面向低质量图像的手指静脉识别关键问题研究

As a new personal identification technology, finger vein recognition has high identification accuracy and strong security performance, which can be used in not only military bases, i.e. magazines, but also civil field, i.e. banks, and thus have valuable military and civil applications. The main problem facing currently is the low recognition performance caused by low-quality finger vein images. Therefore, a representative large database of low-quality finger vein images will be built in this work firstly, to be used for algorithm simulation and achievement evaluation. Then a modified binary tree model will be proposed to represent finger vein pattern based on the physiological characteristic of finger vein in low-quality images, which can describe the relationship and spatial structure of vein branches quantitatively. This model can help to explore the distribution regularities and structure differences of finger vein in low-quality images, and has important significance for achieving complete extraction and flexibility matching of finger vein pattern. Then on the basis of the former research on image enhancement and segmentation of finger vein, we will propose a restoration algorithm of finger vein pattern based on the modified binary tree model, to solve the problem of complete extraction of finger vein pattern in low-quality images. Finally, a pattern matching algorithm of finger vein based on modified binary tree model will be proposed to improve the robustness of finger vein recognition algorithms for low-quality images. This work can help to improve the performance of finger vein recognition for low-quality images, and promote the academic research and practical process of finger vein recognition.

手指静脉识别作为一种新型身份认证技术，识别精度高、安全性能强，既可用于弹药库等军事重地，又可广泛用于银行等民用场所，军用和民用价值极大。低质量静脉图像易导致识别性能下降，是当前面临的主要难题。本项目首先构建具有代表性的大型低质量手指静脉图像数据库，用于算法仿真和成果评价；然后结合低质量图像特性和静脉生理结构，提出修正二叉树模型，定量描述静脉分支的相互连接关系及空间结构，有助于探究低质量图像的静脉分布规律和结构差异，对实现静脉纹路的完整提取和静脉特征的灵活匹配有重要意义；接着在完善前期静脉图像增强与分割算法的基础上，提出基于修正二叉树模型的手指静脉纹路修复算法，解决低质量图像下完整静脉纹路提取的难题；最后提出基于修正二叉树模型的手指静脉匹配算法，提高面向低质量图像的手指静脉识别算法的鲁棒性。通过本项目的研究，有助于提高面向低质量图像的手指静脉识别性能，推动手指静脉识别的学术研究和实用化进程。

手指静脉识别防攻击能力强、安全性能高，是生物特征识别领域的研究热点。如何提高低质量图像下的识别性能，是手指静脉识别领域面临的重要挑战。本项目深入研究了手指静脉表示、静脉图像分割、静脉纹路修复和静脉特征匹配四项关键技术，取得了一些可以提高识别性能的研究成果，这些成果还可用于指纹识别、手掌静脉识别等相关领域，主要贡献和创新总结如下：（1）结合低质量图像深入分析手指静脉结构，指出了静脉线结构具有显著性和稳健性，可用于区分不同个体和认知同一个体，是识别的主要依据；提出了管径（静脉血管的直径）均一、结点复制、环路剖分和虚拟连接四项手指静脉结构简化准则，抽取易于表示的静脉线结构；在此基础上，提出了B样条二叉树（B-Spline Binary Tree，BSBT）模型，采用二叉树描述静脉各分支连接关系，采用B样条描述静脉各分支的空间结构，充分描述手指静脉的显著与稳健结构，有助于提高手指静脉识别性能。（2）在手指静脉图像分割方面，针对经典重复线跟踪（Repeated Line Tracking，RLT）方法在自适应能力和运算效率方面的不足，提出了一种自适应重复线跟踪（Adaptive RLT，ARLT）方法，提高了图像分割算法对静脉管径和图像对比度差异的自适应能力，降低了无效线跟踪引起的时间消耗，可以从低质量图像中提取细节丰富的静脉纹路，抑制了静脉真实纹路显著性的下降，为手指静脉的可靠识别奠定了基础。（3）手指静脉低质量图像分割过程难免存在纹路断裂和毛刺干扰现象，易引起识别性能下降。提出了一种基于BSBT模型的手指静脉纹路修复方法，依据BSBT模型的叶结点定位断裂纹路和毛刺，依据方向约束、方差约束和边界约束条件修复断裂纹路，依据BSBT模型的结点和长度属性剔除毛刺，可以增强手指静脉线结构的稳健性，有助于提高识别性能。（4）针对低质量图像下的受损静脉纹路引起的识别性能下降问题，提出了一种基于BSBT模型的手指静脉特征匹配方法，利用BSBT模型可以独立描述各静脉分支的性质，通过分段匹配和综合判决操作降低静脉纹路受损部分对特征匹配的影响，提高了低质量图像下的手指静脉识别性能。本项目组发表论文9篇，授权专利14项，出版学术专著5部，获国际发明展金奖2项、全国发明展金奖1项，形成了良好的国际国内影响力。