[发明专利]腕部静脉认证系统

摘要

本发明提供一种腕部静脉认证系统，其特征在于包括图像采集模块、图像预处理模块、特征提取模块、识别模块；通过对采集图像预处理后，得到清晰特征明显的图像；通过分析多种图像特征提取方法，结合实际情况选用了主成分分析和小波分析进行图像特征提取；采用极限学习机对图像进行分类，经过多次试验结果对比，选择最佳参数，使识别率达到了95％以上。该系统，用图像信息的主成分与高频低频特征进行识别，具有操作简单，鲁棒性强的优点。

主权项

1.一种腕部静脉认证系统，其特征在于：包括图像采集模块、图像预处理模块、特征提取模块、识别模块；图像采集模块，通过手腕静脉采集装置采集手腕静脉红外图像；图像预处理模块，对采集的手腕静脉红外图像截取感兴趣区域后，对该区域采用均值滤波方法进行滤波处理，进行灰度化、归一化，并采用直方图拉伸的方法进行对比度增强处理；对采集图像截取感兴趣区域，具体为：截取待处理图像：去除掉原始图像的背景，记下手腕静脉与背景交界点的坐标，然后截取交界以内的区域作为待处理图片；待处理图像上截取训练和测试的图像块：待处理图象上随机取一点作为中心，以为边长截取一个图像块作为训练和识别的样本；特征提取模块，对预处理后的图像进行主成分特征提取、小波特征提取；主成分分析步骤为：S1、对原始数据进行标准化处理；S2、计算样本相关系数矩阵；S3、用雅克比方法求相关系数矩阵的特征值和相应的特征向量；S4、选择主成分，并写出主成分表达式；S5、计算主成分得分；S6、依据主成分得分的数据，提取得分高的主成分作为特征用于下面的分类中；识别模块，利用极限学习机对手腕静脉图像进行分类识别，用图像信息的主成分与高频低频特征，与手腕静脉特征数据库进行识别比对；极限学习机模型为：式中，j＝1,2,3…N，wi为所有输入与第i个隐层节点连接权重；wi＝[wi1,wi2,…,win]T；βi为所有输出与第i个隐层节点连接权重；βi＝[βi1,βi2,…,βim]T；利用小波分析提取特征具体为，对手腕静脉图像采样后，在一个大的有限频带中的一个信号，对这个信号进行小波多尺度分解，把采到的信号分成两个信号，即高频部分和低频部分；手腕静脉采集装置中，采用850nm和940nm波段混合作为照射光源，采用选择CMOS图像传感器，采用的是130万像素的USB网络摄像头，背景颜色设置为黑色。