论文部分内容阅读
作为一种新的身份认证技术,手指静脉识别技术具有更高安全性和高精度,拥有广阔的应用前景。手指静脉识别技术主要是通过人体手指静脉的特点进行身份认证。针对手指静脉采集装置、手指静脉特征提取与分类器设计等内容,本文进行了相关研究。首先,设计并制作一个手指静脉采集装置。根据文献资料所展示的手指静脉图像,分析国内已知的手指静脉采集实验装置存在的缺点,重新设计一个可以根据手指的厚薄,自动调整红外发射光强度,基于Windows USB2.0接口的手指静脉采集装置。该采集装置硬件部分包括手指静脉成像模块、自动调光模块、USB控制模块、其他辅助模块(触发按键控制、I2C总线模块和电源模块)；软件部分包括下位机USB外设的固件程序、上位机操作系统的USB驱动程序、上位机图像手指静脉采集程序。其次,本文研究基于线性流形学习的手指静脉特征提取方法。详尽分析线性流形学习方法中典型的特征提取方法：主成分分析(PCA)、线性鉴别分析(LDA)、双向二维主成分分析(B2DPCA)和双向二维线性鉴别分析(B2DLDA)。在此基础上,着重分析传统的单方向加权模式存在的问题,提出了两种改进算法,双向加权B2DLDA(BWB2DLDA或(W2D)2LDA)和特征值归一化双向加权B2DPCA (BWB2DPCA或(OW2D)2PCA)。在分析模块化PCA的特点的基础上,结合模块化与双向加权两种方式的优点,提出一种新的改进算法,即在特征值归一化基础上,双向加权分块的B2DPCA (BWMB2DPCA)。并且通过大量的手指静脉对比实验验证提出算法优于传统算法。然后,本文研究基于非线性流形学习的手指静脉特征提取方法。详尽分析局部线性嵌入(LLE)、等距映射(ISOMAP)和拉普拉斯特征映射(LE)这几种典型算法。但这些算法只能在训练样本集上形成映射,不能对新增的测试样本形成映射。然后又研究了局部保持映射(LPP)、有监督的局部保持映射(SLPP)和双向二维局部保持映射(B2DLPP)等算法,并在此基础上,提出了改进算法为双向加权分块的B2DLPP(BWM B2DLPP),并且通过手指静脉对比实验验证提出算法的有效性。最后,本文研究基于可拓学的分类器方法。针对可拓学中可拓距和关联函数作深入研究,为了解决传统可拓分类器只适合用于模式类别较少的问题,提出了基于可拓距和关联函数的三种分类器设计方法,包括平均关联函数法、K最大关联函数法和最大关联函数法。采用包括手指静脉图像等3种类型实验数据进行对比分析,实验结果表明：基于可拓距与关联函数的分类器算法的分类效果,可以达到经典的K近邻法或最近邻法的分类水平。