人体手背血管图像的特征提取及匹配

! 1 : 拉普拉斯算法等很难取得良好的效果 9 本文采用 "
管图形的特殊性 ! 采用一般的增强算子如平滑算法 0 分区动态二值化方法 ! 将处理的图形分为若干个区域! 根据每个区域内的不同情况设置不同的域值 " 为了使区间之间有良好的连续性 ! 使用了逐点分区判断的方法 ! 即综合每点附近 + 4 4 M+ 4 4区域内的像素情况来判断该点的最后的二值化取值 " 区间内域值的设定可以依据均值法0 最小方差
在众多识别方案中= 指纹识别技术是目前最方便< 可靠 < 非侵害和技术上相对成熟的生物识别技术某些人或某些群体的指纹因为指纹特征很少 = 达不到建档要求 G* .自动指纹识别系统的犯罪指纹数据库在全球司法实践中的广泛应用使得人们对其怀有戒心 G+ .每一次使用指纹时都会在指纹采集器上留下用户的指纹印痕 = 而这些指纹痕迹存在着被用来复制指纹的可能性 G 鉴于以上原因 = 指纹之外的生物识别方法也有着十分广泛的用武之地 G 这里介绍一种新的生物特征识别方法 E人体手背静脉识别 G 采集的具体位置如图 $所示 G
I @B G B C ! D *H ?*J @!
+ 4
G B C ! D *K ?! AB C ! D *E ?4 H
B ) *
+
I @B G B C ! D *H ?*J @!
4
3 手背血管的图像采集原理
根据人体骨骼 0 肌肉组织的特点 ! 当入射光线波长在 4 能够较好地穿透骨骼和肌 5 2 + 6) 5 ) 4 7 8 时! 9 , : 肉! 凸现出血管结构 "该波长范围属于近红外光线! 根据中国国家医用红外监测光源的有关规定 ! 红外光强处于峰值时波长范围在 4 5 ; 6 ) 5 7 8 之间 " 基于以上的研究 ! 我们建立了一套以近红外光线为光源的手背静脉血管采集系统 " 图 ,是使用此实验装置采集到的不同人的手背静脉血管图像 "
3 6 6
’
清华大学学报 " 自然科学版$
: ) ) P . U P " : $
! " # $%
’
* " ( + # $% &(
( %)
K = K 二值图像中值滤波从分区动态二值化的结果可以看出. 静脉血管 " / $ 图形的周围充满毛刺 . 这会对以后的细化过程产生使用中值滤波的方法可以消除毛刺 . 使明显的干扰 . 界限光滑 7 图 6 所示是中值滤波处理结果 7 L K = M 二值图像细化细化是图像处理的关键环节. 就是将二值化图像逐层剥去轮廓边缘上的点 . 变成只有一个像素点
G B C ! D *L ?! B + * 其中 (G 和分别为归一化前图像的灰度 B ! * !? C D @ 值0 均值和方差 %AB ! * !?4!@ C D 4 分别为归一化后图像的灰度值 0 均值和方差 " ’ 5 3 图像增强处理及二值化图像增强处理是获取有效信息的保证 " 根据血
图 + 手背静脉血管采集的具体位置
+ 人体静脉识别的过程
人体静脉识别的过程是首先通过自行设计的静脉识别仪采集手背静脉分布图像 = 如图 *所示 = 然后
随着对个人物品< 内部网络< 建筑物通道< 乃至电子商务的安全性的要求日趋严格= ! 3 M < K 3 < M 对于身份认证技术的需求也变得越来越紧迫 = 生物识别技术即是安全和便捷的身份识别方法 G 它的一些主要识别方法有 E指纹识别 <掌纹识别 <面部识别< 签名识别 <声音识别 <虹模识别 <步态识别 <击万方数据键识别和视网膜识别等等
人体手背血管图像的特征提取及匹配
) 1 -
依据专用的比对算法从静脉分布图提取特征值 ! 将特征值存储 ! 建立数据库 " 在实际应用时 ! 当手放入采集平台时引起 # 光源自动开 # $ 图像灰度变化! 启% 实时采集手背静脉图 ! 提取特征值! 与存储在服务器中静脉特征值比对 ! 确认身份 " 基于人体手背静脉识别技术的自动身份鉴别系统框图如图 &所示 "
图 = 手背静脉血管图像识别过程流程图
’ 5 > 图像归一化处理光强和个人的手掌厚薄不同 ! 所以采集的图像在灰度图分布上有很大的差异 " 如果同一个人在不同光
由于自动静脉血管图像采集系统的采集时间0
图 ’ 自动身份鉴别系统框图
线情况下采集的灰度图相差过大 ! 会给以后的图像处理和匹配增加难度 ! 因此在采集图像以后要进行归一化处理 ! 即将所有图像转换成同一均值和方差的标准图像 " 根据血管图像的特点和反复试验 ! 将变而方差 @ 换后图像的均值 ?4 定为 2 4 6) 4 4左右 ! 4 尽量扩大至 + 其归一化方程如下 ! ( AB C ! D *E ?4 F
! " " #$ % % % & % % ’ ( ) #$ $ & * * * + , #
清华大学学报自然科学版 .* % % +年第 ( +卷第 *期 . =* % % + =>? A ( + = #? A * /01 2 3 4 5 6 783 2 9" : 2 ; 0< : 5 @
B , + C $ B ( & $ B C
9 2 : 设对应法等"经过权衡后! 决定使用 NO P Q法 ! ES 4 ! ) ! T! H) V的灰度级 W的像素为 X B * !那 R U W
么! 总像素 X EX B 4 * FX B ) * F T FX B H) * %然后使 U 用归一化直方图! 概率分布为 YB * EX B * J ! W W X 把像素分成 * E) %假设用域值 \ * Z4 ![ YB W YB W 两类 ! 每一类的出现概率和类均值分别为 ( !^ ]
人体手背血管图像的特征提取及匹配
林喜荣 = 庄波 = 苏晓生 = 周云龙 = 包桂秋
清华大学精密仪器与机械学系 =精密测试技术及仪器国家重点实验室 =北京 $ % % % D ( .
摘
要 E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 # 文在拒真率为中给出了 $ %个小范围样本的匹配试验结果 ! 误识率为 ) & ’ $ ( 条件下 ! #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 # 关键词 E生物特征 *手背静脉 *模式识别中图分类号 E0 F O+ 文章编号 E$ % % % & % % ’ ( * % % + . % * & % $ B ( & % ( 文献标识码 EP
该鉴别系统的优点为 () 具有很强的普遍性和 * 唯一性! 绝大多数人的静脉血管图像随着年龄增长不会有大的变化 %+ 是非接 *静脉血管位于体表内 ! 触性的信息采集 ! 不会造成采集界面污染 %& *由于是身体内部的血管特征! 很难伪造或是手术改变% , *可以避免一旦皮表受损害而无法进行指纹识别的缺陷 %采集过程十分友 *相比 $ ./0虹膜识别 ! 好 %1 *不会有使人联想到犯罪数据库的恐慌 %2 * 设备成本低廉 ! 具有广泛的应用前景 "
解决方案 G 然而 = 指纹识别也有其自身的缺点 E$ .
QR S T U V R WR X Y S X ZWS Y [ \ ] X ^_ ‘ \ U WS X a R ] Xb S Y Y R V X[ \ S V S [ Y R V ] T Y ] [ T
c d ef g h i j k =l m n o e pq i =r nf g s i t u v j k = l m w nx y j z i j k =q o wp y g { g y | Y S Y R}R ~! S " _ V S Y _ V ~_ ‘ # V R [ ] T ] _ X $ R [ \ X _ % _ ^ ~S X Z& X T Y V U WR X Y T = QR S T U V R WR X Y ’ R b S V Y WR X Y _ ‘ # V R [ ] T ] _ X& X T Y V U WR X Y T S X ZQR [ \ S X _ % _ ^ ~ = $ T ] X ^ \ U S( X ] a R V T ] Y ~ =) R ] * ] X ^+ , , , . =/ \ ] X S . 0 " T Y V S [ Y E0 5 2 1 1 7 1 < K1 K < 1 < 3 M 1 7 3 < 2 3 2 ? I< M K 2 : 2 N < 3 M 2 4 2 : 7 M 2 ? 3 5 6 < 3 7 1 < N ? 3 5 6 I7 3 9 < 2 3 1 7 M M < K 3 1 M ? ? 9 < K : ? I< M 5 < M < : 5 3 2 1 5 ? K M : ? I2 3 4? 4 M 5 <4 2 3 4 < K 1 K 2 3 M 2 N < 3 M 2 4 2 : 7 M 2 ? 31 6 1 M < IA0 5 <5 7 3 N9 < 2 3 2 I7 4 < 12< K <? 3 M 7 2 3 < N? 1 M 2 : 7 @ @ 622 M 5M 5 <2 I7 4 < 1M 5 < 33 ? K I7 @ 2 7 < N7 3 N < 3 5 7 3 : < NM ?< J M K 7 : M4 < 7 M 6 K < 17 3 N I7 M : 5 2 3 4M 5 <1 7 M M < K 3 1 A0 5 < I7 M : 5 2 3 422 M 5B ’1 7 I1 @ < 15 7 N77 < K ?4 7 @ 1 <7 : : < 1 M 7 3 : <K 7 M <25 2 @ <M 5 < 4 @ 7 1 <K < 8 < : M 2 ? 3K 7 M < 27 1( A B 9 A0 5 <K < 1 6 @ M 1 1 5 ? 2M 5 << 4 4 < : M 2 9 < 3 < 1 1 ? 4 M 5 <5 7 3 N9 < 2 31 7 M M < K 32 N < 3 M 2 4 2 : 7 M 2 ? 31 6 1 M < I 25 2 : 55 7 171 K ? I2 1 2 3 4 4 6 M 6 K < A _ V Z T E3 2 ? I< M K 2 : 1 ;9 < 2 31 7 M M < K 3 ;1 7 M M < K 3K < : ? 4 3 2 M 2 ? 3 }R ~:

合集下载

手背静脉图像容量研究与分析

手背静脉图像容量研究与分析近年来，随着生物识别技术的发展，手背静脉图像作为一种独特的生物特征，被广泛应用于身份识别、医疗诊断等领域。

手背静脉图像的容量研究与分析是对手背静脉图像的特征进行定量化研究，旨在提高手背静脉图像的识别精度和可靠性。

手背静脉图像的容量研究主要包括两个方面：一是手背静脉图像的采集与处理，二是手背静脉图像的特征提取与分析。

在手背静脉图像的采集与处理方面，研究者通常使用红外成像技术来获取手背静脉图像。

红外光可以穿透皮肤，直接照射到静脉血管上，通过光散射的原理，可以获取到清晰的手背静脉图像。

在采集过程中，应注意保持手部的稳定，避免图像失真。

采集到的图像需要进行预处理，如去除噪声、增强图像对比度等，以提高后续特征提取的准确性。

手背静脉图像的特征提取与分析是对图像中静脉血管的形态和结构进行定量化研究。

常用的特征提取方法有灰度共生矩阵、Gabor滤波器、小波变换等。

这些方法可以提取出静脉血管的纹理、形态和密度等特征。

通过对提取的特征进行统计分析，可以得到手背静脉图像的容量信息，如面积、长度、密度等。

手背静脉图像的容量研究与分析对于提高生物识别的准确性和可靠性具有重要意义。

手背静脉图像的容量信息可以帮助判断不同个体之间静脉血管的差异，从而提高身份识别的准确性。

此外，手背静脉图像的容量信息还可以用于医疗诊断中，通过对静脉血管的密度和形态进行分析，可以帮助医生判断血管疾病的发生和发展程度。

总之，手背静脉图像容量研究与分析是利用红外成像技术对手背静脉图像进行特征提取与统计分析的过程。

这一研究可以提高手背静脉图像的识别精度和可靠性，有助于生物识别和医疗诊断的发展。

手背静脉图像ROI提取算法研究

０引言
手背静脉识别是近年来新兴的生物特征识别方法。手背静脉由于具有丰富的静脉分布，可用特征多，在人体静脉识别中显示出优势，具有非常广阔的应用前景。与其他人体生物特征一样，手背静脉具有普遍性、唯～性、稳定性、可采集性、可接受性、防欺诈性等特性… ，而且具有活体识别、内部特征、
ＰａｎＸｉａｏｐｉｎｇ，ＷａｎｇＴｉａｎｎｔｏｆＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅｅｉｒｎｇ，ＳｃｈｏｏｌｏｆＭｅｄｉｃｉｎｅ，ＳｈｅｎｚｈｅｎＵｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｚｈｅｎ５１８０６０，Ｃｈｉｈａ）
中圈分类号：ＴＰ３９１．４文献标识码：Ａ文章编号：１６７３．１１３１（２０１３）０５ — ０００１．０３
ＡＲＯＩＥｘｔｒａｃｉｔｏｎＡｌｇｏｒｉｔｈｍｆｏｒＤｏｒｓａｌＨａｎｄＶｅｉｎＩｍａｇｅ
（１）图像平滑。Ｃａｎｎｙ用范函求导方法推导出高斯函数的一阶导数，即为最优边缘检测算子的最佳近似。由于卷积运算可交换，可结合，故Ｃａｎｎｙ算法首先采用二维高斯函数对图像进行平
２０１３年第５期（总第１２７期）
信息通信
ＩＮＦＯＲＭＡＴＩＯＮ＆Ｃ０ＭＭＵＮＩＣＡＴ【ＯＮＳ

手背静脉红外图像特征识别算法的研究的开题报告

手背静脉红外图像特征识别算法的研究的开题报告一、选题背景与意义随着生物识别技术的不断发展，人体生理特征的识别逐渐成为了一种重要的身份验证手段。

手背静脉是一种独特的生物特征，具有不可复制性、高安全性和方便性等优点，因此被广泛应用于医疗、金融等领域中的身份验证。

当前，手背静脉识别技术的发展主要集中在图像特征的提取和匹配算法上。

其中，手背静脉图像的红外成像技术能够清晰地显示手背静脉的位置、分布和形状等信息，为特征提取和识别算法提供了良好的基础。

因此，本文计划研究手背静脉红外图像特征识别算法，旨在提高手背静脉识别的准确度和稳定性，为生物识别技术的进一步发展提供有力支持。

二、研究内容和方法本文研究的内容主要包括手背静脉红外图像特征的提取、分类器的设计和模型的优化等方面。

具体来说，本文将采用以下研究方法：1.手背静脉红外图像预处理：对手背静脉红外图像进行增强、去噪等预处理，以提高图像的清晰度和质量；2.手背静脉红外图像的特征提取：利用纹理特征、形状特征等方法提取手背静脉图像的特征，以建立准确的分类器；3.分类器的设计：本文将采用支持向量机等分类器，针对提取的手背静脉图像特征进行分类器的设计和构建；4.算法优化：针对分类器的性能进行优化，以提高手背静脉识别的准确度和稳定性。

三、研究预期成果本文的预期成果主要包括以下几方面：1.提出一种有效的手背静脉红外图像特征提取方法，为后续的分类器设计和模型优化奠定基础；2.建立一个准确、稳定的手背静脉识别模型，为身份验证等领域中手背静脉技术的应用提供技术支持；3.提高手背静脉识别的准确度和稳定性，为生物识别技术的进一步发展提供有力支持。

四、研究计划和进度安排本文的研究计划和进度安排如下：1. 第一阶段（2周）：对手背静脉红外图像的现状和发展进行文献综述，并确定研究方向和方法；2. 第二阶段（4周）：收集和处理手背静脉红外图像数据，研究图像预处理和特征提取算法；3. 第三阶段（2周）：设计和建立分类器，测试分类器的性能；4. 第四阶段（2周）：优化分类器的性能，分析和讨论实验结果；5. 第五阶段（2周）：完成论文撰写和答辩准备工作。

医学图像配准中的图像特征提取与匹配

医学图像配准中的图像特征提取与匹配医学图像配准是指将多个医学图像按照相同的参考系统进行对齐，以实现不同图像之间的对比和分析。

在医学图像配准的过程中，图像特征提取与匹配是关键的步骤之一。

本文主要介绍医学图像配准中的图像特征提取与匹配的方法和技术。

1. 图像特征提取图像特征提取是指从医学图像中提取有用的、能够表征图像信息的特征。

医学图像中的特征可以包括形状、纹理、边缘等。

常用的图像特征提取方法包括：（1）边缘检测：边缘是图像中灰度变化较大的地方，边缘检测可以通过计算图像像素间的灰度差异来提取边缘信息。

（2）纹理特征提取：纹理是描述图像内部灰度分布的一种特征。

常见的纹理特征提取方法包括灰度共生矩阵、小波变换等。

（3）形状特征提取：形状是指物体的外观轮廓，可以通过提取轮廓特征、边界特征等来描述图像的形状。

2. 图像特征匹配图像特征匹配是指将不同图像中提取到的特征进行对应，以实现医学图像的配准。

医学图像特征匹配常用的方法有：（1）特征点匹配：通过提取图像中的特征点，并计算特征点间的相似性来实现匹配。

常用的特征点匹配算法有SIFT、SURF、ORB等。

（2）区域匹配：将图像划分为不同的区域，通过计算每个区域的特征来进行匹配。

常用的区域匹配方法有基于颜色直方图、基于形状特征等。

（3）局部匹配：先将图像进行分块，然后通过比较每个块的特征来实现匹配。

常用的局部匹配算法有基于SIFT局部特征的匹配方法。

3. 医学图像配准算法医学图像配准算法主要包括基于特征的配准算法和基于区域的配准算法。

（1）基于特征的配准算法：这类算法主要利用图像中提取到的特征进行匹配和配准。

常用的算法有Harris角点算法、SIFT算法等。

特征点匹配算法在医学图像配准中具有较好的鲁棒性和准确性。

（2）基于区域的配准算法：这类算法主要针对整个图像区域进行匹配和配准。

常用的算法有基于互信息和归一化互相关系数的方法。

区域匹配算法在医学图像配准中更适用于相似度较低的图像配准。

手背静脉特征提取算法

手背静脉特征提取算法
韩笑;冀进朝;左平;张禹
【期刊名称】《吉林大学学报（理学版）》
【年(卷),期】2010(048)002
【摘要】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.
【总页数】6页(P245-250)
【作者】韩笑;冀进朝;左平;张禹
【作者单位】吉林大学,数学学院,长春,130012;吉林大学,计算机科学与技术学院,长春,130012;空军航空大学,基础部,长春,130022;吉林大学,计算机科学与技术学院,长春,130012
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于特征点距离的手背静脉特征融合方法 [J], 任桐慧;刘富;姜守坤;王贺;杨悦
2.手背静脉图像 ROI 提取算法研究 [J], 潘晓苹;汪天富
3.一种人手背静脉特征识别方法 [J], 严娇娇;种兰祥;李婷
4.基于特征点融合小波能量特征的手背静脉识别 [J], 吕岑;程诚
5.基于纹理特征优化LPQ的手背静脉提取方法 [J], 张喆原;刘富
因版权原因，仅展示原文概要，查看原文内容请购买。

手背静脉特征提取算法

ＨＡＮＸｉｏ，Ｊｉ．ｈｏ，Ｚｉｇ，ＺＮＧＹａＩｎｃａＵＯＰｎＨＡｕＪ（．Ｃｌｇ１ｏｌｅｆＭａｈｍｔｓＪｉＵ＆ｎｔ，Ｃａｇｈｎ１０１，ｈｎ；ｅｏｔａｉ，ｉｎｎｅｉｅｃｌｙｈｎｃｕ３０２Ｃｉａ２ｏｅｅｏｐｔｃｎｅｎｅｈｏｏｙＪｌｎｅｉ，ｈｎｃｕ３０２ｈｎ；．ＣｌｇＣｍｕｒｉｃｄＴｃｎｌ，ｉｎＵｉｒｔＣａｇｈｎ１０１，ＣｉｌｏｆｅＳｅａｇｉｖｓｙａ３ｅａｔｅｔｏｎａｉ，ｖｔｎＵｉｒｔｏＡｒｏｃ，ｈｎｃｕ３０２Ｃｉ）．ＤｐｒｎｏＦｕｄｔｎＡｉｉｎｖｓｙｆｉＦｒＣａｇｈｎ１０２，ｈｎｍｆｏａｏｅｉｅａ
Ａｂｔａｃ：ＡｅｍｅｈｄｆｒｄｒａａｄｖｉｅｏｎｔｏａｅｎＦＲＡＴｗａｒｐｓｄ．Ｗｅｆｒｔａｔｎｄｓｒｔｎｗｔｏｏｏｓｌｈｎｅｎｒｃｇｉｎｂｓｄｏｉｓｐｏｏｅｓｌｐａｉｉｅｉｙｏｔｅｅｈｎｅｎｉｇｓｉｔｌｃｓｏｈａｉｆｔｅｒ‘ｌｎ ”ｆａｕｅｈｓａｄｖｉｍａｅｎｏｂｏｋｎｔｅｂｓｓｏｈｉ ‘ｉｅｅｔｒｓ；ｔｅｉｈｎｄｄＦＲＡＴｏｈｌｃｍａｅ，ｎｔｅｂｏｋｉｇｓａｕｐａｎｗｔｏｏｇｔｔｅｍａｉｍａｓｏｈｏｅｉｂｕｄｓｒｂｔｏｆｖｃｏｎｏｄｒｔｎｄｐｔｕｅｍｅｈｄｔｅｈｘｍｕｂｙｍｅｎｆｔｅｎｎ—ｑｕｌｒｍｉｔｉｕｉｎｏｅｔｒｉｒｅｏｉｉｇｔｔｅｅｔｒｆａｕｅ；ｆｎｌｙ，ｏｔｉｅｃａｓｆａｉｎｅｕｔｔｏｇｆａｕｅｅｈｔｘｕｅｅｔｒｓｉａｌｂａｎｄｌｓｉｃｔｏｒｓｌｓｈｒｕｈｅｔｒｍａｃｉｇＣｏａｅｗｉｉｔｈｎ．ｍｐｒｄｔｈｄｓｒｔｄｎｔａｆｒａｄｔａｉｉｎｌＨｏｈｔａｆｒ，ｏｒｍｅｈｄｉｒｖｓｔｅｄｔｃｉｎｓｅｄｏｔａｇｔｉｃｅｅＲａｏｒｎｓｏｍｎｒｄｔｏａｕｇｒｎｓｏｍｕｔｏｍｐｏｅｈｅｅｔｏｐｅｆｓｒｉｈ

手背静脉图像骨架特征提取的算法

维普资讯
第２７卷第１期
２００７年１月
文章编号：０１０１２０）１— １２—０１０ —９８（０７００５３
计算机应用
ＣｏｍｐｕｅｐｉａｏｓｔｒＡｐｌｃｔｎｉ
Ｖ０．７Ｎｏ１１２．Ｊｎ０７ａ．２０
Ａｂｔａｔｓｒｃ：Ｂｉｍｅｒｃｉｅｔｃｔｎｔｈｏｏｙｂｓｄｏａｄｖｉｕｃｔｎｏｓｎｔｏｋｓｕｔｒｐｅｒｓａｐｏｓｎｏｔｎｉａｏｉｄｉｆｉｃｅｎｌｇａｅｎｈｎｅｎｓｂｕａｅｕｅｗｒｔｃｕｅａｐａｓａｒｍｉｉｇｒｔｃｎｑｅｆｒｐｒｏａｅｏｎｔｎｅｈｉｕｏｅｓｎｌｃｇｉｏ．ＴｅｃｎｒｓｆａｄｖｉｇｎａｃｄｂｉｇＷｉｎｒｆｔｒｏｍａｉｄｍｏｅｒｙｒｉｈｏｔｔｏｎｅｎｉｅｉｅｈｎｅｙｕｎｅｅｌ，ｎｒｌｚｄ，ｇａａｈｍａｓｓｉｅｅｌｖｌｔｅｃｉ，ｓａｐｎｎｄｓｎＡｔｒｂｎｒｍａｅＷＳｏｔｉｅ，ｆｕ－ｏｉｇｏｒｗｎｇｒｈｗａｒｓｎｅｅｅｒｔｈｎｓｇｈｒｅｉｇａｏｏ．ｆｉａｙｉｇａｂａｎｎｅｄｏｒｄｍａｎｒｉｎｇｏｉｇａｏｉｍｓｐｅｔｅｌｔｅｄｔｉｅｎｉｔｄｇｔｄｏｔｅｎｉｅａ｜．Ｔｅｑｉｋｔｉｎｎｌｏｉｍａｄｐｅ．ｗｈｃａｎｄａｔｇｓｓｃｓｏｄｆｒｔｅａｅｈｏｓｒｅａｎｉｒｆ娜ｈｕｃｎｉｇａｇｒｔｗｓａｏｔｈｈｄｉｈｈｄｍａｙａｖａｅｕｈａｎｃｍｐｅｅｔｉｎｎ，ｆｓｐｅ，ｍａｎｅａｃｎｔｅｎｄＳｎｆｅａｄｖｉｇｋｌｔｎｗｓａａｙｅ，ｔｅｍｅｈｄｏｌｔｎｉｇａｔｅｄｈｓｉｔｎｎｅｏｍｉｕａ，ａＯｏ．Ａｔｒｎｅｎｉｆｉｈｍａｅｓｅｅｏａｌｚｄｈｔｏｎｆｒｅｔｃｉｇｔｅｃｏｓｇｐｉｔｓｐｐ￣ｌｔｏｖｈｒｂｅｔｉｅｆａｕｅｅｔｃｏ．Ｔｅｂｒ，ｏｈｒｋｎｆｏｘｒｔｒｓｉｏｎｓｗａｒｅａｎｈｎｏｏｓｌｅｔｅｐｏｌｍｓｍｅｎｔｅｔｒｘｒｔｎｈｕｒｔｅｉｄｏｈａｉｎｉｅｏｓ，ｗａｔｄｃｄｂｉｎｎｇｒｌｎｓｉｒｕｅｙｔｎｉａｏｉｕ．Ｏｎｔｅｂｓｓｏｅｂｒｆｔｅｈｎｅｎｉｇ，ａｇｒｈｏｅｕｒｇｗａｎｏｈｇｌｔａｉｆｔｕｒｏｈａｄｖｉｍａｅｎａｏｔｆｒｄｂｒｉｓｈｈｌｉｍｎｐｅｅｔ．Ｔｅｅｐｒｎｓｓｏｈｔｔｅｎｗａｇｔｏｌｋｈｋｌｔｎｅｐｅｓｇｏｔｃｓｒｃｕｅｏｅｈｎｅｎｒｓｎｅｈｅｉｄｘｍｅｔｈｗｔａｅ￣ｈｃｕｄｍａｅｔｅｓｅｅｏｘｒｓｅｍｒｔｔｒｆｔａｄｖｉｈｌｍｅｉｕｈ

手背静脉图像分割算法技术研究

《数字图像处理与分析大作业》
题目：手背静脉图像分割算法技术研究学号： 111006125 学生姓名：孙利
专业：计算机科学与应用
指导教师：郑小东
2014年6月7日
目录
1手背静脉分割识别技术摘要............................. 错误！未定义书签。

2手背静脉分割识别技术现状 .......................................................... 错误！未定义书签。

2.1 手背静脉分割识别技术现状 (1)
2.2 手背静脉特征分割提取与匹配过程 (1)
3 手背静脉图像分割的预处理 (3)
3.1图像的有效区域分割提取 (3)
3.2图像的归一化 (4)
3.3图像的增强 (4)
3.4 图像的分割 (5)
3.5图像的细化 (6)
4 手背静脉图像的特征分割提取与匹配算法 (6)
4.1特征提取算法 (7)
4.2基于原点静距的特征提取 (7)
4.3 匹配算法 (8)
4.4 基于原点静距的匹配算法 (9)
5 总结 (9)
参考文献 (10)
附录 (11)。

一种人手背静脉特征识别方法

一种人手背静脉特征识别方法严娇娇;种兰祥;李婷【期刊名称】《计算机科学》【年(卷),期】2018(045)0z1【摘要】针对目前手背静脉图像识别采用细化和骨架操作等提取结构特征易造成静脉结构细节丢失和特征点误判等问题,提出一种基于方向梯度直方图(HOG)的手背静脉特征识别方法.采用生物特征识别的一般流程,对手背静脉图像灰度进行归一化和滤波增强等预处理后,直接对手背静脉灰度图像进行二级小波包分解,提取低频子带图的HOG纹理特征,最后采用K近邻分类器实现个人身份识别.利用自行建立的手背静脉图像数据库对所提方法进行验证,结果证明了算法的有效性,其正确识别率为 9 5%,应用前景广阔.%For the current hand vein image recognition using the extraction structure features such as refinement and skeleton operations,it's easy to cause the loss of vein structure details and misjudgment of feature points,this paper proposed a hand vein feature recognition algorithm based on gradient histogram gradient (HOG).Adopting general bio-metric identification process,this algorithm extracts the HOG texture feature of the low-frequency sub-band graph by the directly decomposing two-level wavelet packet after the hand dorsal vein image is preprocessed by image grey nor-malization pretreatment and filtering enhancement.Then,the personal identity is recognized by using K neighbor classi-fier.This algorithm was verified finally by using self-established dorsal vein image database.The experimental results show thatthe proposed algorithm is effective and its correct recognition rate is 95%,and its application prospect is broad.【总页数】4页(P206-209)【作者】严娇娇;种兰祥;李婷【作者单位】西北大学信息科学与技术学院西安 710127;西北大学信息科学与技术学院西安 710127;西北大学信息科学与技术学院西安 710127【正文语种】中文【中图分类】TP391【相关文献】1.一种融合奇异值主元投影特征和核主元投影特征的人耳识别方法 [J], 王庆泉;张辉2.一种仿人足球机器人视觉系统环境特征获取与识别方法 [J], 王亚东;雷国华;安波;于燕飞;许宪东3.一种融合二值边缘特征和灰度特征的人脸识别方法 [J], 陈北京;王蔚;宋加涛;任小波4.一种基于面部纹理特征融合的人脸表情识别方法 [J], 高婷婷;李航;殷守林5.一种基于SIFT特征及决策函数的人脸识别方法 [J], 杨璐因版权原因，仅展示原文概要，查看原文内容请购买。

基于脊波变换的手背静脉图像增强及特征提取

效果．
关键词：生物识别；静脉；式识别；脊波模中图分类号：Ｐ０Ｔ３１文献标识码：Ａ文章编号：１７－８（０６０－１－３６１４９２０）３０５０５４
ＩａｅＥｎａｃｍｅｔａｄＥｘｒｃｉｅｔｅｆｍｇｈｎｅｎｎｔａｔｎｇＦａｕｒｓｏｔｅＤｏｓｌＨａｄＶｅｎＰａｔｒｓＢａｅｎＲｉｅｅａｆｒｈｒａｎｉｔｅｎｓｄｏｄｇｌｔＴｒｎｏｍｓ
ＨＡＮａＸｉｏ，ＭＡｉｌｎＳ —ｉｇ，ＺＨＡＮＧｏｇｂａＺｈｎ — ｏ
（ｅｏｔｍｔｓＪｌｎｖｒｔ，ｈｎｃｕ３０２Ｃｉ）ｓＭａｈａｉ，ｉＵｉｓｙＣａｇｈｎ１０１，ｈｎｆｅｃｉｎｅｉａ
２００６年５月
研究手陕艮
基于脊波变换的手背静脉图像增强及特征提取
韩笑，马驷良，张忠波
（林大学数学研究所，长春１０１）吉３０２
摘要：根据人体手背静脉图像的结构及特点，提出一种基于脊波变换的手背静脉图像增强方法，并应用局部互联神经网络提取静脉图像特征，加强了该生物识别系统对模糊图像的识别能力．实验结果表明，方法与传统的拉普拉斯法、平滑算法及小波变换相比有更加显著的该
Ｋｙｗｏｄｅｒｓ：ｂｏｔｃ；ｖｉａｔｒ；ｐｔｒｅｏｎｔｎｉｇｌｔｉｍｅｒｓｅｎｐｔｎａｔｎｒｃｇｉｏ；ｒｅｅｉｅｅｉｄ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。