摘 要

掌静脉识别是生物识别领域的研究热点。好的特征提取算法和匹配算法是提高掌静脉识别系统性能的关键。

本文为研究实现掌静脉识别中的特征提取和匹配算法，设计了掌静脉识别系统，以香港理工大学的掌静脉图像库为样本，基于C 和OpenCV，完成了图像的预处理、特征提取和匹配等步骤的设计。

本设计的特征提取采用经典的RootSIFT算法，匹配算法采用FLANN。并基于优秀的预处理方案，猜想可以通过统计坐标差在一定范围内的匹配点对数，对FLANN算法阈值以下的匹配进行二次筛选，以提高整体的识别率。

实验结果验证了本文的猜想：采用本文提出的二次筛选后在1:1模式下，误识率由0.199%小幅增至0.381%，而拒识率由5.727%大幅下降至0.894%，综合表现较单用FLANN算法有了较大的提升。1:N模式下得到的误识率为1.182%，拒识率为0.636%。

本文提出的二次筛选方法可能对基于特征点的掌静脉匹配具有参考意义。

关键词：掌静脉识别；OpenCV；特征提取；特征匹配

Abstract

.Palm vein recognition is a research hotspot in the field of biometrics. Good feature extraction and matching algorithms are the key to improving the performance of palm vein recognition systems.

In this paper, I design a palm vein recognition system to study the implementation of feature extraction and matching algorithm in palm vein recognition. The steps of image pre-processing, feature extraction and matching are based on C and OpenCV, using palm vein images from the database of Hong Kong Polytechnic University as samples.

The feature extraction of this design uses the classical RootSIFT algorithm and the matching algorithm uses FLANN. And based on the excellent pre-processing scheme, I conjecture that the matches below the FLANN algorithm threshold can be selected again by counting the number of pairs of matched points that have a coordinate difference within a certain range, in order to improve the overall recognition rate.

The experimental results validate the conjecture of this paper: after using the secondary screening proposed in this paper, the false recognition rate increased slightly from 0.199% to 0.381% in the 1:1 mode, while the false rejection rate decreased significantly from 5.727% to 0.894%, the overall performance has been improved compared with using FLANN algorithm alone.

The secondary screening method proposed in this paper may be informative for feature point-based palmar vein matching.

Key Words：Palm vein recognition；OpenCV；feature extraction；feature matching

目 录

第1章 绪论 1

1.1 研究目的及意义 1

1.2 国内外研究现状 2

1.3 本文研究内容和组织结构 3

第2章 样本图像及图像预处理 5

2.1 样本图像 5

2.2 图像预处理 6

2.2.1 ROI提取 6

2.2.2 图像归一化 14

2.2.3 图像增强 14

2.2.4 图像去噪 17

第3章 特征提取 19

3.1 特征提取算法的概述与选择 19

3.2 SIFT算法原理 20

3.2.1 尺度空间极值检测 20

3.2.2 关键点筛选 21

3.2.3 关键点定向 22

3.2.4 生成描述子 22

3.3 RootSIFT算法原理 23

第4章 图像匹配 25

4.1 FLANN算法 25

4.2 基于坐标差的二次筛选 26

第5章 实验结果与分析 28

5.1 1:1匹配实验 28

5.2 1:N匹配实验 28

第6章 结论 30

参考文献 31

致谢 33

第1章 绪论

1.1 研究目的及意义

近年来，身份认证变得越发及时与频繁。而以密码、钥匙、信息卡等为代表的传统认证方式有着容易失窃、伪造、丢失、遗忘，认证过程较长，标识物需要随身携带等缺点，已经难以满足人们的需求。为实现更加可靠、安全又快捷的认证方式，人们对生物识别的研究与应用变得越来越广泛。

生物体征识别技术是以生物自身的身体特征进行身份认证的识别技术，具有代表性的有指纹、面部、静脉、虹膜、DNA等识别方法^[1]。生物识别有许多的优点，如不会忘记、不会丢失、安全性高、认证过程短等。但许多生物识别方式有各自的缺点。指纹识别是民用范围最常见的生物识别方法，具有快捷、成本低的优点，但指纹识别在手指潮湿、受伤、有污渍时据识率会大大提高，而且由于指纹容易保留在物体上，因此容易获取、伪造。人脸识别的安全性更低，容易发生误识，有信息泄露的风险；苹果公司声称它的人脸识别技术Face ID“绝对完美”，但有国外媒体通过实验发现Face ID会误识双胞胎、三胞胎，个人的隐私仍不能得到很好的保护。而虹膜、DNA等可靠性很高的识别技术有成本高或认证时间长等缺点，难以大规模推广，主要应用于司法对安全性要求很高的领域。而静脉识别就在这样的背景下凭借诸多的优点进入人们的视野，被广泛研究，并有很好的应用。

静脉识别具有许多的优点。研究发现每个人的静脉纹路都是不同的，因此具有很好的唯一性；而且比起同样具有唯一性的指纹，静脉因为在身体内部而难以伪造，具有很高的安全性；同时，人在成年后，静脉的纹路就几乎不再改变，而且不会因为表皮潮湿、干燥、受伤而无法识别，具有很好的可靠性；此外，采集、认证静脉信息的设备成本不高，价格容易被人接受，可以被广泛的应用。