí)別，掌靜脈和掌紋融合識(shí)別等等。其中掌靜脈和掌紋的融合識(shí)別，成為近幾年研究的方向。然而如何使用單幅圖像，實(shí)現(xiàn)掌靜脈和掌紋的多特征融合識(shí)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(kù)，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(shí)別方法

2、，研究?jī)?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(qiáng)方法、近紅外手掌圖像中掌靜脈和掌紋的單特征識(shí)別方法、基于固定權(quán)值掌靜脈和掌紋的多特征融合識(shí)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(shí)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(shí)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(qiáng)方法。單幅近紅外手掌圖像，同時(shí)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(qiáng)掌靜脈結(jié)構(gòu)圖像和掌紋結(jié)構(gòu)圖像。本文利用改進(jìn)的自引導(dǎo)濾波算法去除掌紋結(jié)構(gòu)，并設(shè)計(jì)了反模糊細(xì)節(jié)增強(qiáng)模型增強(qiáng)掌靜脈結(jié)構(gòu)圖像;提出了一種改進(jìn)的分塊增強(qiáng)算法增強(qiáng)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(shí)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(shí)現(xiàn)識(shí)別分類。在利用改進(jìn)的自引導(dǎo)濾波增強(qiáng)掌靜脈結(jié)構(gòu)圖像時(shí)，兩次濾波半徑參數(shù)(r1，r2)為(2，16)，細(xì)節(jié)增強(qiáng)參數(shù)t為5時(shí)，掌靜脈的識(shí)別率為99.23％。在利用改進(jìn)的分塊增強(qiáng)算法增強(qiáng)掌紋圖像時(shí)，當(dāng)分塊半徑大小選取R為9，細(xì)節(jié)增強(qiáng)系數(shù)選取50時(shí)，掌紋的識(shí)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(shí)別方法。分別計(jì)算掌靜脈和掌紋的識(shí)別閾值，對(duì)單幅近紅

5、外手掌圖像的掌靜脈和掌紋實(shí)現(xiàn)閾值加權(quán)的識(shí)別方法。在固定權(quán)值下，當(dāng)掌靜脈的識(shí)別閾值權(quán)值為0.6，掌紋為0.4時(shí)，此時(shí)掌靜脈和掌紋的多特征融合識(shí)別率達(dá)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(shí)別方法。對(duì)掌靜脈結(jié)構(gòu)圖像和掌紋結(jié)構(gòu)圖像，分別從邊緣點(diǎn)/模糊點(diǎn)、高頻信息/低頻信息和圖像平均對(duì)比度3個(gè)方面，評(píng)價(jià)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(shí)別方法