论文部分内容阅读
21世纪是以尖端生物识别为主的时代,目前已经有指纹识别、虹膜识别、掌纹识别、静脉识别、脸型识别、声音识别等生物识别方法。静脉识别是近年来异军突起的一种新的生物识别方法,它具有这几种优点:几乎没有那两个人的静脉特征是完全相同的。静脉存在与身体内部,不会遗失,不会遗忘。不受外部污染、轻伤影响,识别速度快。非侵入性和非接触性成像技术对红外线的采用,可以确保使用者的便捷性和清洁性。设备使用红外光,不需辅助光,使用时不受天气地点的影响。本文的主要研究内容包括:研究了小波变换,重点研究多尺度连续小波变换,选择高斯-拉普拉斯二阶微分函数作为小波基函数。针对本文手指静脉图像的特点,研究了图像预处理的方法。提出了一种基于多尺度滤波图像最大值融合的特征提取方法,运用多尺度思想通过用多个不同尺度的高斯-拉普拉斯二阶微分函数增强线条信号,比较不同尺度下增强结果,记录下图像中同一个点所对应最大响应及其相应尺度,并根据最大响应对静脉图像进行重构。研究了Hessian矩阵求取脊线方向性的方法和Canny算法中的局部非极大值抑制的方法,结合这两者方法,通过提取方向局部极大值得到静脉血管的中心线。根据本文跟踪算法对静脉血管的中心线进行跟踪和连接,从而将静脉血管中心线完整的提取出来。在提取出静脉血管中心线的同时我们还能够得到中心线的方向和对应的最大响应尺度。研究了基于不变矩的特征提取匹配识别方法,提出了一种将中心线的方向和对应的最大相应尺度作为不变矩匹配识别特征的方法。初步实验表明了本文算法较传统的不变矩识别有更高的可靠性和准确性。