本文是一篇软件工程论文，本文主要研究的指静脉生物识别技术的形变矫正和特征提取算法，形变矫正和特征提取在无接触采集设备的程序中非常关键的部分。它们提高了系统中对形变图像和灰度不均图像的识别精度，改善了用户的使用体验。
第一章绪论
1.1研究背景及意义
随着社会信息化的发展，人们对于信息、财务、空间等安全问题更加注重，对于信息安全的需求日益增高。线上支付、政企打卡、自动取款系统、智能门锁等应运而生。而这些应用主要依靠身份认证系统运作。所以，身份认证系统的精确度和安全性能越来越受重视。
高度精确和安全的生物特征识别技术应运而生。生物特征识别技术是一种建立在生物特征的基础之上，结合信息和自动化而成的身份认证技术[1]。该技术以人体具有的特定的生物特征进行身份认证[2]，其生物特征是指唯一的、可测量或可认知的生理或行为特征[3]。一般来说生理特征是与生俱来的，如指纹[4]、人脸图像[5]、虹膜[6]、静脉[7]等，行为特征多为后天性的，如笔迹[8]、步态[9]等。生物特征识别技术能够有效地克服传统身份识别技术的缺点。
手指静脉识别技术具有识别精度高、活体识别、体内特征、速度快、非接触等优点，在现有的生物特征识别技术中具有明显的优势，广泛应用于工程及商业领域。手指静脉认证是一种生物识别技术，基于皮肤表面下纵横交错的静脉模式，每个手指和每个人都具有唯一性。手指静脉认证的三个主要优点如下：
（1）由于静脉隐藏在体内，因此几乎没有伪造或被盗的风险，并且皮肤表面状况对身份验证没有影响。
（2）红外光的使用可实现非侵入性，非接触式成像，从而确保用户体验的便利性和清洁度。
（3）静脉图案稳定且定义清晰，允许使用低分辨率相机捕获静脉图像，以进行小型，简单的数据图像处理。
软件工程论文参考
........................
1.2国内外研究现状
指静脉识别技术是一种以指静脉为生物特征的身份认证技术，手指静脉具有交叉、弯曲和延伸方向的差异，使得手指静脉特征具有唯一性。又由于指静脉位于手指内部，其活体性和安全防伪性使得其成为生物识别技术领域重要的组成部分。
指静脉识别技术最早起源于日本。1997年，日本的日立中央实验室（Central ResearchLaboratory of Hitachi，Ltd）是最早开始对指静脉识别技术进行研究的机构。日本医学研究者Kono于2000年首次提出使用指静脉血管进行身份认证[12]。2002年，日立将指静脉识别技术已应用于门锁等的门禁管理，2005年应用于ATM等金融领域的个人认证。日立公司逐渐将指静脉识别系统产品化，奠定了其在指静脉识别技术及其应用市场上不可逾越的地位。
日立公司为指静脉识别技术奠定了坚实的基础，吸引了日本许多研究者。指静脉识别技术顺势迅速发展，成为当时最热门的识别技术之一。2007年，这项技术被Yanagawa等人[13]进一步验证了指静脉血管的独特性，证明了指静脉血管可以作为个人的身份认证。同年，Miura等人提出了一种使用二进制图像中表示的手指静脉图案的认证系统[14]，而其他一些研究则使用了类似的框架[15-16]。日立中央实验室提出一种指静脉特征提取算法，克服了静脉宽窄不同和成像亮度不均匀的问题，在实验室收集的数据库中，基于手指静脉的个人认证可以实现非常低的错误率[15]。
随着全球化的发展，指静脉识别技术受到了更多国家的关注。2009年，韩国的Lee等人[17]提出了一种只基于静脉的端点和交叉点的特征，通过仿射变换进行匹配，大大缩短了识别时间。2013年，印度的Prabhakar等人[18]提出提出了一种基于提取细节特征和伪造细节来执行手指静脉识别的方法。2015年，来自伊朗的Fayyaz等人[19]提出了一种用于用户手指静脉认证作为生物识别系统的方法。同年，韩国的Tuyen等人[20]设计了一款红外指静脉成像仪。
...........................
第二章指静脉识别相关算法研究
2.1.指静脉识别基本流程
指静脉生物特征因其处于手指内部，具有天然的活体性和防伪性，因此成为生物特征识别中重要的成员之一。指静脉识别系统主要由图像采集卡、图像预处理识别、特征存储数据库结果输出单元组成，指静脉识别设备从结构上可以分为采集模块和识别模块。
如图2.1所示，采集模块通过近红外光照射到手指静脉。在手指和近红外光源之间有一个腔体，用户将手指伸入其中来完成采集动作。采集模块中通常在近红外光源照射到手指之前放置滤光片，用以约束光源的光照方向和亮度。然后通过镜头和红外传感摄像机获取指静脉图像，将图像传输到图像采集模块中的图像采集卡，从而采集指静脉图像信息。
软件工程论文怎么写
识别模块是对采集模块中获取的图像进一步进行计算和处理，包括图像采集、预处理、特征提取、特征注册和图像匹配。预处理步骤主要负责将采集到的图像进行统一化，主要包括图像的灰度和尺度上的归一化。预处理之后进行特征提取，特征提取通常分为基于静脉点和基于完整图像的特征来表示图像。在特征注册中，提取到的特征被存储到指静脉系统的数据库。图像匹配是在访问阶段，经过与注册阶段相同的步骤和方法获得特征后，将访问者的特征与系统中的注册特征进行识别与匹配。最后通过匹配，可以验证该访问人员是否为已注册人员并输出结果。
..........................
2.2.指静脉图像形变矫正算法研究现状
尽管已经进行了广泛的研究，但手指静脉识别的性能仍远远不够完善。最具挑战性的问题之一是形变的存在[52]。随着人们对卫生、用户体验需求的提高，以非接触方式捕获静脉图像的指静脉识别系统更能够让人们接受。
图像形变的原因在于，手指静脉图像通常以非接触且不受约束的方式捕获，这意味着手指被随机放置并在成像中未固定。并且在成像设备中，由于手指放置在IR光源和照相机之间的空间较大。综上，在无接触且不受约束的成像设备中，较大的自由空间使手指放置变化很大，将进一步导致图像形变。
在实验室图像捕获中，要求对象将他/她的手指自然水平地放在相机上。但是，由于不可避免的手指位置的微小变化，同一手指的图像中会存在小范围的形变，但会在不同的会话中捕获。实际上，在实际应用中可能没有针对手指放置的引导。手指放置的变化将更加复杂，并且导致图像形变的规模将更大。手指的移动会导致手指相对于相机的位置不同，而手指的运动可分为两种类型，即刚性手指运动和非刚性手指运动。
手指被视为一个刚性物体手指放置可以是一种刚性运动，也可以是两种或更多种的组合。刚性运动指的是正常伸直摆放的手指的水平位移，或竖直位移，如图2.4（a）所示。但由于手指中有三个关节，手指的活动灵活，难以标准化手指的动作，容易发生非刚性运动。手指的非刚性运动主要包括手指弯曲，如图2.4（b）所示，指尖翘起和指根翘起，如图2.4（c）和（d）所示。还有的情况是，手指的刚性运动可能伴随手指放置中的非刚性运动，从而导致更复杂和更大比例的图像形变。
.............................
第三章基于高斯滤波的指静脉图像形变矫正算法......................21
3.1.引言...................................21
3.2.几何形变检测及矫正算法的不足...............................21
3.3.基于高斯滤波的形变矫正算法..............................24
第四章基于个人最佳位码图的特征提取算法............................43
4.1.引言.....................................43
4.2.个人最佳位码图和最大曲率特征提取算法的不足................................43
4.3.基于个人最佳位码的特征提取算法................................................44
第五章总结与展望...........................55
5.1.工作总结..............................55
5.2.工作展望.....................................56
第四章基于个人最佳位码图的特征提取算法
4.1.引言
指静脉识别技术是当下生物识别技术中重要的组成部分。为了提高指静脉识别系统的识别精度，一般需要做到两点：一个是增大同类图像间的相似性；另一个是增大不同类图像间的差异性。然而由于采集设备问题和手指平移、旋转等不稳定因素，对同一根手指进行多次静脉图像采集时常常会有旋转、偏移、弯曲和光照不均等情况。由此造成采集的同根手指图像主体上相似，但在局部细节上有一定差异。而提高识别同类手指和不同类手指的图像精确性，其关键在于特征提取算法的鲁棒性。
MCM是一种基于静脉点的特征提取算法，该算法虽然可以在图像中获得清晰的静脉图案，但是在清晰度不高的静脉图像中却难以准确提取出静脉特征。PBBM是一种基于局部二值模式的特征提取算法，它通过获取训练图像的最佳位码图作为特征进行匹配，并提取多图像中的共同特征作为注册特征。该算法能够解决低质量图像中信息不足的问题，但往往对于细小的静脉分支的敏感度不高，导致其对静脉纹路细而灰度不均的图像特征提取效果便不够优良。
针对上述问题，本文提出一种基于PBBM特征提取的双阈值算法。首先，在特征提取中，先进行MCM特征提取和PBBM特征提取。对于低质量图像中较细纹路和模糊不清的纹路能够有效提取更为清晰的静脉特征。对于发生转动的手指图像，采取保留全图像特征信息的算法，以增加边缘信息和背景信息，并丰富特征信息。其次，在特征识别中，设置两个阈值作为系统的识别阈值。第一个阈值为在MCM特征上提取PBBM的特征识别中计算出的识别阈值。第二个为通过PBBM特征识别中计算出的识别阈值。最后，使用这两个阈值对图像进行判定，可以使系统更有效地降低错误匹配率，进一步提高手指静脉识别的准确率。
..............................
第五章总结与展望
5.1.工作总结
指静脉识别技术是一种以指静脉为生物特征的身份认证技术，由于手指静脉的弯曲、交叉和延伸方向的不同，使得手指静脉特征具有唯一性。又由于指静脉位于手指内部，其活体性和安全防伪性使得其成为生物识别技术领域重要的组成部分。
随着人们对卫生、用户体验需求的提高，以非接触方式捕获静脉图像的指静脉识别系统更能够让人们接受。然而无接触且不受约束的成像和较大的自由空间使手指放置随机性增高，进一步增大了图像形变的概率，也加大了图像特征提取的难度。
本文针对指静脉图像中手指位移、弯曲和旋转的形变问题，提出了GLDC算法。首先，由于采集设备问题，手指在图像中的位置随机性较大，为了矫正图像中手指的相对位置，在预处理中增加了ADC算法。该算法能够在矫正手指在图像中位置的同时，保留更多图像信息。
其次，由于关节具有宽度，且可能存在关节光照不均的情况。在矫正形变图像时，引入高斯滤波对图像进行处理，并采用滑窗定位手指关节位置，对手指关节的中心位置进行定位，解决了图像中多个关节位置定位困难和关节宽度高定位不准确的问题。然后，根据手指的关节位置筛选具有位移问题的图像，对图像进行矫正调整，增强图像的统一性。在矫正手指关节位置的基础上，对图像进行旋转问题图像的筛选，再采用改进的椭圆降采样方法对手指旋转图像进行矫正。最后，通过对比GAOFs和GADC算法，验证了ADC和GLDC算法的鲁棒性。
针对指静脉图像的灰度不均匀问题，提出了一种PBBMB特征提取算法，融合了基于局部和基于静脉点两种特征提取方法的优点，对于低质量图像能够提取出更加有效的特征。在PBBMB处理前，仍然使用了ADC算法对图像进行手指的位置矫正。在PBBM特征提取前增加了MCM图像增强步骤，采用双阈值策略作为系统的判定标准。实验证明，PBBMB算法与基于静脉点和基于全像素点的特征提取算法对比，能够保留更多的图像信息，一定程度上丰富了图像的特征信息量。与基于静脉点和基于全像素点的特征提取算法，以及前沿的特征提取算法做了对比实验。通过实验仿真结果，可以推断出本文所提出的PBBMB算法有效降低了识别系统的等误率，具有较好的稳定性和实用性。
参考文献（略）