欢迎来到天天文库
浏览记录
ID:36786181
大小:4.54 MB
页数:48页
时间:2019-05-15
《手背静脉识别图像的预处理方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号:——UDC:密级:——编号:——手背静脉识别图像的预处理方法研究THEPREPRoCESSINGTECHNOLOGYRESEARCHoFHANDVEINRECoGNITIoNIMAGE学位授予单位及代码:量壹堡王盔芏!!Q!堑2学科专业名称及代码:焦式退型量塑能丕缠(鳗!!Q』2研究方向:槿基塑型皇圈堡熊堡申请学位级别:亟主指导教师:塑杰麴堡研究生:垫壹论文起Jr时间摘要静脉特征作为人体生物特征,具有惟一性和终生不变的特点,近年来作为生物特征识别的一个重要研究领域,越来越受到研究者的重视。利用手背静脉特征进行身份识别
2、的关键是如何有效地提取手背静脉纹理的骨架。本文对采集的手背静脉图像首先进行了标准化和增强处理,并对处理后的手背静脉图像去除了背景;对于手背静脉基本纹理的分割,提出了一种改进的阈值图像分割的方法,并与以往经典的阂值分割方法进行了比较,获得了良好的纹理分割效果;在现有算法研究和实验分析的基础上,为了减少毛刺的产生,采用了中值滤波的方法平滑了静脉边缘,然后对其进行细化;对于图像外部轮廓的去除,提出了一种改进方法;对于手背静脉骨架的不同噪声,采用了不同的应对方法,在去除毛刺时所使用到的特征点的判断,也改进了一种解决方案。实验结果表明
3、,通过对手背静脉图像的增强和去噪,有效地去除了对图像的干扰因素;又通过对手背静脉图像的细化和细化后的修复,有效地去除了骨架中的非结构性分支,保留了图像的主体结果,能够较好的反映静脉纹理的特征。关键词:手背静脉生物认证技术阈值图像分割ABSTRACTVeinpatterns,asoneofthepersonalbiologicalcharacters,isuniqueandstable.Veinpatternverificationhasrecentlybeenintensivelyresearchedbecauseofits
4、importanceinbiometrics·Thekeyofidentifyrecognitionontheuseofhandveincharacteristic,ishowt0effectivelyextractthestructureofthehandveinimage.H锄dveinimagewasenhancedbyusingstandardizationandgraylevelstretching.A越erprocessed,veinimagebackgroundwasremovedinordertoextrac
5、tsegmentation0fVeln1mageskeletion;anewthresholdsegmentionmethodWasimproved,andcompared0fusedIYcommonsegmentationmethod,verygoodskeletionsegmentationresultwasobtained:baseQonexistingalgorithmsandanalysesofexperimention,inordertoreducenoise。medj柚tilterwasadoptedtosmo
6、othveinimageedges,thenusethinningalgorithmandusea1reproVedmethordtoremoveouterlayeredgeofsimpleveinimagestructure;fordi虢rentn01sesofveinimage,differentmethodsweeadopted,anewsolutionmethodwasadoptedillordertoUSejudgmentoffeatureextraction,suchasextractcrossingpoints
7、andSO0n.TheeXperimentsshowthatusinggraylevelstretchingandremoveingnoisesofthehandveinimage,iseffectivelyremoveinterieiencefactor;andusingthinningandrestoration,iseffecivelyremoveuselessbranchtopreservethemajorstructureintheimage,thenewaIgorithmscouldmaketheskeleton
8、expressgeometricstructureofthehandveinimage.KeyWords:handveinbiometricthresholdsegmentionidentificationtechnologymethod长春理工大学硕士学位论文原创性声明本人郑重声明:所呈
此文档下载收益归作者所有