基于优化纹理特征的手背静脉识别算法研究及在RaspberryPi系统上的实现

基于优化纹理特征的手背静脉识别算法研究及在RaspberryPi系统上的实现

ID:43496083

大小:3.25 MB

页数:79页

时间:2019-10-08

基于优化纹理特征的手背静脉识别算法研究及在RaspberryPi系统上的实现_第1页
基于优化纹理特征的手背静脉识别算法研究及在RaspberryPi系统上的实现_第2页
基于优化纹理特征的手背静脉识别算法研究及在RaspberryPi系统上的实现_第3页
基于优化纹理特征的手背静脉识别算法研究及在RaspberryPi系统上的实现_第4页
基于优化纹理特征的手背静脉识别算法研究及在RaspberryPi系统上的实现_第5页
资源描述:

《基于优化纹理特征的手背静脉识别算法研究及在RaspberryPi系统上的实现》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:TP391.4单位代码:10183研究生学号:2015522077密级:公开吉林大学硕士学位论文(学术学位)基于优化纹理特征的手背静脉识别算法研究及在RaspberryPi系统上的实现ResearchofDorsalHandVeinRecognitionAlgorithmUsingOptimizedTextureFeaturesandItsImplementationonRaspberryPiSystem作者姓名:宗宇轩专业:控制理论与控制工程研究方向:模式识别与图像处理指导教师:刘富教授培养单位:通信工程学院2018年6月——————————

2、——————————————————基于优化纹理特征的手背静脉识别算法研究及在RaspberryPi系统上的实现————————————————————————————ResearchofDorsalHandVeinRecognitionAlgorithmUsingOptimizedTextureFeaturesandItsImplementationonRaspberryPiSystem作者姓名:宗宇轩专业名称:控制理论与控制工程指导教师:刘富教授学位类别:工学硕士答辩日期:2018年06月02日未经本论文作者的书面授权,依法收存和保管本论文书面

3、版本、电子版本的任何单位和个人,均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用(但纯学术性使用不在此限)。否则,应承担侵权的法律责任。吉林大学硕士学位论文原创性声明本人郑重声明:所呈交学位论文,是本人在指导教师的指导下,独立进行研究工作所取得的成果。除文中己经注明引用的内容外,本论文不包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,均己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:

4、\曰期:>#年&月曰7摘要摘要基于优化纹理特征的手背静脉识别算法研究及在RaspberryPi系统上的实现随着科学技术的高速发展,传统的身份认证方式已经远远不能满足信息社会的发展需求,如何准确地识别个人身份并保证信息安全,是当前必须解决的问题,生物特征识别技术便应运而生。其中,手背静脉识别技术通过人体手背静脉血管的图像进行身份识别,具备非接触式采集、活体检测、安全等级高等特点,被人们所广泛关注,对其深入研究具有非常重要的意义。而为了应对市场上硬件设备小型化、易用化、可扩展性的需求,探索识别系统新的硬件实现也迫在眉睫。本文设计了一套基于Raspb

5、erryPi的手背静脉识别系统。RaspberryPi是一款基于ARM的微型电脑主板,可搭载专用的操作系统,其主板体积小、价格低、处理能力强、可扩展性高,将RaspberryPi用于手背静脉识别系统中可以有效降低成本,便于产品化,具有很高的实用价值。本文主要的研究内容为手背静脉识别算法设计和基于RaspberryPi的识别系统实现,具体包括以下几个方面:(1)本文根据手背静脉成像原理,搭建了一套图像采集装置采集手背静脉图像,并通过该装置建立并完善了手背静脉图像数据库用于前期各类算法的研究。数据库中包括300多位志愿者的手背静脉图像样本,每人左、右手各5

6、幅图像,每幅图像的规格为320*240的灰度图。(2)本文设计了一套基于手背轮廓维诺图的静脉图像ROI提取方法,解决了图像采集过程中由于手背旋转、平移等因素对ROI的影响,获得了鲁棒性较好的手背静脉ROI图像。(3)本文提出了一种基于优化纹理特征的手背静脉识别算法。传统的Gabor滤波器能够有效提取手背静脉纹理特征,但是其特征维数过大,数据处理时间过长,对处理设备要求高,不利于实际使用。针对该问题,提出了一套优化方法:首先通过三层haar小波分解对ROI图像进行降维;然后提取低频子图的Gabor特征;最后通过PCA算法对Gabor特征进一步降维。采用基

7、于欧式距离的最近邻分类器方法对最终特征进行匹配识别,通过一系列实验验证了该算法的可行性。I吉林大学硕士学位论文(4)本文开发了一套基于RaspberryPi的手背静脉识别系统。详细介绍了识别系统的硬件平台和软件平台,设计了系统程序运行流程;将MATLAB平台的算法程序进行优化处理后通过Python语言移植到RaspberryPi系统中,通过实验验证了该系统的识别性能。综上,本文对手背静脉识别技术进行了研究,设计了手背静脉图像采集装置,提出了从图像预处理到特征提取与匹配的完整算法体系,并将以上算法成功应用到基于RaspberryPi的手背静脉识别系统中,

8、取得了相当不错的效果。关键词:手背静脉识别,图像采集,图像预处理,特征提取算法,Raspber

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。