手掌静脉识别研究

论文摘要

信息时代的到来给人类社会带来了极大的变革,信息安全则显得尤为重要,身份认证在信息时代也有了新的内涵。利用生物特征的身份认证由于利用了人体固有的生理和行为特征而展现出极大的优越性。静脉识别作为生物识别技术中的一种,是最近几年才发展起来的,它是利用每个人的手掌血管分布不同这一特性进行身份认证的。与现在人们所熟知的指纹识别技术相比,具有更安全,非接触性等优点。本文在收集和分析近年来国内外有关生物识别技术研究成果的基础上,对静脉识别系统的关键技术进行了研究。主要工作有以下几个方面:(1)静脉图像采集。利用还原血红蛋白吸收附近的红处线的原理,研究了一套可行的红外光路设计方案。(2)静脉特征提取。根据静脉血管的特点,提出两种新的提取方法,并对照已经有的方法,得出多尺度高斯滤波的优越性。然后对多尺度高斯滤器进行了参数优化和改进。(3)静脉特征匹配。在现有静脉特征匹配算法的基础上,提出两种新的匹配算法。最后对这三种匹配算法进行了比较,实验结果表明,本文提出新的匹配算法具有较高的识别率。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题来源及背景
• 1.2 课题研究的目的及意义
• 1.2.1 课题研究的理论意义
• 1.2.2 课题研究的实用价值
• 1.3 国内外相关技术的研究现状
• 1.3.1 生物特征识别技术简介
• 1.3.2 手背与手指静脉识别技术研究现状
• 1.3.3 手掌静脉识别技术研究现状
• 1.4 本文主要研究内容
• 第2章 手掌静脉识别系统的总体框架
• 2.1 生物特征识别系统的构成
• 2.2 手掌静脉识别系统的可行性分析
• 2.3 手掌静脉识别系统的组成
• 2.4 手掌静脉识别系统性能指标及评价
• 2.5 本章小结
• 第3章 手掌静脉识别系统的图像采集
• 3.1 手掌静脉的成像原理
• 3.2 手掌静脉采集装置的实现
• 3.3 手掌静脉图像采集过程
• 3.4 本文所用的手掌静脉图像库简介
• 3.5 本章小结
• 第4章 手掌静脉图像的特征提取
• 4.1 引言
• 4.2 手掌静脉图像的三种特征提取方法
• 4.2.1 多尺度高斯滤波器
• 4.2.2 MFRAT算法（Modified Finite Radon Transform）
• 4.2.3 低通高斯滤波
• 4.3 三种静脉特征提取算法的比较
• 4.4 多尺度高斯滤波器的参数优化
• 4.5 静脉特征提取后的细化
• 4.6 本章小结
• 第5章 手掌静脉图像的特征匹配
• 5.1 引言
• 5.2 点对点匹配算法研究
• 5.2.1 点对点匹配算法描述
• 5.2.2 实验结果及分析
• 5.3 “粗化与细化”匹配算法研究
• 5.3.1 “粗化与细化”匹配算法描述
• 5.3.2 实验结果及分析
• 5.4 ICP匹配算法研究
• 5.4.1 ICP匹配算法描述
• 5.4.2 ICP算法在手掌静脉匹配中的应用
• 5.4.3 ICP算法在手掌静脉匹配中的应用
• 5.5 三种匹配算法的比较
• 5.6 本章小结
• 结论
• 参考文献
• 致谢