高质量手掌静脉图像获取及ROI提取的研究

针对手掌静脉图像获取困难,获取的手掌静脉图像质量欠佳以及手掌区域定位方法复杂的问题,提出了一种手掌静脉采集装置,使用该装置进行手掌静脉图像采集。采用基于图像二维熵和局部二维熵方法来评价采集的图像质量,并依据反馈的评价结果作为依据,自适应控制近红外LED的亮度和摄像头的参数,重新采集直到获得高质量的手掌静脉图像。并将获得的高质量图像作为手掌感兴趣区域（ROI）提取及后续的图像处理算法的输入图像。本文的图像质量评价方法采用改进型适用于现场可编程门阵列（FPGA）平台的加速实现方法,ROI提取通过构建局部图像快速判别和定位。实验结果表明,使用二维熵评价图像的方法配合反馈控制PWM波的输出所采集的手掌静脉图像,比现有阶段方法采集的图像在灰度特性、静脉特征的效果方面得到提升,同时获得的图像减少了后处理中ROI提取算法的计算量。     

手掌静脉识别系统的研究与设计

手掌静脉识别技术是静脉识别领域的新兴课题,原理相当简单,但具体实现有很多的挑战,包括如何设计一个能获得手掌静脉图像的采集实验装置和能够进行精确识别的算法等;对手掌静脉识别系统进行了初步的分析与研究,在研究的基础上为手掌静脉识别系统提供了一些硬件解决方案,包括如何选取CCD摄像机、怎样设计光源系统等,设计了手掌静脉采集实验装置,完成了手掌静脉识别系统的整体搭建,并采集到了较清晰的手掌静脉图像。     

不同波长近红外光下手掌静脉图像质量分析

在手掌静脉成像系统中,为对光源波长和成像质量之间的关系进行研究,对手掌皮肤中的表皮层、真皮层和脂肪层在近红外光下的吸收、散射光学特性建立数学模型,并对在760 nm、850 nm、890 nm和960 nm四种单波长近红外光下图像质量的影响因素进行分析。在上述四种单波长及其六种混合波长下,利用图像对比度作为图像质量评价标准,对2 500张掌脉图像进行了预处理和图像质量对比分析。实验结果和理论分析表明,在混合波长760 nm+960 nm下,最大程度保留了静脉信息。     

单幅近红外手掌图像掌静脉和掌纹多特征识别

传统的掌静脉和掌纹图像融合识别一般需分别采集掌静脉和掌纹两类图像,而单幅近红外手掌图像中实际上同时包含了掌静脉和掌纹结构信息。由于二者局部纹理细节差异较大,且像素值分布范围不同,因此,可以先分离再分别增强处理。首先,提出了改进的引导滤波算法以便去除掌纹结构,并设计了反模糊细节增强模型增强掌静脉结构图像;然后,提出了一种改进的分块增强算法,可以在增强掌纹结构图像的同时滤除掌静脉结构信息,再利用基于Sobel算子的反锐化掩模算法以便突出掌纹主线条结构信息;最后,对单幅近红外手掌图像中获取的掌静脉和掌纹图像进行融合识别。在香港理工大学近红外手掌数据库上进行了实验,结果表明：所提出的算法识别率达到了99.63%,与其他已有算法相比等误率平均降低了0.66%,验证了所提出算法的有效性。     

非接触式掌纹图像采集光源的设计*

通过波段选择和均匀光源设计,本文提出一种新的非接触式掌纹图像采集光源。根据人体皮肤对光谱的吸收比和人体血液对光谱的共振散射的研究,发现430nm波长的光波照射下,采集到的手掌图像相比其它波段光波照射时掌纹纹理更加突出。通过对发光二极管（LED）的发光特性,LED形状的选择、多个LED间距与排列方式的研究,最终得到光照度均匀的光源。结果表明：在该光源下采集到的非接触手掌图像对比度高,手掌纹线突出且无亮斑影响的高质量手掌图像,为提取准确的掌纹特征提供了便利。     

手指静脉识别传感器的光源设计

针对手指静脉图像采集系统中近红外LED光源的光强均匀性相对较差的问题,设计了一种等边三角形结构的光源阵列.通过应用近红外LED光源的数学模型和斯派罗法则优化两个相邻光源的距离,确定了两颗光源之间的最优距离为6.26 mm,对该光源阵列进行仿真形成面积为10 mm ×20 mm的均匀光照区域.对此光源阵列进行硬件实验,证明等边三角形结构的光源阵列比单排的光源阵列在均匀性和图像质量上更加突出.     

近红外指静脉图像采集系统设计

针对指静脉身份认证需求,以手指静脉图像采集系统作为研究对象,设计了基于单侧光源与反射镜面相结合红外光源可调控的指静脉图像采集系统。研究了LED光源位置与角度对静脉图像质量的影响,提出了基于图像质量评价的指静脉认证方法,并运用实测方法进行了验证。实验结果表明:可以得到与传统正面光源采集同等质量的静脉图像,具有更高的认证通过率,达到98.8%,并更易于用户使用。     

手部三模态图像采集系统的设计与实现

设计了一种新的适用于安防、考勤等场合的非接触式手部三模态图像采集系统,解决了传统采集系统易传染疾病和单一模态图像变形模糊导致识别率下降的问题。分析手掌静脉、掌纹及掌形成像原理,设计选择可在多光谱条件下采集的双CCD图像传感器和镜头,并分析设计了系统补光系统、区域定位功能和上位机界面。可一次拍摄同时获取高质量的手掌静脉、掌纹及掌形特征图像,并可融合三模态特征识别算法进行在线识别,具有良好的人机交互界面,实用性强。     

基于嵌入式的近红外人脸识别系统设计

设计并实现了一套基于达芬奇平台OMAP3530的近红外人脸识别系统。本系统采用850nm的LED灯提供主动的近红外光源,在OMAP3530和EPM570处理器的协同作用下,实现了可见光图像与近红外图像的实时采集与处理。软件设计基于Codec Engine架构,ARM端负责图像的采集、识别结果的显示和数据库的管理;DSP端专注于人脸识别算法。通过图像采集、人脸检测、特征提取和特征匹配4个步骤实现人脸识别。本系统充分利用了OMAP3530丰富的接口和强大的图像处理能力,并且经过了C与汇编语言的优化。当环境光强发生变化时,系统仍能获得较高的识别精度和较好的实时性。     

H.264编码器设计与运动估计算法优化

运用DSP-FPGA技术设计实现了一个具有良好扩展性和灵活性的H.264视频编码器系统,该系统利用DSP则进行视频压缩编码,FPGA模块完成对视频采集系统以及数据I/O等所有周边功能的控制。针对以上硬件系统本文还提出了一种快速运动估计算法。该算法针对不同的图像特征采用自适应的搜索策略。实验表明,该算法在保证重建图像质量没有明显下降的前提下,编码速度有了显著提高。