基于Gabor滤波和形态学变换的手臂静脉线提取

提出了一种针对近红外图像的手臂静脉提取算法。首先利用限制对比度自适应直方图均衡化(CLAHE)对近红外图像进行预处理,增强对比度。然后利用Gabor滤波器对增强后的图像进行滤波,由Gabor滤波后的方向图和能量图获得手臂静脉位置。接着,对能量图进行高低帽变换,然后将整幅图像进行二值化,采用开闭运算处理二值化图像,利用形态学骨架提取的方法提取手臂静脉线,最后对骨架化后的图像进行毛刺修剪,得到比较完整有效的静脉线。实验结果表明,本文提出的算法可以有效地保证静脉线的连续性和完整性,有效地提高手臂静脉的匹配率。     

一种手臂静脉特征提取与匹配的算法

针对手臂静脉这一全新的生物特征提出一种特征提取及匹配的算法。首先利用限制对比度自适应直方图均衡化方法对近红外图像进行对比度调整,接着利用Gabor滤波器提取静脉,并进行方向和尺度的标准化;在曲线修复和分割的基础上,提取描述曲线段的方向特征、位置特征和描述曲线形状的Hu不变矩特征;然后搜索匹配曲线对,并利用粒子群算法计算最优空间变换关系,最后进行静脉的匹配。针对150人数据库的匹配实验结果表明,该算法的识别率优于其他方法,说明手臂静脉作为一种新的生物特征具有良好的应用前景。