第1章 绪论 1
1.1引言 1
1.2手背静脉身份识别的研究意义 2
1.3手背静脉身份识别的关键问题 7
1.4手背静脉身份识别的技术路线 10
1.4.1手背静脉图像采集与数据库建立 10
1.4.2手背静脉身份识别的可行性 11
1.4.3手背静脉图像的质量评价 12
1.4.4手背静脉图像的特征提取 13
1.4.5手背静脉图像的分类决策 15
1.4.6手背静脉图像的活体检测 16
1.5手背静脉身份识别的研究趋势 17
参考文献 18
第2章 手背静脉图像采集设备 21
2.1手背静脉成像机理 21
2.1.1远红外成像原理 22
2.1.2近红外成像原理 23
2.1.3近红外成像方式 24
2.2手背静脉图像采集设备参数设计及器件选择 27
2.2.1对比度和光斑 27
2.2.2图像采集部分 28
2.3手背静脉图像采集设备的实现 32
2.3.1基础参数设定及第一代采集系统 32
2.3.2第二代改进采集系统 36
2.4本章小结 40
参考文献 40
第3章 手背静脉图像数据库的建立 41
3.1现有手背静脉图像数据库 41
3.2手背静脉图像数据库 44
3.2.1 NCUT手背静脉图像数据库 44
3.2.2跨时间段的手背静脉图像数据库 45
3.2.3跨设备的手背静脉图像数据库 47
3.3大样本手背静脉图像的合成 48
3.3.1样本合成理论 50
3.3.2双PCA投影空间 51
3.3.3双PCA动态空间的手背静脉图像合成方法 53
3.4手背静脉合成图像的评价 56
3.4.1最优特征样本集w值的选取 56
3.4.2合成手背静脉图像的评价 57
3.4.3合成手背静脉图像数据库的建立 58
3.5合成手背静脉图像数据库的识别测试 59
3.6本章小结 61
参考文献 61
第4章 手背静脉图像的质量评价 63
4.1手背静脉图像的质量评价标准 63
4.1.1主观质量评价标准 63
4.1.2客观质量评价标准 64
4.2步进式手背静脉图像质量评价方法 66
4.2.1步进式图像质量评价模型 66
4.2.2手背静脉图像质量评价参数 67
4.2.3手背静脉图像评价过程及结果 70
4.3基于多参数融合的手背静脉图像质量评价方法 71
4.3.1对比度的贡献度 71
4.3.2有效区域的贡献度 73
4.3.3清晰度的贡献度 75
4.3.4位置偏移的贡献度 77
4.3.5图像旋转的贡献度 78
4.3.6各参数贡献度的加权融合 81
4.4异质手背静脉图像质量标准 83
4.4.1异质手背静脉图像 83
4.4.2异质手背静脉图像的质量参数 85
4.5本章小结 87
参考文献 88
第5章 手背静脉图像的容量分析 89
5.1基于信息熵手背静脉图像身份识别的可行性 89
5.1.1熵与互信息 89
5.1.2图像的熵 90
5.1.3图像的互信息 90
5.1.4手背静脉图像身份识别的可行性 90
5.2基于图像编码的样本容量分析 92
5.2.1基本假设 92
5.2.2灰度共生矩阵 94
5.2.3图像分块编码 97
5.2.4手背静脉图像的潜在容量估算 99
5.2.5估算方法的有效性验证 105
5.3本章小结 112
参考文献 113
第6章 手背静脉图像纹理结构的特征提取 114
6.1手背静脉图像特征提取的方法 115
6.2 LBP算子 119
6.2.1标准LBP算子 119
6.2.2归一化LBP算子 120
6.2.3旋转不变归一化LBP算子 122
6.2.4分块LBP算法 123
6.3基于多尺度的LBP算法 124
6.3.1多尺度分析 124
6.3.2传统多尺度LBP算法 126
6.3.3 PLBP与多尺度分析融合算法 127
6.3.4算法对比 129
6.4基于加权纠错编码的改进LBP算法 134
6.4.1特征加权 135
6.4.2纠错码 136
6.4.3算法对比 138
6.5局部宏观和微观融合的改进LBP算子 140
6.5.1 MB-LBP算子 140
6.5.2 CS-LBP算子 141
6.5.3 MB-CSLBP算子 141
6.5.4算法对比 142
6.6基于LBP的特征编码 145
6.6.1特征编码 145
6.6.2 BP人工神经网络编码器 146
6.6.3正交码 149
6.6.4特征编码策略 151
6.6.5分类器设计和结果分析 154
6.6.6 BP编码策略和LBP编码策略的讨论 155
6.7本章小结 156
参考文献 156
第7章 手背静脉图像的分类决策 158
7.1基于SIFT的多模板分类器设计 158
7.1.1手背静脉图像SIFT特征提取 159
7.1.2改进的手背静脉图像SIFT特征点精筛选 164
7.1.3基于SIFT的多集合模板 165
7.1.4 SIFT多模板分类决策 166
7.2多分类器融合的静脉特征匹配 170
7.2.1 SVM 171
7.2.2 SVM多核学习 173
7.2.3多分类器融合 174
7.2.4融合结果分析 176
7.3随机关键点产生与细粒度匹配算法 177
7.3.1基于高斯分布的随机关键点生成方法 178
7.3.2细粒度特征点匹配 179
7.3.3实验结果分析 182
7.4深度信念网络 184
7.4.1深度信念网络概述 184
7.4.2限制玻尔兹曼机 185
7.4.3 DBN模型训练 185
7.4.4分类码组合 186
7.5本章小结 187
参考文献 188
第8章 手背静脉图像的活体检测 191
8.1生物特征的活体检测 191
8.2假手背静脉图像库的建立 192
8.3手背静脉图像活体检测的时域分析 194
8.3.1粗特征分析 194
8.3.2细特征分析 196
8.4手背静脉图像活体检测的频域分析 197
8.4.1频谱块能量特征 198
8.4.2频域特征的真假分类 201
8.5手背静脉图像活体检测的模型分析 202
8.5.1真实手背静脉图像投影空间的建立 202
8.5.2投影并提取干扰信息 205
8.5.3基于AR模型的功率谱估计 206
8.6本章小结 210
参考文献 211
第9章 手背静脉身份识别系统 214
9.1手背静脉图像的预处理 214
9.1.1图像噪声抑制 215
9.1.2静脉图像矫正 216
9.1.3 ROI的提取 216
9.1.4手背静脉图像增强与归一化 218
9.2手背静脉纹理的分割算法 219
9.2.1静脉纹理分割方法 219
9.2.2梯度增强的静脉图像分割方法 222
9.3基于手背静脉的门禁系统设计 224
9.3.1系统结构和流程 224
9.3.2系统的硬件选择 225
9.3.3系统软件设计 226
9.3.4特征提取算法及分类器设计 228
9.3.5系统测试结果 234
9.3.6手背静脉分布式系统架构 235
9.4本章小结 240
参考文献 240