（计算机软件与理论专业论文）手背静脉识别技术研究.pdf

摘要 随着现代社会对信息安全要求的不断提高，利用生物特征进行快速 而准确的身份识别越来越受到人们的重视。静脉识别技术是一种新兴的 非接触式红外生物特征识别技术，它不但识别率高而且安全性高、使用 方便、实现容易，正逐步成为研究的热点。为此，本文从静脉纹路的分 割与平滑细化、静脉骨架的特征提取、静脉分类等三个方面对静脉识别 技术展开了研究，所做的工作主要包括以下几部分： ( 1 ) 综述了静脉识别技术的研究现状。简述了静脉识别技术的基本 原理和特点，然后以静脉识别的处理流程为线索介绍了国内外学者提出 的一些主要算法，对其优缺点进行了评述，并展望了静脉识别技术的研 究和发展方向。 ( 2 ) 概述了数学形态学数字图像处理方法、图像的矩特征和支持向 量机等理论基础，重点对开操作、闭操作、几何不变矩以及支持向量机 进行了介绍，为后续内容提供铺垫。 ( 3 ) 提出用高斯低通滤波器、行中值滤波器、列中值滤波器相结合 的方式消除原始图中的噪声，接着用修正的n i b l a c k 算法分割出静脉纹 路，然后用开操作和闭操作平滑分割出的静脉纹路，并详细探讨了分割 过程中参数的选择对分割效果的影响。提出一种具体的基于毛刺长度、 端点和交叉点的毛刺修剪算法，快速有效地去除了静脉骨架中的毛刺。 ( 4 ) h u 提出的7 个几何不变矩对于平移、比例缩放和旋转具有不 变性，本文对它们进行修正和标准化，将其用作特征向量来描述静脉骨 架，作为分类器的输入向量。 ( 5 ) 提出采用支持向量机进行静脉分类，使用软件工具l i b s v m 中基于一对一方式、核函数为径向基函数的c s v c 多分类器在有5 0 0 个样本的静脉图库上进行分类实验，取得了较高的识别率。 关键词：静脉识别；静脉分割；形态学图像处理；不变矩；支持向量机 a b s t r a c t w i t ht h ed e v e l o p m e n to ft h ei n f o r m a t i o ns e c u r i t y r e q u i r e m e n to f m o d e ms o c i e t y , u s i n gb i o m e t r i cc h a r a c t e rt o i d e n t i f yo n e si d e n t i f i c a t i o n q u i c k l ya n de x a c t l yt h r i v e s v e i np a t t e r nr e c o g n i t i o ni san e wc o n t a c t l e s s b i o m e t r i ct e c h n o l o g yu s i n gi r i tn o to n l yo f f e r s h i g ha c c u r a c yp e r s o n a l i d e n t i f i c a t i o n ，b u ta l s oo f f e r sh i g hs a f e t y , u s a b i l i t y , a n dc a nb ei m p l e m e n t e d e a s i l y s o1 tb e c o m e sah o ts p o ts t a g eb ys t a g e t h i sp a p e rh a ss t u d i e di to n t h r e e p o i n t s ：v e i ns e g m e n t a t i o n ，s k e l e t o nf e a t u r e se x t r a c t i o na n dv e i n c l a s s i f i c a t i o n t h er e s e a r c h e si nt h i st h e s i sc a nb es u m m a r i z e da sf o l l o w s ： ( 1 ) s t a t u sq u o o nv e i np a t t e r n r e c o g n i t i o n i ss u m m e d u p i t s p r i n c i p i u ma n dt r a i t sa r ei n t r o d u c e df i r s t l y , a n dt h e nt h el e a d i n ga l g o r i t h m s h o m ea n do v e r s e a sa r ep r e s e n t e df o l l o w i n gt h ep r o c e s s i n gf l o w f u r t h e r m o r e ， t h e i rm e r i t sa n dd i s a d v a n t a g e sa r er e v i e w e dr e s p e c t i v e l y a l s o ，s u g g e s t i o n s t of u t u r er e s e a r c ha r ep r o p o s e d ( 2 ) m o r p h o l o g i c a li m a g ep r o c e s s i n g ，i m a g em o m e n t sa n ds u p p o r t v e c t o rm a c h i n ea r e r e v i e w e d o p e n i n g ，c l o s i n g ，g e o m e t r i c a li n v a r i a b l e m o m e n t sa n ds u p p o r tv e c t o rm a c h i n ea r ec h i e f l ye x p l a i n e d ( 3 ) an e wm e t h o dc o m b i n gg a u s s i a nl o w p a s sf l i t e r , r o wm e d i a nf i l t e r a n dc o l u m nm e d i a nf i l t e rt or e d u c en o i s ei s p r o p o s e d t h e nt h ei m p r o v e d n i b l a c ka l g o r i t h mi sa d o p t e dt os e g m e n tv e i n o p e n i n ga n dc l o s i n ga r eu s e d t os m o o t ht h ev e i n e d g e t h ee f f e c t so ft h ep a r a m e t e r sd u r i n gt h e s e g m e n t a t i o na r ed i s c u s s e d ac o n c r e t ep r u n i n ga l g o r i t h mb a s e d o ne n d p o i n t ， i n t e r s e c t i o na n dt h el e n g t ho ft h eb u r ri sa l s op r e s e n t e d ( 4 ) t h es e v e ni n v a r i a b l em o m e n t sp r o p o s e db yh ua r ei n v a r i a n tt o t r a n s l a t i o n ，r o t a t i o na n ds c a l ec h a n g e 。s ot h e ya r em o d i f i e da n ds t a n d a r d i z e d t od e s c r i b ev e i ns k e l e t o n s ，a n du s e da st h ei n p u tv e c t o ro ft h ec l a s s i f i e r ( 5 ) s u p p o r tv e c t o rm a c h i n ei se m p l o y e dt oc l a s s i f yv e i np a t t e r n s t h e c s v cf r o mt h es o f t w a r ek i tl i b s v mi su s e dt oc o n d u c te x p e r i m e n to na d a t a b a s ec o n t a i n i n g5 0 0s a m p l e s t h i sm u l t i c l a s sc l a s s if i e r a d o p t so n e a g a i n s t o n em o d ea n du s e sr a d i a lb a s i sf u n c t i o na sk e m e lf u n c t i o n t h e r e s u l ts h o w st h a tt h ei d e n t i f i c a t i o nr a t ei sh i g h k e yw o rds ：v e i np a t t e r nr e c o g n i t i o n ；v e i ns e g m e n t a t i o n ；m o r p h o l o g i c a l i m a g ep r o c e s s i n g ；i n v a r i a b l em o m e n t s ；s u p p o r tv e c t o rm a c h i n e 湖南师范大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工 作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体 已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在 文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：引铝岐 渺彦年j 月塔日 湖南师范大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，研 究生在校攻读学位期间论文工作的知识产权单位属湖南师范大学。同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论 文被查阅和借阅。本人授权湖南师范大学可以将本学位论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手 段保存和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密硒。 ( 请在以上相应方框内打“ ) 作者签名：刮智斌 日期：矽刁辟厂月谚日 导师签名：别i 彳川致9 日期：矽秀年r 月岁口日 手背静脉识别技术研究 第1 章绪论 在当今网络信息化时代，信息安全显得日益重要，身份认证是保证 信息安全的重要手段之一，但是传统的身份认证方式已不能满足日益增 长的信息安全需求，亟需一种新颖的身份认证技术来解决这一问题，于 是，生物特征识别技术应运而生。 1 1 生物特征识别技术概述 身份识别技术一般可分为三类：基于特定物品的身份识别、基于特 定知识的身份识别和基于生物特征的身份识别。前两类方法主要依靠i d 卡( 如身份证、工作证、智能卡和储蓄卡) 和密码等手段，这些手段存在 携带不便、容易遗失、易被损坏、易被破解、易被假冒等诸多缺点。因 此，目前广泛使用的依靠证件、个人识别号码( p e r s o n a li d e n t i f i c a t i o n n u m b e r ，p i n ) 、密码等传统方法来确认个人身份的技术面临着严峻的挑 战，并显得越来越不适应现代科技的发展和社会的进步。 据m a s t e rc a r d 公司估计，每年因信用卡诈骗案而导致受害者损失约 4 5 亿美元。另外，由于身份识别码失窃而造成的移动电话通信费的损 失高达l o 亿美元。随着计算机网络的发展，非法登录计算机窃取他人隐 私的案件也呈上升趋势。有效的身份鉴别技术可以防止这类案件的发生。 据美国移民局统计，如果在美国和墨西哥边境采用身份鉴别系统，每天 可以查出3 0 0 0 件非法入境案件【57 1 。 自从9 1 1 事件之后，世界各国政府更加清楚地认识到生物识别技术 对反恐及安防的重要性，日本、美国等国要求入境人员或登机人员必须 登记指纹和虹膜等生物特征，我国2 0 0 8 年奥运会安检系统也将采用生物 特征识别技术。 生物特征识别技术就是一类以人的生理特征或行为特征作为依据进 行身份识别的技术，它比传统的身份识别技术更可靠、更方便、更安全。 生物识别之所以能够作为个人身份鉴别的有效手段，是由生物特征自身 的普遍性、唯一性、稳定性、不可复制性、可采集性等特点所决定的【3 5 】： ( 1 ) 普遍性：是指人的生理或行为特征基本上是天生就有的，用不 着向有关部门申请或制作。 ( 2 ) 唯一性：是指每个人的指纹、掌纹、面部、发音、虹膜、视网 膜、骨架、步态等特征都与别人不同。 ( 3 ) 稳定性：是指生物特征不随时间而发生改变。 硕士学位论文 ( 4 ) 不可复制性：是指复制人的活体指纹、掌纹、面部、虹膜、掌 纹等生物特征要比复制钥匙或密码困难得多。 ( 5 ) 可采集性：是指生物特征可通过某种装置进行采集。 这些特点使得生物识别技术不依赖各种人造的或附加的物品来证明 人的自身，用来证明自身的恰恰是人本身，所以它不会丢失、不会遗忘， 而且很难伪造和假冒，是一种“只认人不认物 、十分方便、安全性高的 身份认证方式。 在实际应用中，往往很难找到能够同时满足以上所有条件的生物特 征。从应用的角度来说，一种合适的生物特征通常要具备以下特点：可 被精确测量、采集速度快、较高的可信度、较快的比对速度、较好的防 伪性、易于接受的采集环境。表1 1 对几种生物特征识别技术进行了横 向对比【3 5 1 。 表1 1 几种生物特征识别技术的对比 生物特征广泛性独特性持久性采集性性能接受性防伪性 人脸高 低中高低局 低 指纹中高局中两中局 掌形中中中局 由 中中 掌纹中中 中 由 中 中 高 虹膜局同局中高低间 视网膜高局 由 低 局 。 低局 签名低低低 古 低局低向 语音 中低低中低向低 热成像局闻低局 中 高局 从表1 1 中可见，各种生物识别技术各有优劣，例如人脸易于拍摄， 非侵犯性好，易于接受，但易受表情、饰物、光线等外部因素的影响而 导致识别率不高；指纹识别的识别率相对较高，但有些人指纹特征少， 而且采集的指纹图像质量易受污垢、变形、空气湿度的影响，还容易被 复制。近几年来，兴起了一种新的生物特征识别技术静脉识别技术， 它克服了指纹识别的很多缺点。 静脉识别技术是一种新兴的非接触式红外生物特征识别技术，它不 但识别率高而且安全性高、使用方便、实现容易，因此在指纹、语音、 掌形、掌纹、步态、虹膜、视网膜、人脸、耳廓、签名、d n a 、脑电波、 脉搏、击键动力学、体味、足迹等众多生物特征识别技术中脱颖而出， 具有相当大的实用意义和市场潜力。 手背静脉识别技术研究 1 2静脉识别的基本原理和特点 静脉识别就是根据静脉血液中脱氧血色素吸收近红外线或人体辐射 远红外线的特性，用相应波长范围的红外相机摄取手背( 或指背、指腹、 手掌、手腕) 的静脉分布图，通过归一化、去噪等预处理后，然后进行滤 波增强与静脉纹路分割、细化修复，接着提取其特征，再与预先注册到 数据库或储存在i c 卡上的特征数据进行匹配以确定个人身份【l 2 】。也有 算法直接利用细化了的静脉骨架进行匹配而不需进行特征提取。由于每 个人的静脉分布图具备类似于指纹的唯一性且成年后持久不变的特点， 所以它能够唯一确定一个人的身份【1 4 1 。 典型的静脉识别系统的处理流程如图1 1 所示，操作步骤的有无和 顺序因算法而异。例如有的算法在预处理中先去噪再进行归一化，有的 算法则没有特征提取这一步，又如w a n gl i n g y u 等【l 】用线段豪斯多夫距 离法来匹配细化后的静脉骨架，林喜荣等【3 】贝l j 先进行静脉纹路分割再进 行去噪。与现场提取的特征数据进行匹配的预先注册特征数据既可来自 于数据库，亦可来自于i c 卡。 图l - 1典型的静脉识别系统流程图 由于静脉隐藏在皮下，难以复制和窃取，而且不受表皮污物、脱皮、 疤痕、可见光变化等外部因素影响【4 5 】，同时，静脉图只能从活体中获得， 因此具有很高的安全性、适应性和识别率。n a o t om i u r a 等【6 】算法的 e e r ( e q u a le r r o rr a t e ，相等错误率) 达到了0 1 4 5 ，s a n gk y u ni m 等【7 j 算法的f a r ( f a l s ea c c e p t a n c er a t e ，误识率) 达到了0 0 0 0 1 ，比大部分 指纹识别算法低得多。此外，由于采用非接触方式采集图像，用户只需 将采集区域对准设备即可，具备极高的非侵犯性，既方便又卫生，非常 适合公共场所使用【5 】，令指纹识别技术望尘莫及。静脉分布图可以用低 分辨率的红外c c d 相机获取，图像数据量少，处理耗时少，识别迅速。 s a n gk y u ni m 等p j 利用f p g a ( f i e l dp r o g r a m m a b l eg a t ea r r a y ，现场可编 程门阵列) 设计的a s p ( a p p l i c a t i o ns p e c i f i cp r o c e s s o r ，专用处理器) 能达 硕+ 学位论文 到1 3 3 毫秒人的识别速度。 另一方面，目前有大量关于指纹、视网膜识别的文献和算法，而静 脉与两者具有相似的线状纹路特征，可借鉴这些方法对静脉识别进行更 深入、更广泛的研究。例如，s u l e y m a nm a l k i 等【2 4 】借鉴用于指纹识别的 d t - c n n s ( d i s c r e t e t i m ec e l l u l a rn e u r a ln e t w o r k s ，离散时间细胞神经网 络) 提取静脉纹路。 t 根据国内外研究现状和自己的实践结果，本文认为静脉识别存在下 述两个难点： ( 1 ) 静脉图中的静脉纹路跟背景的灰度差异较小，因此，采用适当 的算法将静脉纹路分割出来并非易事。另外，噪声会使分割出的静脉边 缘产生许多毛刺，使得细化之后的骨架不够平滑，对识别率的影响较大。 ( 2 ) 静脉纹路细化之后的特征相对较少，容易造成误识或拒识，而 且手背的移动或旋转会使两幅图的匹配比较困难。 1 3本文完成的主要工作和组织结构 本文完成的主要工作包括以下几个方面： ( 1 ) 比较全面系统地介绍了静脉识别技术，重点介绍了国内外学者 提出的一些算法，分析了各自的优劣。 ( 2 ) 提出用数学形态学方法中的开操作和闭操作进行静脉平滑细 化，从而获得比较平滑的静脉骨架。提出一种具体的基于毛刺长度、端 点和交叉点的毛刺修剪算法，有效去除了静脉骨架中的毛刺。 ( 3 ) 尝试采用不变矩提取静脉特征，并采用支持向量机机制设计分 类器，取得了较好的识别效果。 本文以如下方式组织内容： 第1 章简要介绍了生物特征识别技术的原理和基本特点，并介绍了 静脉识别技术的基本原理和优点，然后介绍了本文完成的主要工作和论 文组织结构。 。 第2 章较为全面地综述了静脉识别技术，从静脉分布图的获取、静 脉识别算法、系统实现、研究及发展方向等几个主要方面进行了比较详 细的介绍。 第3 章主要介绍了静脉分割中用到的最基本的数学形态学图像处理 操作：腐蚀、膨胀、开操作和闭操作。 第4 章详细描述了图像的矩特征，重点介绍了各种矩及不变量的定 义及性质，并对各种不变矩的性能进行了简单比较。 第5 章简要介绍了机器学习理论基础和统计学习理论基础，着重阐 手背静脉识别技术研究 述了以统计学习理论为基础的支持向量机的基本原理。 第6 章首先对静脉分割和静脉平滑进行了讨论，然后采用标准化了 的修正的7 个几何不变矩作为静脉骨架的特征向量，接着采用软件工具 l i b s v m 进行静脉分类识别，获得了较好的识别率。 最后，在结论部分对全文进行了总结，并探讨了静脉识别技术今后 的研究和发展方向。 手背静脉识别技术研究 第2 章静脉识别技术研究现状 目前，国内外对静脉识别技术的研究不多，本章从静脉分布图的获 取、静脉识别算法、系统实现三个方面对静脉识别技术的研究现状进行 系统的介绍。 2 1静脉分布图的获取 红外线在医学、生物识别等领域应用广泛，例如h e r b e r td z e m a n 等 9 】使用n i r ( n e a r - i n f r a r e d ，近红外线) c c d 相机拍摄静脉分布图，然后 用有色可见光投射到相应皮肤表面以显现静脉分布，这对儿童静脉穿刺 非常有用，因为儿童的静脉很浅，肉眼难以确定位置；s t a nz l i 等【l o 】 使用近红外线成像进行照明变化下的人脸识别；j u n t ad o i 掣1 1 】使用近红 外c c d 相机获取指关节折痕和掌纹主线作为特征进行身份识别。 静脉识别技术也用红外线来采集静脉图。采集方式可分为主动方式 与被动方式，前者用波长在0 7 o 9 9 m 的近红外光源照射采集区域，并 用相应感光范围的近红外c c d ( 或c m o s ) 相机接收反射或透射的红外线 而成像；后者则不需要额外的红外光源，只需用感光范围在3 - - 一5 9 m 或 8 1 4 9 m 的远红外c c d 相机或专门的热红外仪接收人体辐射的远红外 线而成像 1 】。很多系统在普通c c d 相机前安置滤光片过滤波长不在感光 范围内的光线，以代替昂贵的红外c c d 相机或热红外仪，从而降低了 成本。 2 1 1 主动获取方式 静脉血液中的脱氧血色素能吸收入射的近红外线，而其它区域吸收 得少或几乎不吸收，因而形成有灰度差异的静脉纹路图。根据红外相机、 采集区域和红外光源( 近红外l e d ) 放置位置的不同，主动方式又可细分 为反射式、直透式和侧透式，分别如图2 一l ( a ) 、( b ) 、( c ) 所示。 一外措 静陵 近红夕l o ：7 可可 图2 1主动获取静脉图的三种方式 硕士学位论文 采用反射方式获得的静脉图对比度较低，因而增加了后续处理的难 度，但是光源和相机放置在一起缩小了设备的体积，而且采集环境开放， 不会令用户产生不舒服的感觉。大部分手背、指背、手掌、手腕静脉识 别系统采用这种方式。透射成像方式中，近红外光透过手指被光源对面 的相机获取而成像，图像对比度较高，但由于光源和相机相对安放使得 设备体积较大，而且采集环境较封闭，会令人产生不舒服的感觉，同时 手指厚度因人而异，图像灰度变化较大，而且指骨和肌肉产生的不规则 阴影和噪声会给后续处理带来困难 6 】。侧透成像方式中，光源安置在手 指两侧，射入手指的近红外光被散射，射出的部分被相机感光成像，它 综合了前两者的优点【4 】。透射式和侧透式常用于获取指腹静脉图。 2 1 2 被动获取方式 人体实际上辐射很大范围的红外线，但范围在3 - - 一5 9 m 或8 1 4 9 m 的远红外线在空气中透射率最高【l 】，因此用相应感光范围的远红外c c d 相机获得的远红外静脉图( 或称为t h e r m a li m a g e s ，热力温谱图) 质量最 好。根据s t e f a n b o l t z m a n n 热传导定律【l4 1 ，温度越高辐射度越大，由于 静脉血管的温度比周围组织的温度高，温差导致辐射度存在差异，进而 导致静脉纹路跟背景区域具有灰度差异。 2 1 3 主、被动方式的对比 由于静脉血液吸收近红外线，因此在主动方式采集的原始图中，静 脉纹路较暗，而背景区域较亮。这种方式排除了可见光的影响，环境适 应性较好，但是汗毛中的角蛋白也能吸收近红外线而产生较暗的噪声， 严重时会使连续的静脉纹路断裂，而且外部光源会增加设备体积。目前 大部分静脉识别系统制造商选择这种方式。 在被动方式中，由于远红外c c d 捕获的是人体辐射的远红外线， 所以在采集的原始图中，静脉纹路较亮，而背景区域较暗。这种方式受 环境温度、湿度和体表温度变化的影响较大，成像不稳定，因此适合于 采集纹路较粗的手背或手腕静脉图。它不需要外部光源，设备体积较小。 2 2静脉识别算法 静脉识别算法的一般流程为预处理、滤波增强与静脉纹路分割、细 化及修复、特征提取与匹配共四大步骤。 手背静脉识别技术研究 2 2 1预处理 预处理的目的就是为后续处理提供高质量的静脉图，主要包括归一 化和去噪。 归一化包括尺寸归一化和灰度归一化。如果获得的静脉图分辨率不 一样，则需要通过缩放将尺寸统一，常用的方法有最近邻法、双线性插 值法、三次内插法。由于采集时间、光强、个人的手指厚度( 透射成像方 式) 、皮下脂肪厚度( 反射式成像) 不同，静脉图在灰度分布上存在较大差 异，会影响后续处理，因此必须进行灰度归一化处理，即将所有图像转 换成同一均值和方差的标准图像 3 】。根据静脉图的特点和反复试验，很 多文献将变换后图像的均值m 。设定为7 0 1 0 0 ，而方差尽量扩大至 2 5 5 3 , 1 3 ，其归一化方程如下： n 堪n = 其中，( f ，) 、m 、v 分别为归一化前图像的灰度值、均值、方差，n ( i ，) 、 m 。、v o 分别为归一化后图像的灰度值、均值、方差。 周围环境、毛发和设备本身的误差会产生噪声，去躁对识别的成功 很重要。很多算法 3 , 1 3 - 1 7 】使用中值滤波器去除椒盐噪声、毛刺等，s a n g k y u ni m 等【7 ，8 】使用高斯低通滤波器、平滑滤波器分别去除块状噪声、毛 刺，而k e j u nw a n g 等 1 3 , 1 8 】则使用阈值面积法消除块状噪声。考虑到模板 大小固定的中值滤波器不够灵活，e r i ck yc h a n 等 2 4 , 2 5 采用模板大小可 变的自适应滤波器消除脉冲噪声和水平条状噪声，同时增强了静脉纹路 边界。 2 2 2 滤波增强与静脉纹路分割 滤波增强的目的是抑制无关信息而凸现静脉纹路，便于后续分割操 作的顺利进行。滤波增强跟去噪往往是分不开的，滤波增强的同时也抑 制了噪声，如l i n g y uw a n g 等【1 6 】采用二维高斯低通滤波器抑制高频噪声 以增强图像。 1 多滤波器法 考虑到低血压或冬天的低气温导致血管收缩，可能使得较细的血管 零 硕士学位论文 在去噪之后不再连续，致使识别率下降，s a n gk y u ni m 等【8 】首先分别采 用适合于处理粗静脉的n m f ( n o r m a lm o d ef i l t e r ，普通滤波器) a n 适合于 处理细静脉的e m f ( e n h a n c e m e n tm o d ef i l t e r ，增强滤波器) 来增强静脉 图，然后将两者的滤波结果相加得到最后的静脉纹路图，这样就有力地 保证了静脉纹路的连续性。 不久，s a n gk y u ni m 7 】等又提出了另一种解决方法一一d b v p e ( d i r e c t i o n b a s e dv a s c u l a rp a t t e r ne x t r a c t i o n ，基于方向的静脉模式提取) ， 他们认为导致部分连续信息丢失的原因在于未考虑到静脉纹路的方向信 息，于是，采用r v p e f ( r o wv a s c u l a rp a t t e r ne x t r a c t i o nf i l t e r ，行向静脉 模式提取滤波器) 、c v p e f ( c o l u m nv a s c u l a rp a t t e r ne x t r a c t i o nf i l t e r ，列 向静脉模式提取滤波器) 代替了原来的n m f 和e m f ，前者提取横向的静 脉纹路，后者提取纵向的静脉纹路，然后将两者的滤波结果分别进行局 部阈值分割，再将分割结果相加得到最后的静脉纹路图。r v p e f 、c v p e f 分别保持了水平、垂直方向的连续性，共同保证了静脉纹路的连续性， 从而提高了算法的鲁棒性。 2 多分辨率法 目前，多尺度、多分辨率理论在数字图像处理领域的应用越来越广 泛。鉴于小波变换法、拉普拉斯算法和平滑算法等传统的增强方法对各 向异性的特征表示能力很弱，于是，韩笑等【1 9 1 尝试采用r i d g e l e t 变换来 增强静脉图像。r i d g e l e t 变换在小波基函数中添加了一个表征方向的参 数，是一种适合表征各向异性的多尺度方法，它在表示图像线性奇异边 缘时具有独特的优越性。而z h o n g b oz h a n g 等【2 0 】采用一种更适合图像处 理的多尺度变换c u n ，e l e t 变换来增强静脉图像，他们根据c u r v e l e t 系数得到的自适应增强变换函数为： 其中，a = f ( x ) = a s i g m ( c ( x 一6 ) ) 一s 劬( 一c ( x + 6 ) ) ( 2 - 2 ) s i g m ( c ( 1 一b ) ) - s i g m ( - c ( 1 + b ) ) 。 6 o 则表示图像向左上倾斜，若“。 o 则表 示重心偏左，若。， o 则表示图像下部的水平伸展比图像上部大，若：。 o 则表示图像右部的垂直伸展比左部大，“： 复合矩 几何矢e z e m i k e 矩 l e g e n d r e 矩。 硕+ 学位论文 4 3 2 矩的图像表示能力比较 原图与有限矩值的重建图之间的均方误差是矩的图像表示能力的一 个很好的度量。将这个均方重建误差测度应用于确定性图像函数和实值 均匀随机域，以确定重建精度与适用的矩值数目之间的关系。由此可推 出高阶矩的信息含量。试验证明，很小的矩集就可以很好地表征一幅图 像。但是，只有加入高阶矩才能重建细节信息。 就图像表示能力、噪声敏感度两方面总体而言，z e m i k e 矩和伪 z e m i k e 矩最好，而这两种矩常用于图像的重建，h u 矩由于其具有较好 的不变性，常用于图像识别。 4 4本章小结 本章首先介绍了几何矩的定义及性质，然后介绍了以正交多项式为 基底的的正交矩，并简要描述了各种其它矩及不变量，最后就各种矩在 噪声敏感度、图像表示能力等方面的性能进行了比较与评价，从静脉识 别以及识别速度、效率的角度考虑，得出结论，采用7 个几何不变矩量 作为静脉骨架的特征向量是合适的。 手背静脉识别技术研究 第5 章支持向量机 支持向量机以统计学习理论为基础，具有简洁的数学形式、直观的 几何解释和良好的泛化能力，它避免了神经网络中的局部最优解问题， 并有效地克服了“维数灾难”。与传统的分类算法相比，支持向量机在防 止训练过学习、运算速度和识别精度等方面都表现出明显的优越性，并 已成功应用于众多模式识别领域。 5 1机器学习理论基础 关于机器学习的研究，最早可以追溯到2 0 世纪5 0 年代，当时人们 从仿生学的角度对机器学习进行了研究。一般地，将机器学习的发展历 程分成如下四个阶段： ( 1 ) r o s e n b l a t t 的感知器：2 0 世纪5 0 年代，r o s e n b l a t t 提出了第一 个学习机器的模型，称为感知器【4 0 1 。这在机器学习领域中具有里程碑的 意义，标志着人们对学习过程进行数学研究的真正开始。 ( 2 ) 学习理论基础的创立：2 0 世纪6 0 - - 7 0 年代，统计学习理论基 础得到较大发展，统计学习理论的两个核心概念v c 维和v c 熵也 是在此期间提出的。 7 ( 3 ) 人工神经网络：2 0 世纪8 0 年代，研究者提出了同时构造感知 器所有神经元的向量系数的方法，即后向传播的方法。后向传播技术的 提出是感知器的一次飞跃，这时的感知器也被称为神经网络。神经网络 在很多实际的应用中也取得了很好的效果。 ( 4 ) 统计学习理论：到2 0 世纪9 0 年代中期，随着v a p n i k 等人的 不断大力推动，也由于神经网络等学习方法在理论上缺乏实质性突破， 统计学理论开始受到越来越广泛的重视。特别是在1 9 9 2 到1 9 9 5 年期间， v a p n i k 等人成功提出了基于统计学习理论( s t a t i s t i c a ll e a r n i n gt h e o r y , s l t ) 的支持向量机( s u p p o r tv e c t o rm a c h i n e ，s v m ) 方、法t 4 1 - 4 3 ，摆脱了长期 以来从生物仿生学的角度构建学习机器而形成的束缚。 与人工神经网络相比，支持向量机方法具有更坚实的数学理论基础， 可以有效地解决有限样本条件下的高维数据模型构建问题，并具有泛化 能力强、收敛到全局最优、维数不敏感等优点。 5 1 1机器学习问题的表示 机器学习的目的是根据给定的训练样本求解系统输入输出之间的依 硕士学位论文 赖关系的估计，使学习机能对未知的输出做出尽可能准确的预测。机器 学习问题可以形式化表示为：已知输出变量y 和输入变量x 之间存在某 种未知依赖关系，即存在某一未知的联合概率f ( x ，j ，) ，机器学习问题就 是根据甩个独立同分布观测样本： ( 工。，y i ) ，( 工2 ，y 2 ) ，( x 3 ，y 3 ) ，( x 。，y 。)( 5 - 1 ) 在一组函数 ( 工，w ) ) 中求一个最优的函数f ( x ，w o ) ，使预测的期望风险： r ( 计= 仁( j ，厂( x ，w ) ) d f ( x ，y )( 5 - 2 ) 最小。其中， 厂( x ，w ) ) 称作预测函数集，w 为函数的广义参数，故 厂( j ，w ) 可以表示任何函数集。l ( y ，f ( x ，w ) ) 为用f ( x ，w ) 对y 进行预测而造成的损 失，不同类型的学习问题有不同形式的损失函数。预测函数通常也称为 学习函数、学习模型或者学习机器。 机器学习问题有三种基本类型：模式识，i f j ( 分类) 、函数逼近( 回归估 计) 和概率密度估计。 对于模式识别问题，在二分类情况下，y = o ，1 ) 或 - 1 ，1 ) ，表示类别标 签，此时，预测函数也称为指示函数，损失函数可定义为： 如以咖瞎i 震暑。 ( 5 - 3 ) 在函数拟合问题中，y 是连续变量，损失函数可定义为： l ( y ，f ( x ，w ) ) = ( y f ( x ，们) 2( 5 4 ) 对于概率密度估计问题，学习的目的是根据训练样本确定x 的概率 分布，设估计的密度函数为p ( x ，w ) ，则损失函数可定义为： l ( p ( x ，川) = 一l o g p ( x ，计( 5 - 5 ) 5 1 2 经验风险最小化 在上- - d , 节中提到，学习的目标是使期望风险最小化，这必须依赖 联合概率f ( x ，j ，) ，但是f ( x ，y ) 未知，所以无法直接采用式( 5 2 ) 来计算期望 风险，于是采用算术平均来代替期望风险： 手背静脉识别技术研究 ( w ) = 去喜m 删( 5 - 6 ) 用尺唧( w ) 来逼近式( 5 - 2 ) 定义的期望风险。由于r 唧( w ) 是根据经验数据( 已 知的训练样本) 定义的，因此称为经验风险。 用对参数w 求经验风险尺。叩( w ) 的最小值代替求期望风险尺( w ) 的最小 值就是所谓的经验风险最小化( e m p i r i c a lr i s km i n i m i z a t i o n ，e r m ) 原则。 一些经典的学习方法，例如最4 - - 乘法、极大似然法、早期的神经网络 学习方法都采用了经验风险最小化原则。事实上，用经验风险最小化代 替期望风险最小化并没有经过充分的理论论证，只是直观上合理的想当 然的做法。概率论中的大数定律也只说明了在一定条件下