真实环境下手指静脉识别与模板保护基本理论研究

Due to the advantages of accuracy, security, liveness recognition as well as inner feature, finger vein recognition has been intensively studied. However, finger vein recognition has a serious challenge in practical application: first, many factors can degrade the finger vein recognition accuracy; second, finger vein feature can be faked that affects the system’s security. Both aforementioned problems limit promotion and application of finger-vein recognition. To this end, based on the theory and method in image processing and machine learning, we propose a project to improve practicality and robustness of finger-vein recognition system. It consists of finger vein image quality assessment, template update and protection. Specifically, the main research targets inlude the quality assessment method of enhanced finger vein image, finger vein binary image quality assessment method, the fusion theory based quality assessment method, image quality assessment based finger vein recognition, template update and protection, as well as the presentation of a theoretical finger vein system framework. The successful implemention of project will enhance the performance, promotion and application of finger vein recognition. Therefore, this research is important both from theoretical and practical perspectives.

手指静脉特征识别技术因其具有高精度、高安全性、活体识别和内部特征的优势受到越来越多的关注。然而，在实际应用中，手指静脉识别技术面临着严峻的挑战。一方面，实际应用中的多种因素会降低识别系统的识别精度；另一方面，手指静脉特征能够被成功伪造，使得系统安全性受到威胁。这一现状成为制约手指静脉识别技术推广应用的主要瓶颈。本项目从提高手指静脉识别系统实用性及鲁棒性出发，结合图像处理和机器学习的理论与方法，研究实际应用环境下手指静脉图像质量评估、模板更新和保护的深入理论与实现方法。具体内容包括手指静脉增强图像的质量评估，手指静脉二值图像的质量评估，基于融合理论的质量评估，基于图像质量评估的手指静脉识别，并对注册模板进行更新和保护，建立手指静脉图像质量评估、模板更新和保护的完整理论框架。项目的成功实施，将对手指静脉识别系统的性能改善及实际的推广应用产生积极影响，具有重要的理论意义和工程应用价值。

手指静脉识别技术具有巨大的潜力和良好的应用前景，受到越来越多的关注。然而，手指静脉识别技术仍面临着两个严峻的问题。一方面，实际应用中的多种因素会降低识别系统的识别精度；另一方面，伪造的手指静脉特征已经能够成功地攻击认证系统。为了解决该问题，本项目对手指静脉图像质量评估算法，手静脉识别算法，注册模板选择和更新方法，以及手指静脉图像的防伪理论进行了研究。主要贡献和创新性总结如下。1）在手指静脉图像质量评估方面，首先提出了利用Radon变换来评估灰度图像的质量，然后设计了三个函数来计算二值图像的质量分数，最后利用SVM 对输入图像的质量进行评估。为了进一步提高性能，提出利用深度卷积神经网络对灰度图像和二值图像的质量进行评估。由于深度卷积神经网络具有强大的特征表达能力，因此该算法能够对手指静脉图像的质量进行有效评价。2）在手指静脉认证方面，提出了基于Radon空间曲率的手指静脉认证算法。通过对图像进行分块Radon变换，手指静脉的谷形特征得到进一步增强，同时噪声也得到抑制。因此，通过计算谷形的曲率能够有效提取静脉特征，提高认证系统的精度。在香港理工大学手指静脉图像数据上，该算法将等率降低到2.86%。实验中，也研究了基于质量评估的手指静脉模板选择方法。另外，为了实现低质量静脉特征的提取，提出了基于卷积神经网络的图像分割算法。在此基础上利用全卷积神经网络对提取的静脉特征进行复原，得到更为鲁棒的手指静脉特征，进一歩提高了认证精度。3）提出了基于最小二乘法的模板产生和更新算法，实现对注册模板性能改进和有效更新。4）针对手指静脉特征被伪造的问题，提出了一种基于受限波尔滋曼机的假手指静脉图像识别算法。首先利用受限波尔滋曼机提取深度特征。然后，对各层的深度特征进行融合得到多层次特征，并将其输入到随机森林中进行分类。在公用的数据库上的实验结果验证该算法的有效性。本项目发表论文21篇（CCF A 类论文1篇， CCF B类论文1篇， CCF C 类论文3篇），申请发明专利5项，授权专利5项，出版学术专著1部，资助1人到国外展开学术合作与交流，在该领域形成了良好的国际国内影响力。