基于纹理特征优化LPQ 的手背静脉提取方法

吉林大学学报(信息科学版) ›› 2019, Vol. 37 ›› Issue (3): 273-277.

基于纹理特征优化LPQ 的手背静脉提取方法

张喆原^a，b，刘富^a，b

吉林大学a．汽车仿真与控制国家重点实验室; b．通信工程学院，长春130022

收稿日期:2019-03-11 出版日期:2019-05-20 发布日期:2019-06-21
作者简介:张喆原( 1994— ) ，男，长春人，吉林大学硕士研究生，主要从事模式识别与智能系统研究，( Tel) 86-18844076407( E-mail) zheyuan16@ jlu． edu． cn; 刘富( 1968— ) ，男，吉林农安人，吉林大学教授，博士生导师，主要从事模式识别与智能系统研究，( Tel) 86-13800022222( E-mail) liufu@ jlu． edu． cn。
基金资助:
国家自然科学基金资助项目( 61503151) ; 吉林省青年科研基金资助项目( 20160520100JH) ; 吉林省省级产业创新专项基金
资助项目( 2017C032-4; 3J117Ｒ015420)

Optimized LPQ Method for Extracting the Dorsal Vein of Hand

ZHANG Zheyuan^a，b，LIU Fu^a，b

a． National Key Laboratory for Automotive Simulation and Control; b． College of Communication Engineering，Jilin University，Changchun 130022，China

Received:2019-03-11 Online:2019-05-20 Published:2019-06-21

摘要/Abstract

摘要： 针对传统LPQ( Local Phase Quantization) 特征提取算法在提取手背静脉图像时存在提取细节特征不完整的问题，依据静脉纹理图像的特点将区域划分为子块分别进行LPQ 特征提取。首先，将手背静脉纹理图像分成9 个大小相等的子图像; 然后，分别采用LPQ 特征提取算法对手背静脉进行特征提取，将各子区域提取的静脉纹理信息进行整合形成整张静脉图像的向量特征，最后，使用最近邻分类器将样本进行分类实验，实验结果表明，在分块数为4 × 4 时获得最高识别率96． 50%。

关键词: 手背静脉识别, 特征提取, 相位量化, 图像处理

Abstract: Aiming at the problem that the traditional LPQ( Local Phase Quantization) feature extraction algorithm can not extract the details of the hand vein image，the region is divided into sub-blocks for LPQ feature extraction according to the characteristics of the vein texture image． Firstly，the back vein texture image is divided into 9 equal-sized sub-images． Then，the LPQ feature extraction algorithm is used to extract the features from the dorsal vein of the opponent，and the extracted vein texture information extracted from each sub-region is integrated to form a whole vein image． The vector feature is then classified using the nearest neighbor classifier to the samples in the dataset． The experimental results show that the highest recognition rate is 96． 50% when the number of blocks is 4 × 4．

Key words: hand vein recognition, feature extraction, phase quantization, image processing

中图分类号:

TP391． 4

张喆原, 刘富. 基于纹理特征优化LPQ 的手背静脉提取方法[J]. 吉林大学学报(信息科学版), 2019, 37(3): 273-277.

ZHANG Zheyuan, LIU Fu. Optimized LPQ Method for Extracting the Dorsal Vein of Hand[J]. Journal of Jilin University (Information Science Edition), 2019, 37(3): 273-277.

[1]	高宏宇, 黄文丽, 董宏丽, 李佳慧, 吴宇墨. 忆阻神经网络图像处理综述[J]. 吉林大学学报(信息科学版), 2019, 37(2): 127-133.
[2]	李温温, 王吉彬. 基于PCA 的指节纹图像全局特征提取与识别[J]. 吉林大学学报(信息科学版), 2019, 37(1): 75-79.
[3]	韩东, 王学军. 基于改进的卷积神经网络多姿态人脸识别研究[J]. 吉林大学学报(信息科学版), 2018, 36(5): 504-509.
[4]	任瑞治，顾玲嘉. 基于Matlab的数字电视原理实验教学研究[J]. 吉林大学学报(信息科学版), 2018, 36(4): 403-408.
[5]	商微微,任桐慧 . 直喷汽油机喷雾图像特征提取方法[J]. 吉林大学学报(信息科学版), 2017, 35(6): 617-622.
[6]	王浩畅,李钰,李斌,吴旻. 基于集成特征选择策略的基因共表达模式识别[J]. 吉林大学学报(信息科学版), 2017, 35(5): 525-532.
[7]	徐志刚, 李文文. 基于多字典 L1/2 正则化的超分辨率重建算法[J]. 吉林大学学报(信息科学版), 2017, 35(3): 354-362.
[8]	王贺,邓茂云,姜守坤,李明明,宗宇轩,刘富 . 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.
[9]	叶昕,王鏐璞 . 基于 ARM 的印版密度检测系统设计[J]. 吉林大学学报(信息科学版), 2016, 34(6): 787-791.
[10]	杨晓萍,胡玉,张凯 . 基于 FPGA 的视频拼接技术研究[J]. 吉林大学学报(信息科学版), 2016, 34(6): 709-715.
[11]	郭卉笑, 王鏐璞. 基于 LBP 和 KNN 的视频纹理识别算法[J]. 吉林大学学报(信息科学版), 2016, 34(5): 692-696.
[12]	千承辉, 王政, 左濂锐, 李春生, 刘昊明. 基于人眼识别的防疲劳驾驶系统设计与研究[J]. 吉林大学学报(信息科学版), 2016, 34(4): 522-527.
[13]	范延军, 张为公. 基于双向窗口特征提取技术的车道线检测算法[J]. 吉林大学学报(信息科学版), 2015, 33(4): 485-.
[14]	申铉京, 孙雨, 李志强. 基于手机和GSM的远程自动视频监控系统[J]. 吉林大学学报(信息科学版), 2015, 33(3): 305-309.
[15]	李志军, 陈雪, 李志刚, 顾海军. 基于梯度投影的视频跟踪算法[J]. 吉林大学学报(信息科学版), 2014, 32(5): 458-464.