【正文】 樣本和測(cè)試樣本進(jìn)行一對(duì)一的比對(duì)，得出模式樣本和測(cè)試樣本是否來(lái)自同一個(gè)人的，從而得出測(cè)試人的身份。那么在圖像特征提取的過(guò)程中，我們?cè)鯓訉?duì)圖像預(yù)處理才能使特征提取與匹配的準(zhǔn)確率最高呢。其目的是最終來(lái)驗(yàn)證我們所提取的原點(diǎn)靜矩的特征提取方法，以及基于匹配來(lái)進(jìn)行識(shí)別的結(jié)果，是否能達(dá)到令我們比較滿意的效果。實(shí)驗(yàn)是利用靜脈庫(kù)中的250個(gè)樣本，即50個(gè)人的每人5幅不同階段的靜脈圖像，圖像大小為128128像素，256級(jí)灰度圖像，格式為BMP格式的圖像。 實(shí)驗(yàn)結(jié)果與討論 為了驗(yàn)證上面所設(shè)計(jì)的算法的有效性，以及評(píng)價(jià)所提算法的識(shí)別精度，我們通過(guò)實(shí)驗(yàn)所得到的正確識(shí)別率來(lái)評(píng)價(jià)算法的性能。我們采用基于平均原點(diǎn)靜矩特征向量進(jìn)行匹配，具體的方法是在上一章圖像預(yù)處理的基礎(chǔ)上進(jìn)行特征提取，特征提取過(guò)程按照前面講述的步驟來(lái)進(jìn)行，最后得到原點(diǎn)靜矩的特征向量。而另一種識(shí)別算法則提取端點(diǎn)、交點(diǎn)個(gè)數(shù)以及端點(diǎn)間、交點(diǎn)間的距離，用這些距離作為特征來(lái)匹配識(shí)別的。細(xì)化后的圖像是用單像素來(lái)表示靜脈紋絡(luò)的，它既清楚的呈現(xiàn)出血管的形狀和走勢(shì)，又保留了原有的特征。通俗來(lái)講就是，計(jì)算所測(cè)試樣本特征與所有模式樣本特征的歐式距離，求出與測(cè)試樣本距離最小的那一個(gè)模式樣本，并把測(cè)試樣本決策為和模式樣本是同類的。按照上式，決策規(guī)則可以寫(xiě)為若 (36)則決策 這一決策方法稱為最近鄰法。假設(shè)有c個(gè)模式類別，每類有個(gè)樣本被標(biāo)明類別。分類器實(shí)際上是一種判決規(guī)則，使按這種規(guī)則對(duì)被識(shí)別對(duì)象進(jìn)行分類所造成的錯(cuò)誤識(shí)別率最小或引起的損失最小。近年來(lái)流行的基于特征點(diǎn)的匹配方法只是利用了局部的特征信息，所以信息量比較少，這對(duì)于圖像的少量平移或者一些噪聲的抗干擾能力比較低，所以我們提出了利用所有的靜脈紋絡(luò)來(lái)進(jìn)行特征提取，則這些特征囊括了所有的靜脈紋絡(luò)中的點(diǎn)，從而增加所提取特征的代表性。 (a) (b) (c) 算法原理示意圖以上步驟就是整個(gè)算法的操作方法，最終得到模式樣本的特征向量，此方法不用存入內(nèi)存大量的圖像信息，只要存儲(chǔ)這個(gè)特征向量即可。4）移動(dòng)坐標(biāo)原點(diǎn)到下一個(gè)子圖像，（c）所示，重復(fù)上面第3）步，然后得到特征向量的第二維。2）我們定義每個(gè)子圖像的左上角為坐標(biāo)原點(diǎn)，（b）所示。 基于原點(diǎn)靜距的特征提取本文在圖像預(yù)處理階段是首先提取采集圖像的有效區(qū)域后而進(jìn)行的，這個(gè)有效區(qū)域的大小是128128像素大小，如果我們把整幅細(xì)化后的二值化圖像進(jìn)行提取平均原點(diǎn)靜矩的話，只能得到一個(gè)特征點(diǎn)，這個(gè)根據(jù)我們的經(jīng)驗(yàn)就可以知道這有一個(gè)特征點(diǎn)要在眾多類別中進(jìn)行分類這是不現(xiàn)實(shí)的，因此，我們借用文獻(xiàn)在人臉識(shí)別中所采用的思想，即對(duì)人臉進(jìn)行分割，分割成同大小的子臉，然后分別對(duì)人臉進(jìn)行特征提取，然后計(jì)算待測(cè)樣本和模式樣本之間的距離來(lái)進(jìn)行匹配。設(shè)在平面上有n個(gè)質(zhì)點(diǎn)，這們分別位于點(diǎn)處，質(zhì)量分別為,由力學(xué)的知道我們知道，該質(zhì)點(diǎn)系分別對(duì)y軸和x軸的靜矩和為：, (31)由此，我們定義質(zhì)點(diǎn)系到原點(diǎn)的靜矩為原點(diǎn)靜矩為： (32)其中 (33)根據(jù)以上公式，我們可以定義質(zhì)點(diǎn)系的平均原點(diǎn)靜矩為 (34)在本文實(shí)際應(yīng)用中，因?yàn)榫€段由若干質(zhì)點(diǎn)組成，我們?cè)O(shè)這些質(zhì)點(diǎn)都相等且質(zhì)量為1，則上式的物理意義則表示各質(zhì)點(diǎn)到原點(diǎn)的平均距離，則平均原點(diǎn)靜矩就是各質(zhì)點(diǎn)到原點(diǎn)的平均距離。基于這種思想我們提出了提取原點(diǎn)靜矩作為靜脈特征。 程序流程圖 特征提取算法縱觀國(guó)內(nèi)外的特征提取方法，提取特征的方式逐漸由原始的整個(gè)圖像特征過(guò)度為基于細(xì)化后的靜脈紋絡(luò)的幾何特征提取(端點(diǎn)，交叉點(diǎn)等)，當(dāng)然每一個(gè)特征都有其在各自匹配過(guò)程中的優(yōu)劣，本文在研究和學(xué)習(xí)了國(guó)內(nèi)外的特征提取方法后，在細(xì)化圖像的基礎(chǔ)上，提出用紋絡(luò)的原點(diǎn)靜矩作為靜脈特征[23]。本文采用的基于原點(diǎn)靜距的特征提取與匹配，就是利用分割思想把預(yù)處理后的圖像分割為3232子圖像，分別提取平均原點(diǎn)靜矩，最后組合成特征向量，最后引用最近鄰法分類器，通過(guò)比較歐氏距離來(lái)進(jìn)行匹配，既節(jié)省的了識(shí)別的時(shí)間，有效提高了最終的識(shí)別率。特征匹配是在提取的特征數(shù)據(jù)集基礎(chǔ)上對(duì)待匹配圖像進(jìn)行匹配[22]。特征選擇的方法一種是根據(jù)專家的經(jīng)驗(yàn)，另一種是用數(shù)學(xué)的方法來(lái)選擇，當(dāng)然，特征提取和特征選擇有時(shí)并不是完全不相關(guān)的，有時(shí)是融合在一起的。它直接影響著識(shí)別的結(jié)果。特征提取的目的是提取能夠容易區(qū)分樣本的特征，例如指紋識(shí)別中的端點(diǎn)，交叉點(diǎn)以及數(shù)目等特征。特征提?。何覀兊玫降脑继卣饔锌赡苁呛艽蟮臄?shù)據(jù)量，或者說(shuō)樣本處于一個(gè)高維空間，我們可以通過(guò)某種數(shù)學(xué)變換來(lái)用低維空間表示，這個(gè)過(guò)程稱之為特征提取。例如，一幅心電圖波形可能有成千上萬(wàn)個(gè)數(shù)據(jù)，一幅文字圖像也有幾千個(gè)數(shù)據(jù)，一幅衛(wèi)星遙感圖像的數(shù)據(jù)量就更大．我如何才能有效地區(qū)別出它們的類別呢，因此我們就要對(duì)原始數(shù)據(jù)進(jìn)行一些變換，得到最能區(qū)分它們類別的本質(zhì)特征．這就是特征提取和選擇過(guò)程。顯而易見(jiàn)，靜脈識(shí)別包括兩個(gè)重要過(guò)程：特征提取和特征匹配。最后進(jìn)行了圖像細(xì)化，得到了單像素描述的靜脈血管，為后面的靜脈圖像特征提取和匹配奠定了基礎(chǔ)。首先對(duì)采集的圖像進(jìn)行有效區(qū)域提取和歸一化，并針對(duì)采集到的圖像質(zhì)量問(wèn)題提出了局部直方圖均衡的方法來(lái)增強(qiáng)圖像。細(xì)化算法的基本原理就是將二值化后所得到的紋絡(luò)變成單像素的骨架圖像，細(xì)化后要保持原有圖像的紋絡(luò)拓?fù)浣Y(jié)構(gòu)以及原有圖像的連續(xù)性，從而保持靜脈紋絡(luò)的原有特征。目前來(lái)說(shuō)，好多文獻(xiàn)的研究表明，從細(xì)化后的紋絡(luò)結(jié)構(gòu)上提取特征還是主要的研究方向，用這些細(xì)化后提取的特征值來(lái)進(jìn)行匹配，達(dá)到身份認(rèn)證的目的。 分割后的圖像 圖像的細(xì)化靜脈圖像細(xì)化的目的是為了得到單像素描述的靜脈血管，既保持了原有的紋絡(luò)特征，又提取了靜脈血管的骨架，也使得他的形狀和走勢(shì)給清楚的顯示了出來(lái)。從實(shí)驗(yàn)結(jié)果來(lái)看，NiBlack算法得到的圖像比較不錯(cuò)，而且運(yùn)算速度快，比較適合實(shí)時(shí)系統(tǒng),基本上得到了原有紋絡(luò)的結(jié)果。從這個(gè)定義中我們可以看出，如果閾值太大，有些背景也變成目標(biāo)，如果太小，把目標(biāo)反而變成背景，所以閾值T是區(qū)分對(duì)象和背景的關(guān)鍵所在。然而，二值化面臨的最大的難點(diǎn)就是如何確定閾值的大小，這個(gè)直接關(guān)系到二值化的效果。所以我們采用局部直方圖均衡化做圖像增強(qiáng)。常用的圖像增強(qiáng)方法有高頻加強(qiáng)濾波法和局部直方圖均衡法[20]。目前，大多數(shù)單一閾值和多閾值分割法都是直接在采集圖像上進(jìn)行分割處理，這樣會(huì)導(dǎo)致部分可用信息丟失甚至將部分背景信息誤判。 歸一化后的圖像 圖像的增強(qiáng)在手背靜脈圖像采集過(guò)程中，由于靜脈采集裝置受采集光強(qiáng)以及個(gè)人手背薄厚影響，它所采集的圖像在灰度上可能就存在差異。從物理意義上說(shuō)，就是讓每一幅圖像的直流能量和交流能量都相等。為了將所有采集到的靜脈圖像的灰度統(tǒng)一到同一灰度范圍內(nèi), 方便以后的圖像處理和匹配, 要對(duì)采集的圖像進(jìn)行灰度歸一化處理[19]。對(duì)實(shí)時(shí)性要求較高的靜脈識(shí)別技術(shù)，有效區(qū)域的定位分割計(jì)算速度要快，本文采用基于質(zhì)心的有效區(qū)域提取算法[18]。圖像中除了含有手背圖像外，還含有很多背景，為了減少無(wú)關(guān)數(shù)據(jù)對(duì)特征提取和識(shí)別的影響，需要采用適合的方法對(duì)手背靜脈圖像進(jìn)行有效區(qū)域定位。圖像的大小為320240像素，256級(jí)灰度圖像，格式為BMP格式的圖像。手背靜脈圖像預(yù)處理過(guò)程如下： 預(yù)處理過(guò)程 圖像的有效區(qū)域提取圖像處理的第一步是要獲取圖像，故圖像采集在整個(gè)圖像處理過(guò)程中起著至關(guān)重要的作用?？v觀國(guó)內(nèi)外的特征提取方法，提取特征的方式逐漸由原始的整個(gè)圖像特征過(guò)度為基于細(xì)化后的靜脈紋絡(luò)的幾何特征提取(端點(diǎn)，交叉點(diǎn)等)，當(dāng)然每一個(gè)特征都有其在各自匹配過(guò)程中的優(yōu)劣，然而基于細(xì)化后的圖像提取特征更加容易，匹配準(zhǔn)確率更高。因此，本課題研究的主要內(nèi)容是靜脈圖像的有效區(qū)域獲取、靜脈圖像的歸一化、圖像的增強(qiáng)、圖像的分割、圖像的細(xì)化、靜脈特征提取及匹配。本章首先介紹了特征提取的一些概念，提出了一種新的特征提取方法——基于細(xì)化后的靜脈紋絡(luò)提取原點(diǎn)靜矩作為識(shí)別特征的方法，并做了大量的實(shí)驗(yàn)來(lái)驗(yàn)證這種方法的有效性和可行性。本章在圖像預(yù)處理的各個(gè)階段，研究并學(xué)習(xí)了針對(duì)圖像增強(qiáng)，分割以及細(xì)化的各種常用算法。分析了手背靜脈識(shí)別技術(shù)的特點(diǎn)，最后介紹了關(guān)于手背靜脈圖像特征提取及匹配的國(guó)內(nèi)外研究現(xiàn)狀。2008年，國(guó)內(nèi)生物識(shí)別行業(yè)的領(lǐng)先企業(yè)—深圳市中電視訊有限公司推出了一代生物識(shí)別系統(tǒng)Beograd人體手背靜脈生物識(shí)別產(chǎn)品，該產(chǎn)品相對(duì)目前市場(chǎng)上的其他生物識(shí)別產(chǎn)品(指紋、虹膜、臉型)有著獨(dú)特的優(yōu)點(diǎn)，可廣泛應(yīng)用于軍事、監(jiān)獄、門(mén)禁、倉(cāng)庫(kù)、考生管理及高檔公寓等。對(duì)于用戶的日常應(yīng)用，除家庭的門(mén)鎖裝置外，富士通手掌靜脈識(shí)別裝置Palm Secure屬通用型設(shè)備，可通過(guò)USB、IEEE1394等設(shè)備供電，用于筆記本電腦、個(gè)人存儲(chǔ)設(shè)施，以及復(fù)印機(jī)、一體機(jī)等精密辦公設(shè)備之上，并可通過(guò)非接觸方式工作，提高了衛(wèi)生證。Fujitsu(富士通)手掌靜脈識(shí)別[17]是一種高安全的生物辨識(shí)技術(shù)，此項(xiàng)創(chuàng)新的技是在極度精密安全的系統(tǒng)下進(jìn)行識(shí)別。吉林大學(xué)《人體手背靜脈識(shí)別算法研究》論述了脊波變換在靜脈識(shí)別中的應(yīng)用[15]，改進(jìn)的有限脊波變換對(duì)手背靜脈圖像進(jìn)行分解，得到不同分解尺度下的手背靜脈的分辨脊波特征；與以往文獻(xiàn)中手背靜脈特征提取的方法相比，該方法比較完整地保了靜脈的原始信息使得信息無(wú)損，提高了運(yùn)行速度并降低了算法的復(fù)雜度。吉林大學(xué)《基于小波去噪及灰度直方圖模板均衡化的手指靜脈圖像增強(qiáng)算法》[13]中，提出的圖像增強(qiáng)算法效果較好。另外是哈爾濱工程大學(xué)王科俊等[11]，提出了一種的手背靜脈圖像閾值分割方法，分割效果較為理想。該研究的實(shí)驗(yàn)樣本數(shù)比較少，不過(guò)實(shí)驗(yàn)結(jié)果較為理想，且手掌自然張開(kāi)時(shí)可與其他生物特征如手形融合，實(shí)現(xiàn)多模態(tài)識(shí)別，值得推廣。在圖像處理方面，使用5巧中值濾波器去除手背靜脈圖像毛刺，之后通過(guò)進(jìn)行圖像二值化、血管結(jié)構(gòu)圖像細(xì)化等一系列圖像處理手段，來(lái)提取手背靜脈特征，然后進(jìn)行靜脈分類[9]。該研究的實(shí)驗(yàn)樣本數(shù)和實(shí)驗(yàn)結(jié)果都比以往有很大提高，不過(guò)