国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

基于像素點(diǎn)檢測(cè)的手指靜脈特征提取算法的研究

2014-07-28 05:17陳暄張軍游林
電腦知識(shí)與技術(shù) 2014年16期
關(guān)鍵詞:識(shí)別率像素點(diǎn)手指

陳暄 張軍 游林

摘要:近年來(lái)手指靜脈特征技術(shù)已經(jīng)成為了信息安全技術(shù)中的一種新的技術(shù),該文在分析了靜脈特征分析方法的基礎(chǔ)上,對(duì)圖像中屬于靜脈的區(qū)域進(jìn)行橫截面的深度和曲率的分析,然后通過(guò)設(shè)定的將這些區(qū)域進(jìn)行區(qū)分,最后通過(guò)動(dòng)態(tài)閾值法分割出手指靜脈特征。仿真實(shí)驗(yàn)證明,該文的算法有效提取手指靜脈特征,與其他算法相比具有較低的誤碼率和較高識(shí)別率。

關(guān)鍵詞:手指靜脈;像素點(diǎn)

中圖分類(lèi)號(hào):TP311 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1009-3044(2014)16-3876-03

信息安全一直以來(lái)都是人們研究的重點(diǎn),如何能夠最大限度的保證個(gè)人信息是當(dāng)前急需解決的問(wèn)題,生物特征識(shí)別技術(shù)是最近幾年在發(fā)展起來(lái)的安全技術(shù)之一,它主要是利用生物特征采集裝置與計(jì)算機(jī)技術(shù),對(duì)于人體特有的生理特征進(jìn)行個(gè)人身份鑒別,主要基于生理特征生物方面主要包含了指紋,人臉,虹膜,手指靜脈等特征,在目前生物特征識(shí)別中,指紋識(shí)別體表特征識(shí)別,容易存在損害,容易偽造的缺點(diǎn);人臉識(shí)別具有一定的優(yōu)點(diǎn),但容易受到年齡,易容,易損失等不足,識(shí)別精度收到限制,虹膜識(shí)別雖然具有的一定優(yōu)越性,但是由于采集設(shè)備造價(jià)高,無(wú)法適應(yīng)進(jìn)行面向基層推廣。經(jīng)過(guò)醫(yī)學(xué)研究證明,人具有唯一的手指靜脈紋路,因此,手指靜脈識(shí)別技術(shù)作為一種新的生物特征識(shí)別技術(shù)受到越來(lái)越多人的重視[1]。

手指靜脈識(shí)別是一種新穎的識(shí)別技術(shù),主要是通過(guò)隱藏在人體手指腹部的靜脈血管進(jìn)行身份識(shí)別。文獻(xiàn)[2]提出了手指靜脈圖像質(zhì)量評(píng)價(jià)方法.在分析人類(lèi)視覺(jué)系統(tǒng)(HVS)性能的基礎(chǔ)上,將圖像有效區(qū)域、對(duì)比度、位置偏移度、模糊度、信息熵作為評(píng)價(jià)手指靜脈圖像質(zhì)量的參數(shù).并綜合分析這些參數(shù),加權(quán)獲得靜脈圖像總質(zhì)量評(píng)價(jià)函數(shù).實(shí)驗(yàn)表明,得到了與主觀評(píng)價(jià)結(jié)果相一致的客觀評(píng)價(jià)值。文獻(xiàn)[3]提出一種基于Fisher準(zhǔn)則的手指靜脈融合算法.首先對(duì)手指靜脈圖像進(jìn)行特征點(diǎn)提取,分別計(jì)算待匹配圖像特征點(diǎn)與注冊(cè)圖像特征點(diǎn)的正向平均豪斯道夫距離(FMHD)和反向平均豪斯道夫距離(RMHD),然后基于Fisher準(zhǔn)則確定FMHD和RMHD的融合參數(shù),將融合得到的豪斯道夫距離作為新的匹配分?jǐn)?shù);在上述算法的基礎(chǔ)上,將得到的食指、中指和無(wú)名指3根手指靜脈的匹配分?jǐn)?shù)進(jìn)行融合,以進(jìn)一步提高手指靜脈的識(shí)別率.實(shí)驗(yàn)結(jié)果表明,與通常采用的FMHD相比,采用融合后的豪斯道夫距離的誤識(shí)率有明顯降低;而采用三指靜脈融合后,誤識(shí)率由單個(gè)手指的1.95%降低到0.27%。文獻(xiàn)[4]提出了基于手指指尖點(diǎn)的旋轉(zhuǎn)定位方法,改進(jìn)了基于方向模板和局部動(dòng)態(tài)閾值分割提取靜脈特征的方法并用改進(jìn)Hausdorff距離(MHD)距離進(jìn)行匹配驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,同一根手指的圖片可以達(dá)到0.75%的等誤率,正確識(shí)別率達(dá)97.25%,對(duì)實(shí)際手指靜脈身份識(shí)別產(chǎn)品的開(kāi)發(fā)具有一定的現(xiàn)實(shí)意義。文獻(xiàn)[5]提出一種直接基于子圖像向量的線(xiàn)性鑒別分析方法,即模塊PCA手指靜脈特征提取算法。上述算法通過(guò)對(duì)圖像進(jìn)行分塊,利用PCA對(duì)分塊得到的子圖進(jìn)行鑒別分析。由于使用子圖像矩陣,能有效地抽取圖像的局部特征,避免使用奇異值分解理論,過(guò)程簡(jiǎn)便。實(shí)驗(yàn)結(jié)果表明,所提出的方法在識(shí)別性能上明顯優(yōu)于傳統(tǒng)PCA算法和小波矩融合PCA方法,識(shí)別率得到了有效的提高。文獻(xiàn)[6]提出通過(guò)計(jì)算手指輪廓線(xiàn)的主方向和末節(jié)關(guān)節(jié)腔位置對(duì)手指擺放位置的隨機(jī)變化進(jìn)行校正,并初步定位分割出手指靜脈感興趣區(qū)域。運(yùn)用迭代優(yōu)化方法實(shí)現(xiàn)手指靜脈感興趣區(qū)域分割結(jié)果的精確提取。在小型數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)的結(jié)果表明:該方法得到的感興趣區(qū)域具有較好的聚類(lèi)特性。說(shuō)明該方法能夠有效地從同一手指姿態(tài)變化的多幅靜脈圖像中定位并分割出相似度較高的感興趣區(qū)域。

從實(shí)際出發(fā)由于受到了諸多條件的限制。采集到的手指靜脈圖像存在質(zhì)量比較差,特特征無(wú)法提取的情況,在一定程度上影響了識(shí)別率。該文針對(duì)這些問(wèn)題,該文在分析了靜脈特征分析方法的基礎(chǔ)上,對(duì)圖像中屬于靜脈的區(qū)域進(jìn)行橫截面的深度和曲率的分析,然后通過(guò)設(shè)定的將這些區(qū)域進(jìn)行區(qū)分,最后通過(guò)動(dòng)態(tài)閾值法分割出手指靜脈特征。仿真實(shí)驗(yàn)證明,該文的算法有效提取手指靜脈特征,與其他算法相比具有較低的誤碼率和較高識(shí)別率。

1 手指靜脈算法基本簡(jiǎn)介

1.1 Niblack算法

Niblack算法是一種經(jīng)典分割算法,其算法過(guò)程如下:

1) 對(duì)于圖像[f]中的一個(gè)坐標(biāo)為[(x,y)]的像素點(diǎn)。利用式(1)和(2)計(jì)算出該像素點(diǎn)在向來(lái)區(qū)域內(nèi)的均值和方差。

[m(x,y)=1r2i=x-r/2x+r/2j=y-r/2y+r/2f(i,j)] (1)

[s(x,y)=1r2i=x-r/2x+r/2j=y-r/2y+r/2f2(i,j)] (2)

2) 通過(guò)公式(3)來(lái)計(jì)算出像素點(diǎn)中的坐標(biāo)閾值。

[T(x,y)=m(x,y)+k×s(x,y)] (3)

該算法優(yōu)點(diǎn)是算法結(jié)構(gòu)簡(jiǎn)單,容易實(shí)現(xiàn)并且運(yùn)行速度快。缺點(diǎn)是難以處理質(zhì)量相對(duì)低的圖像。

1.2 重復(fù)線(xiàn)性追蹤法

該算法主要是采用手指靜脈的形狀以及手指靜脈橫截面呈谷形分布的特點(diǎn)來(lái)進(jìn)行追蹤,該算法的思想是:

1)在靜脈圖像中隨機(jī)選取一個(gè)追蹤點(diǎn),記為[Pc]。

2) 以[Pc]為圓心,[r]為半徑畫(huà)圓。設(shè)定[P]點(diǎn)是該圓上的一個(gè)像素點(diǎn),計(jì)算[P]點(diǎn)的谷形深度[R=f(S)+f(T)-2f(P)],其中[f(S)],[f(T)]和[f(P)]分別表示點(diǎn)[S]、[T]和[P]的灰度值。

3) 檢測(cè)該圓上的灰度分布曲線(xiàn)。存在呈谷形的分布曲線(xiàn),則[Pc]屬于靜脈區(qū)域。并選擇橫截面谷形深度值最大的像素點(diǎn)為下一個(gè)跟蹤點(diǎn)并回到,然后不檢測(cè)[Pc]處的灰度分布曲線(xiàn)。

該算法可以很好的彌補(bǔ)1.1節(jié)中無(wú)法從低質(zhì)量的手指靜脈中提取圖像的現(xiàn)象,但缺點(diǎn)如下,所提取的靜脈紋路不夠光滑,算法的運(yùn)行速度較慢。

2 基于像素點(diǎn)檢測(cè)的靜脈特征提取算法

2.1 算法的基本原理

在手指靜脈圖像中,像素點(diǎn)與手指靜脈的位置關(guān)系非常只能更要。當(dāng)手掌的橫截面的半徑取適當(dāng)大小時(shí),就會(huì)出現(xiàn)來(lái)自多個(gè)方向的橫截面分布曲線(xiàn)。因此對(duì)于圖像中像素點(diǎn)來(lái)說(shuō),選擇三個(gè)方向以上的橫截面灰度分布曲線(xiàn)呈現(xiàn)出谷型,就認(rèn)定為靜脈像素點(diǎn),并做下一步的處理。

參考文獻(xiàn):

[1] 王科俊.手指靜脈圖像質(zhì)量評(píng)價(jià)[J].系統(tǒng)智能學(xué)報(bào),2011,6(4):324-327.

[2] 金懷國(guó).基于Fisher準(zhǔn)則的多指靜脈融合[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué),2013.25(2):183-187.

[3] 湯露.對(duì)抗圖像旋轉(zhuǎn)的手指靜脈身份識(shí)別新算法的設(shè)計(jì)[J].計(jì)算機(jī)應(yīng)用,2012,32(11):3193-3197.

[4] 李柳柏.改進(jìn)的手指靜脈圖像識(shí)別算法仿真研究[J].計(jì)算機(jī)仿真,2011,28(3):310-312.

[5] 楊金鋒.手指靜脈圖像感興趣區(qū)域提取方法研究[J].山東大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,42(3):6-11.endprint

摘要:近年來(lái)手指靜脈特征技術(shù)已經(jīng)成為了信息安全技術(shù)中的一種新的技術(shù),該文在分析了靜脈特征分析方法的基礎(chǔ)上,對(duì)圖像中屬于靜脈的區(qū)域進(jìn)行橫截面的深度和曲率的分析,然后通過(guò)設(shè)定的將這些區(qū)域進(jìn)行區(qū)分,最后通過(guò)動(dòng)態(tài)閾值法分割出手指靜脈特征。仿真實(shí)驗(yàn)證明,該文的算法有效提取手指靜脈特征,與其他算法相比具有較低的誤碼率和較高識(shí)別率。

關(guān)鍵詞:手指靜脈;像素點(diǎn)

中圖分類(lèi)號(hào):TP311 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1009-3044(2014)16-3876-03

信息安全一直以來(lái)都是人們研究的重點(diǎn),如何能夠最大限度的保證個(gè)人信息是當(dāng)前急需解決的問(wèn)題,生物特征識(shí)別技術(shù)是最近幾年在發(fā)展起來(lái)的安全技術(shù)之一,它主要是利用生物特征采集裝置與計(jì)算機(jī)技術(shù),對(duì)于人體特有的生理特征進(jìn)行個(gè)人身份鑒別,主要基于生理特征生物方面主要包含了指紋,人臉,虹膜,手指靜脈等特征,在目前生物特征識(shí)別中,指紋識(shí)別體表特征識(shí)別,容易存在損害,容易偽造的缺點(diǎn);人臉識(shí)別具有一定的優(yōu)點(diǎn),但容易受到年齡,易容,易損失等不足,識(shí)別精度收到限制,虹膜識(shí)別雖然具有的一定優(yōu)越性,但是由于采集設(shè)備造價(jià)高,無(wú)法適應(yīng)進(jìn)行面向基層推廣。經(jīng)過(guò)醫(yī)學(xué)研究證明,人具有唯一的手指靜脈紋路,因此,手指靜脈識(shí)別技術(shù)作為一種新的生物特征識(shí)別技術(shù)受到越來(lái)越多人的重視[1]。

手指靜脈識(shí)別是一種新穎的識(shí)別技術(shù),主要是通過(guò)隱藏在人體手指腹部的靜脈血管進(jìn)行身份識(shí)別。文獻(xiàn)[2]提出了手指靜脈圖像質(zhì)量評(píng)價(jià)方法.在分析人類(lèi)視覺(jué)系統(tǒng)(HVS)性能的基礎(chǔ)上,將圖像有效區(qū)域、對(duì)比度、位置偏移度、模糊度、信息熵作為評(píng)價(jià)手指靜脈圖像質(zhì)量的參數(shù).并綜合分析這些參數(shù),加權(quán)獲得靜脈圖像總質(zhì)量評(píng)價(jià)函數(shù).實(shí)驗(yàn)表明,得到了與主觀評(píng)價(jià)結(jié)果相一致的客觀評(píng)價(jià)值。文獻(xiàn)[3]提出一種基于Fisher準(zhǔn)則的手指靜脈融合算法.首先對(duì)手指靜脈圖像進(jìn)行特征點(diǎn)提取,分別計(jì)算待匹配圖像特征點(diǎn)與注冊(cè)圖像特征點(diǎn)的正向平均豪斯道夫距離(FMHD)和反向平均豪斯道夫距離(RMHD),然后基于Fisher準(zhǔn)則確定FMHD和RMHD的融合參數(shù),將融合得到的豪斯道夫距離作為新的匹配分?jǐn)?shù);在上述算法的基礎(chǔ)上,將得到的食指、中指和無(wú)名指3根手指靜脈的匹配分?jǐn)?shù)進(jìn)行融合,以進(jìn)一步提高手指靜脈的識(shí)別率.實(shí)驗(yàn)結(jié)果表明,與通常采用的FMHD相比,采用融合后的豪斯道夫距離的誤識(shí)率有明顯降低;而采用三指靜脈融合后,誤識(shí)率由單個(gè)手指的1.95%降低到0.27%。文獻(xiàn)[4]提出了基于手指指尖點(diǎn)的旋轉(zhuǎn)定位方法,改進(jìn)了基于方向模板和局部動(dòng)態(tài)閾值分割提取靜脈特征的方法并用改進(jìn)Hausdorff距離(MHD)距離進(jìn)行匹配驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,同一根手指的圖片可以達(dá)到0.75%的等誤率,正確識(shí)別率達(dá)97.25%,對(duì)實(shí)際手指靜脈身份識(shí)別產(chǎn)品的開(kāi)發(fā)具有一定的現(xiàn)實(shí)意義。文獻(xiàn)[5]提出一種直接基于子圖像向量的線(xiàn)性鑒別分析方法,即模塊PCA手指靜脈特征提取算法。上述算法通過(guò)對(duì)圖像進(jìn)行分塊,利用PCA對(duì)分塊得到的子圖進(jìn)行鑒別分析。由于使用子圖像矩陣,能有效地抽取圖像的局部特征,避免使用奇異值分解理論,過(guò)程簡(jiǎn)便。實(shí)驗(yàn)結(jié)果表明,所提出的方法在識(shí)別性能上明顯優(yōu)于傳統(tǒng)PCA算法和小波矩融合PCA方法,識(shí)別率得到了有效的提高。文獻(xiàn)[6]提出通過(guò)計(jì)算手指輪廓線(xiàn)的主方向和末節(jié)關(guān)節(jié)腔位置對(duì)手指擺放位置的隨機(jī)變化進(jìn)行校正,并初步定位分割出手指靜脈感興趣區(qū)域。運(yùn)用迭代優(yōu)化方法實(shí)現(xiàn)手指靜脈感興趣區(qū)域分割結(jié)果的精確提取。在小型數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)的結(jié)果表明:該方法得到的感興趣區(qū)域具有較好的聚類(lèi)特性。說(shuō)明該方法能夠有效地從同一手指姿態(tài)變化的多幅靜脈圖像中定位并分割出相似度較高的感興趣區(qū)域。

從實(shí)際出發(fā)由于受到了諸多條件的限制。采集到的手指靜脈圖像存在質(zhì)量比較差,特特征無(wú)法提取的情況,在一定程度上影響了識(shí)別率。該文針對(duì)這些問(wèn)題,該文在分析了靜脈特征分析方法的基礎(chǔ)上,對(duì)圖像中屬于靜脈的區(qū)域進(jìn)行橫截面的深度和曲率的分析,然后通過(guò)設(shè)定的將這些區(qū)域進(jìn)行區(qū)分,最后通過(guò)動(dòng)態(tài)閾值法分割出手指靜脈特征。仿真實(shí)驗(yàn)證明,該文的算法有效提取手指靜脈特征,與其他算法相比具有較低的誤碼率和較高識(shí)別率。

1 手指靜脈算法基本簡(jiǎn)介

1.1 Niblack算法

Niblack算法是一種經(jīng)典分割算法,其算法過(guò)程如下:

1) 對(duì)于圖像[f]中的一個(gè)坐標(biāo)為[(x,y)]的像素點(diǎn)。利用式(1)和(2)計(jì)算出該像素點(diǎn)在向來(lái)區(qū)域內(nèi)的均值和方差。

[m(x,y)=1r2i=x-r/2x+r/2j=y-r/2y+r/2f(i,j)] (1)

[s(x,y)=1r2i=x-r/2x+r/2j=y-r/2y+r/2f2(i,j)] (2)

2) 通過(guò)公式(3)來(lái)計(jì)算出像素點(diǎn)中的坐標(biāo)閾值。

[T(x,y)=m(x,y)+k×s(x,y)] (3)

該算法優(yōu)點(diǎn)是算法結(jié)構(gòu)簡(jiǎn)單,容易實(shí)現(xiàn)并且運(yùn)行速度快。缺點(diǎn)是難以處理質(zhì)量相對(duì)低的圖像。

1.2 重復(fù)線(xiàn)性追蹤法

該算法主要是采用手指靜脈的形狀以及手指靜脈橫截面呈谷形分布的特點(diǎn)來(lái)進(jìn)行追蹤,該算法的思想是:

1)在靜脈圖像中隨機(jī)選取一個(gè)追蹤點(diǎn),記為[Pc]。

2) 以[Pc]為圓心,[r]為半徑畫(huà)圓。設(shè)定[P]點(diǎn)是該圓上的一個(gè)像素點(diǎn),計(jì)算[P]點(diǎn)的谷形深度[R=f(S)+f(T)-2f(P)],其中[f(S)],[f(T)]和[f(P)]分別表示點(diǎn)[S]、[T]和[P]的灰度值。

3) 檢測(cè)該圓上的灰度分布曲線(xiàn)。存在呈谷形的分布曲線(xiàn),則[Pc]屬于靜脈區(qū)域。并選擇橫截面谷形深度值最大的像素點(diǎn)為下一個(gè)跟蹤點(diǎn)并回到,然后不檢測(cè)[Pc]處的灰度分布曲線(xiàn)。

該算法可以很好的彌補(bǔ)1.1節(jié)中無(wú)法從低質(zhì)量的手指靜脈中提取圖像的現(xiàn)象,但缺點(diǎn)如下,所提取的靜脈紋路不夠光滑,算法的運(yùn)行速度較慢。

2 基于像素點(diǎn)檢測(cè)的靜脈特征提取算法

2.1 算法的基本原理

在手指靜脈圖像中,像素點(diǎn)與手指靜脈的位置關(guān)系非常只能更要。當(dāng)手掌的橫截面的半徑取適當(dāng)大小時(shí),就會(huì)出現(xiàn)來(lái)自多個(gè)方向的橫截面分布曲線(xiàn)。因此對(duì)于圖像中像素點(diǎn)來(lái)說(shuō),選擇三個(gè)方向以上的橫截面灰度分布曲線(xiàn)呈現(xiàn)出谷型,就認(rèn)定為靜脈像素點(diǎn),并做下一步的處理。

參考文獻(xiàn):

[1] 王科俊.手指靜脈圖像質(zhì)量評(píng)價(jià)[J].系統(tǒng)智能學(xué)報(bào),2011,6(4):324-327.

[2] 金懷國(guó).基于Fisher準(zhǔn)則的多指靜脈融合[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué),2013.25(2):183-187.

[3] 湯露.對(duì)抗圖像旋轉(zhuǎn)的手指靜脈身份識(shí)別新算法的設(shè)計(jì)[J].計(jì)算機(jī)應(yīng)用,2012,32(11):3193-3197.

[4] 李柳柏.改進(jìn)的手指靜脈圖像識(shí)別算法仿真研究[J].計(jì)算機(jī)仿真,2011,28(3):310-312.

[5] 楊金鋒.手指靜脈圖像感興趣區(qū)域提取方法研究[J].山東大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,42(3):6-11.endprint

摘要:近年來(lái)手指靜脈特征技術(shù)已經(jīng)成為了信息安全技術(shù)中的一種新的技術(shù),該文在分析了靜脈特征分析方法的基礎(chǔ)上,對(duì)圖像中屬于靜脈的區(qū)域進(jìn)行橫截面的深度和曲率的分析,然后通過(guò)設(shè)定的將這些區(qū)域進(jìn)行區(qū)分,最后通過(guò)動(dòng)態(tài)閾值法分割出手指靜脈特征。仿真實(shí)驗(yàn)證明,該文的算法有效提取手指靜脈特征,與其他算法相比具有較低的誤碼率和較高識(shí)別率。

關(guān)鍵詞:手指靜脈;像素點(diǎn)

中圖分類(lèi)號(hào):TP311 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1009-3044(2014)16-3876-03

信息安全一直以來(lái)都是人們研究的重點(diǎn),如何能夠最大限度的保證個(gè)人信息是當(dāng)前急需解決的問(wèn)題,生物特征識(shí)別技術(shù)是最近幾年在發(fā)展起來(lái)的安全技術(shù)之一,它主要是利用生物特征采集裝置與計(jì)算機(jī)技術(shù),對(duì)于人體特有的生理特征進(jìn)行個(gè)人身份鑒別,主要基于生理特征生物方面主要包含了指紋,人臉,虹膜,手指靜脈等特征,在目前生物特征識(shí)別中,指紋識(shí)別體表特征識(shí)別,容易存在損害,容易偽造的缺點(diǎn);人臉識(shí)別具有一定的優(yōu)點(diǎn),但容易受到年齡,易容,易損失等不足,識(shí)別精度收到限制,虹膜識(shí)別雖然具有的一定優(yōu)越性,但是由于采集設(shè)備造價(jià)高,無(wú)法適應(yīng)進(jìn)行面向基層推廣。經(jīng)過(guò)醫(yī)學(xué)研究證明,人具有唯一的手指靜脈紋路,因此,手指靜脈識(shí)別技術(shù)作為一種新的生物特征識(shí)別技術(shù)受到越來(lái)越多人的重視[1]。

手指靜脈識(shí)別是一種新穎的識(shí)別技術(shù),主要是通過(guò)隱藏在人體手指腹部的靜脈血管進(jìn)行身份識(shí)別。文獻(xiàn)[2]提出了手指靜脈圖像質(zhì)量評(píng)價(jià)方法.在分析人類(lèi)視覺(jué)系統(tǒng)(HVS)性能的基礎(chǔ)上,將圖像有效區(qū)域、對(duì)比度、位置偏移度、模糊度、信息熵作為評(píng)價(jià)手指靜脈圖像質(zhì)量的參數(shù).并綜合分析這些參數(shù),加權(quán)獲得靜脈圖像總質(zhì)量評(píng)價(jià)函數(shù).實(shí)驗(yàn)表明,得到了與主觀評(píng)價(jià)結(jié)果相一致的客觀評(píng)價(jià)值。文獻(xiàn)[3]提出一種基于Fisher準(zhǔn)則的手指靜脈融合算法.首先對(duì)手指靜脈圖像進(jìn)行特征點(diǎn)提取,分別計(jì)算待匹配圖像特征點(diǎn)與注冊(cè)圖像特征點(diǎn)的正向平均豪斯道夫距離(FMHD)和反向平均豪斯道夫距離(RMHD),然后基于Fisher準(zhǔn)則確定FMHD和RMHD的融合參數(shù),將融合得到的豪斯道夫距離作為新的匹配分?jǐn)?shù);在上述算法的基礎(chǔ)上,將得到的食指、中指和無(wú)名指3根手指靜脈的匹配分?jǐn)?shù)進(jìn)行融合,以進(jìn)一步提高手指靜脈的識(shí)別率.實(shí)驗(yàn)結(jié)果表明,與通常采用的FMHD相比,采用融合后的豪斯道夫距離的誤識(shí)率有明顯降低;而采用三指靜脈融合后,誤識(shí)率由單個(gè)手指的1.95%降低到0.27%。文獻(xiàn)[4]提出了基于手指指尖點(diǎn)的旋轉(zhuǎn)定位方法,改進(jìn)了基于方向模板和局部動(dòng)態(tài)閾值分割提取靜脈特征的方法并用改進(jìn)Hausdorff距離(MHD)距離進(jìn)行匹配驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,同一根手指的圖片可以達(dá)到0.75%的等誤率,正確識(shí)別率達(dá)97.25%,對(duì)實(shí)際手指靜脈身份識(shí)別產(chǎn)品的開(kāi)發(fā)具有一定的現(xiàn)實(shí)意義。文獻(xiàn)[5]提出一種直接基于子圖像向量的線(xiàn)性鑒別分析方法,即模塊PCA手指靜脈特征提取算法。上述算法通過(guò)對(duì)圖像進(jìn)行分塊,利用PCA對(duì)分塊得到的子圖進(jìn)行鑒別分析。由于使用子圖像矩陣,能有效地抽取圖像的局部特征,避免使用奇異值分解理論,過(guò)程簡(jiǎn)便。實(shí)驗(yàn)結(jié)果表明,所提出的方法在識(shí)別性能上明顯優(yōu)于傳統(tǒng)PCA算法和小波矩融合PCA方法,識(shí)別率得到了有效的提高。文獻(xiàn)[6]提出通過(guò)計(jì)算手指輪廓線(xiàn)的主方向和末節(jié)關(guān)節(jié)腔位置對(duì)手指擺放位置的隨機(jī)變化進(jìn)行校正,并初步定位分割出手指靜脈感興趣區(qū)域。運(yùn)用迭代優(yōu)化方法實(shí)現(xiàn)手指靜脈感興趣區(qū)域分割結(jié)果的精確提取。在小型數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)的結(jié)果表明:該方法得到的感興趣區(qū)域具有較好的聚類(lèi)特性。說(shuō)明該方法能夠有效地從同一手指姿態(tài)變化的多幅靜脈圖像中定位并分割出相似度較高的感興趣區(qū)域。

從實(shí)際出發(fā)由于受到了諸多條件的限制。采集到的手指靜脈圖像存在質(zhì)量比較差,特特征無(wú)法提取的情況,在一定程度上影響了識(shí)別率。該文針對(duì)這些問(wèn)題,該文在分析了靜脈特征分析方法的基礎(chǔ)上,對(duì)圖像中屬于靜脈的區(qū)域進(jìn)行橫截面的深度和曲率的分析,然后通過(guò)設(shè)定的將這些區(qū)域進(jìn)行區(qū)分,最后通過(guò)動(dòng)態(tài)閾值法分割出手指靜脈特征。仿真實(shí)驗(yàn)證明,該文的算法有效提取手指靜脈特征,與其他算法相比具有較低的誤碼率和較高識(shí)別率。

1 手指靜脈算法基本簡(jiǎn)介

1.1 Niblack算法

Niblack算法是一種經(jīng)典分割算法,其算法過(guò)程如下:

1) 對(duì)于圖像[f]中的一個(gè)坐標(biāo)為[(x,y)]的像素點(diǎn)。利用式(1)和(2)計(jì)算出該像素點(diǎn)在向來(lái)區(qū)域內(nèi)的均值和方差。

[m(x,y)=1r2i=x-r/2x+r/2j=y-r/2y+r/2f(i,j)] (1)

[s(x,y)=1r2i=x-r/2x+r/2j=y-r/2y+r/2f2(i,j)] (2)

2) 通過(guò)公式(3)來(lái)計(jì)算出像素點(diǎn)中的坐標(biāo)閾值。

[T(x,y)=m(x,y)+k×s(x,y)] (3)

該算法優(yōu)點(diǎn)是算法結(jié)構(gòu)簡(jiǎn)單,容易實(shí)現(xiàn)并且運(yùn)行速度快。缺點(diǎn)是難以處理質(zhì)量相對(duì)低的圖像。

1.2 重復(fù)線(xiàn)性追蹤法

該算法主要是采用手指靜脈的形狀以及手指靜脈橫截面呈谷形分布的特點(diǎn)來(lái)進(jìn)行追蹤,該算法的思想是:

1)在靜脈圖像中隨機(jī)選取一個(gè)追蹤點(diǎn),記為[Pc]。

2) 以[Pc]為圓心,[r]為半徑畫(huà)圓。設(shè)定[P]點(diǎn)是該圓上的一個(gè)像素點(diǎn),計(jì)算[P]點(diǎn)的谷形深度[R=f(S)+f(T)-2f(P)],其中[f(S)],[f(T)]和[f(P)]分別表示點(diǎn)[S]、[T]和[P]的灰度值。

3) 檢測(cè)該圓上的灰度分布曲線(xiàn)。存在呈谷形的分布曲線(xiàn),則[Pc]屬于靜脈區(qū)域。并選擇橫截面谷形深度值最大的像素點(diǎn)為下一個(gè)跟蹤點(diǎn)并回到,然后不檢測(cè)[Pc]處的灰度分布曲線(xiàn)。

該算法可以很好的彌補(bǔ)1.1節(jié)中無(wú)法從低質(zhì)量的手指靜脈中提取圖像的現(xiàn)象,但缺點(diǎn)如下,所提取的靜脈紋路不夠光滑,算法的運(yùn)行速度較慢。

2 基于像素點(diǎn)檢測(cè)的靜脈特征提取算法

2.1 算法的基本原理

在手指靜脈圖像中,像素點(diǎn)與手指靜脈的位置關(guān)系非常只能更要。當(dāng)手掌的橫截面的半徑取適當(dāng)大小時(shí),就會(huì)出現(xiàn)來(lái)自多個(gè)方向的橫截面分布曲線(xiàn)。因此對(duì)于圖像中像素點(diǎn)來(lái)說(shuō),選擇三個(gè)方向以上的橫截面灰度分布曲線(xiàn)呈現(xiàn)出谷型,就認(rèn)定為靜脈像素點(diǎn),并做下一步的處理。

參考文獻(xiàn):

[1] 王科俊.手指靜脈圖像質(zhì)量評(píng)價(jià)[J].系統(tǒng)智能學(xué)報(bào),2011,6(4):324-327.

[2] 金懷國(guó).基于Fisher準(zhǔn)則的多指靜脈融合[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué),2013.25(2):183-187.

[3] 湯露.對(duì)抗圖像旋轉(zhuǎn)的手指靜脈身份識(shí)別新算法的設(shè)計(jì)[J].計(jì)算機(jī)應(yīng)用,2012,32(11):3193-3197.

[4] 李柳柏.改進(jìn)的手指靜脈圖像識(shí)別算法仿真研究[J].計(jì)算機(jī)仿真,2011,28(3):310-312.

[5] 楊金鋒.手指靜脈圖像感興趣區(qū)域提取方法研究[J].山東大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,42(3):6-11.endprint

猜你喜歡
識(shí)別率像素點(diǎn)手指
手指背側(cè)復(fù)合組織塊離斷再植
手指操
基于類(lèi)圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測(cè)
基于真耳分析的助聽(tīng)器配戴者言語(yǔ)可懂度指數(shù)與言語(yǔ)識(shí)別率的關(guān)系
基于5×5鄰域像素點(diǎn)相關(guān)性的劃痕修復(fù)算法
提升高速公路MTC二次抓拍車(chē)牌識(shí)別率方案研究
基于canvas的前端數(shù)據(jù)加密
基于逐像素點(diǎn)深度卷積網(wǎng)絡(luò)分割模型的上皮和間質(zhì)組織分割
高速公路機(jī)電日常維護(hù)中車(chē)牌識(shí)別率分析系統(tǒng)的應(yīng)用
筆穿手指
类乌齐县| 宣城市| 鄂州市| 理塘县| 偃师市| 大连市| 光山县| 富平县| 龙泉市| 平昌县| 永和县| 罗源县| 东明县| 阳江市| 吉首市| 安宁市| 南溪县| 株洲市| 武城县| 常州市| 方正县| 安新县| 庆阳市| 汉源县| 屏南县| 朝阳市| 丰顺县| 化隆| 富源县| 宝丰县| 镇坪县| 远安县| 抚宁县| 黔江区| 舟曲县| 秦皇岛市| 新乡县| 鄢陵县| 龙南县| 淮北市| 四子王旗|