基于优化纹理特征的手背静脉识别系统

doi:10.13229/j.cnki.jdxbgxb20170728

吉林大学学报(工学版) ›› 2018, Vol. 48 ›› Issue (6): 1844-1850.doi: 10.13229/j.cnki.jdxbgxb20170728

基于优化纹理特征的手背静脉识别系统

刘富^1,²(),宗宇轩^1,²,康冰²,张益萌³,林彩霞⁴,赵宏伟⁵()

^1. 吉林大学汽车仿真与控制国家重点实验室,长春 130022
^2. 吉林大学通信工程学院,长春 130022
^3. 谢菲尔德大学,电子与电气工程系,谢菲尔德,英国 S10 2TN
^4. 海南大学信息科学与技术学院,海口 570228
^5. 吉林大学计算机科学与技术学院,长春 130012

收稿日期:2017-07-11 出版日期:2018-11-20 发布日期:2018-12-11
作者简介:刘富(1968-),男,教授,博士生导师.研究方向:计算机视觉及模式识别.
基金资助:
国家自然科学基金项目(61503151);吉林省自然科学基金项目(10100505);吉林省产业创新专项资金项目(2017C032-4,3J117R015420);海南省自然科学基金面上项目(0112631040)

Dorsal hand vein recognition system based on optimized texture features

LIU Fu^1,²(),ZONG Yu-xuan^1,²,KANG Bing²,ZHANG Yi-meng³,LIN Cai-xia⁴,ZHAO Hong-wei⁵()

^1. National Key Laboratory for Automotive Simulation and Control, Jilin University, Changchun 130022,China
^2. College of Communication Engineering,Jilin University, Changchun 130022,China
^3. Electronic and Electrical Engineering Department,The University of Sheffield, Sheffield, S10 2TN, UK
^4. College of Information Science and Technology, Hainan University, Haikou 570228, China
^5. College of Computer Science and Technology,Jilin University,Changchun 130012,China

Received:2017-07-11 Online:2018-11-20 Published:2018-12-11

摘要/Abstract

摘要：

为了有效提取手背静脉纹理特征,并对其进行识别匹配,提出了一种基于优化Gabor核纹理特征的手背静脉识别系统。首先,设计了一套手背静脉采集装置采集静脉图像。然后,对采集到的手背静脉图像预处理后进行三层Haar小波分解,再使用不同尺度和方向的Gabor核提取低频子带图像的纹理特征,之后使用主成分分析(PCA)法对纹理特征进行降维。最后,采用基于欧式距离的最近邻分类器进行识别。本文通过采集装置建立了具有较高质量的吉林大学手背静脉图像数据库,并在其上对本系统进行了性能测试。整体实验结果表明:该手背静脉识别系统能有效提高特征的识别速度,同时可达到98.5%的识别准确率,具有一定的应用前景。

关键词: 计算机应用, 手背静脉识别系统, 纹理特征优化, 手背静脉采集装置

Abstract:

In order to extract and match the texture features of dorsal hand vein, this paper presents a dorsal hand vein recognition system based on optimized texture features. First, we design a image acquisition device to collect vein images. Then, after image preprocessing and three-layer haar wavelet decomposition, we use different scales and directions of gabor kernel function to extract texture features of low-frequency sub-band images. Finally, PCA is used to reduce the dimensionality of features and the nearest neighbor classifier based on Euclidean distance is used to match the features. In this paper, a dorsal hand vein database of Jilin University is established. The experimental results show that the proposed recognition system can effectively improve the identification speed of features and the recognition rate can reach 98.5%. Good efforts on recognition accuracy and efficiency are achieved by the system.

Key words: computer application, dorsal hand vein recognition system, texture feature optimization, vein acquisition device

中图分类号:

TP391.4

刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.

LIU Fu,ZONG Yu-xuan,KANG Bing,ZHANG Yi-meng,LIN Cai-xia,ZHAO Hong-wei. Dorsal hand vein recognition system based on optimized texture features[J]. Journal of Jilin University(Engineering and Technology Edition), 2018, 48(6): 1844-1850.

图/表 12

图1

图2

图3

图4

图5

图6

图7

图8

表1

图9

表2

表3

参考文献 15

[1]	王贺, 邓茂云, 姜守坤 , 等. 改进的双边二维线性判别分析的手背静脉识别[J]. 吉林大学学报:信息科学版, 2017,35(1):32-36.
	Wang He, Deng Mao-yun, Jiang Shou-kun , et al. Modified bilateral two-dimensional linear discriminant analysis for dorsal-hand vein recognition[J]. Journal of Jilin University(Information Science Edition), 2017,35(1):32-36.
[2]	林喜荣, 庄波, 苏晓生 , 等. 人体手背血管图像的特征提取及匹配[J]. 清华大学学报:自然科学版, 2003,43(2):164-167. doi: 10.3321/j.issn:1000-0054.2003.02.008
	Lin Xi-rong, Zhuang Bo, Su Xiao-sheng , et al. Measurement and matching of human vein pattern characteristics[J]. Journal of Tsinghua University(Science and Technology), 2003,43(2):164-167. doi: 10.3321/j.issn:1000-0054.2003.02.008
[3]	薛定宇, 贾旭, 崔建江 , 等. 基于区域形状的静脉图像特征提取与匹配[J]. 东北大学学报:自然科学版, 2012,33(1):35-38,64.
	Xue Ding-yu, Jia Xu, Cui Jian-jiang , et al. Vein image feature extraction and matching based on regional shapes[J]. Journal of Northeastern University(Natural Science), 2012,33(1):35-38,64.
[4]	Wang Y, Liu T, Jiang J . A multi-resolution wavelet algorithm for hand vein pattern recognition[J]. Chinese Optics Letters, 2008,6(9):657-660. doi: 10.3788/COL20080609.0657
[5]	吕岑, 程诚, 赵东霞 . 基于小波分解和K2DPCA-2DLDA的手背静脉识别[J]. 计算机应用, 2011,31(2):423-425. doi: 10.3724/SP.J.1087.2011.00423
	Lv Cen, Cheng Cheng, Zhao Dong-xia . Dorsal hand vein recognition based on wavelet decomposition and K2DPCA-2DLDA[J]. Journal of Computer Applications, 2011,31(2):423-425. doi: 10.3724/SP.J.1087.2011.00423
[6]	林森, 吴微, 苑玮琦 . 基于局部纹理描述算子的手掌静脉身份识别[J]. 仪器仪表学报, 2014,35(10):2306-2312. doi: 10.3969/j.issn.0254-3087.2014.10.020
	Lin Sen, Wu Wei, Yuan Wei-qi . Palm vein identity recognition based on local texture description operator[J]. Chinese Journal of Scientific Instrument, 2014,35(10):2306-2312. doi: 10.3969/j.issn.0254-3087.2014.10.020
[7]	刘铁根, 王云新, 李秀艳 , 等. 基于手背静脉的生物特征识别系统[J]. 光学学报, 2009,29(12):3339-3343.
	Liu Tie-gen, Wang Yun-xin, Li Xiu-yan , et al. Biometric recognition system based on hand vein pattern[J]. Acta Optica Sinica, 2009,29(12):3339-3343.
[8]	Trabelsi R B, Masmoudi A D, Masmoudi D S . A novel biometric system based hand vein recognition[J]. Journal of Testing and Evaluation, 2014,42(4):809-818.
[9]	王云新 . 基于手背静脉与虹膜的生物特征识别方法研究[D]: 天津:天津大学精密仪器与光电子工程学院, 2009.
	Wang Yun-xin . Research on biometric recognition method based on hand vein and iris[D]: Tianjin: School of Precision Instruments and Optoelectronics Engineering, Tianjin Unversity, 2009.
[10]	Wang R, Wang G, Chen Z , et al. A palm vein identification system based on Gabor wavelet features[J]. Neural Computing & Applications, 2014,24(1):161-168. doi: 10.1007/s00521-013-1514-8
[11]	Han Tuo, Wang Zhi-yong, Yang Xiao-ping. Dorsal hand vein recognition based on Gabor multi-orientation fusion and multi-scale HOG features [C]//Optics in Health Care and Biomedical Optics VII, Beijing, China, 2016: 1002438.
[12]	王一丁, 姜楠, 李克峰 . 一种基于双PCA的动态空间手背静脉图像合成方法[J]. 计算机研究与发展, 2014,51(10):2302-2307. doi: 10.7544/issn1000-1239.2014.20130822
	Wang Yi-ding, Jiang Nan, Li Ke-feng . Dynamic spatial synjournal of dorsal hand vein images based on PCA[J]. Journal of Computer Research and Development, 2014,51(10):2302-2307. doi: 10.7544/issn1000-1239.2014.20130822
[13]	杨文文, 毛建旭, 陈姜嘉旭 . 基于分块LBP和分块PCA的指静脉识别方法[J]. 电子测量与仪器学报, 2016,30(7):1000-1007. doi: 10.13382/j.jemi.2016.07.003
	Yang Wen-wen, Mao Jian-xu , Chen Jiang-jia-xu. Finger vein recognition based on block LBP and block PCA[J]. Journal of Electronic Measurement and Instrumentation, 2016,30(7):1000-1007. doi: 10.13382/j.jemi.2016.07.003
[14]	林森, 吴微, 苑玮琦 . 子区域局部相位量化在掌脉识别中的应用研究[J]. 仪器仪表学报, 2014,35(3):543-549. doi: 10.3969/j.issn.0254-3087.2014.03.008
	Lin Sen, Wu Wei, Yuan Wei-qi . Study on the application of sub-region local phase quantization in palm vein recognization[J]. Chinese Journal of Scientific Instrument, 2014,35(3):543-549. doi: 10.3969/j.issn.0254-3087.2014.03.008
[15]	贾明兴, 杜俊强, 宋鹏飞 , 等. 基于不同分块多特征优化融合的人脸识别研究[J]. 东北大学学报:自然科学版, 2017,38(3):310-314. doi: 10.3969/j.issn.1005-3026.2017.03.002
	Jia Ming-xing, Du Jun-qiang, Song Peng-fei , et al. Face recognition based on multi-feature optimization fusion of LBP, LPQ and Gabor with multi-scale blocks[J]. Journal of Northeastern University(Natural Science), 2017,38(3):310-314. doi: 10.3969/j.issn.1005-3026.2017.03.002

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

降维维数k	贡献率/%	识别率/%
50	88.63	93.0
100	97.91	96.5
150	99.39	98.0
200	99.76	98.5
250	99.89	98.5
300	99.94	98.5

特征提取方法	维数	识别率/%	识别时间/s
Gabor	230400	95.50	1280
小波分解+Gabor	3600	98.50	19.542
本文方法	200	98.50	1.350

特征提取方法	识别率/%	特征提取方法	识别率/%
LBP	95.0	2DFLD	95.75
LPQ	96.25	SIFT	96.5
2DPCA	94.5	本文方法	98.5

基于优化纹理特征的手背静脉识别系统

Dorsal hand vein recognition system based on optimized texture features

RICH HTML

PDF (PC)

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 15

相关文章 15

Metrics

本文评价

推荐阅读 10

[1]	王楠,李金宝,刘勇,张玉杰,钟颖莉. TPR⁃TF:基于张量分解的时间敏感兴趣点推荐模型[J]. 吉林大学学报(工学版), 2019, 49(3): 920-933.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.