手指靜脈分類識別算法的研究.pdf

1、生物識別技術(shù)是利用人體生理特征來實現(xiàn)身份識別的技術(shù)。隨著社會的信息化、數(shù)字化、網(wǎng)絡化的高速發(fā)展,各種生物識別系統(tǒng)廣泛的應用于如銀行、機場、軍事基地、研發(fā)機構(gòu)等場所。其中,手指靜脈識別技術(shù)以其高度防偽、高準確性、簡便易用和快速識別等突出優(yōu)勢,成為近年來最具發(fā)展前景的生物識別技術(shù)之一。研究手指靜脈識別技術(shù)具有很高的應用價值。本文對手指靜脈識別技術(shù)中的分類識別算法進行了深入研究,主要的工作包括:
　　(1)分析總結(jié)了現(xiàn)階段國內(nèi)外手指靜脈

2、分類識別算法,并通過仿真實驗比較其優(yōu)缺點。
　　(2)根據(jù)二值化后的手指靜脈圖像的拓撲結(jié)構(gòu)特點,提出了一種改進的OPTA細化算法。該算法改善了消除模板和保留模板不一致的情況,構(gòu)造了8個消除模板及6個保留模板,然后再通過毛刺的裁剪、圖像的修復,得到了無冗余的點的單像素點的靜脈細化圖像。
　　(3)提出了基于核Fisher判別分析(KFDA)的手指靜脈識別方法。通過引入核函數(shù),利用了類間散度陣和類內(nèi)散度陣作為Fisher準則,通

3、過對預處理后的手指靜脈數(shù)據(jù)庫進行仿真。實驗結(jié)果表明,該方法具有較高的識別精度,其精度能達到98.2％。
　　(4)提出了基于BP神經(jīng)網(wǎng)絡的手指靜脈識別方法。首先,利用主成分分析(PCA)和線性判別分析(LDA)將手指靜脈圖像從高維空間降低到低維空間,去除圖像中包含的冗余信息,提取出靜脈圖像的特征向量。然后將提取到的特征向量作為BP神經(jīng)網(wǎng)絡的輸入,進行訓練與識別。實驗結(jié)果表明:該算法具有較快的識別速度和很高的識別率。從而驗證了該算法