天津理工大学
硕士学位论文
静脉识别系统的研究与开发
姓名:侯振雷
申请学位级别:硕士
专业:物理电子学
指导教师:魏臻
20061201
(1)广泛性:每个人都应该具有这种持征;
(2)唯一性:每个人拥有的特征应该各不相同;
(3)稳定性:所选择的特征应该不随时间发生变化:
(4)可采集性:所选择的特征应该便于测量。
实际的应用还给基于生物统计特征的身份鉴别系统提出了更多的要求:
(1)性能的要求:所选择的生物统计特征能够达到多高的识别率,对于资源的要求如何,识别的效率如何;
(2)可接受性:使用者在多大程度上愿意接受基于所选择的生物统计特征的系统;
(3)安全性能:系统是否能够防止被攻击。
到目前为止,还没有任何一种单独的生物特征可以满足上述的全部要求。基于各种不同生物特征的身份鉴别系统都有各自的优缺点,适用于一定的范围。以下为一些典型的生物识别方法见图1.1。
图1.1几种不同的生物识别特征
Fig1.1Examplesofdifferentbiometrics
第二章手背静脉识别系统的基本工作原理
2.1静脉图像识别流程
一个优秀的生物识别系统要求能够实时迅速有效的完成其识别过程。所有的生物识别系统都包括如下几个处理过程:采集、预处理和对比。静脉识别处理包括图像采集、静脉图像预处理、特征提取、特征值的比对与匹配、分类等过程,具体结构如图2.1所示。
手背血
2.1.1静脉图像提取
图2.1.手背血管识别系统图
Fig.2.1Handveinidentificationsystem
鉴别结果
能否提取到高质量的手背静脉图象直接影响到后面的相关处理能否顺利进行,经过对人体血管的分布及红外成像原理的研究,这里我们采用了探测波长在0.9微米左右的m型红外热像仪拍摄256灰度级的人体手背静脉图像,得到灰度区分比较明显的静脉灰度图像,如图2.2所示。
图2.2手背红外热图
Fig.2.2infraredhandimage
例如:当L=^--0.5时,图像被缩到一半大小,此时缩小后图像中的(0,O)像素对应
于原图像中的(o,O)像素,(o,1)像素对应于原图像中的(o,2)像素,(1,O)像素对应原图像中的(2,O)像素,以次类推。在原图基础上每行隔一个像素取一点,每个一行进行
操作。同理,当正=^=2时,图形放大两倍,放大后图像中的(o,O)点像素对应于原图
像中的(0,0)像素,(0,1)像素对应于原图中的(o,O.5)像素,该像素不存在,可以近似取为(o,0)或(o,1)像素,(0,2)像素对应于原图中的(o,D像素,O,O)像素对应于原图中的(o.5,O)像素,可以近似取为(o,0)或(1,O)像素,以此类推。其实是将原图每行中的象素取值一遍,然后每行重复一次。
(2)双线性插值
这种方法是对近邻法的一种改进,即用线性内插值方法,根据小数坐标点的四个邻点的灰度值,插值计算出该点的值。
双线性灰度插值计算方法由于己考虑了直接邻点的影响,因此一般能得到令人满意的插值效果,但这种方法具有低通滤波性质,使高频分量受到损失。为了要得到更精确地灰度插值效果,可以采用三次内插法。
这里,我们只是为了统一图像的大小,而且静脉图像的灰度突变并不明显,所以用近邻法处理就可以满足要求。如图3.1及3.2。
图3.1原始图像
Fig3.1Primalimage
3.1.2静脉图像灰度规一化
图3.2尺寸规一化
Fig3.2Measureunitary
由于在采集静脉血管图像时,可能会受到环境因素的影响,使采集到的图象在灰度分布上有很大的差异。即使是同一个人的手背,在不同的时间采集的灰度图像相差也会很大,这会给以后的图像处理和匹配增加难度,因此在采集图像以后要进行灰度规一化处理,即将所有图像转换成同一均值和方差的标准图像,从而使后续处理有相同的基准。令I表示原始指纹图像,其大小为M+N,l(i’j)表示图像中象素点(i,j)的灰度值。令G表示灰度规一化后的指纹图像,o(i,j)为规一化后图像中象素点(i,i)的灰度值。
Gg,歹)-:万。+J!:!竺,I(Gi,,j),>‘崩Mkea区忍nVar。3,o*(i,j)-Mean)2
№‰一?删)‘朋8册一
其中,
Mean‘志荟篆嘏j’
哳。赤荟荟(,a,D-妇拜)2
Mean和Var是原始图像的灰度均值和方差,而Mean。和Varo是期望图像的灰度值和方差。根据反复实验发现J】l把∽。=80、Varo=255时,原始静脉图像(如图3-2)灰度规一化后,图像取得较好的效果(如图3-3).
图3.3灰度规一化
Fig3.3grayunitary
由规一化后的静脉图像可以看出,已经提高了整个图像的灰度对比度,但可以看出,