论文部分内容阅读
信息时代科技的快速发展，信息的安全和保密显得尤为重要，相比传统身份识别技术，目前应用较多的生物识别技术有虹膜识别、人脸识别、指纹识别、静脉识别等生物识别技术，其中手指静脉识别作为第二代生物认证技术具有活体识别、内部特征，同时又具有安全等级高、精度高、速度高、非接触式、简便易用等特点，在越来越多的领域得到了应用。本文在Platform Builder5.0下定制WINCE系统，修改camera驱动，使得S3C2440A的PREVIEW通道输出的图像大小为320*240，编译camera驱动生成camera.dll文件，并重新编译生成WINCE5.0镜像，将其烧写到mini2440开发板上，并在VS2005下开发MFC智能设备应用程序，通过加载camera驱动获得分辨率为320*240的BMP图像。本文分析国内外手指静脉识别技术成果的基础上，对从本地获得的手指静脉图像进行预处理，采用Robert边缘检测实现手指静脉图像背景的去处，采用直方图增强的方法对图像进行增强，并进行高斯滤波，静脉图像的分割上采用NiBlack方法(其中r=12，k=0.001)，并对分割后的图像进行形态学处理，消除部分噪声，根据面积阀值的方法实现空洞的填充和大面积斑点的去除，对二值化后的静脉图像细化采用索引表细化算法，获得单像素点的手指静脉骨架，并对细化后的图像进行毛刺的裁剪。手指静脉识别上，研究了基于静脉结构的手指静脉识别技术；基于几何特征的静脉识别技术；基于不变矩的静脉识别技术和基于NMI(Normalized Moment of Inertia)的手指静脉识别技术，由于基于NMI的静脉识别技术实现复杂度低，同时能克服图像采集时角度偏移，位置平移等因素，具有很好的鲁棒性，选择该方法来在基于ARM的平台上实现静脉识别，并给出了静脉图像采集时模拟角度偏移、位置平移的实验结果，并根据实验结果选择匹配时NMI差值的阀值为0.01，结果表明，在该阀值下能够对手指静脉图像准确的识别。