石头:2229 - 371 x
访问更多的相关文章全球研究计算机科学杂志》上
掌纹识别已经调查了10多年,在掌纹、指纹或虹膜数字,生物识别的个人可以通过手的血管。本文概述了当前生物识别系统技术基于手静脉。我们首先检查组件模块包括他们采用的算法。最后,准确的总结报告的调查结果也提供和提供一些建议
关键字 |
手静脉、棕榈、背、手指和生物识别系统。 |
介绍 |
生物识别技术是测量分析生物数据的科学和技术。在信息技术、生物识别技术是指技术,测量和分析人体特征进行身份验证的目的[21]。人类认识到彼此的不同特点。生物识别技术提供自动身份验证或鉴定的原则方法可测量的生理或行为特征,如指纹或声音等。 |
手掌静脉模式figure1.1和1.2所示是独一无二的每个个人和不受老化影响,削减,疤痕,纹身,也不是肤色影响扫描的结果。手掌静脉模式是独特的甚至在同卵双胞胎中,血管模式个人手掌的手掌静脉身份验证的功能。血液富含氧气通过动脉进入手中,然后再通过静脉向心。氧气耗尽的血是不一样的吸收过滤动脉吸收近红外波长的光。手与红外光照明时,静脉出现黑色。记录为一个“身份证”数据库,并在身份验证可以用于比较。没有办法作弊,因为他们无法“开枪”的静脉。血管网络是每个人特有的:即使是同卵双胞胎是不同的。据富士通140000手掌相比,组织错误接受率(人验证一些人)than0.00008%较小。没有接触在认证和指纹一样雷竞技网页版,所以没有卫生问题。 However, the method is still too recent to be properly assessed. The scanner is relatively bulky compared to fingerprint sensors. |
一只手操作VEINS-BASED生物识别系统 |
生物识别系统有两个目的:身份验证和识别。如图2所示。 |
验证: |
它允许证明(确保)声称用户的身份。 |
标识: |
它允许用户决定哪些最适合的人认识到。实际上增加了能力检查用户是否属于数据库。根据比较结果,声称身份被接受或拒绝。 |
检验报告 |
阈值(去除噪声): |
在[12],他们使用了高斯低通滤波器(3 * 3)和高通(11 * 11)获得良好形象静脉模式。其他人则倾向于使用中值滤波(5 * 5)代替高斯[13],[14],[15]在高斯滤波器的情况下删除一些需要边缘,作为替代保存边缘的中值滤波。[19] |
另一方面,[4],[2],[17]使用两个过滤器:低通高斯组件来降低图像高频(黑像素),中等(5 * 5)去除斑点(小的工作出现在图像纹理)。另一个技术是适应in8;为了消除噪声和脊波变换突出的静脉。在[8],他们使用匹配滤波器,维纳滤波器,平滑滤波器消除噪声,获得清晰的静脉。 |
二值化: |
存在一些技术的二值化。事实上[2 - 5],[7],[8],[16],使用本地基于相邻像素的阈值,因为它提供了更好的结果相比,全球threshold8 11使用另一种类型的自动大津阈值,需要短处理time9。一个二值化的方法,是应用的k - means k = 2(底部和手)。 |
特征提取: |
一些研究人员把这个模块分成两步提取静脉然后提取细节;有时我们只能发现静脉特征的提取。 |
提取静脉: |
当地的阈值给好的结果;尤其是很使用[1 - 5],[10],[12],[13],[16]应用小波变换对静脉进行定位。其他人使用二次function6,为主要优势的原因,减少矩阵的大小;直接影响了处理时间classification6-7。采用大津法已广泛用于文档的二值化;它经常给最好的结果和快速。柯列斯基分解和兰索斯算法用于减少处理时间。时,基于直方图均衡化;这使得黑像素出现深色和明亮的像素出现光明。得到正确的阈值的直方图。 |
提取的细节: |
穿越数用于提取更多属性静脉[5],[9],[10][20]使用霍夫变换来隔离的终点之后用于分类[14]。如图1.3所示。 |
分类: |
比较提取静脉(s)的形状大小的参考(s)[4],[16],[3],[10]的豪斯多夫距离使用,测试结果显示,所有数据库中的静脉模式图像正确认识到[4],[6],[7],[10]。使用欧氏距离,远远的错误率和FRR仍减少。Others11使用细节三角测量的方法,从细节可以形成三角形(分岔点和结束点)。然后得分是由计算三胞胎的数量分岔和结束点的输入图像,并与三胞胎和结束点的数目是存储在数据库中。另一种方法是使用,严格登记,这表明,右手和左手的人是不相同的。表1。调查:手掌静脉生物识别技术,跟踪表中,我们引用一些作品,研究了在手掌静脉。框标注/想说这项技术并不是在[17]中提到的引用,filter-GSZ电击是用来消除噪声,提高轮廓[18]。正确使用高斯滤波器的对比图像的高斯滤波器用于高通强度提高。在[17],他们基于伽柏滤波器来提取的特征纹理的形式。其他人则喜欢用当地阈值“筛选”。 In [18] extract the hand and palm vein doing like[15], and showed the effectiveness of this method for binarization. Another technique, which is the multi-level thresholding was applied in[20].In[17], they used the Gabor filter to extract the veins, then they made a skeletonization to better visualize the veins and they used K-NN to classify individuals where used another technique which is the correlation coefficient; it is widely used in image processing. By cons adopted the method of TOH et al in[16] |
增强: |
使用一个过滤器的改善image6。In17,中值滤波器(5 * 5)被用于改善图像质量。中值滤波和另一个特殊应用(3 * 3)手指静脉检测后消除所有单点(从image17背景)中不需要的噪声。In18,他们使用高斯滤波器来消除噪声,如灰尘、图像二值化、中值滤波和迭代标签连接组件因为这张照片仍然包含点不属于手指静脉。 |
![]() |
![]() |
![]() |
结论 |
在生物系统中,需要考虑的两个重要条件:结果和处理时间的准确性。正是因为这一原因,本文提出了一种先进的生物识别技术静脉的手,发现和研究不同的算法。进一步也已经得出结论然后融合手掌静脉与另一个功能会增加准确性。 |
引用 |
|