多光谱手指静脉特征级融合方法研究
The Research of The Feature Fusion Algorithms in Multi-spectral Finger-vein
随着电子信息化的高速发展,单光谱手指静脉识别技术已无法满足现代社会对身份鉴定系统准确性及安全性日益提高的要求.然而,研究表明,生物组织的光学特性随着近红外光的光谱变化而变化,可使手指静脉图像在不同光谱下呈现出不同的特征信息.所以,经过融合得到的手指静脉图像将具有更加丰富的信息量,可达到完善手指静脉信息,改善图像质量的目的.针对特征级融合在多光谱生物技术中的优势,本文采用特征级融合技术实现多光谱手指静脉的融合识别.在融合之前,为更好的提取多光谱手指静脉的特征信息,我们对原始的多光谱手指静脉图像进行图像复原、图像配准等相关的预处理.关于特征级融合方法的研究,我们主要根据本课题的研究目的提出两种不同的融合策略,即基于图像变换的融合策略和基于特征向量分解的融合策略.为了得到质量改善的融合图像,建立多光谱手指静脉融合图像库,本文采用了基于NSCT的特征级融合策略,并提出了NSCT系数特征分类增强和区域特征融合规则相结合的融合方法.但是,针对基于变换域融合技术处理速度慢而不能满足实时性识别的要求,本文又提出了一种加权的稀疏保持投影的特征级融合策略.首先,提取多光谱手指静脉的8方向Gabor滤波的特征码;接着,为了将两个光谱的特征更加有效的在特征级融合,采用稀疏保持投影的方法获取投影矩阵,并结合一种加权融合策略实现特征级的融合识别.实验结果表明本文提出的方法在特征级融合和多光谱识别技术中有着良好的表现.
- 作者：
- 吴冬冬
- 学位授予单位：
- 中国民航大学
- 专业名称：
- 信号与信息处理
- 授予学位：
- 硕士
- 学位年度：
- 2014年
- 导师姓名：
- 杨金锋
- 中图分类号：
- TP391.41
- 关键词：
- 多光谱手指静脉图像；特征级融合；非下采用轮廓小波；稀疏保持投影；加权融合策略
- multi-spectral finger-vein images; feature-level fusion; non-subsampled contourlet transform; sparsity preserving projections;