基于图像融合的去掌纹手掌静脉图像增强方法

针对手掌静脉识别系统中预处理算法不能够很好地解决掌纹造成静脉网络"断裂",导致识别性能降低的问题,通过对手掌静脉图像的观察和分析,提出8个方向滤波器提取掌纹;并将掌纹提取图像与原掌脉图像加权融合,消除了掌纹对手掌静脉图像的干扰,使静脉网络更加连贯,增大了静脉与背景的对比度。实验结果表明,与目前已有的手掌静脉增强方法相比,去掌纹增强方法提高了图像质量,进而提高了手掌静脉识别系统的识别精度。     

利用手掌静脉技术建立图书馆新的个人身份认证系统

阐述了手掌静脉技术的原理,探讨了如何利用手掌静脉技术建立图书馆新的个人身份认证系统.     

一种新的指横纹与静脉加权融合算法

为解决静脉识别中静脉细节特征信息量相对较少、误拒率和误识率偏高等问题,提出了一种新的手指指横纹与静脉加权融合算法.该算法在指横纹图像预处理阶段,通过一种基于八邻域的曲线曲率法准确定位手掌基准点,并以直线拟合技术拟合手指外轮廓,进而定位指横纹感兴趣区域;在图像匹配阶段,采用Gabor滤波器提取指横纹特征信息,并将指横纹和静脉进行加权信息融合.仿真实验表明,此算法能提高系统的识别率和稳定性.     

掌静脉识别研究综述

指纹和掌纹存在于皮肤表面,有容易被伪造、缺乏安全性等一些不可避免的缺点。掌静脉识别技术应运而生,它在身份识别、安检、门禁和医学研究等方面有非常好的发展前景。对掌静脉识别技术的国内外研究现状进行分析,梳理掌静脉识别的相关算法,得到目前掌静脉识别存在的难点,为今后掌静脉识别技术的发展与应用提供参考。     

小波模极大值的手掌自动识别系统定位法

提出了一种有效、可靠的手掌识别定位方法。该方法对无定位的手掌自动识别具有较好的定位结果。研究过程中采用平板扫描仪进行图像采集。对手掌图像进行旋转、剪切处理,从而为同一个人的不同手掌提供相同的参照系;将手掌边界像素与质心的距离(边心距)作为描述手掌形状的特征,计算边心距的多尺度小波变换的模极大值,并由尺度a=25的小波模极大值的分布确定基准点所在区间;在每一区间上选取唯一的候选基准点,再对候选基准点进行筛选,最终定位手掌的基准点。该定位方法具有算法简单、准确、计算速度快的特点,应用本方法定位出的手掌基准点不仅可以为掌纹的匹配提供参照系,同时也可为结合手掌的其他特征如指纹、手形、手指上的纹理实现基于多特征识别提供必要的参照系。本方法对旋转和平移具有不敏感性,能够提高识别的准确率。通过M atlab仿真试验证明了这种方法的有效性和正确性。     

多姿多彩的生物识别技术

<正>生物学特征很难在个体之间传递,可以被认为是人类独一无二的标志。生物识别指的是利用可测量的人体生物学或行为学特征来核实个人身份。这些技术包括指纹识别、视网膜和虹膜扫描、手掌几何学、声音识别、面部识别等。对于任何需要确认个人真实身份的场合,生物识别技术都具有巨大的潜在应用市场,以旅     

射频智能穿戴指静脉识别系统的应用——以高考考生身份识别为例

信息化时代,如何准确鉴定一个人的身份、保护信息安全,已成为社会的刚性需求。当前,身份识别采用的指纹识别、面部识别、虹膜识别等技术都存在不同程度的缺陷。一种"射频智能穿戴指静脉识别系统"主要采用无线射频识别技术、手指静脉识别技术、条形码技术等,研制成各自对应的模块及IC卡,经由技术集成,通过与相应软件匹配协同系统化,形成具有多元交叉技术的身份识别系统,应用于广泛领域的身份识别。以高考考生身份识别为例,阐述该系统的应用及发展前景。     

基于静脉识别的身份认证方法研究

首先简要介绍了身份认证技术与生物特征识别,然后指出目前应用最广泛的生物特征身份认证方法——指纹识别的缺点和不足,在此基础上提出了一种新的生物特征身份认证方法——静脉识别。分析了静脉识别的理论依据,特点和难点,提出了一种新的图像阈值分割方法和静脉图像特征匹配方法,进行了特征匹配实验,得出了较好的实验效果。     

封面图片说明：人工智能专题

 生物特征识别：通过个体生理特征或行为特征对个体身份进行识别认识的技术,包括指纹识别、人脸识别、虹膜识别、指静脉识别、声纹识别以及步态识别等。     

手背静脉图像的降噪和分割研究

手背静脉识别是一种新兴的生物特征识别技术。根据手背静脉图像的特点,对静脉图像预处理进行了研究。静脉图像预处理分为图像的降噪和静脉图像的分割两部分。提出了一种混合噪声滤除算法,在判断出的脉冲噪声基础上,根据连通性去掉被误判成脉冲噪声的边缘,有效地滤除了静脉图像中的脉冲噪声和高斯噪声,且较好地保护了静脉图像的细节特征;采用了局部动态阈值算法NIB lack算法对图像进行分割,很好的提取出了手背静脉。     

手背静脉图像的降噪和分割研究

手背静脉识别是一种新兴的生物特征识别技术.根据手背静脉图像的特点,对静脉图像预处理进行了研究.静脉图像预处理分为图像的降噪和静脉图像的分割两部分.提出了一种混合噪声滤除算法,在判断出的脉冲噪声基础上,根据连通性去掉被误判成脉冲噪声的边缘,有效地滤除了静脉图像中的脉冲噪声和高斯噪声,且较好地保护了静脉图像的细节特征;采用了局部动态阈值算法NIBlack算法对图像进行分割,很好的提取出了手背静脉.     

基于Gabor小波和PCA的掌纹识别方法比较研究

掌纹识别是利用人的手掌图像进行身份鉴别的一种新兴生物特征识别技术. 主成分分析(PCA)、二维主成分分析(2DPCA)、Gabor小波等则是生物特征识别的常用特征提取方法. 本文采用四种实验方案来比较研究基于PCA以及基于Gabor和PCA的掌纹识别特征提取性能, 用正确识别率和训练时间等参数来对其进行对比分析, 其结果可为掌纹识别系统选择特征提取方法提供一定理论参考.     

基于灰度不均匀矫正和SIFT的手指静脉识别方法

基于手指静脉的身份识别以其方便性和安全性奠定了其在生物特征识别中的优势地位.在手指静脉识别方法中,尺度不变性特征(Scale Invariant Feature Transform,SIFT)虽然普遍被认为效果不佳,但鉴于SIFT在自然图像中取得的良好效果,在分析了手指静脉图像的质量和结构特点之后,设计了一种基于灰度不均匀矫正和SIFT的手指静脉识别方法.首先,根据手指静脉图像对比度低、模糊等特点,利用灰度不均匀矫正增强图像细节;其次,考虑到在尺度不变性特征的匹配过程中,相似特征点的存在也会影响手指静脉识别的性能;第三,在匹配的过程中,还考虑了潜在的特征匹配点.基于灰度不均匀矫正和潜在特征匹配点的手指静脉识别方法取得了良好的识别效果,在香港理工大学手指静脉库(PolyU Finger Vein Database)上六折交叉验证的等错误率(Equal Error Rate,EER)从0.0358降低到了0.0006,表明了方法的有效性.     

手背静脉识别技术研究进展

随着信息化时代的到来,人们急需安全和便捷的身份识别方式。手背静脉识别是一种新兴的生物识别技术,区别于其他生物识别技术,其特性是利用人的手背血管分布的不同进行身份认证,具有安全性高、非接触等优点,显示出其独特的生物识别优势,进而成为近年来国内外生物识别技术研究的热点。     

基于改进谷形检测增强和Canny边缘修正的手指静脉识别方法

手指静脉识别作为新型的生物特征识别技术,未来可广泛应用于身份识别领域。针对当前手指静脉图像质量差导致特征识别准确率较低的问题,提出一种基于改进谷形检测增强和Canny边缘修正的手指静脉识别方法。该方法首先改进用于局部静脉特征增强的方向谷形检测算子,增强静脉特征区域,然后利用Canny边缘检测算法对图像分割后的特征区域进行二次修正,在保证手指静脉特征区域完整性的同时降低伪静脉对识别率的干扰。在手指静脉数据库上进行实验,结果表明该方法对增强算法的泛用性较好,对4种不同的全局图像增强算法的识别准确率分别提升了8.66%,3.7%,1.78%,1.2%,能明显提高特征识别的准确率。     

基于域Morphing算法的手背静脉识别

根据人体手背静脉图像的结构及特点, 提出一种快速域Morphing算法对手背静脉图像进行变换, 通过对图像进行相似度计算实现了静脉识别.     

手背静脉血管识别算法研究

由于指纹识别的易被污染性,虹膜识别给人造成的不舒服感等,为了克服这些已有的生物特征识别技术的缺点,本文对一种全新的生物特征识别方法——基于手背的静脉血管图像的特征识别算法进行了初步研究。提出了一种基于血管细化后的特征提取识别算法。分析了这种识别方法所要求的图像预处理过程,并对小数目样本进行仿真实验。实验证明,只要基于可靠的识别方案,手背静脉模式识别进行个人身份识别是完全可行的,具有良好的应用前景。     

基于二维Gabor的掌纹图像预处理研究

掌纹识别属于相对较新的一种生物特征识别技术,是利用人手掌上丰富的纹理特征来进行身份识别。掌纹图像的质量是影响掌纹识别性能的关键,因此,由掌纹的特点入手,对掌纹图像采用基于形态学方法进行感兴趣区域(ROI)的分割,为了防止由于采集时手放置位置的旋转或偏移导致的掌纹图像的差异,通过中值滤波、二值化、膨胀腐蚀等操作确定了特殊角点,再利用角点连线确定旋转角度,来旋转掌纹图像。然后对掌纹图像感兴趣的区域采取小波阈值法来去除噪声。最后结合Gabor滤波器的方向性,采用基于二维Gabor滤波器对掌纹纹线的特征进行提取。为了验证所提出的掌纹图像预处理方法的有效性,在PolyU掌纹图像库上进行实验并取得了较好的实验效果。     

利用特征距离信息引导决策融合的多模态生物特征识别方法

传统的决策层融合作为识别系统最末端的融合层次,具有信息量不足的缺点,对于各模态分类性能差异较大的系统,识别率低且可靠性差。提出了一种基于特征距离信息的决策层融合方法,应用于包含虹膜、手掌静脉和手指静脉的多模态生物特征识别系统。以置信度作为权重,通过权重来探索不同模态生物特征识别的性能差异,实现了有效特征信息的提取,并且提高了系统的抗干扰能力。该方法充分考虑了权重因子与特征距离信息和模态分类性能参数之间的复杂关系,将模态的决策偏好通过置信度转化为定量表征,不仅使各模态权重因子的求解更具科学性,而且提高了识别系统在复杂情境下的自适应能力。实验结果表明,该融合方法的识别精度与抗干扰能力优于其他决策层融合算法。     

指静脉识别技术研究

目的分析指静脉识别技术的发展现状,有助于相关学者快速把握该领域的发展动态。方法围绕指静脉识别技术流程展开,研究当下指静脉图像的采集方式、图像预处理方法、特征提取及匹配的相关算法,并分析各阶段面临的技术难点及可以突破的领域。从多视点融合、多实例融合、多算法融合、多模态融合角度深入分析了近年来兴起的指静脉融合技术,并指出当下指静脉融合技术面临的瓶颈。结论 (1)图像增强领域,对比度和纹理增强研究已经很深入,细小静脉缺失研究还很初步,可以在此领域有所新突破,此外,ROI提取去除的手指静脉也包含着有效信息,目前没有得到有效的研究利用。(2)特征提取领域,纹理特征较几何分形特征具有较好的局部偏差容忍度,特征匹配领域,深度学习将会开启模式识别的新纪元。(3)指静脉相关融合技术是当下的研究热点,而其中的多模态融合技术将备受学者青睐。(4)数据库规模是目前限制指静脉识别技术及相关研究的主要因素。