基于Bandelet变换的手背静脉识别算法

提出一种基于Bandelet变换的手背静脉识别算法, 该算法利用Bandelet变换对静脉图像进行特征点提取, 通过提取的特征点构造了表征静脉纹理特征的特征向量, 通过计算待识别样本特征向量与目标样本特征向量的相关系数得出其相似度, 并在利用自制采集设备采集的样本库上对算法进行测试, 给出了实验结果.     

多特征融合的手背血管识别算法

为促进手背血管识别的应用,提出了一种利用多特征融合进行手背血管识别的算法。该算法对手背血管纹理的多种信息分别提取各自特征并进行匹配,匹配结果通过多特征融合方法进行处理,得到较好的识别效果。在多特征融合中使用量化值归一化算法,对3种归一化算法和4种融合策略进行了组合实验。结果证明,恰当选择归一化和融合算法的多特征较单一的手背血管特征在识别精度方面有较大的改善,特征融合后算法识别等错率(EER)可达2.21%。     

手背静脉识别系统的研究

介绍了手背静脉识别系统的图像处理和相关法识别算法,并通过实验证明了系统的可行性。     

手背静脉识别的图像处理算法

提出了一种手背静脉图像的有效区域提取方法,在获得手背静脉图像的有效区域后,对图像进行增强和平滑处理,采用动态阈值分割算法对图像进行分割,对分割结果进行平滑细化和去除"毛刺"处理.仿真实验表明,该算法能够获得失真较小的静脉骨架.     

手背静脉识别的图像处理算法

提出了一种手背静脉图像的有效区域提取方法,在获得手背静脉图像的有效区域后,对图像进行增强和平滑处理,采用动态阈值分割算法对图像进行分割,对分割结果进行平滑细化和去除毛刺处理。仿真实验表明,该算法能够获得失真较小的静脉骨架。     

基于手背血管进行身份识别的预处理研究

分析生物识别技术的发展现状以及研究以手背血管为特征进行身份识别的意义,结合识别系统框图对其中的预处理模块进行了详细阐述,主要包括图像的提取、二值化、去噪、细化等.实验结果表明,处理效果较好.     

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。     

人体手背血管图像的特征提取及匹配

为了克服指纹识别系统的一些缺点,该文对一种全新的生物特征识别方法——基于手背的静脉图像的特征识别进行了初步研究。首先利用自主设计的近红外血管图像采集仪提取血管造影的原始图像,然后对采集到的图像作归一化和增强处理,以及进行特征提取和特征匹配算法研究。文中给出了65个小范围样本的匹配试验结果,在拒真率为4.6%条件下,误识率为0。利用手背静脉图像进行个人身份识别是完全可行的,文中提出的方法具有良好的应用前景。     

手背静脉特征提取算法

提出一种基于有限Radon变换(FRAT)的手背静脉识别新方法.在考虑手背静脉图像"线状"特点的基础上,先将手背静脉图像"分块",再对分块后的图像进行FRAT变换,并提出一种向量非均衡分布可得最大值的方法,提取手背静脉图像纹理特征,最后通过特征匹配进行分类识别.结果表明:与传统的Hough变换和离散Radon变换相比,新方法提高了目标直线特征的检测速度;在有800个样本的数据库上进行实验,获得了96.5%的识别率,表明了算法的有效性.     

基于特征点距离的手背静脉特征融合方法

针对现有手背静脉识别利用手背静脉特征较少, 识别率较低的问题, 提出了一种基于特征点距离的手背静脉特征融合方法。该方法首先对手背静脉进行细化, 对不变矩特征的量化值求和再进行匹配; 然后提取手背静脉的端点及交叉点, 利用改进的Hausdorff 距离进行匹配, 从而去除零距离点的影响, 提高两幅图之间的非相似性; 最后将这两种匹配方法进行加权融合。实验证明, 该融合算法识别率可达96. 75%, 且运行时间仅为0. 97 s。     

改进的双边二维线性判别分析的手背静脉识别

针对双边二维线性判别分析(B2D-LDA:Bilateral Two-Dimensional Linear Discriminant Analysis)方法中多类类别均值和总体均值接近时难以分类的问题,提出了一种改进的B2D-LDA(MB2D-LDA:Modified B2D-LDA)方法,并将其运用到手背静脉特征提取中.重新定义了类间离散度矩阵,融入了每两类类间的距离,当类别均值与总体均值接近时,则用该类和其他各类类间距离组成离散度矩阵.采用基于欧氏距离的最近邻分类器进行匹配识别.结果表明,在不增加识别时间的情况下,MB2D-LDA平均识别率比B2D-LDA高2％,证明了该算法的有效性.     

基于纹理特征优化LPQ的手背静脉提取方法

针对传统LPQ( Local Phase Quantization) 特征提取算法在提取手背静脉图像时存在提取细节特征不完整的问题,依据静脉纹理图像的特点将区域划分为子块分别进行LPQ 特征提取。首先,将手背静脉纹理图像分成9 个大小相等的子图像; 然后,分别采用LPQ 特征提取算法对手背静脉进行特征提取,将各子区域提取的静脉纹理信息进行整合形成整张静脉图像的向量特征,最后,使用最近邻分类器将样本进行分类实验,实验结果表明,在分块数为4 × 4 时获得最高识别率96． 50%。     

脊波分析在手背静脉识别中的应用

提出一种基于改进的有限脊波变换的手背静脉识别算法. 利用脊波理论适合于表示直线奇异性的特点, 对手背静脉特征进行分析. 使用改进的有限脊波变换对手背静脉图像进行分解, 得到不同分解尺度下手背静脉的多分辨脊波特征, 再通过定义多分辨脊波特征距离进行模式匹配. 实验结果表明, 与传统静脉特征提取方法相比, 该方法较完整地保留了静脉的原始信息, 提高了运行速度并降低了算法复杂度.     

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。     

基于核主元分析和局部保持投影的手背静脉识别

为了保持手背静脉空间的局部结构,运用局部保持投影(LPP)方法进行手背静脉识别.但是对于小样本图像识别,LPP中的特征方程矩阵通常存在奇异性.为了解决这个问题,提出首先利用核主元分析(KPCA)降低手背静脉空间的维数,再对低维图像应用LPP提取局部特征.对已有手背静脉图像库进行测试,实验结果表明,与传统的PCA和PCA+LPP相比,该方法大大提高了系统的识别率,而且特征提取时间为2.6 s,满足实时系统的要求.     

基于局部宏观特征和微观特征结合的手背静脉身份识别

手背静脉身份识别由于其非接触和不易被污染等独特的优势,已成为各种新型生物特征识别手段中的研究和应用热点.如何提取具有高鉴别性且鲁棒的手背静脉图像特征是本文的研究重点.本文简述了基于局部二值模式(local binary pattern,LBP)的特征提取方法及其改进方法的基本原理,讨论分析了其不足,并针对不足,提出了一种多尺度块中心对称局部二值模式(multi-scale block center-symmetric LBP,MB-CSLBP)算子.本文所提出的MB-CSLBP算子既考虑图像的局部宏观特征,也兼顾图像的微观特征,获取了更加全面的图像信息.在自建的2040幅近红外手背静脉图像数据库中,用MB-CSLBP方法获取图像特征并使用最近邻分类器进行识别.大量的对比实验结果表明,本文所提方法的识别率达到98.21％,优于原始LBP及其改进算子,中心对称局部二值模式(center-symmetric LBP,CS-LBP)和多尺度块局部二值模式(multi-scale block LBP,MB-LBP)等.     

小儿手背浅静脉逆向留置探讨及护理

目的:为解决儿科临床护理技术操作中常见的头皮静脉留置困难的危重小婴儿需持续维持有效的静脉通道以便急救和用药.探讨通过小儿手背浅静脉逆向留置来确保通道的维持.方法:将100例采用手背静脉留置的小婴儿随机分成A、B两组,A组55例采用手背静脉顺血流方向留置;B组45例采用手背静脉逆血流方向留置.结果:两组发生脱管、外渗、堵管的例数,留置时间经统计学处理差异无显著性.结论:小儿手背浅静脉逆向留置安全、有效、可行.     

基于几何形状和小波矩的静脉特征提取与匹配

针对手背静脉识别系统的特征提取与匹配算法研究问题,提出了一种粗匹配与细匹配结合的方法.该方法通过分析图像特征描述符特性,考虑静脉图像的全局信息,确定提取具有平移、旋转、比例和仿射不变性的边界和区域的形状特征进行粗匹配;为了考虑局部特征使形状描述符具有良好的易分辨能力,依据小波矩具有小波多尺度分析和不变矩的优点,确定了基于小波矩的匹配为细匹配的方案,实验结果表明识别率得到了明显提高.     

传统握拳法和握手式握拳法在手背静脉穿刺的应用

目的探讨提高手背静脉穿刺一次性成功的握拳方法。方法随机抽取200例患者同时采用传统握拳法和握手式握拳法实施操作，分析比较结果。结果握手式握拳法在手背静脉穿刺时能提高一次性穿刺成功率，比传统握拳法更具优势（P〈0．05）。结论握手式握拳法能克服传统握拳法中的诸多不足，有效提高一次性穿刺成功率，是手背静脉穿刺时值得推行的一种握拳方法。     

移动机器人门牌号识别算法研究

以门牌号为对象，利用现代图像处理技术，研究移动机器人门牌号识别算法．将彩色图像转换成R-G图像，利用正交投影获得了门牌号定位．基于大津阈值分割方法，提出了图像二值化阈值选择算法．针对细化后的二值图像，综合利用端点、叉点、欧拉数和端点斜率，提出了门牌号识别算法．仿真结果证明了所提算法的有效性。