手指静脉采集控制板的研制

针对手指静脉识别系统中样本采集装置集成度低的现状,研制出一种基于通用串行总线（USB）接口的采集控制板,实现采集装置的光源控制、手指定位、自动参数调整和手指静脉图像的采集、传输。详细讨论了采集控制板的结构组成、工作原理以及基于模糊控制的智能参数调整算法。实际应用表明,安装该板的采集装置能够较为准确地获取静脉血管图像,具有较好的便携性和应用性。     

采用旋转校正的指静脉图像感兴趣区域提取方法

针对静脉图像采样过程中存在的旋转、平移等非线性因素造成手指静脉图像定位困难的问题,考虑图像非接触式采集特点,提出一种采用旋转校正的手指静脉图像感兴趣区域提取方法.首先对读入的手指静脉图像采用Kapur熵阈值法分割出手指区域,再依据图像的质心对图像进行旋转校正,最后根据图像中每列像素竖直方向上的投影值和手指区域的边缘轮廓,确定出感兴趣区域的位置.实验结果表明,该方法能够准确地提取出静脉图像的感兴趣区域,有效地提高识别系统的性能.     

基于FPGA手指静脉图像采集系统的研制

分析了手指静脉成像原理,研制了以FPGA为主控芯片的手指静脉采集系统,该系统由手指静脉图像采集装置、图像采集控制模块、图像缓存控制模块和LCD显示控制模块等构成。实验结果表明,采用波长为850 nm的近红外光源模块、MT9V034摄像头、VIP_Board Full FPGA开发板、5.0寸TFT LCD显示屏组成的手指静脉采集显示系统体积小、采集实时性强,显示的手指静脉图像纹路清晰,具有良好的稳定性。基于FPGA手指静脉采集系统稳定清晰,具有巨大市场价值。     

基于手指静脉和手指轮廓的个性化融合方法

近年来手指静脉识别成为一种有前途的身份验证技术.采集图像时,手指的姿势或光照的变化会严重影响算法的性能.多生物特征识别可以在一定程度上克服这些限制,提高识别性能.相比其他的生物特征融合,手指静脉和手指轮廓融合的优点是采集图像比较方便,只需要手指静脉采集设备即可获得这两种生物特征的图像.基于此,提出了一种基于手指静脉和手指轮廓的个性化加权融合识别方法.首先根据原始得分对样本进行分类,然后依据分类结果求得样本的分类置信度得分.相比原始得分,分类置信度得分加入了分类信息,能够为后面的融合提供更多的有效信息.最后,为了体现个体之间的差异,使用个性化权重将分类置信度得分进行融合.在自建数据库上的实验结果验证了该方法的有效性.     

基于自动调光功能的手指静脉图像采集系统

当固定光强的红外光透射厚度不相同的手指时,会在图像传感器上呈现质量不一的静脉图像,产生曝光过强或过暗的现象。为采集到质量一致的手指静脉图像,设计一种自动调光电路,可根据红外透射光的强度自动调整红外发射光强,以保证红外透射光强度维持在一个相对稳定的范围。同时设计了一种基于USB2.0和CMOS图像传感器的手指静脉采集系统。实验结果表明,该系统采集的手指静脉纹路图像清晰、质量稳定。     

指静脉与折痕双模态图像采集系统设计

手指静脉识别是针对手指皮肤内部的静脉特征进行活体识别,具有非接触和安全性高等优点,但存在特征数量少的缺点;手指指节折痕位于皮肤表面,且具有稳定的生物学特性。因此,为解决单一模态手指静脉的可提取特征数量不足的缺点,设计了一种双模态生物特征图像采集系统,即针对手指相同位置,采集皮肤内部手指静脉和皮肤表面指节折痕2种不同类型图像。图像采集系统硬件主要包括USB 2.0控制器、200万像素CMOS摄像头模组、可见光与红外光切换电路、微型步进电机驱动电路和I2C电路等。实验结果表明:该系统具有实时性,能够连续采集手指静脉和指节折痕2种清晰、稳定生物特征图像,为双模态生物特征识别系统提供了良好的软硬件基础平台。     

一种模糊手指静脉图像预处理方法的研究

对光传感器获取的手指静脉图像进行了预处理,模糊的原始图像经过归一化、图像增强、图像分割、后处理、图像细化及修正等步骤为图像的特征提取和图像匹配奠定了基础.同时,针对低质量静脉图像静脉纹路的提取问题,NiBlack 方法对静脉特征提取的效果是比较理想,能够提高特征提取的正确率.     

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。     

使用方向滤波技术的手指静脉纹路提取方法

为了准确高效地提取手指静脉纹路,提出一种新的基于方向滤波的手指静脉纹路提取方法。该方法结合静脉纹路特点设计手指静脉图像的方向图及方向滤波器,根据所得的方向图及方向滤波器对图像进行滤波增强,对增强后的图像提取手指静脉模式。与传统的二值化方法相比,在进行二值化操作前,先对图像进行方向滤波处理,使得该方法提取出的手指静脉纹路连通性与光滑性好、噪声与伪特征少,且其不仅对高质量图像能够准确有效地提取出静脉纹路,对低质量图像处理效果也比较理想。     

手指静脉采集技术综述

近年来,生物识别技术在基础理论、算法模型、创新应用、软硬件支撑等方面不断取得突破.文章对手指静脉采集技术进行了探讨,包括使用近红外激光的接触式和非接触式手指静脉采集,以及使用重复线跟踪方法对手指静脉图像的提取等.手指静脉作为内部固有生物特征,与其他生物特征(例如指纹,人脸,声纹等)相比,更能满足高安全场所的应用需求,可以为任何身份验证提供更安全和准确的生物识别信息.     

An accurate finger vein based verification system

This paper makes use of finger vein to propose an accurate personal authentication system. A matched filtering at various scales is applied on the vein image to reduce the effects of noise occurred due to non-uniform illumination, low local contrast, hairs and skin texture. Vein image is also enhanced by using global characteristics. Local and global characteristics of enhanced vein images are fused to obtain accurate vein pattern. Extracted veins are used for matching such that the problem of geometric deformations can be handled efficiently. For performance evaluation, a publicly available database of 3132 unconstrained finger vein images acquired from 156 subjects is used. Performance of the proposed system is found to be better than the various existing systems.     

低对比度手指静脉图像的分割

为了克服目前分割算法中低对比度手指静脉图像分割不精确的问题,采用局部动态阈值算法,依据静脉图像中灰度值在空间信息的相关性,设计了新的变权重判定函数,解决分割后产生的伪静脉问题。同时针对一般细化算法在静脉交叉点产生的冗余问题,提出了新的判断准则,有效地解决了像素冗余问题。实验表明,这些方法能有效地分割低对比度手指静脉图像。     

手指静脉图像特征提取算法的研究

根据手指静脉图像的结构特点,提出了一种手指静脉特征的提取算法,其基本思想是利用灰度图像中静脉灰度值所形成的谷形区域来实现特征的提取。详细讨论了该算法的基本原理和具体计算步骤。实验结果表明：该算法与传统的特征提取算法相比,方法简单,易于实现,具有自适应性,而且思想新颖,对手指静脉的提取得到了非常理想的效果,提取的特征不但准确而且连续光滑。     

图像残差的手指静脉特征间接提取的研究

根据手指静脉对近红外的吸收特性,提出了一种基于背景图像的构造以得到第一次残差图像,通过调节比例系数得到第二次残差图像,以间接的方式获取静脉的特征。经过该算法和其他直接提取算法的对比,表明该文算法具有方法简单,易于实现,特别是获取的第二次残差图像对模糊和低质量部分的图片得到了比其他算法更加合理的特征信息,真实性强,同时也达到了准确、连续、光滑的要求。     

基于稀疏结构噪声检测的指静脉图像去噪算法

针对携带污染噪声的指静脉图像中背景区域、静脉区域和噪声区域的稀疏特性,提出一种改进的指静脉图像去噪算法.利用指静脉稀疏结构特性建立鲁棒主成分分析(RPCA)模型,通过交替方向乘子法求解RPCA模型获得含稀疏目标的前景图像并对其进行阈值分割以提取噪声分布图,同时根据提取结果建立修复优先度规则和自适应选择性滤波模板,实现指...     

基于静脉关键特征和AdaFace损失的轻量级指静脉识别算法

基于深度学习的指静脉识别方法通常需要大量的计算资源,限制了其在嵌入设备上的推广和普及,采用轻量级网络又面临模型参数减少导致准确率下降的问题,为此提出一种基于指静脉关键特征和AdaFace损失的轻量级识别算法。在MicroNet框架中,首先提出一种FMixconv卷积来替代原网络中的深度卷积,减少参数的同时可以获得静脉特征的多尺度信息;其次引入轻量级注意力模块CA模块,从空间和通道上聚焦于静脉特征的关键信息;最后在损失函数中加入AdaFace损失,通过特征范数对图像质量进行评价,以减少图像质量下降对训练的影响。该算法在SDUMLA-HMT、FV-USM和自建数据集上的识别准确率达到99.84%、99.39%和99.42%,而参数量仅有0.82 M。实验结果表明,该算法在准确率和参数量大小上均领先于其他方法。     

级联优化CNN的手指静脉图像质量评估

目的 针对手动设计的手指静脉质量特征计算过程复杂、鲁棒性差、表达效果不理想等问题,提出了基于级联优化CNN（卷积神经网络）进行多特征融合的手指静脉质量评估方法。方法 以半自动化方式对手指静脉公开数据库MMCBNU_6000进行质量标注并用R-SMOTE（radom-synthetic minority over-sampling technique）算法平衡类别;将深度学习中的CNN结构应用到手指静脉质量评估并研究了不同的网络深度对表征手指静脉质量的影响;受到传统方法中将二值图像和灰度图像结合进行质量评估的启发,设计了两种融合灰度图像和二值图像的质量特征的模型：多通道CNN（MC-CNN）和级联优化CNN（CF-CNN）,MC-CNN在训练和测试时均需要同时输入二值图像和灰度图像,CF-CNN在训练时分阶段输入二值图像和灰度图像,测试时只需输入灰度图像。结果 本文设计的3种简单CNN结构（CNN-K,K=3,4,5）在MMCBNU_6000数据库上对测试集图像的分类正确率分别为93.31%、93.94%、85.63%,以灰度图像和二值图像分别作为CNN-4的输入在MMCBNU_6000数据库上对测试集图像的分类正确率对应为93.94%、91.92%,MC-CNN和CF-CNN在MMCBNU_6000数据库上对测试集图像的分类正确率分别为91.44%、94.62%,此外,与现有的其他算法相比,CF-CNN在MMCBNU_6000数据库上对高质量测试图像、低质量测试图像、整体测试集图像的分类正确率均最高。结论 实验结果表明,基于CF-CNN学习到的融合质量特征比现有的手工特征和基于单一静脉形式学习到的特征表达效果更好,可以有效地对手指静脉图像进行高、低质量的区分。