手背静脉纹路热学影像的生物识别验证.doc

《手背静脉纹路热学影像的生物识别验证.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、IEEE视频技术电路和系统会报，第14卷，第2期，2004年2月手背静脉纹路热像图的生物验证林志隆范国清IEEE会员IEEE视频技术电路和系统会报，第14卷，第2期，2004年2月摘要：这篇论文中所要介绍的是一种基于手背静脉纹路热像图的个人身份验证新方法，所提出的方法特点在于不需要有关于处理对象的先验知识，同时能够自动设定参数。我们的研究中，采用一个红外摄像头（IR）作为输入设备来采集手背的热像图。在所提出的方法中，将自动选定其中两个指蹼作为参考点来定义热像图中的感兴趣区（ROI）。每个ROI中，静脉纹路的特征点（FPVPs）的提取是通过对基于热像图性质的分水岭变换基本工具的改进来实现的。

2、根据热传导定律（傅立叶定律），每个FPVP中可以提取多个特征来用于验证；同时用多个多分辨率的滤波器（MRFs）来过滤混杂在每个FPVP中的冗余特征，从而提取出主导点以得到带有FPVPs的多分辨率表示的图像。随后用一个多级积分函数来对多分辨率表示和多重特征进行积分：前者被一个类间-类内个人可变比值来积分，而后者被一个正布尔函数积分。我们同时介绍了一个合理而可靠的方法用于选择一个训练后的阈值来用于验证。我们用手背的热像图来进行实验，并得到了可接受准确率范围内的满意结果（FRR:2.3%和FAR:2.3%）。实验结果证明我们提出的算法对于静脉纹路的验证是可靠且有效的。关键词：类间-类内个人可变比

3、值，多个多分辨率滤波器，正布尔函数（PBF），静脉纹路识别，分水岭变换1绪论近来，个人身份验证成为系统访问安全性中一项重要而急需的技术，传统的个人身份验证方法，诸如密码、个人识别码（PINs）、磁性开关卡、钥匙以及智能开关卡等都存在着诸多问题：只能提供有限的安全保护，并且可靠性不足。例如，磁卡或钥匙有可能被盗或者丢失，而个人识别码则有可能被未授权的人所获知。所幸，人类的生理特征上有如下性质：普遍性、唯一性、永久性、可采集性、可接受性和规避性[1]。因此，为了弥补传统个人身份验证方法存在的固有安全问题，就需要深入地研究和发展生物验证技术来改善个人验证领域的可靠性问题。当然，所有的生物验证技术

4、都是基于多种多样的人类生理特征来进行研究的，例如指纹、掌型几何、手写签名、视网膜纹理以及脸部图像[1]。另外，生物特征的红外成像图IEEE视频技术电路和系统会报，第14卷，第2期，2004年2月应用，例如：脸部和手背的皮下血管网络的红外成像等[1],[2]，也正在研究当中[3],[4]。具体到影响生物验证技术的普遍性、可应用性和性能的因素，则是这些生理特征的唯一性，可重复性，最大数据处理量，在可控的灯光下是否可操作，是否具有侵染性，是否能够防止伪造，是否对深色人种能够成功验证，拒错率（FRR）和容错率（FAR），使用上的便利性，用户间的合作性，可擦除性以及等等。然而到目前为止，毫无疑问尚没

5、有一种生物识别技术能够满足所有上述要求[5]。这篇论文中，我们提出一种新颖的基于手背静脉纹路的个人身份验证方法。众所周知，静脉纹路存在于五个手指根部和手背腕部的表皮层中，而这种纹路给我们提供了以个人身份验证为目的的稳定、唯一且可重复的特征[1]。过去的若干年里，许多利用手掌上生理特征的验证技术得到了长足的发展[6]-[14]，Han等人[6]，运用Sobel和形态学算子来从手掌图像中提取掌纹特征点，随后，他们使用模板匹配规一化的相关函数以及反向传播神经网络来验证个人的身份信息。You等人[7]，应用掌纹的纹理能量来做粗略的验证。Lin等人[8]，则从手指图像中提取了一幅宽线的整体轮廓（WL

6、IP），这幅WLIP的变换（VWLIP）以及指宽（FW）特征。前两个特征之间的相同点以及每个人指宽的不同分别运用相关函数和欧式距离进行度量，同时利用用基于相似/非相似度量的模糊推理机完成验证。Han等人[9]，提取了手指的宽度、长度和掌纹等特征，并将这些特征进行主成分分析（PCA）过滤出有意义的特征，然后用广义的学习矢量量化（GLVQ）方法来验证个人身份。Jain[10]等人，则将手型作为特征提取，随后用一种弹性匹配技术来匹配手型，并且定义一个手型距离来衡量手型的相似程度。Zhang[11]等人，则将指纹转化为线段图，再利用参考点不变的性质和线段匹配技术来验证指纹特征。Joshi[12]等

7、人，则利用中指上的褶皱来生成一个手指褶皱轮廓，而后将其转换成WLIP；同时他们还采用规一化的相关函数来判断不同人之间的相似性。Im[13]、[14]等人，则利用CCD相机来获取静脉纹路的图像；不过他们的研究重点在于对固定点进行运算以提高验证的速度并降低硬件的损耗。Rice[3]则用红外LED和红外光电二极管阵列来作为传感器采集手背的红外图像；图像随后被转换成二值图，并显示出静脉的纹路；再用一个专用的OR运算器对两幅图进行