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%。     

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。     

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.     

手背静脉图像增强和分割方法

近红外摄像机采集到的手背静脉图像对比度较低且静脉结构简单,为了有效提取手背静脉结构特征,首先分割出包含主要静脉结构信息的区域,并进行灰度归一化;然后利用动态全局阈值法对静脉结构进行粗分割;最后根据静脉的几何结构特征,去除虚假静脉,获得真实的手背静脉图像;实验结果证明了算法的有效性。     

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。     

SAR图像高速公路目标快速识别

根据高速公路在SAR图像上呈现的共同特征,文章提出一种高速公路快速识别算法。该算法以高速公路在所有SAR图像上均呈黑色条带状为出发点,首先对图像做二值分割,通过形态学处理、区域特征统计等步骤,删除干扰区域和形状复杂区域。对保留区域的长度、处于图像中的位置等信息加以利用,确定高速公路区域,并根据雷达系统参数,得到高速公路的参数信息。     

低对比度手背静脉图像的增强和分割

人体手背静脉识别技术是生物特征识别技术的一种.人的手背拥有比手指更为丰富的静脉血管,可以提取更多的并且适于身份认证的特征,所以把手背静脉识别作为一种身份认证方式,应用于信息安全等领域具有非常重要的现实意义.由于光照强度、手背厚度的不同,所采集到的手背静脉图像的质量不是很好,对比度比较低.为了得到有较好对比度的手背静脉图像,提出了一种基于形态学处理与对比度受限的局部直方图均衡(CIAHE)相结合的手背静脉图像处理的方法.实验表明,这种方法能有效地增强手背静脉和背景的对比度,使得静脉分割取得了很好的效果.     

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。     

基于CLAHE和改进的NIBLACK算法的手背静脉提取方法

为了满足手背静脉识别对于特征提取的需求,本文对手背静脉提取方法进行了研究.首先采用CLAHE算法对手背静脉图像进行增强处理,然后对增强图像进行二值化处理.针对传统的NIBALCK二值化算法容易产生噪声、断纹以及分块处理时的边缘阈值缺失的问题,提出一种局部静态阈值与NIBLACK相结合的改进算法.实验结果表明,该方法可以有效地克服光强因素对图像提取的影响,消除传统方法的噪声过多、纹络断裂的现象,保持完整清晰的静脉纹络结构,满足后续识别工作的需要.     

基于Gabor相位编码的手背静脉识别算法

提出了一种基于Gabor相位编码的手背静脉识别算法.该算法主要分为两部分:一个是对手背静脉图片的预处理部分,包括滤波去噪和感兴趣区域(ROI)提取;另一个是静脉特征提取和匹配识别部分,该部分主要利用静脉图像的Gabor相位编码作为静脉识别的有效特征,同时利用海明距离实现特征匹配识别.该算法应用于自制的手背静脉图库,可达到100%的识别率和0%的误识率.结果表明,该算法是一种有效的生物特征识别方法.