改进的手背静脉识别算法

合集下载

手背静脉红外图像特征识别算法的研究的开题报告

手背静脉红外图像特征识别算法的研究的开题报告一、选题背景与意义随着生物识别技术的不断发展，人体生理特征的识别逐渐成为了一种重要的身份验证手段。

手背静脉是一种独特的生物特征，具有不可复制性、高安全性和方便性等优点，因此被广泛应用于医疗、金融等领域中的身份验证。

当前，手背静脉识别技术的发展主要集中在图像特征的提取和匹配算法上。

其中，手背静脉图像的红外成像技术能够清晰地显示手背静脉的位置、分布和形状等信息，为特征提取和识别算法提供了良好的基础。

因此，本文计划研究手背静脉红外图像特征识别算法，旨在提高手背静脉识别的准确度和稳定性，为生物识别技术的进一步发展提供有力支持。

二、研究内容和方法本文研究的内容主要包括手背静脉红外图像特征的提取、分类器的设计和模型的优化等方面。

具体来说，本文将采用以下研究方法：1.手背静脉红外图像预处理：对手背静脉红外图像进行增强、去噪等预处理，以提高图像的清晰度和质量；2.手背静脉红外图像的特征提取：利用纹理特征、形状特征等方法提取手背静脉图像的特征，以建立准确的分类器；3.分类器的设计：本文将采用支持向量机等分类器，针对提取的手背静脉图像特征进行分类器的设计和构建；4.算法优化：针对分类器的性能进行优化，以提高手背静脉识别的准确度和稳定性。

三、研究预期成果本文的预期成果主要包括以下几方面：1.提出一种有效的手背静脉红外图像特征提取方法，为后续的分类器设计和模型优化奠定基础；2.建立一个准确、稳定的手背静脉识别模型，为身份验证等领域中手背静脉技术的应用提供技术支持；3.提高手背静脉识别的准确度和稳定性，为生物识别技术的进一步发展提供有力支持。

四、研究计划和进度安排本文的研究计划和进度安排如下：1. 第一阶段（2周）：对手背静脉红外图像的现状和发展进行文献综述，并确定研究方向和方法；2. 第二阶段（4周）：收集和处理手背静脉红外图像数据，研究图像预处理和特征提取算法；3. 第三阶段（2周）：设计和建立分类器，测试分类器的性能；4. 第四阶段（2周）：优化分类器的性能，分析和讨论实验结果；5. 第五阶段（2周）：完成论文撰写和答辩准备工作。

基于改进脊线跟踪的手背血管识别算法研究

ｔｅｉｇｌｃｌｅｅｒｇｏａｕ．ｉａｌ，ｅｇｆｈｎｅｎｒｇｌｅＴｉａｇｒｈｅｆｃｉｅｙｄｃｅ－ｈｍａｅ，ａｌｓｔｈｅｉｎｖｅＦｎｌｙｗｅｇｔｉｅｏａｄｖｉｄｅｉ．ｈｓｌｏｉｍｆｔｌｅｒａｏｙｔｌａｍａｉｎｔｅｖｓｓｔｅｃｓｏｏｕｉｇａｏｄｈｆｓｎｅｅｔｇｔｅｒｇｏａｕ．ｍｐｒｄｗｔｈｒｄｔｎｌｍｅｈｄ，ｅｈｏｔｆｃｍｐｔｎ，ｖｉｓｔｅｉｏｌｉｇｗｈｎｓｔｎｅｉｎｖｌｅＣｏａｅｉｔｅｔｉｏａｔｏｎｏｉｈｈａｉｉｈｓｒｍａｋｂｅａｖｎａｅｉｐｅｍｅｎｉｅｐａｇｏｅａｉ．ｔａｅｒａｌｄａｔｇｎｓｅｄ，ａｔｍｅｋｅｏｄｖｒｃｔｙ
第３８卷
第１Ｏ期
激光与红外
ＬＥＡＳＲ＆ＩＦＮＲＡＲＥＤ
Ｖｏ．８．．１Ｊ３Ｎｏ０
２００８年１０月
Ｏｃｏｅ，０８ｔｂｒ２０
文章编号：０－７（０８１— ４－１１０８２０）０１６３０５００
・图像与信号处理・
为广泛，也有其各自的缺陷。近期人们开始关注但
一
者俱乐部、运动场等；预防犯罪：公寓、别墅、家庭、建
筑场所、工作场所、工厂、民区的安全、控和减少居监犯罪；上下班考勤：视和查询考勤记录；可用于监也较高安全级别的身份认证。

手背静脉识别技术关键算法研究与实现的开题报告

手背静脉识别技术关键算法研究与实现的开题报告1. 研究背景现阶段的生物识别技术，如人脸识别、指纹识别等，虽然应用较为广泛，但其存在着很多安全问题。

手背静脉识别技术由于其高度安全性和不易被仿冒，近年来逐渐得到关注。

手背静脉识别技术是利用手背静脉在透射光线下产生的图像特征进行身份识别的一种新型生物识别技术。

手背静脉具有较高的个体差异性、不受年龄和生理变化影响、不易受环境干扰等优点，因此成为了当前研究的热点。

2. 研究目的本次研究旨在通过对手背静脉识别技术的关键算法进行深入研究，探究其原理和实现方法，并将其运用到实际场景中，为生物识别技术的发展做出贡献。

3. 研究内容(1) 手背静脉图像获取利用图像采集设备如相机、红外线摄像机等对手背静脉图像进行获取，包括静脉结构和纹路信息。

(2) 特征提取从采集到的手背静脉图像中提取静脉和纹路等特征信息，进行信息编码和融合，生成可供比对的模板。

(3) 识别算法基于数据挖掘和模式识别算法，对生成的模板进行比对和匹配，实现身份识别。

(4) 实现方法结合实际应用场景，设计并实现基于手背静脉识别技术的身份认证系统，对识别算法进行优化和改进，提高系统的安全性和可靠性。

4. 研究意义(1) 提高生物识别技术的安全性。

相较于传统的生物识别技术，手背静脉识别技术更难以被伪造和仿冒，以此提高身份识别的安全性。

(2) 推广和应用。

随着技术的不断发展和推广，手背静脉识别技术将被广泛应用于金融、医疗、公共安全等领域。

(3) 为相关领域的研究提供参考。

本次研究对手背静脉识别技术的算法研究和实现提供了一定的参考价值，对相关领域的研究具有重要意义。

5. 研究方法本研究主要采用实验室实验与文献调研相结合的方法，通过对手背静脉识别技术的理论分析和实验验证，探究其实现原理和关键算法。

同时，结合实际应用场景，设计并实现基于手背静脉识别技术的身份认证系统，对识别算法进行优化和改进，提高系统的安全性和可靠性。

手背静脉认证系统

4
手背靜脈認證系統VP-II X概要
「手背」靜脈認真系統 VP-II X系列
世界第一靜脈認證技術（獲得專利）產品，非接觸式生物認證技術產品有望成為人體識別技術的標準。
他人受入率（0.0001%）、本人據否率（0.01%）精度為世界最高水準，
認證速度為0.4秒/回真正實現快速無接觸式認證。
本系列產品日本國內銷售9，000臺以上，世界範圍銷售超過15，000臺以上。（2013年12月末）
ＬＡＮ電子鎖控制器
與防犯攝像機共同使用實現攝像監控。
VP-II X 入口
VP-II X 入口
7
客戶端認證服務概要（事例）
考勤管理出入管理
（客戶端的魅力）
・客戶端監視功能・從系統管理上解放・使多種形式得以統一應用
OS 網路
（現場 A）
（現場 B）
（現場 C）
8
實際事例～和警備設備組合應用
事件受信，密碼開鎖成功/失敗履歷，儲存。
「PIN +PW」認證
靜脈認證後利用鍵盤輸入密碼進行認證
外派和臨時職員等。特定時間（時間帶）通過遠程發行開鎖用「密碼」。
13
應用事例（安全櫃應用實例）
LA N LA N LA N
【室內】
TCP/IP
對公司內重要鑰匙實施管理！鑰匙帶出/返回實現自動化管理（最大78門×30個＝2340個）
SaaS 合同
用戶
SaaS 合同
用戶
SaaS 合同
用戶
16
市場開拓前景方向
入退室管系統考勤管理系統警備管理系統
申請多項專利
OTP發動機搭載戰略DB
R
WAN
戰略的認證

手背静脉图像骨架特征提取的算法

维普资讯
第２７卷第１期
２００７年１月
文章编号：０１０１２０）１— １２—０１０ —９８（０７００５３
计算机应用
ＣｏｍｐｕｅｐｉａｏｓｔｒＡｐｌｃｔｎｉ
Ｖ０．７Ｎｏ１１２．Ｊｎ０７ａ．２０
Ａｂｔａｔｓｒｃ：Ｂｉｍｅｒｃｉｅｔｃｔｎｔｈｏｏｙｂｓｄｏａｄｖｉｕｃｔｎｏｓｎｔｏｋｓｕｔｒｐｅｒｓａｐｏｓｎｏｔｎｉａｏｉｄｉｆｉｃｅｎｌｇａｅｎｈｎｅｎｓｂｕａｅｕｅｗｒｔｃｕｅａｐａｓａｒｍｉｉｇｒｔｃｎｑｅｆｒｐｒｏａｅｏｎｔｎｅｈｉｕｏｅｓｎｌｃｇｉｏ．ＴｅｃｎｒｓｆａｄｖｉｇｎａｃｄｂｉｇＷｉｎｒｆｔｒｏｍａｉｄｍｏｅｒｙｒｉｈｏｔｔｏｎｅｎｉｅｉｅｈｎｅｙｕｎｅｅｌ，ｎｒｌｚｄ，ｇａａｈｍａｓｓｉｅｅｌｖｌｔｅｃｉ，ｓａｐｎｎｄｓｎＡｔｒｂｎｒｍａｅＷＳｏｔｉｅ，ｆｕ－ｏｉｇｏｒｗｎｇｒｈｗａｒｓｎｅｅｅｒｔｈｎｓｇｈｒｅｉｇａｏｏ．ｆｉａｙｉｇａｂａｎｎｅｄｏｒｄｍａｎｒｉｎｇｏｉｇａｏｉｍｓｐｅｔｅｌｔｅｄｔｉｅｎｉｔｄｇｔｄｏｔｅｎｉｅａ｜．Ｔｅｑｉｋｔｉｎｎｌｏｉｍａｄｐｅ．ｗｈｃａｎｄａｔｇｓｓｃｓｏｄｆｒｔｅａｅｈｏｓｒｅａｎｉｒｆ娜ｈｕｃｎｉｇａｇｒｔｗｓａｏｔｈｈｄｉｈｈｄｍａｙａｖａｅｕｈａｎｃｍｐｅｅｔｉｎｎ，ｆｓｐｅ，ｍａｎｅａｃｎｔｅｎｄＳｎｆｅａｄｖｉｇｋｌｔｎｗｓａａｙｅ，ｔｅｍｅｈｄｏｌｔｎｉｇａｔｅｄｈｓｉｔｎｎｅｏｍｉｕａ，ａＯｏ．Ａｔｒｎｅｎｉｆｉｈｍａｅｓｅｅｏａｌｚｄｈｔｏｎｆｒｅｔｃｉｇｔｅｃｏｓｇｐｉｔｓｐｐ￣ｌｔｏｖｈｒｂｅｔｉｅｆａｕｅｅｔｃｏ．Ｔｅｂｒ，ｏｈｒｋｎｆｏｘｒｔｒｓｉｏｎｓｗａｒｅａｎｈｎｏｏｓｌｅｔｅｐｏｌｍｓｍｅｎｔｅｔｒｘｒｔｎｈｕｒｔｅｉｄｏｈａｉｎｉｅｏｓ，ｗａｔｄｃｄｂｉｎｎｇｒｌｎｓｉｒｕｅｙｔｎｉａｏｉｕ．Ｏｎｔｅｂｓｓｏｅｂｒｆｔｅｈｎｅｎｉｇ，ａｇｒｈｏｅｕｒｇｗａｎｏｈｇｌｔａｉｆｔｕｒｏｈａｄｖｉｍａｅｎａｏｔｆｒｄｂｒｉｓｈｈｌｉｍｎｐｅｅｔ．Ｔｅｅｐｒｎｓｓｏｈｔｔｅｎｗａｇｔｏｌｋｈｋｌｔｎｅｐｅｓｇｏｔｃｓｒｃｕｅｏｅｈｎｅｎｒｓｎｅｈｅｉｄｘｍｅｔｈｗｔａｅ￣ｈｃｕｄｍａｅｔｅｓｅｅｏｘｒｓｅｍｒｔｔｒｆｔａｄｖｉｈｌｍｅｉｕｈ

改进的手指静脉图像识别算法仿真研究

中图分类号：Ｐ９．１Ｔ３１４文献标识码：Ａ
ＳｍｕａｉｇＳｕｙｏｇｒｔｍＢａｅｍｐｏｅｉｌｔｎｔｄｆＡｌｏｉｈｓｄＩｒｖｄ
ＦｉｅｉｍａｅＲｅｏｎｉｉｎｎｇｒＶｅｎＩｇｃｇｔｏ
ｏＣｎｅｍｔｏｆｖｌｏｅｔｕｉＣｆＡａｄｔｅｈｄｏｅｔｍｎｆｓｎＰＡ，ａｄｔｅｒｏｎｔｎｒｅｃｎｂｃｅｓｄｂ．ｎ．ＰｈＷａｅｍｏｎｅｇｉｏａａｅｉｒａｅｙ５６ａｄ４１ｈｃｉｔｎ
准确识别～个人的身份，护信息安全已成为当今信息保
ｅｔｃｃｈｒｃｅｓｉｓｏｇｎｖｉｓｎｈｉｇｌｒｖｌｅｏｅｏｏｉｏｈｏｙｎｈｒｃｓｓｘｒｔｏａｃａａｔｒｔｆｉｅａｄａｏｄｕｉｇｔｅｓｕａａｕｆｄｃｍｐｓｔｎｔｅｒ，ａｄｔｅｐｏｅｓｉａｌｌｉｃｍａｎｉｓｍｐｅｈｘｅｍｅｔｅｕｔｓｏｓｔａｅｔｙｎｅｆｒｎｅｏｉｍｅｈｄｉｓｐｒｒｏｔｅｔａｉｏａｇｒｈｉｌ．Ｔｅｅｐｒｎｓｌｈｗｈｔｉｎｉｉｇｐｒｍａｃｆｈｓｔｏｕｅｉｈｒｄｔｎａｏｔｍｉｒｄｆｏｔｓｏｔｉｌｌｉ
第２卷第３８期
文章编号：０６９４（０１０ — ３００１０－３８２１）３０１— ３

基于位面图的手背静脉身份识别研究

基于位面图的手背静脉身份识别研究近年来，随着科技的不断发展，人们对于身份识别技术的需求也越来越大。

在各种身份识别技术中，基于位面图的手背静脉身份识别技术备受关注。

手背静脉身份识别技术是一种基于生物特征的身份识别方法。

与其他生物特征相比，手背静脉具有难以伪造的特点，因为手背静脉模式是每个人独特的，且不受外界环境的影响。

因此，手背静脉身份识别技术在安全性和准确性方面具有很大的优势。

位面图是手背静脉身份识别技术中的重要概念。

位面图是通过近红外线图像采集手背静脉信息，并通过图像处理技术转换为二值图像，从而提取手背静脉特征。

位面图的生成过程包括手背静脉图像的采集、预处理、二值化和特征提取等步骤。

通过对位面图的处理，可以得到一组包含手背静脉特征的数据，用于身份识别。

手背静脉身份识别技术的研究主要包括两个方面：特征提取和分类识别。

特征提取是指从位面图中提取出具有代表性的特征信息，以便于后续的分类识别。

常用的特征提取方法包括Gabor 滤波器、LBP算子和HOG特征等。

分类识别是指根据提取到的特征信息，通过分类算法将测试样本与已有的样本进行比对，从而完成身份识别的过程。

常用的分类算法包括支持向量机、K最近邻算法和神经网络等。

目前，基于位面图的手背静脉身份识别技术已经在各个领域得到了广泛应用。

例如，在金融领域，银行可以使用这项技术来确保用户的身份安全，防止身份盗窃和欺诈行为的发生；在医疗领域，医院可以使用这项技术来管理患者的医疗信息，确保信息的安全性和私密性。

虽然基于位面图的手背静脉身份识别技术在安全性和准确性方面具有很大的优势，但是目前仍然存在一些挑战。

例如，由于手背静脉图像受到外界光照的影响，图像质量可能会受到一定的影响；同时，位面图的生成过程需要耗费一定的时间和成本。

因此，在进一步发展和应用该技术的过程中，需要不断改进算法和设备，提高技术的稳定性和可靠性。

综上所述，基于位面图的手背静脉身份识别技术是一种具有广阔应用前景的身份识别技术。

手背静脉图像分割及细化算法研究

设定的邻域大小当邻域大小设定为５１ｘ５１时．ＮｉＢＩａｃｋ
法的分割效果较好。阈值图像法次之。这是由于ＮｉＢ１ａｃｋ法实质上可以看做是阈值图像法的推广
２图像分割与细化
针对手背静脉图像中静脉纹路与背景灰度级比较
提取手背静脉图像中的细节特征点必须首先得到以单像素宽度描述的静脉纹路然而，手背静脉图像往往
对比度不高．静脉血管和背景之间的分界不明显。因此．需要对采集到的静脉图像进行预处理。从而得到以
Ｚｈａｎｇ＆Ｓｕｅｎ算法和ＯＰＴＡ算法对分割后的二值图像进
行细化以获取静脉纹路。实验结果表明：（１）从分割效果来看．经ＯＳＴＵ算法分割后得到的图像中存在严重的快效应．因此不适合于手背静脉图像的分割阈值图像法和ＮｉＢｌａｃｋ法的分割结果依赖于
关键词：
手背静脉识别；图像分割；图像细化
基金项目：
２０１１年河南省科技计划项目（Ｎｏ．１１２１０２２１０１８９）、郑州轻工业学院博士科研基金项目（Ｎｏ．２０１１ＢＳＪＪ００７）
０引言
手背静脉识别是生物特征识别技术中的一种．它
是指在特定波长近红外光源的照射下．利用由ＣＣＤ摄
１图像有效区域提取、归一化、增强及去噪
本文基于Ｍ０ｈａｍｅｄＳｈａｈｉｎ博士提供的手背静脉图像数据库对相关的图像处理算法进行研究闭。数据库中的手背静脉图像分辨率为３２０ｘ２４０．具有２５６个灰度

基于直方图均衡化的手背静脉图像对比度增强

像中的有效区域，然后利用直方图均衡化（ＨＥ）及其各种改进算法对提取的手背静脉图像进行对比度增强处理。实验结果表明，子块部分重叠局部直方图均衡化算法（ＰＯＳＨＥ）不但能够增强图像的整体对比度，而且图像中细节与背景之间的对比度也得到了增强，同时该算法效率较高，适合于手背静脉图像的对比度增强处理。关键词：手背静脉识别；对比度增强；有效区域提取；直方图均衡化
ＣＡＩＣｈａｏｆｅｎｇ，ＲＥＮＪｉｎｇｙｉｎｇ
（Ｃｏｌｌｅｇｅｏｆｅｌｅｃｔｒｉｃａｎｄｉｎｆｏｒｍａｔｉｏｎｅｎｇｉｎｅｅｒｉｎｇ，ＺｈｅｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙｆｏＬｉｇｈｔＩｄｕｎｓｔｒｙ，ＺｈｅｎｇｚｈｏｕＨｅｎａｎ４５０００２，Ｃｈｉｎａ）
ｉｎｄｉｃａｔｅｔｈａｔｔｈｅＰａｒｔｉｌａｌｙＯｖｅｒｌａｐｐｅｄＳｕｂ — ｂｌｏｃｋＨｉｓｔｏｇｒａｍＥｑｕｌａｉｚａｔｉｏｎ（ＰＯＳＨＥ）ｃａｎｅｎｈａｎｃｅｎｏｔｏｎｌｙｔｈｅｏｖｅｒａｌｌｃｏｎｔｒａｓｔ
ｂｕｔｌｓａｏｔｈｅｄｅｔａｉｌｅｄｏｎｅ．Ｍｅａｎｗｈｉｌｅ，ｉｔｓｈｉｇｈｅｆｆｉｃｉｅｎｃｙｉｓｓｕｉｔａｂｌｅｔｏｔｈｅｈａｎｄｖｅｉｎｉｍａｇｅｃｏｎｔｒａｓｔｅｎｈａｎｃｅｍｅｎｔ．Ｋｅｙｗｏｒｄｓ：ｈａｎｄｖｅｉｎｒｅｃｏｇｎｉｔｉｏｎ；ｃｏｎｔｒａｓｔｅｎｈａｎｃｅｍｅｎｔ；ｅｆｆｅｃｔｉｖｅｒｅｇｉｏｎｅｘｔｒａｃｔｉｏｎ；ｈｉｓｔｏｒａｇｍｅｑｕａｌｉｚａｔｉｏｎ

手背静脉身份识别方法门禁系统研究

手背静脉身份识别方法门禁系统研究李浩轩①（北京中冶设备研究设计总院有限公司　北京１０００２９）摘　要　提高手背静脉识别的准确度，实现高精度识别已经成为了关注的焦点。

针对这一问题，本文提出了基于多比特位面图序列，利用ＳｑｕｅｅｚｅＮｅｔ网络的手背静脉图像识别方法。

本文在位面图筛选时，引入欧氏距离，筛除掉信息较少的位面，形成新的比特位面图序列，大大提升了图像的识别准确率。

所提算法在真实的手背静脉数据库上实验，识别准确率超过９９％。

证明了本文算法的有效性，得到一种优秀的手背静脉身份识别方法。

关键词　手背静脉识别　多比特位面图序列　ＳｑｕｅｅｚｅＮｅｔ网络　欧氏距离中图法分类号　ＴＰ３文献标识码　ＡＤｏｉ：１０３９６９／ｊｉｓｓｎ１００１－１２６９２０２３Ｚ１００４ＲｅｓｅａｒｃｈｏｎｔｈｅＭｅｔｈｏｄｏｆＨａｎｄＶｅｉｎＩｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄＡｃｃｅｓｓＣｏｎｔｒｏｌＳｙｓｔｅｍＬｉＨａｏｘｕａｎ（ＢｅｉｊｉｎｇＭｅｔａｌｌｕｒｇｉｃａｌＥｑｕｉｐｍｅｎｔＲｅｓｅａｒｃｈＤｅｓｉｇｎＩｎｓｔｉｔｕｔｅＣｏ．，Ｌｔｄ．，Ｂｅｉｊｉｎｇ１０００２９）ＡＢＳＴＲＡＣＴ　Ｈｏｗｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｈａｎｄｖｅｉｎｒｅｃｏｇｎｉｔｉｏｎａｎｄａｃｈｉｅｖｅｈｉｇｈｐｒｅｃｉｓｉｏｎｒｅｃｏｇｎｉｔｉｏｎｈａｓｂｅｃｏｍｅａｆｏｃｕｓｏｆａｔｔｅｎｔｉｏｎ．Ｔｏａｄｄｒｅｓｓｔｈｉｓｉｓｓｕｅ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｈａｎｄｖｅｉｎｉｍａｇｅｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎａｍｕｌｔｉｂｉｔｂｉｔｍａｐｓｅｑｕｅｎｃｅａｎｄｕｓｉｎｇＳｑｕｅｅｚｅＮｅｔｎｅｔｗｏｒｋ．Ｉｎｔｈｉｓａｒｔｉｃｌｅ，Ｅｕｃｌｉｄｅａｎｄｉｓｔａｎｃｅｉｓｉｎｔｒｏｄｕｃｅｄｔｏｆｉｌｔｅｒｏｕｔｂｉｔｍａｐｓｗｉｔｈｌｅｓｓｉｎｆｏｒｍａｔｉｏｎ，ｆｏｒｍｉｎｇａｎｅｗｓｅｑｕｅｎｃｅｏｆｂｉｔｍａｐｓ，ｇｒｅａｔｌｙｉｍｐｒｏｖｉｎｇｔｈｅａｃｃｕｒａｃｙｏｆｉｍａｇｅｒｅｃｏｇｎｉｔｉｏｎ．Ｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｗａｓｔｅｓｔｅｄｏｎａｒｅａｌｈａｎｄｖｅｉｎｄａｔａｂａｓｅ，ａｎｄｔｈｅｒｅｃｏｇｎｉｔｉｏｎａｃｃｕｒａｃｙｅｘｃｅｅｄｅｄ９９％．Ｔｈｅｃｏｎｃｌｕｓｉｏｎｐｒｏｖｅｓｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅａｌｇｏｒｉｔｈｍｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ，ｒｅｓｕｌｔｉｎｇｉｎａｎｅｘｃｅｌｌｅｎｔｍｅｔｈｏｄｆｏｒｈａｎｄｖｅｉｎｉｄｅｎｔｉｆｉｃａｔｉｏｎ．ＫＥＹＷＯＲＤＳ　Ｄｏｒｓａｌｈａｎｄｖｅｉｎｒｅｃｏｇｎｉｔｉｏｎ　ＭｕｌｔｉｂｉｔｐｌａｎｅｓＳｑｕｅｅｚｅＮｅｔｎｅｔｗｏｒｋ　Ｅｕｃｌｉｄｅａｎｄｉｓｔａｎｃｅ１　前言当今社会，随着工业生产规模的扩大以及工业技术的发展，企业对人员、技术的保密需求日益增加，门禁系统的技术发展成为了安全生产中必不可少的要素。

手背静脉识别的图像处理算法

景。
手背静脉图像由红外摄像头拍摄所得。由于不同的时间、点、地光照强度，以及不同人的手背大小、
厚薄、集角度等影响，采所采集的图像会有很大的差异，些差异增加了后续的静脉图像特征提取和特这
１１灰度归一化．
采集的原始图像由于受到光照强度、手掌厚薄等因素的影响，灰度分布上存在很大的差异，且在并手背部分与背景的灰度相近，利于后续背景去除的操作。算法首先对采集的原始图像进行灰度归一不
第３３卷第５期
２１００年１月０
辽宁科技大学学报
ＪｕｎｌｏｉｅｓｔｆＳｉｎｅａｄＴｅｈｏｏｙＬｉｏｉｇｏｒａｆＵｎｖｒｉｏｃｅｃｎｃｎｌｇａｎｎｙ
Ｖｏ．３Ｎｏ５１３．
理，最终得到包含有效信息的手背静脉骨架。
ｌ静脉图像的有效区域提取
采集到的图像包括背景和手背部分。手背静脉识别系统是以手背静脉血管脉络作为识别依据，进
而识别身份的，有用的信息主要集中在手背中间部分，之为有效区域。有效区域具有包含尽量多的手称
强和平滑处理，用动态阈值分割算法对图像进行分割，分割结果进行平滑细化和去除“ 刺 ” 理。仿真采对毛处

基于CLAHE和改进的NIBLACK算法的手背静脉提取方法

喻恒，郑均辉
（平顶山学院计算机科学与技术学院，河南平顶山４６７０００）
摘要：为了满足手背静脉识别对于特征提取的需求，本文对手背静脉提取方法进行了研究。首先采用ＣＬＡＨＥ算法对手
背静脉图像进行增强处理，然后对增强图像进行二值化处理。针对传统的ＮＩＢＡＬＣＫ二值化算法容易产生噪声、断纹以及分块处理时的边缘阈值缺失的问题，提出一种局部静态阂值与ＮＩＢＬＡＣＫ相结合的改进算法。实验结果表明，该方法可以有效地克服光强因素对图像提取的影响，消除传统方法的噪声过多、纹络断裂的现象，保持完整清晰的静脉纹络结
（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＰｉｎｇｄｉｎｇｓｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｐｉｎｇｄｉｎｇｓｈａｎ４６７０００，Ｃｈｉｎａ）
ＳＯｏｎ，ｗｅｐｒｏｐｏｓｅａｎｉｍｐｒｏｖｅｄａｌｇｏｉｔｒｈｍｗｈｉｃｈｃｏｍｂｉｎｅｄｌｏｃｌａｓｔａｔｉｃｔｈｒｅｓｈｏｌｄｍｅｔｈｏｄｗｉｔｈｔｈｅＮＩＢＬＡＣＫａｌｇｏｒｉｔｈｍｔｏｓｅｇｍｅｎｔ
Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｍｅｅｔｔｈｅｄｅｍａｎｄｆｏｒｔｈｅｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｏｆｈａｎｄｖｅｉｎｒｅｃｏｇｎｉｔｉｏｎ，ｔｈｉｓｐａｐｅｒｔａｋｅｓａｓｔｕｄｙｏｎｈａｎｄｖｅｉｎｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄ．Ｆｉｒｓｔｌｙ，ｂｅｆｏｒｅｔｈｅｉｍａｇｅｂｉｎａｒｙｚａｔｉｏｎｐｒｏｃｅｓｓｉｎｇ，ＢｙｕｓｉｎｇＣＬＡＨＥａｌｇｏｒｉｔｈｍｔｈｅｈａｎｄｖｅｉｎｉｍａｇｅｓｉｓｅｎ — ｈａｎｃｅｄ．ＢｅｃａｕｓｅｏｆｔｈｅｔｒａｄｉｔｉｏｎａｌＮＩＢＬＡＣＫａｌｇｏｉｒｔｈｍ’ Ｓｐｒｏｂｌｅｍｓｓｕｃｈａｓｎｏｉｓｅｓ．ｂｒｏｋｅｎｌｉｎｅｓａｎｄｅｄｇｅｔｈｒｅｓｈｏｌｄｍｉｓｓｉｎｇａｎｄ

基于数字图像处理的手部静脉识别技术

基于数字图像处理的手部静脉识别技术随着现代科技的不断发展，人们对于安全控制的要求也越来越高。

而手部静脉识别技术则因其高度安全性和便捷性而成为了一种越来越流行的生物识别技术。

本文将从数字图像处理的角度探讨该技术的基本原理和实现方法。

一、手部静脉识别技术的原理手部静脉识别技术是指通过对手部静脉图像进行处理和比对来识别一个人的身份。

所谓手部静脉图像，指的是通过红外线相机对手掌或手背进行拍摄，获取到的反映血液循环系统中血液流动状态的图像。

手部静脉识别技术的原理基于以下两个假设：1.每个人的手部静脉纹路是独一无二的2.静脉血液在红外线下会吸收部分光线，因此手部静脉图像不同于普通的彩色图像基于以上假设，利用数字图像处理对手部静脉图像进行处理和比对，可以实现高度安全的身份验证。

二、手部静脉识别技术的实现方法手部静脉识别技术实现的一般步骤包括：图像采集、预处理、特征提取和匹配比对等过程。

下面将逐一介绍各个步骤的具体内容。

1.图像采集首先需要通过红外线相机对被验证者的手掌或手背进行拍摄，获取到手部静脉图像。

在拍摄时，考虑到用户的便捷性和使用场景，采用无接触的拍摄方式比较合适。

目前市面上主流的商用手部静脉识别设备，采用的都是以红外线相机为核心的无接触式图像采集器。

2.预处理获取到手部静脉图像后，需要进行一定的预处理。

主要包括去噪、增强等步骤。

由于手部静脉图像的亮度、对比度、清晰度等因素会对识别效果产生影响，因此必须先对图像进行预处理。

3.特征提取特征提取是手部静脉识别技术最核心的环节。

由于手部静脉图像是一张灰度图像，因此需要选取适合的特征提取方法来从中提取有意义的纹路信息。

常用的特征提取方法包括Gabor滤波器、方向梯度直方图（HOG）、局部二值模式（LBP）等。

4.匹配比对最后一步是将提取出的特征与存储在数据库中的模板进行比对，以判断身份是否一致。

匹配比对的方法主要包括相似度匹配、欧氏距离匹配等。

根据比对结果，系统将判定身份是否一致，从而决定是否允许用户进行后续操作。

基于均衡离散曲率波变换的手背静脉识别

基于均衡离散曲率波变换的手背静脉识别摘要:针对滤波器尺度和方向的增加对识别速度影响较大的问题,提出了基于均衡离散曲率波变换（udct）的手背静脉识别方法。

在进行手背静脉图像感兴趣区域提取和预处理的前提下，引用了均衡离散曲率波变换对感兴趣区域进行去滤波变换，然后对变换系数进行相位编码，计算编码统计直方图的卡方距离来进行静脉识别。

实验结果表明,该方法在低质量的手背静脉图像情况下依然能得到较好的识别效果和较快的识别速度。

关键词:手背静脉识别；特征提取和匹配；曲率波相位特征编码；局部异或算子；卡方距离palm.dorsal vein recognition based on uniform discrete curvelet transformation wei shang.qing, gu xiao.dong * shool of information science and technology, fudan university, shanghai 200433，chinaabstract:palm-dorsal vein recognition using uniform discrete curvelet transform（udct）was proposed in this paper. with the palm-dorsal region of interest (roi) extraction and image preprocessing, udct of the curvelet transform was used on roi. then, the curvelet coefficients phase variance was encoded. finally, using the chi-square distance of histogram of the coding for vein recognition obtained the recognition results. experimental results show that this proposed method can identify palm-dorsal vein images with high robustness and high speed even by using poor-quality images.palm.dorsal vein recognition using uniform discrete curvelet transform （udct） was proposed in this paper. with the palm.dorsal region of interest (roi) extraction and image preprocessing, udct of the curvelet transform was used on roi. then, the curvelet coefficients phase variance was encoded. finally, thechi.square distance of histogram of the coding was used for vein recognition. the experimental results show that this proposed method can identify palm.dorsal vein images with high robustness and high speedeven with poor.quality images. key words:palm.dorsal vein recognition; feature extraction and verification; curvelet phase encoding; local xor pattern (lxp); chi.square distance 0 引言静脉识别是近年来一种新兴的红外生物识别技术，它不但识别率和安全性较高、采集过程友好，而且使用和实现更加容易，因此从dna、人脸、耳廓、视网膜、虹膜、语音、手型、掌纹、指纹、签名、步态等众多生物特征识别技术中脱颖而出，具有相当大的实用价值和市场潜力。

优化视觉聚焦点的手背静脉识别方法

优化视觉聚焦点的手背静脉识别方法王一丁;赵晨爽【摘要】传统的手背静脉身份识别研究对旋转,平移,尺度变化敏感,极大地影响了识别率;因此该文在非限定采集者手背姿势的情况下,将人类视觉注意力机制与神经网络结合,针对旋转,平移,尺度变化等问题提出了优化视觉聚焦点的循环神经网络模型;该模型自适应寻找手背静脉聚焦点,以聚焦点为中心,截取局部ROI区域,送人循环神经网络训练各局部区域的序列关联性;该文的优化方法如下:在选取聚焦点时,加入正态分布噪声;对聚集点的个数进行约束;截取多尺度局部ROI;训练时采用强化学习中的策略梯度下降法和最优化的无偏估计交叉熵损失函数;将该循环神经网络网络模型在多形态的手背静脉数据中进行实验验证,识别率达到99.3％,与传统的局部特征提取方法相比,极大的提高了手背静脉的识别率.【期刊名称】《计算机测量与控制》【年(卷),期】2019(027)007【总页数】5页(P200-204)【关键词】机器学习;视觉注意力机制;循环神经网络;强化学习;视觉图像处理【作者】王一丁;赵晨爽【作者单位】北方工业大学信息与通信工程学院,北京 100144;北方工业大学信息与通信工程学院,北京 100144【正文语种】中文【中图分类】TP390 引言人类视觉感知与记忆、注意和其他视觉感知通道紧密交互，形成人类视觉感知神经机制[1]。

人类的视觉注意力是指在观察场景时，通过全局观察，将注意力集中在重点想要关注的区域，对这一区域进行更多的视觉感知处理，得到所需要关注的细节信息，不重要的信息不做细节观察。

模拟人类的视觉感知机制搭建神经网络模型，在图像分类、物体检测、语音识别等领域有重要研究意义。

以往视觉注意力的研究一般基于低级的图像特征和自底向上的过程[2]，应用生成显著图像算法，对一幅输入图像提取颜色、亮度、方向等特征，然后在每个特征上生成关注图，最终融合这些关注图为显著图[3]。

基于显著图的方法会对图像的每一个像素点设置显著值，从而对显著值高的点更加关注，抑制显著值低的点。

近红外手背静脉识别算法研究

近红外手背静脉识别算法研究人体静脉识别是一项新的非接触式生物特征识别技术,它在安全保护和身份认证领域都有广泛用途。

静脉识别的发展开始于2000年前后,系统开发还不够成熟和完善,但是这些都不妨碍研究人员对其的浓厚兴趣。

凭借着人类活体静脉独一无二、安全可靠的特性,杜绝了造假或剽窃的可能性。

而且在商业化实践的过程中,我们还发现的其相对于其他生物特征识别技术而言,工作稳定,使用便捷舒适的优点,所有这些都更激发了人们探索和完善这项技术的渴望。

和人脸识别、指纹识别等其他生物识别技术相似,人体静脉识别技术在商用系统实现的同样面临着许多有待解决的问题。

比如现有的静脉识别研究中的静脉图像受环境光照影响问题、算法计算复杂度过高等,因此并不能很好的应用到实际静脉识别产品的开发中。

针对现有的问题和局限,本文在以下方面进行了探索,主要贡献为：1.基于分水岭和豪斯道夫距离的手背静脉识别算法该算法采用了分水岭算法直接提取静脉的单像素级骨架特征,利用静脉骨架的端点和交叉点作为静脉模式的特征,并且使用了改进的豪斯道夫距离来作为静脉特征匹配识别算法,并且在自制静脉图库上验证了该新算法的性能和特点。

这种算法避免了传统静脉特征提取算法细化骨架特征时带来毛刺和噪声的问题。

2.基于Gabor相位编码的手背静脉识别算法该算法分析了现有基于静脉骨架特征的算法对于表达整个手背静脉特征的局限性,提出了基于Gabor相位编码的识别方法。

算法利用二维Gabor滤波器提取了静脉图像的相位信息,然后将编码后的相位信息作为静脉特征,并且利用海明距离作为特征匹配识别算法。

在不考虑静脉图像样本几何变化的情况下,相对于现有的静脉骨架特征算法取得了很好的识别效果。

3.基于局部Gabor相位信息的手背静脉识别算法在Gabor相位编码算法的基础之上,局部Gabor相位信息算法,将Gabor相位编码的局部特征和全局特征结合起来,采用局部异或算子提取相位编码的局部变化,再利用局部变化特征值的直方图信息作为整个静脉特征,使静脉特征模式更加丰富。

改进的手背静脉识别算法

改进的手背静脉识别算法
刘相滨;刘智成;龚平;周鹏
【期刊名称】《计算机工程与应用》
【年(卷),期】2008(44)36
【摘要】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榆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.
【总页数】3页(P181-183)
【作者】刘相滨;刘智成;龚平;周鹏
【作者单位】湖南师范大学,图像识别与计算机视觉研究所,长沙,410081;湖南师范大学,图像识别与计算机视觉研究所,长沙,410081;湖南师范大学,图像识别与计算机视觉研究所,长沙,410081;湖南师范大学,图像识别与计算机视觉研究所,长
沙,410081
【正文语种】中文
【中图分类】TP391
【相关文献】
1.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 [J], 王一丁;段强宇;徐林林
2.基于手背静脉虹膜和指纹融合身份识别算法 [J], 李秀艳;刘铁根;邓仕超
3.基于Gabor相位编码的手背静脉识别算法 [J], 郑英杰;顾晓东
4.基于有效维度特征的手背静脉识别算法 [J], 贾旭;孙福明;曹玉东;崔建江;薛定宇
5.基于稀疏编码的手背静脉识别算法 [J], 贾旭;王锦凯;崔建江;孙福明;薛定宇因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ＣｍｕｒＥｇｅｒｇａｄＡｐｉｔｎ计算机工程与应用ｏｐｔｎｉｅｉｎｐｌａｉｓｅｎｎｃｏ
改进的手背静脉识别算法
刘相滨，智成，刘龚平，周鹏
ＬＩＵＸｉｎｇｂｎ，ＵＺｈ－ｃｎｇ，ａ－ｉＬＩｉｈｅＧＯＮＧＰｎｇ，ｉＺＨＯＵＰｅｎｇ
而林喜荣等则先进行静脉纹路分割再进行去噪。与现场提取
Ｅ— ｉ：ｂｉｆｎ＠ｈｎｕｅｕｃｍａｌｘｌｒｋｕｎ．ｄ．ｎｕａ
ＬＩＵＸｉｎａｇ－ｂｎ，ＵＺｉｃｅｇ，ｉＬＩｈ－ｈｎＧＯＮＧＰｎｅａ．ｍｐｏｅａｇｒｔｍｏｈｎｖｉｐｔｅｎｅｏｎｔｎＣｏｉｇ，ｔ１Ｉｒｖｄｌｏｉｈｆａｄｅｎａｔｒｒｃｇｉｉ．ｍｐｔｒｏｕｅ
１引言
静脉识别是根据静脉血液中脱氧血色素吸收近红外线或
人体辐射远红外线的特性，用相应波长范围的红外相机摄取手
行归一化，有的算法则没有特征提取这一步，又如Ｗａｇｎ
Ｌｎｙｉｇｕ等＿线段豪斯多夫距离法来匹配细化后的静脉骨架，１＿用
湖南师范大学图像识别与计算机视觉研究所，长沙４０８１０１
Ｉｓｉｉｎ，ｎｎＮｒｌＵｎｖｒｉＣｈｎｓａ４１０１ＣｉａｎｔｕｅｏｍａｅＲｅｏｎｔｎｔｉｏｕｅｓｏＨｕａｏｍａｉｅｓｙ，ａｇｈ０８，ｈｎｔ
Ｅｇｅｒｎｎｐｉｔｎ，０８４（６：８－８．ｎｉｅｉｇａｄＡｐｌａｉｓ２０，４３）１１１３ｎｃｏ
ＡｂｔａｔａｄｖｉａｔｒｅｏｎｔｎａｇｒｔｍａｅｎｍｏｎｎａｉｎｓａｄＳｐｏＶｅｔｒＭａｈｎ（ＶＭ）ｉｐｅｅｔｓｒｃ：Ａｈｎｅｎｐｔｎｒｃｇｉｏｌｏｉｅｉｈｂｓｄｏｍｅｔｉｖｒａｔｎｕｐ￣ｃｏｃｉｅＳｓｒｓｎ—
ｖｉａｅｋｌｔｎｂｎｍｐｏｅｏｄｔｎｌｔｉｎｎａｇｒｈＯｎｔｅｂｓ，ｈａｇｒｔｍｘｒｃｅｅｅｄｆｄｍｏｎｅｎｐ￣ｒｓｅｅｏｙａｉｒｖｄｃｎｉｏａｈｎｉｇｌｏｉｍ．ｈａｉｔｅｌｏｉｎｉｔｓｈｅｔｔｄｓｖｎｍｏｉｅｍｅｔａｉ
关键词：手背静脉图像，变矩，不支持向量机，别识ＤＯ：０３７￣ｉｎ１０ — ３１０８３．１文章编号：０２８３（０８３ — １１０文献标识码：中图分类号：Ｐ９Ｉ１．８．ｓ．２８３．０．６０７ｓ０２５１０ — ３１２０）６０８ — ３ＡＴ３１
ｉｖｒａｔｏｈｖｉｐｔｒｓｅｅｏａｔｅｎｕｖｃｏｏＳｎａｉｎｓｆｔｅｅｎａｔｎｋｌｔｎｓｈｉｐｔｅｔｒｆＶＭｆｒｈｒｃｇｉｏｏｖｉｐｔｒ．ｈｅｐｒｎｓｎｅｏｔｅｅｏｎｔｎｆｅｎａｔｎＴｅｘｅｍｅｔｉｅｉｏａ
ｅｎｔｅｐｐｒｔｒｔｅｖｉｐｔｒａｅｍｅｔｄｆｍｈｅｎｉｇｙｎｉｒｖｄＮｉｌｃｍｅｈｄ．ｕｈｒｂａｎｄｔｅｄｉｈａｅ．ｅｈｅｎａｔｎｗｓｓｇｎｅｒＡｆｅｏｔｅｖｉｍａｅｂａｍｐｏｅＢａｋｔｏａｔｏｓｏｔｉｅｈ
Ｋｙｗｏｄ：ｈｎｅｎｉｇ；ｏｎｉｖｒｎ；ｕｐ￣ＶｃｏＭａｈｎ（Ｖ；ｃｇｉｏｅｒｓａｄｖｉｍａｅｍｍｅｔｎａｉｔＳｐｏｅｔｒｃｉｅＳＭ）ｒｏｎｉｎａｅｔ
摘要：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ＮＢａｋ算法从原始图中分割出静脉纹ｉｌｃ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５０个样本的数据库上进行实验，０获得了９．５５％的识别率，表明了算法的有效性。
ｄｔｂｓｎｌｄｎ０ａｌｓｈｓａｈｅｅｅｏｎｔｎｒｔｆ９．％．ｎｔｉｄｃｔｓｔｅａｇｒｈｉｅｆｃｉｅａａａｅｉｃｕｉｇ５０ｓｍｐｅａｃｉｖｄａｒｃｇｉｏａｅｏ５５ａｄｉｎｉａｅｈｏｉｍｓｆｔ．ｉｌｔｅｖ