中国工程论文网
代写工程论文
当前位置:工程论文网 > 系统工程论文 > 基于DSP的手背静脉识别系统研究

基于DSP的手背静脉识别系统研究

时间:2016-10-11 13:07来源:www.e-lunwen.com 作者:lgg 点击:
本文是系统工程论文,本文提出了一种基于特征点距离的手背静脉特征融合算法,具体方法为 7 个不变矩和豪斯多夫距离融合方法。
第 1 章  绪论 
 
对于身份的认证与识别,生物识别技术变得越来越受人们的关注[1]。到目前为止,生物识别技术大多数选用人脸、虹膜、指纹、手掌、静脉等人体特征,并且有的研究成果已经逐渐成熟,其中指纹识别技术已经走向商业化[2]。任何一种生物识别技术都必然存在它的局限性,虹膜识别需要特定的采集环境[3],人脸识别的识别率较低[4],手形识别易伪造[5]。由于手背静脉特征具有非接触式等特点,所以在生物识别领域具有非常重要的研究意义[6]。本章主要介绍了手背静脉识别技术的背景及意义、国内外的研究现状,手背静脉识别系统等。
 
1.1 生物特征识别技术 
生物特征识别技术(Biometric Identification Technology)是一种通过人体固有特征进行身份识别的技术[7],生物特征识别技术具有唯一性、稳定性、可采集性、可接受性等诸多优点。它由原来仅能出现在安全级别非常高的场所和军事上,到现在已经逐步走向商业化,涉及领域非常广泛,主要应用在政府、银行、军队、电子商务、医院等。到目前为止生物特征识别技术包括:视网膜识别、语音识别、指纹识别、虹膜识别、掌纹识别、人脸识别等 20 多种生物识别特征技术[8]。几种生物特征识别技术如图 1.1 所示。 根据人体各部位的差异,可以提取不同的特征进行识别认证。每种生物识别技术在各个领域都有所应用,并且都存在它的优缺点。下面以视网膜识别等几种生物识别技术为例进行介绍分析,可见在现实生活中人体生物识别技术的应用是如此广泛[9]:视网膜识别技术是指通过激光照射眼球的背部,捕捉到血液细胞并验证其唯一性。至今为止,视网膜投影技术、视网膜扫描技术、视网膜锁定对准技术等皆已成为社会的研究热点,并且视网膜技术已经应用在手机屏幕、门禁等领域。视网膜技术不受磨损、老化或疾病等影响,无须与设备接触,因为视网膜的不可见性,一般很难被伪造。视网膜的缺点在于成本较高,并且通过激光照射眼球背部可能会影响使用者的健康,这显然是该技术的一大弊端。 
.........
 
1.2 课题的国内外发展现状
相对于上面列举的几种生物识别技术,手背静脉识别被认为是模式识别与智能系统中难度较大的生物识别技术,并且逐渐成为了新的研究热点之一,所以对人体背静脉识别技术的研究具有很大的实际意义[15]。手背静脉识别是通过手背静脉采集装置采集人体的手背静脉图像,再对采集到的图像用软件在 PC机上进行预处理,从而得到手背静脉特征,最后通过提取的特征进行匹配识别。 在诸多生物识别技术中,选取现实生活中较为常见的四种生物识别技术进行对比,如表 1.1 所示。通过表的对比,基本可以得出结论:在诸多生物识别技术中,静脉识别技术是不可伪造的,易被用户接受并且适用范围广泛。静脉识别主要是通过人体静脉血管的结构进行身份的识别与认证。静脉识 别技术就是利用静脉识别仪器来获取人体静脉血管的结构[16]。因为每个人脂肪 的厚度及肤色的不同,所以不同人的手背静脉图像在自然光下存在较大差异, 从而导致很难分辨出手背静脉的纹路。为了解决这个难题,采用近红外成像的方法获取手背静脉图像[17],其原理为:红外光波长为 0.75m-1000m之间,总共分为远红外、中红外和近红外三部分,其中近红外波长为 0.75-1.5 ?m,根
据肌肉组织和骨骼的特点,当入射近红外线时静脉识别仪器可以很好地穿透肌肉和骨骼,而血液中的血红蛋白能够较多的吸收近红外光谱,如图 1.2 所示,最终照射出清晰的手背静脉图像。 
.......
 
第 2 章  基于 Hu 不变矩的手背静脉识别算法 
 
本章主要介绍了手背静脉图像预处理的过程及基于 Hu 不变矩的识别算法,给出基于 Hu 不变矩识别算法的实验结果。本文采用的是 Mohamed Shahin博士的手背静脉图像库,该系统采集的手背静脉图像背景单一,适合后续的图像处理与手背静脉识别算法的仿真。 
 
2.1 手背静脉图像预处理 
手背静脉图像预处理过程包括图像二值化、有效区域部分(ROI)提取、图像分割、图像的细化及细化后去毛刺等处理[37]。因为图像预处理结果的好坏直接会影响手背静脉特征的提取与匹配,所以本文通过对比图像阈值分割法和Ni Black 算法,最终采用 Ni Black 算法,并选取了最佳阈值。为了方便图像后续处理,本文在手背静脉图像 ROI 提取之前先对图像进行二值化处理,使手背静脉部分与背景部分区分开。本文提取的有效区域部分实际上就是手背静脉图像的最大内接矩形。本文采用的图像是 Mohamed  Shahin博士的手背静脉图像库,库中原始图像为 320×240 像素,由于各实验需求不同,最终选取有效区域的大小也有所不同,有效区域部分提取之后本文需要对手背静脉图像进行归一化处理,使手背静脉 ROI 图像归一化为 100×100 像素。其中图 2.1(a)为手背静脉原图像,图 2.1(b)为手背静脉二值化图像,图 2.1(c)为手背静脉 ROI 提取图像。 
.......
 
2.2 基于 Hu 不变矩的手背静脉识别算法
因为 Hu 不变距不受图像平移、旋转或者比例变化的影响,所以细化之后可直接匹配,运行时间较短。本节详细介绍了 Hu 不变距的识别算法。任何一套完整的系统都需要一定的评价标准,针对于手背静脉识别系统,拒识率(False Rejection Rate, FRR)和误识率(False Acceptance Rate, FAR)是检验实验结果的标准。拒识率是指错误拒绝的次数占所有合法用户试验次数的概率。误识率是指错误识别的次数占所有非法用户试验次数的概率。理想中的识别系统是 FRR 和 FAR 尽量小,但在实际应用中,FRR 和 FAR互相制约,FRR(FAR)的下降就会导致 FAR(FRR)的上升,反之亦然。为了寻求二者之间的平衡,更好的反应拒识率和误识率之间的关系,本文选取一 组阈值序列 ( 1,2... )iT ik ,每个阈值对应一个 FRR 和 FAR。不变矩特征量化算法的概率密度分布图如图 2.8 所示。 从图 2.8 中可以看出,类间匹配和类内匹配的峰值不同,类间匹配的峰值范围在 0~4 之间,类内匹配的峰值范围在 4~15 之间,并且类间匹配和类内匹配的重合部分面积较小,但是类内匹配的分布图峰值不是很清晰。由此可以得出结论:不变矩特征量化算法可以区分手背静脉,但却没有达到最佳状态,所以需要利用豪斯多夫距离法和不变矩特征量化法进行算法的融合从而达到最佳状态。 
.......
 
第 3 章  基于特征融合的手背静脉识别算法 ..... 19 
3.1 手背静脉特征点提取 ...... 19 
3.2 基于豪斯多夫距离的识别算法 .... 20 
3.2.1 豪斯多夫距离算法概述 .......... 20
3.2.2 实验结果 ...... 21 
3.3 基于特征融合的识别算法 ..... 22 
3.3.1 特征融合的算法概述 ....... 22
3.3.2 实验结果 ...... 22 
3.4 本章小结 ..... 24 
第 4 章  基于 DSP 手背静脉识别系统的实现 .... 25 
4.1 系统的硬件设计 ....... 25 
4.2 系统的软件设计 ....... 30 
4.3 本章小结 ..... 34 
第 5 章  系统的软件调试及实验结果分析 ......... 35 
5.1  图像显示工具 .... 35 
5.2 实验结果分析 .... 36 
5.2.1 预处理实验结果 ........ 36 
5.2.2 特征提取与匹配结果分析 ...... 37 
5.3 本章小结 ..... 43 
 
第 5 章  系统的软件调试及实验结果分析 
 
本章主要介绍了 CCS 软件中较为常见的图像显示工具,根据系统的软件调试,针对图像预处理的实验结果、特征提取与匹配的实验结果做出了分析,并给出基于 DSP 算法移植后各功能模块的实验结果图像。 
 
5.1  图像显示工具 
针对 DSP 的软件调试,CCS 开发环境为其提供了较为丰富的调试工具,而常用的系统显示工具为时域频域显示工具和图像显示工具两种,由于本文未用到时域频域显示工具,所以本章仅介绍图像显示工具。图像显示工具的目的在于系统调试过程中可随时查看生成的图像,方便了系统的软件开发,缺点是显示图像速度较慢,若系统运行时间过长显示时间也会更长。在上位机上显示一幅 240*320 的图像大致需要 1 分钟时间。图像显示需要调用 CCS 软件中的图像窗口,其打开步骤为 CCS->View->Graph->Image,设置窗口为 5.1 所示。Color Space:因为需要显示的图像格式为 BMP,所以这里选择 RGB 模式; Star Address-R Source、Star Address-G Source、Star Address-B Source:图像 R、G、B 分量的首地址,因为本文需要显示的是灰度图像,所以 R、G、B分量的起始地址设置相同; 针对手背静脉图像预处理的实验结果图,主要内容包括:图像二值化、有效区域部分提取、图像分割、图像去噪、图像细化与细化后去毛刺等处理。其中,图像二值化使手背静脉部分与背景部分区分开,算法移植图像如图 5.3 所示;原图像为 320×240 像素,本文选取有效区域部分为 100×100 像素,算法移植图像如图 5.4 所示。 
.........
 
总结
 
随着信息化社会的发展,手背静脉识别技术逐渐成为新的研究热点之一。本文首先介绍了生物特征识别技术,通过对比现有的生物特征方法,分析了手背静脉研究的背景及意义,详细介绍了手背静脉识别算法的发展现状及现有手背静脉采集方案。由于市场对嵌入式系统的需求越来越高,本文设计了一套基于 DSP 的手背静脉识别系统,主要研究内容分别为手背静脉识别算法的研究及基于 DSP 的手背静脉识别系统的实现。因为基于模板匹配的传统识别方法计算量非常大,使得在 DSP 算法移植时带来了很多麻烦,并且只提取一种特征,必然会对识别率造成影响,所以本文提出了将两种简单算法融合的思想。以下为本文的主要研究内容: 
(1)针对于采集到的图像,本文先后对手背静脉进行图像预处理,特征提取以及匹配识别。其中,图像预处理包括有效区域部分(ROI)的提取、图像分割、去噪、图像细化以及细化后去毛刺等;然后提取手背静脉的端点及交叉点;最后利用豪斯多夫距离法求出特征点之间的距离,由于提取单一特征会导致最终识别率较低,所以利用 Hu 的 7 个不变矩方法与豪斯多夫距离法进行融合,求出最终较好的实验结果。该部分为手背静脉识别算法的研究,针对本系统的核心处理器,设计了一套基于 Matlab 的手背静脉识别系统。 
(2)本文通过对比几款 DSP,最终选取 DM642 芯片作为系统的核心处理器,围绕该处理器详细阐述了存储模块、图像输入输出模块及图像采集模块等,该部分为本系统的硬件设计。接下来详细地介绍了本系统 Code  Composer Studio 的软件开发环境,DSP/BIOS 操作系统的介绍,最后设计了基于 DSP 的手背静脉识别系统的程序框架,该部分为本系统的软件设计,为本文成功完成后续基于 DSP 的手背静脉识别算法的移植做出铺垫。 
(3)本文完成了基于 DSP 的手背静脉识别算法的移植,根据这两种较为简单的移植算法,能够成功地区分是否为同一人的手背静脉识别。判别方法为:选取同人不同张的图像作为待认证图像 1,再选取不同人的一张图像作为待认证图像 2,分别与待认证图像进行对比实验,两组实验设定不同阈值,当算法求出来的值小于或等于阈值时认为是同人,大于阈值时认为是非同人。该部分为基于 DSP 的手背静脉识别系统的实现,具有较大的实用意义。 
.........
参考文献(略)
(责任编辑:gufeng)
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
栏目列表
点击提交代写需求
点击提交代写需求
点击提交代写需求
推荐内容