导读:本文包含了静脉特征提取论文开题报告文献综述及选题提纲参考文献，主要关键词:手背静脉识别,特征提取,相位量化,图像处理
静脉特征提取论文文献综述
张喆原,刘富[1]（2019）在《基于纹理特征优化LPQ的手背静脉提取方法》一文中研究指出针对传统LPQ(Local Phase Quantization)特征提取算法在提取手背静脉图像时存在提取细节特征不完整的问题,依据静脉纹理图像的特点将区域划分为子块分别进行LPQ特征提取。首先,将手背静脉纹理图像分成9个大小相等的子图像;然后,分别采用LPQ特征提取算法对手背静脉进行特征提取,将各子区域提取的静脉纹理信息进行整合形成整张静脉图像的向量特征,最后,使用最近邻分类器将样本进行分类实验,实验结果表明,在分块数为4×4时获得最高识别率96. 50%。(本文来源于《吉林大学学报(信息科学版)》期刊2019年03期）
丁一军[2]（2019）在《指静脉图像特征提取方法的研究》一文中研究指出随着个人信息安全问题越来越被人们重视,基于生物特征的身份识别技术,如指纹识别,人脸识别,虹膜识别等也得到了越来越多的关注。近年来,一种较为新式的生物特征识别技术-指静脉识别,以其独特的优势逐渐成为了该领域的研究热点。相比于传统的生物特征识别技术,指静脉识别技术有以下几点独特的优势:(1)更易于使用:采集设备简单、非接触式认证;(2)活体识别:只有血液流动的静脉才能被认证识别;(3)防伪造:静脉血管隐藏在人体内,难以被窃取和伪造;(4)准确可靠:指静脉图像具有唯一性和稳定性,不受疾病、气候环境和手指表面状况的影响。因此,指静脉识别技术逐步成为生物识别领域的热点话题。指静脉识别技术包括四个步骤:(1)指静脉图像的采集;(2)图像的预处理;(3)特征提取;(4)匹配与识别。其中,特征提取的好坏会对识别效果造成很大的影响,所以,在指静脉识别领域的研究也多集中于特征提取的方法。本文主要研究指静脉图像特征提取的方法,提出了更适用于指静脉识别的基于局部描述子的特征提取方法,此外,将深度学习的方法应用于指静脉图像的特征提取,设计了一种用于指静脉图像特征提取的网络。论文的主要工作概括如下:(1)基于双方向线特征韦伯局部描述子的指静脉识别。结合指静脉图像的特点,对韦伯局部描述子进行改进,提出了一种双方向线特征韦伯局部描述子(Double Line feature Weber Local Descriptor.,DLWLD),以提高其对指静脉图像特征提取的表现。首先,在计算局部区域的灰度差分时,考虑不同邻域像素点对中心像素点的影响,构建新的差分激励图;然后,采用改进的有限Radon变换(Modified Finite Radon Transform,MFRAT)提取双方向线特征;最后,将改进的差分激励特征分别与两个方向的线特征联合得到两个特征向量,进而采用交叉匹配算法进行识别以更好地评估样本间的相似度。将所提出的局部描述子应用在指静脉图像识别中,在多个公开指静脉数据库中进行对比实验,在欧氏距离下进行交叉匹配,实验结果表明,与一些流行的局部描述子和现有改进的WLD方法相比,该方法在指静脉识别上具有更好的识别效果。(2)基于卷积神经网络的指静脉识别。设计一种用于指静脉图像特征提取的卷积神经网络结构,实现端对端的学习方法,使得网络能够从训练样本中自动学习指静脉的特征表示,增加特征的判别性。该方法设计了一种采用Inception-resnet模块堆迭的主体网络(简称为FingerveinNet)以更好地学习指静脉图像的特征描述,采用中心损失(center-loss)作为损失函数使得网络提取的特征更具判别性。得益于卷积神经网络的特性,该方法对图像的旋转和平移等变化较为鲁棒,能够很好地解决指静脉识别中存在的样本旋转和平移问题。实验结果表明,相较于传统的指静脉识别方法,该方法具有较为明显的优势。(本文来源于《安徽大学》期刊2019-05-01）
杨金锋,李乾司茂,贾桂敏[3]（2019）在《手指静脉图像分形特征提取方法》一文中研究指出使用Gabor滤波增强并提取指静脉主干血管网络,通过实验对比分析3种不同的图像分维数测算方法,对指静脉主干血管网络的分维特征进行了统计分析。并提出基于二叉树模型的分形几何特征提取方法,提取血管网络的分叉角度、血管长度以及分叉层数,统计分析数据得到血管结构分形特征的一般规律,为实现手指静脉血管建模和识别奠定基础。(本文来源于《中国民航大学学报》期刊2019年02期）
杨如民,许琳英,余成波[4]（2019）在《基于Hessian矩阵和Gabor滤波的手指静脉特征提取》一文中研究指出提出基于Hessian矩阵特征值比率的增强算法和改进的Gabor滤波特征提取算法相结合的手指静脉特征提取方法。将不同尺度下的Hessian矩阵的特征值应用于静脉增强函数中进行图像增强,然后再通过Gabor滤波进行特征提取,并在Poly U手指静脉数据库对所提算法进行实验验证。结果表明,该算法用于身份识别时的误识率为0. 375%,拒识率为1. 73%,等误率为0. 021%,比目前其他的手指静脉提取算法的识别性能有所提高。(本文来源于《兵器装备工程学报》期刊2019年03期）
刘宣彤[5]（2019）在《对手指静脉图像的预处理、特征提取及匹配方法的分析》一文中研究指出针对以往考试采用生物特征识别技术出现替考、代考的问题,可以尝试利用手指静脉图像实现生物特征识别的有效识别,对手指静脉图像的预处理、特征提取及匹配方法进行探讨,从而对生物特征识别领域问题进行研究分析。(本文来源于《科技经济导刊》期刊2019年09期）
许琳英[6]（2019）在《低质量手指静脉图像特征提取算法研究》一文中研究指出信息化时代,人们对信息的安全保护意识日益提高,需要对个体进行身份认证的场合随处可见。手指静脉识别技术由于其非接触、活体采集、安全级别高等优势,已经成为必要的身份识别和认证手段。然而手指静脉识别技术由于静脉图像质量的制约,还未广泛的进入市场化。主要由于:采集装置的优劣、手指位置摆放不同、个体生理差异等。这些因素造成的低对比度、灰度不均、偏移、模糊的低质量图片,直接影响手指静脉特征提取的难度,降低识别性能。因此本文主要从增强算法和分割算法入手对低质量手指静脉图像进行特征提取算法进行研究。主要的研究内容如下:(1)手指静脉图像预处理。对手指静脉图像进行边缘检测、形态学操作。采用HU矩对图像进行平移旋转矫正,得到感兴趣归一化手指区域。(2)提出基于Hessian矩阵的特征值比率增强算法。本文将Frangi滤波增强算法应用到手指静脉图像增强中,增强效果较差。通过分析其原理并对其改进,提出了基于Hessian矩阵的特征值比率的增强算法。提出的算法对低质量静脉图像较粗静脉增强的同时,细节特征也可有效增强,并且克服了Frangi滤波增强算法对弯曲、静脉交叉点的抑制现象,消除了静脉结构内部的孔洞现象。(3)提出差值Gabor滤波的图像增强算法。对于低质量手指静脉图像,在图像增强时也易对噪声增强。本文提出的差值Gabor增强算法增强静脉特征同时降低了噪声的影响。针对低质量手指静脉图片特征信息提取不充分的缺点,采用小波融合算法对差值Gabor滤波、匹配滤波增强、特征值比率增强算法进行融合。优势互补,静脉特征有效增强,且抗噪声性能较好。(4)采用基于遗传算法的最大熵阈值图像分割算法。针对阈值分割低质量手指静脉图像,简单的阈值分割不能有效分割出图像特征信息。OTSU分割法、最大熵阈值分割算法等存在计算量大,时间开销大的缺点,综合考虑采用基于遗传算法的最大熵阈值图像分割算法。自适应全局优化分割,缩短运行时间,提高抗噪声性能,满足实时性的要求。采用模板匹配法对所提算法性能进行验证。认证模式下,基于特征值比率增强的提取算法的EER为0.71%,基于融合增强的提取算法的EER为0.19%。识别模式下,基于特征值比率增强的提取算法识别率为98.91%,基于融合增强的提取算法识别率为99.13%。综上所述,本算法比目前其他的手指静脉提取算法的识别性能有所提高。(本文来源于《重庆理工大学》期刊2019-03-20）
魏坦[7]（2019）在《基于SIFT特征提取的静脉身份认证技术研究》一文中研究指出随着计算机技术的发展,信息技术对人们带来了更好的服务,特别是在身份认证中。人作为生物体,不仅具有天然的生理特征,还有表现出来的行为特征,它们都可以作为信息技术识别的基础。常见的生物识别有很多种,指纹,人脸,静脉等等。而作为一种隐藏在人体内部,难以修改的生物特征,指静脉具有高度安全性,同时能够很容易获取。SIFT算法由于其抗干扰,抗伸缩,抗旋转等特点,被广泛应用于图片的识别。在所有的静脉特征中,指静脉信息量较少,在采集的图片分辨率较低时,干扰较多。但是相对于其它的静脉识别,指静脉其优点在于方便采集,设备简单等。本文通过对常见的图像分割方法进行对比,融合了各种方法找到了较好的处理静脉图像的方法,以便后面进行SIFT的特征提取。接着为了更好地进行匹配,提高系统的识别率,通过静脉的分支节点对静脉进行校准。同时对提取到的SIFT特征向量进行二值化降维,大大的压缩了特征向量大小,并且取得了较好的识别率。(本文来源于《北京邮电大学》期刊2019-03-18）
何晓栋,刘斌,姚斌,张鹏海[8]（2019）在《低对比度手指静脉图像特征提取仿真》一文中研究指出低对比度手指静脉图像的特征提取,在图像分析方面影响较大。对低对比度手指静脉图像进行特征提取时,需对图像的信号和像素的灰度值进行计算,确定图像像素点的纹线,完成特征提取。传统方法主要根据图像特征空间中高维数据进行特征提取,但忽略了对像素点文线的确定,导致出现特征提取准确率低的问题,提出基于方向检测的低对比度手指静脉特征提取方法。根据低对比度手指静脉图像的原始信号和离散信号,对图像进行小波变换,并利用小波函数的低通、高通滤波器将小波变换的图像进行重构,分层计算图像的信号、量化图像阈值,对低对比度手指静脉图像进行去噪。利用图像的灰度值和方向数计算图像的方向图,确定图像像素点的纹线,利用检测点计算图像方向图的特征点,实现低对比度手指静脉图像的特征提取。仿真结果表明,提出方法能够有效的完成对图像的特征提取,并且具有较高的准确率。(本文来源于《计算机仿真》期刊2019年02期）
陈晓腾,王彪,唐超颖,苏菡,魏祥灰[9]（2018）在《一种手臂静脉特征提取与匹配的算法》一文中研究指出针对手臂静脉这一全新的生物特征提出一种特征提取及匹配的算法。首先利用限制对比度自适应直方图均衡化方法对近红外图像进行对比度调整,接着利用Gabor滤波器提取静脉,并进行方向和尺度的标准化;在曲线修复和分割的基础上,提取描述曲线段的方向特征、位置特征和描述曲线形状的Hu不变矩特征;然后搜索匹配曲线对,并利用粒子群算法计算最优空间变换关系,最后进行静脉的匹配。针对150人数据库的匹配实验结果表明,该算法的识别率优于其他方法,说明手臂静脉作为一种新的生物特征具有良好的应用前景。(本文来源于《计算技术与自动化》期刊2018年03期）
郑璇[10]（2018）在《面向弱约束条件的手背静脉鲁棒特征提取研究》一文中研究指出目前大多数手背静脉识别的研究集中在用户高配合度、单采集设备的条件下,而在互联网非常普及的现今社会,存在着不同的采集设备、不同的地域环境、不同的手背摆放姿势以及用户低配合度等弱约束因素。这些因素会造成采集的手背静脉图像质量在对比度、旋转角度、仿射形变等方面的变化,导致手背静脉识别率的降低。因此,如何在弱约束条件下准确有效地识别手背静脉,仍然需要进行深入的科学研究。本文基于弱约束手背静脉图像库,主要的创新工作概括如下:(1)研究了不同手背静脉图像类型(灰度图、二值图、梯度图)的数据特点;分析了不同关键点生成模式(高斯随机模式、同心圆模式、高斯差分检测模式)的优缺点,并以 128 维的 SIFT(Scale-invariant feature transform)特征描述子为核心对不同图像类型与关键点生成模式的九种组合进行实验。由实验得出二值图与高斯差分关键点检测模式的组合可以使弱约束条件下的手背静脉识别率达到82.6%。(2)针对手背静脉的纹理特点,对SIFT算法中的高斯差分关键点提取及特征匹配参数进行优化。选取尺度因子σ的最佳数值为1.0;采用具有垂直结构的极值点搜索模板;将极小值点作为关键点;选取最佳匹配阈值为0.88。完成优化后以128维的SIFT特征描述子为核心在二值图像库中进行实验,使得弱约束条件下的手背静脉识别率提升到89.43%。(3)设计了一种基于生物视觉特性的高可分性鲁棒特征描述子,以高斯函数作为卷积核,并具有指数型的尺度分布及采样网格结构。相比128维的SIFT特征描述子,新的描述子以328维的特征向量能够对关键点进行更加精确地描述。将新的描述子结合优化后的高斯差分关键点提取方法在二值图像库中进行实验,使得弱约束条件下的手背静脉识别率又进一步提高到90.47%。综上所述的创新工作,弱约束条件下的手背静脉识别率从82.60%提升到了90.47%,证明了本文工作的有效性。(本文来源于《北方工业大学》期刊2018-06-01）
静脉特征提取论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着个人信息安全问题越来越被人们重视,基于生物特征的身份识别技术,如指纹识别,人脸识别,虹膜识别等也得到了越来越多的关注。近年来,一种较为新式的生物特征识别技术-指静脉识别,以其独特的优势逐渐成为了该领域的研究热点。相比于传统的生物特征识别技术,指静脉识别技术有以下几点独特的优势:(1)更易于使用:采集设备简单、非接触式认证;(2)活体识别:只有血液流动的静脉才能被认证识别;(3)防伪造:静脉血管隐藏在人体内,难以被窃取和伪造;(4)准确可靠:指静脉图像具有唯一性和稳定性,不受疾病、气候环境和手指表面状况的影响。因此,指静脉识别技术逐步成为生物识别领域的热点话题。指静脉识别技术包括四个步骤:(1)指静脉图像的采集;(2)图像的预处理;(3)特征提取;(4)匹配与识别。其中,特征提取的好坏会对识别效果造成很大的影响,所以,在指静脉识别领域的研究也多集中于特征提取的方法。本文主要研究指静脉图像特征提取的方法,提出了更适用于指静脉识别的基于局部描述子的特征提取方法,此外,将深度学习的方法应用于指静脉图像的特征提取,设计了一种用于指静脉图像特征提取的网络。论文的主要工作概括如下:(1)基于双方向线特征韦伯局部描述子的指静脉识别。结合指静脉图像的特点,对韦伯局部描述子进行改进,提出了一种双方向线特征韦伯局部描述子(Double Line feature Weber Local Descriptor.,DLWLD),以提高其对指静脉图像特征提取的表现。首先,在计算局部区域的灰度差分时,考虑不同邻域像素点对中心像素点的影响,构建新的差分激励图;然后,采用改进的有限Radon变换(Modified Finite Radon Transform,MFRAT)提取双方向线特征;最后,将改进的差分激励特征分别与两个方向的线特征联合得到两个特征向量,进而采用交叉匹配算法进行识别以更好地评估样本间的相似度。将所提出的局部描述子应用在指静脉图像识别中,在多个公开指静脉数据库中进行对比实验,在欧氏距离下进行交叉匹配,实验结果表明,与一些流行的局部描述子和现有改进的WLD方法相比,该方法在指静脉识别上具有更好的识别效果。(2)基于卷积神经网络的指静脉识别。设计一种用于指静脉图像特征提取的卷积神经网络结构,实现端对端的学习方法,使得网络能够从训练样本中自动学习指静脉的特征表示,增加特征的判别性。该方法设计了一种采用Inception-resnet模块堆迭的主体网络(简称为FingerveinNet)以更好地学习指静脉图像的特征描述,采用中心损失(center-loss)作为损失函数使得网络提取的特征更具判别性。得益于卷积神经网络的特性,该方法对图像的旋转和平移等变化较为鲁棒,能够很好地解决指静脉识别中存在的样本旋转和平移问题。实验结果表明,相较于传统的指静脉识别方法,该方法具有较为明显的优势。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
静脉特征提取论文参考文献
[1].张喆原,刘富.基于纹理特征优化LPQ的手背静脉提取方法[J].吉林大学学报(信息科学版).2019
[2].丁一军.指静脉图像特征提取方法的研究[D].安徽大学.2019
[3].杨金锋,李乾司茂,贾桂敏.手指静脉图像分形特征提取方法[J].中国民航大学学报.2019
[4].杨如民,许琳英,余成波.基于Hessian矩阵和Gabor滤波的手指静脉特征提取[J].兵器装备工程学报.2019
[5].刘宣彤.对手指静脉图像的预处理、特征提取及匹配方法的分析[J].科技经济导刊.2019
[6].许琳英.低质量手指静脉图像特征提取算法研究[D].重庆理工大学.2019
[7].魏坦.基于SIFT特征提取的静脉身份认证技术研究[D].北京邮电大学.2019
[8].何晓栋,刘斌,姚斌,张鹏海.低对比度手指静脉图像特征提取仿真[J].计算机仿真.2019
[9].陈晓腾,王彪,唐超颖,苏菡,魏祥灰.一种手臂静脉特征提取与匹配的算法[J].计算技术与自动化.2018
[10].郑璇.面向弱约束条件的手背静脉鲁棒特征提取研究[D].北方工业大学.2018