首页 多特征融合的手背血管识别算法

多特征融合的手背血管识别算法

多特征融合的手背血管识别算法 !""#$%%%&%%’( )#$$&***+,# 清华大学学报 -自然科学版. /012345678329-":2;0年第 (>卷第 *期 *%%>=?@AB(>=#@B* C,+( $C(&$C> 多特征融合的手背血管识别算法周斌$= 林喜荣*= 贾惠波$= 宋榕* -$B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 $%%%D(E*B清华大学深圳研究生院=深圳 ’$D%’’. 收稿日期F*%%G&%’&$% 作者简介F周斌-$C>C&.=男-汉.=湖南=博士研...

!""#$%%%&%%’( )#$$&***+,# 清华大学学报 -自然科学版. /012345678329-":2;0<:5.= *%%>年第 (>卷第 *期 *%%>=?@AB(>=#@B* C,+( $C(&$C> 多特征融合的手背血管识别算法周斌$= 林喜荣*= 贾惠波$= 宋榕* -$B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 $%%%D(E*B清华大学深圳研究生院=深圳 ’$D%’’. 收稿日期F*%%G&%’&$% 作者简介F周斌-$C>C&.=男-汉.=湖南=博士研究生H 通讯联系人F林喜荣=副教授= I&J72AFA23KLMJ72ABN1234567B.%*&%$C(&%( RSTUVWXYXUWUZ[\]^_‘Uab\cSXW[\YYSaWb dbXWV^d]YX[]SZS\YdaSZdbXUW efghijk$=lmnojpqkr*=smtfujvq$=wgnxyqkr* -zB{Y\YS|S}~\!Ua\YUa}UZ"aSTXbXUW#S\bdaS^ SWY $ST%WU]UV}\W‘&WbYad^ SWYb=’S[\aY^SWYUZ"aSTXbXUW &WbYad^ SWYb\W‘#ST%\WU]UV}=$bXWV%d\(WXcSabXY}= )SX*XWVz+++,-=.%XW\E /B0a\‘d\YS{T%UU]\Y{%SW1%SW=$bXWV%d\(WXcSabXY}= {%SW1%SW2z,+22=.%XW\. 3!bYa\TYFQ 7A4@L2N5J O<9掌纹等暴露在身体表面的生物特征相比=不易被破坏>具有较强的抗干扰>抗伪造性=用于个人身份鉴别具有先天的优势H先前研究中=算法的识别精度比较低=限制了手背血管识别的发展?$@H 多特征融合从 *%世纪 C%年代开始被应用于生物特征识别领域=并在此之后=得到了系统的发展?*(@H研究人员不仅从理论上证明了多特征融合对于生物特征识别的有效性=而且作出了很多成功的案例H 本文根据手背血管的特点=利用多特征融合技术对识别算法进行研究H z 手背血管的采集及特征提取 zBz 手背血管图像的采集手背血管藏于皮下=无法通过可见光直接得到纹理图像=但是利用手背血管和周围组织对红外光的不同特性=可以得到手背血管的样本图像?$@=如图 $所示H 图 z 通过红外光照射得到的手背血管样本从样本图像中可以看到手背血管生物特征的如下基本特点F$.几何纹理粗大=交点>叉点等细节特征少E*.没有明显的周期性纹理=有效信息集中在低频部分H针对这些特点设计了利用分水岭算法?’=G@提取手背血管的纹理特征H zB/ 利用分水岭算法获取纹理信息分水岭算法直接从灰度图出发=不受原始图像灰度分布不均匀等因素的影响=可以准确地得到纹理的脊线H本文把脊线上的点所包含的信息集合称万方数据为纹理特征点 !"#"$%&’()*&+,-.(,%/&-. +’((&*.01把 !"#"做为手背血管纹理信息的载体2 可以用图 3所示的形式表示1 图 4 5676示意图 !"#"可表示为 !"#"$8290: ;8292<2=2%.2>?2 其中@ 8为 !"#"的 8方向坐标A 9为 !"#"的 9方向坐标A <为 !"#"的灰度值A =为 !"#"的纹理方向A %.表示标志有一个 !"#"1 类似的还可以找到更多的纹理局部信息1在本文只利用 8B9B%.C个信息来进行后面的特征融合实验DCE1 FGH 获取手背血管特征单个 !"#"表示离散的手背血管纹理信息2具有不稳定性2不能直接用来进行识别1对 !"I $%&’()*&+,-.(-J’K&2是由 !"#"组成的图0进行分块统计2得到一个相比 !"#"图更小而且更能准确描述手背血管特征的特征图2其中的每一个点用 L"$M,J-.’.(+,-.(0表示@ 针对不同的信息采取不同的统计函数 1 8@L"N8$O2P0: J,J$!"#"8$82900A 9@L"N9$O2P0: J,J$!"#"9$82900A %.@L"N%.$O2P0: Q,).($!"#"%.$82900G 其中@O2P:R232C2>23NST2$8290U!"IO2PG L"NV$O2P0是在$O2P0位置对应的 !"I上 3 NW3N的子图上针对 V信息进行统计得到的值1统计的方法根据不同信息而异2J,J$!"#"V$82900表示对 !"#"的 V信息求二阶矩2Q,).($!"#"V$82900表示计数1采用最终得到的 L"做为手背血管的特征DCE1 4 匹配量化层的特征融合在生物特征识别领域的多特征融合2一般可在 X个层面上进行@样本层B特征层B匹配量化层和决策层1根据手背血管特征提取的情况2在这里采用在匹配量化层进行特征融合1匹配量化层的特征融合首先将各个特征分别进行匹配得到不同的量化值2 然后对量化值进行归一化2最后用一个规则把归一化后的所有量化值进行计算得到一个量化值1一般认为这个量化值反映了多个特征匹配的综合结果2 并用这个量化值进行最后决策1 4GF 量化值的归一化由于不同特征匹配量化值的统计分布可能差异较大2相等的量化值针对不同特征所表示的含义可能是不同的2所以必须对量化值进行归一化2量化值归一化的结果直接影响到融合后特征的代表性D32XE1 下面将研究几种归一化算法2然后用实验来验证哪种算法对于手背血管识别更为有效1 4GFGF 统一量化值分布的算法量化值归一化一般要达到两种目的2一是统一量化值的分布2二是统一量化值的意义1统一量化值的分布可以用 Y-.ZY’[算法$YY0方法实现@ \: ]S J-.$^0J’[$^0S J-.$^02 $T0 其中@]表示归一化前的量化值2^表示他们的集合2\表示归一化后的量化值$在后面公式中2这几个变量表示同一含义01 这是最简单的归一化算法2它可以把量化值约束在DR2TE范围之内2而不改变它们的分布1对于量化值分布相似的特征2使用这种算法简单有效1 4GFG4 统一量化值意义的算法我们期望理想的特征量化值能够在各个特征中统一表示匹配程度1正确匹配的概率可以做为匹配程度统一的度量2定义如下@ \: _$]‘abcd0_$]0 : _$]‘abcd0 _$]‘abcd0e _$]‘aIcd0G $30 其中用 abcd表示相同手背血管样本间匹配得到的量化值的集合2用 aIcd表示不同手背血管样本间匹配的量化值的集合1上面式子得到的就是对于某一特征量化值为 ]的正确匹配的概率1 首先用 YY 算法把 ]映射到DR2TE的范围内2 那么 ]和 \的映射关系如图 C所示1 如图 C的映射2f@]g\2可以做为理想的归一化算法1 根据上面的思想可以构造归一化函数来拟和式 $301如图 C所示2我们用hBiTBi3来描述重合部分 jkT周斌2等@ 多特征融合的手背血管识别算法万方数据图 ! 量化值与匹配成功概率之间的映射示意图的分布"#表示重合区域交点$%&表示它接近 ’()*+,的边界坐标$%-表示它接近 ’./*+,的边界坐标$归一化算法目标是把以上参数尽量统一$本文提出以下两种算法" 012345.67(89算法*44, 构造如下函数: ;< & - += ># ? $ +@ #A &B &- &B += >&B # ? $ 其他 C D E F *G, 其中用 ?来控制映射曲线的弯曲程度" 图 H是在 ?V W& $ +@ #A & &Q RS/TU +B -#Q %- %-= >V WB # $ 其他 C D E F *H, 其中 R< &XB&$U?%2@ABCD AEEDFGAHEDIAGD!表示错误接受率&#J?%2KDHLMHD AEEDFGAHEDIAGD!正确接受率&#J?%随着 #>?%的降低而降低"表 +准确地得到了在 #>?%一定的条件下& #J?%的值以及用不同特征识别得到的 #$$%的值" 表 N 利用不同特征样本匹配结果对比特征 +44O#J?% #>?%*+4P #>?%*+P +44O#$$% Q ?%曲线与单特征识别的#J?%h#>?%曲线2见图 R!" 从曲线中我们可以看到&#>?%在 +Pi+4P范围内&S种融合算法得到的 #J?%都得到了很大的改善&#>?%在 +P以下&除了 ‘Jg78 的表现有所下降&其他两种算法的#J?%都得到了较大改善"77 图 j Zkl\mZnl\曲线算法不改变分布布局&但是仍然有很好的表现&这是由于 S种特征匹配量化值的分布非常接近造成的" o 总结本文通过实验研究&验证了利用多特征融合算法可以提高手背血管的识别率&等错率可达到 T1T+P" 本文只利用了手背血管纹理的 S个信息进行特征融合&在以后的研究中&可以对手背血管纹理的其他信息进行特征提取并识别&再与其他特征进行融合"匹配量化值归一化和融合算法对多特征融合的效果影响很大&在未来的研究里&这也是很重要的课题" 参考文献 2\pqprpstpu! v+w 林喜荣&庄波&苏晓生&等1人体手背血管图像的特征提取及匹配 vxw1清华大学学报2自然科学版!&T44S&o=2T!’+RX +RU1 ‘^y zMI{HK& |}~?yJ !{& ]~ zMA{C"DHK& DG AB1 7DACLID#DHG AH$ #AGE"MHK {@ "L#AH %DMH FAGGDIH E"AIAEGDIMCGMECvxw1&’(:;)*+,-;:.2/c:0’.c*!&T44S& o=2T!’+RX +RU12MH1"MHDCD! vTw ]HDBME2%&~BL$AK~&7MH2?&DGAB1‘AIKDCEABDD%ABLAGM{H {@#LBGM#{$AB3M{#DGIMEALG"DHGMEAGM{HLCMHKCGAGDh{@hG"DhAIG C4CGD#Cvxw15666 ’e,;(,c7:8;(8;9,77.e;:;,;W(:(,;< -,c*:;.5;7.;;:).;c.&T44V&Y=2S!’XV4 XVV1 vSw ‘^y 1"M"h‘LHK& >?y >L{h1"MH1 !M{#DGIME?DIM@MEAGM{H ~CMHK@"DI#AB #^AKDC{@AAB#hB{ICA?DMHAAGGDIHCvxw1 5666 ’e,;(,c7:8;(8; C:ec+:7(,;< /W(7.)(98eD:<.8 ’.c*;8;8)W&T44X&No2T!’+<< T+T1 vXw ‘^y}{HK&?HMBx1 H^GDKIAGM{H{@#LBGMFBDELDCMH3M{#DGIMEC C4CGDI#C v$!gE‘w1 "GGF’ gg3M{#D GIMEC1ECD1#CL1 D$Lg>AIG"M2F G"DCMC4V1F$@1T44V1 vVw !DLE"DI]1@"DGAGDIC"D$GIAHC@{I#AGM{HAFFBMD$G{M#AKD CDK#DHGAGM{Hvxw1/c,;;:;)-:ce8(c8HW5;7.e;,7:8;,;&+<

                    本文档为【多特征融合的手背血管识别算法】，请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑，
                    图片更改请在作品中右键图片并更换，文字修改请直接点击文字进行修改，也可以新增和删除文档中的内容。 
 该文档来自用户分享，如有侵权行为请发邮件ishare@vip.sina.com联系网站客服，我们会及时删除。

                    [版权声明] 本站所有资料为用户分享产生，若发现您的权利被侵害，请联系客服邮件isharekefu@iask.cn，我们尽快处理。

                    本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用。

                    网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。
                

下载需要：免费已有0 人下载

立即下载

多特征融合的手背血管识别算法

你可能还喜欢