【正文】 ，逐點像素匹配算法存在運(yùn)算大的問題。美國的Tennessee大學(xué)[8]的Ahmed M. Badawi首先用5種的中值濾波對手背靜脈圖像進(jìn)行預(yù)處理，其次用二值化的方法提取手背靜脈，最后用逐點像素比對法進(jìn)行手背靜脈匹配。在對100幅圖像(20人，每人采集5幅靜脈圖)進(jìn)行測試后，F(xiàn)AR為0%，%。澳大利亞Edith Crown大學(xué)的 J. M. Cross 等人將手背靜脈圖像用傳統(tǒng)的圖像二值化、靜脈血管圖像細(xì)化、靜脈紋線的斷點修復(fù)等一系列圖像處理方法來提取手背靜脈特征[7]。 手背靜脈特征提取與匹配研究現(xiàn)狀在理論方面，日本Keio大學(xué)提出了一種“Phase only Correlation”的方法[6]對手背靜脈圖像進(jìn)行特征提取。特征匹配是在提取的特征數(shù)據(jù)集基礎(chǔ)上對待匹配圖像進(jìn)行匹配。靜脈識別主要包括特征提取和特征匹配。然則由于靜脈識別處于剛剛起步階段，所以前人研究得較少，本文對手背靜脈識別系統(tǒng)所有涉及到的算法進(jìn)行了系統(tǒng)分析和試驗性研究，包括手背靜脈圖像預(yù)處理、特征提取和目標(biāo)匹配。(5) 出入監(jiān)控：銀行自動柜員機(jī)身份確認(rèn)、機(jī)場旅客快速進(jìn)出門、育嬰房的嬰兒母親身份識別、投票表決人員身份確認(rèn)等。(3) 預(yù)防犯罪：公寓、別墅、建筑場所、工作場所、工廠、居民區(qū)的安全監(jiān)控。由于靜脈特征具有這些優(yōu)點，在許多方面都有很大的應(yīng)用，這種生物測定識別技術(shù)可應(yīng)用的領(lǐng)域包括[5]:(1) 部門安全：研究中心，博物館，政府部門機(jī)密文件儲藏室，酒店和監(jiān)獄等。手背靜脈識別技術(shù)是非接觸式，且手背靜脈在一定時期內(nèi)很難改變。由于靜脈紋絡(luò)包含大量的特征信息，所以可以作為驗證的對象。 手背靜脈識別技術(shù)生物特征識別技術(shù)是近段時間以來發(fā)展比較快的一種技術(shù)[4]，而人體手背靜脈識別技術(shù)以其獨特的優(yōu)勢越來越得到專家學(xué)者的青睞。手背靜脈識別是模式識別領(lǐng)域中難度較高的一個新銳研究方向，正吸引著越來越多的研究人員進(jìn)入該領(lǐng)域，并逐漸成為生物測定識別技術(shù)領(lǐng)域中的研究熱點之一。此外，指紋還存在由于直接接觸而產(chǎn)生的衛(wèi)生問題等。而這些特殊情況在日常生活中是經(jīng)常出現(xiàn)的，這直接影響指紋識別技術(shù)在高安全級別場合應(yīng)用。但是，指紋識別發(fā)展到現(xiàn)在面臨一些不可回避的問題[3]，因而受到很大限制。表11 不同生物特征識別性能比較生物特征普遍性唯一性穩(wěn)定性可采集性識別性能可接受性防偽性人臉高低中高低高低指紋中低高中高中高虹膜高高高中高低低DNA高高高低高低低手形中中中高中中中視網(wǎng)膜高高中低高低高人耳中中高中中高中臉部溫譜高高低高中高高指節(jié)紋中中高高中高中牙形中中中低低低低皮紋高低低高低高中骨骼中中中低低低中幼兒腳紋中中低低中低低氣味高高高中中中低聲音中低低中中高中步態(tài)中低低高低高中根據(jù)國際生物特征識別技術(shù)組織市場調(diào)研和統(tǒng)計，在眾多身份認(rèn)證技術(shù)中，指紋識別技術(shù)是技術(shù)上相對成熟的生物測定識別技術(shù)解決方案。以行為特征為研究對象的主要有聲音、筆跡、步態(tài)以及氣味等。(4) 可采集性:所選擇的特征應(yīng)該便于測量。(2) 唯一性:每個人擁有的特征應(yīng)該各不相同。生物特征的身份鑒別技術(shù)的研究伴隨著這一應(yīng)用的發(fā)展越來越深入，并逐漸系統(tǒng)化。生物特征識別技術(shù)作為一種安全的身份認(rèn)證技術(shù)，已經(jīng)顯現(xiàn)出它廣闊的應(yīng)用前景。生物特征分為基于身體特性和基于行為特征兩類。但兩者都存在著各自難以克服的缺陷：標(biāo)示物丟失或被偽造，標(biāo)示知識容易遺忘或者記錯；更為重要的是，這些傳統(tǒng)的身份識別往往無法區(qū)分標(biāo)示物的真正擁有者和取得標(biāo)示物的冒充者，一旦被他人獲得這標(biāo)示物，冒充者就可以擁有相同的權(quán)利。生物特征身份識別是一種以生物特征為基礎(chǔ)，以信息技術(shù)為手段，通過模式分類方式確定身份的新技術(shù)，也稱為生物測定學(xué)[1]。在這種形勢下，基于生物特征的身份識別應(yīng)運(yùn)而生。moment ,featureVerification ,originonImageHandFeature首先對手背靜脈圖像預(yù)處理，得到細(xì)化圖像，利用分割思想把細(xì)化圖像分割為多個子圖像，然后分別提取平均原點靜矩，組合成特征向量，最后再結(jié)合最近鄰法，用最小歐氏距離的方法來進(jìn)行匹配，實驗結(jié)果驗證了該方法的有效性和可行性。 第 III 頁 基于Matlab的手背靜脈圖像特征提取摘 要人體手背靜脈識別技術(shù)作為一種全新的非接觸式生物特征識別技術(shù)，與以往傳統(tǒng)的指紋以及虹膜識別技術(shù)相比表現(xiàn)出了許多明顯的優(yōu)勢，近年來得到了廣泛的關(guān)注。手背靜脈識別是通過分析手背上的靜脈特征來進(jìn)行身份識別的。關(guān)鍵詞：靜脈識別，原點靜距，特征提取，匹配 TheExtractionof theVeinBasedMatlab Author：Cai Hongshan Tutor：Cai ChaofengABSTRACTWith the arrival of information age, information security has bee increasingly important. Many occasions need to identify their visitors and biometric identification technology has provided effective solutions to such problems. As a new noncontact Biometric identification technology, hand vein verification technology has many obvious advantages pared with the traditional fingerprint and iris recognition technology and has received attention widely.Human hand vein recognition technology can improve the reliability of identity resolution in virtue of vein feature on the back of the hand. Based on the research and analysis of the recent biometric identification technology research results, this paper conducts deep research on some of the key technologies of the hand vein recognition technology, especially on feature extraction and feature matching. In the feature extraction stage, this paper’s algorithm based on thinned vein image takes origin static moment as recognition features. We can get the refining image through the preprocessing of the hand vein image, divide the refining image into multiple subimages, extract the average origin static moment into the feature vector, use the smallest Euclidean distance to match it. The experimental result verifies the effectiveness and feasibility of the method.KEY WORDS: Veinstaticextraction III 第 V 頁 目 錄1緒論 1 生物特征識別技術(shù)簡介 1 手背靜脈識別技術(shù) 3 手背靜脈特征提取與匹配研究現(xiàn)狀 4 論文主要內(nèi)容與結(jié)構(gòu) 62 手背靜脈圖像的預(yù)處理 8 圖像的有效區(qū)域提取 8 圖像的歸一化 9 圖像的增強(qiáng) 10 圖像的分割 11 圖像的細(xì)化 12 本章小結(jié) 123 手背靜脈圖像的特征提取與匹配 13 基本概念 13 特征提取算法 14 基于原點靜距的思想來源 15 基于原點靜距的特征提取 15 匹配算法 16 基于原點靜距的識別分類 17 基于原點靜距的匹配算法 17 實驗結(jié)果與討論 18 本章小結(jié) 214 結(jié)論與望展 23 總結(jié) 23 展望 23致謝 23參考文獻(xiàn) 26附 錄 28 第 37 頁 1 緒論 生物特征識別技術(shù)簡介隨著網(wǎng)絡(luò)的發(fā)展，由于很多領(lǐng)域都要通過的身份識別來保證信息的安全性，這就使身份識別滲透到日常生活的每一個方面，由于交通工具的多樣化以及交通設(shè)施的不斷完善，