手背静脉图像分割及细化算法研究

手背静脉识别技术通常基于静脉纹路的细节特征点对个人身份进行验证。为了准确地提取出手背静脉纹路中的细节特征点,提取手背静脉图像中的有效区域并对其进行归一化、增强和去噪处理．分别采用局部最大类间方差法（OSTU）、阈值图像法和NiBlack法对图像进行分割,分别采用Hilditch算法、快速细化算法、Zhang＆Suen算法和OPTA算法对分割后得到的二值图像进行细化以获取静脉纹路。实验结果表明,基于合理的参数,NiBlack法和Hilditch算法分别取得较好的分割与细化处理结果。     

一种自适应的手背静脉区域定位算法

为提高手背静脉有效区域定位分割的准确性和速度,提出了一种自适应的手背静脉区域定位分割算法.充分利用了曲线弯曲度来寻找手背图像的边缘特征点以确定手背外侧边缘的目标曲线段,使用最小二乘法进行曲线段的直线拟合,然后定位分割出手背静脉有效区域的图像.实验证明该算法具有自适应性、定位准确、速度快.     

基于曲波变换的分水岭算法及其应用

针对手背静脉图像的结构和特点,提出基于曲波变换的分水岭算法,对手背静脉图像进行骨架特征提取.文中对远红外手背静脉图像进行分析.实验结果表明,该算法能够有效地提取手背静脉骨架特征,在保持边缘信息的同时,大大减少局部最小值区域的数量,解决分水岭的过分割现象.同时该算法也为静脉骨架特征提取提供了新的途径.     

基于感兴趣区域函数优化的静脉图像分割算法

提出一种基于局部感兴趣区域中熵与梯度函数优化的近红外手背静脉图像分割算法。该算法首先基于压缩感知理论对图像进行去噪。其次,通过条带波变换提取存在静脉信息的感兴趣区域,在这些区域中对建立的关于熵和梯度的函数进行约束与优化,实现静脉与背景分离。最后,融合所有区域的分割结果,完成静脉图像的分割。实验表明在处理近红外静脉图像分割问题时,该算法相对其它算法能保留更完整的静脉特征。此外,该算法对于具有纹理特征的指静脉、掌静脉图像的分割具有较好的借鉴价值。     

基于2DFLD的手背静脉识别算法

手背静脉识别技术采用非接触式,为了避免在采集图片时由于手背的旋转和平移给识别带来干扰,提出一种手背静脉有效区域的定位方法,在手背截取出一个包含静脉信息最多的矩形。该算法主要利用基于不变特征点的图像定位方法来寻找手背外侧边缘的特征点,然后定位分割出手背静脉有效区域的图像。实验证明该算法具有自适应性,定位准确,速度快。由于经典的Fisher线性判别算法类内散度矩阵通常会是奇异的,提出一种基于二维Fisher线性判别(2DFLD)的手背静脉识别方法。该方法直接进行图像矩阵投影,避免高维运算。对于手背静脉图像库,用2DFLD方法提取静脉特征空间,再将测试图像投影到该特征子空间上,最后用最近邻欧氏距离方法进行匹配。实验结果表明,该方法识别率达98%。     

基于LBP和多层次结构的异质手背静脉身份识别

针对多源异质的手背静脉异质图像的识别研究,提出了基于LBP和多层次结构的识别算法;首先对图像做适当的预处理,然后将LBP特征提取算法编码的手背静脉纹理特征图像作为多层次结构的输入,通过多层次结构的逐层由具体到抽象的特征提取,得到的特征具有更大的鲁棒性;最后该算法在多源异质的手背静脉图像库得到的识别率比传统的算法识别率高,达到96.57%;进一步表明该算法能够较好地解决由于多源异质问题对手背静脉识别所造成的识别率低的影响。     

一种人手背静脉特征识别方法

针对目前手背静脉图像识别采用细化和骨架操作等提取结构特征易造成静脉结构细节丢失和特征点误判等问题,提出一种基于方向梯度直方图(HOG)的手背静脉特征识别方法。采用生物特征识别的一般流程,对手背静脉图像灰度进行归一化和滤波增强等预处理后,直接对手背静脉灰度图像进行二级小波包分解,提取低频子带图的HOG纹理特征,最后采用K近邻分类器实现个人身份识别。利用自行建立的手背静脉图像数据库对所提方法进行验证,结果证明了算法的有效性,其正确识别率为95%,应用前景广阔。     

基于多角度旋转积分图的手背静脉身份识别

随着生物特征识别技术水平的飞速发展,手背静脉识别也广泛运用于各个领域。由于采集终端硬件设备和采集环境的差异,会降低识别的准确性。针对手背静脉图像在亮度,旋转,尺寸等方面造成的影响,,提出了基于多角度旋转积分图的和离散余弦变换的手背静脉图像识别方法,并进行参数优化。本文结合梯度增强的静脉图像分割方法,选取最佳角度间隔做旋转积分运算,然后通过二维离散余弦变换(DCT)截取最佳特征矩阵用做分类识别,识别率超过99.9％。 实验通过对比其它传统算法对手背静脉图像的识别效果来验证本文特征提取方法的可行性和优越性。     

基于直方图均衡化的手背静脉图像对比度增强

手背静脉图像对比度往往较低,这将影响整个手背静脉识别系统的识别准确率。首先提取手背静脉图像中的有效区域,然后利用直方图均衡化 (HE) 及其各种改进算法对提取的手背静脉图像进行对比度增强处理。实验结果表明,子块部分重叠局部直方图均衡化算法（POSHE）不但能够增强图像的整体对比度,而且图像中细节与背景之间的对比度也得到了增强,同时该算法效率较高,适合于手背静脉图像的对比度增强处理。     

一种基于双PCA的动态空间手背静脉图像合成方法

目前对手背静脉识别问题的研究大多是在较小规模的数据上进行,几乎没有在大样本情况下对手背静脉识别进行实验.因此,为了扩充手背静脉样本库提出了一种新的手背静脉图像合成方法,其基本思想是源于PCA(principal component analysis)原理,将用于合成的样本分为2组,对一组进行主成份分析构造特征空间,再由另一组向特征空间投影得到的投影系数构造投影空间,最后利用投影空间的投影系数在特征空间上进行PCA重建,从而融合双空间的信息达到图像合成的目的.通过对分组选取的动态更新,可以大量地合成手背静脉图像样本.由此,在实际实验中在拥有94个人的原始图像数据库的基础上建立一个拥有8 007个人的合成图像数据库.合成图像数据库的识别率达到97.84%.良好的识别率说明了合成图像数据库今后可以用于手背静脉相关的模拟测试中.