基于二值局部特征的手指静脉识别方法研究的任务书.docx

基于二值局部特征的手指静脉识别方法研究的任务书
任务书：基于二值局部特征的手指静脉识别方法研究
背景介绍
随着信息技术的不断发展，生物识别技术作为安全认证、身份识别等领域的重要技术，已经逐渐被广泛应用，其中手指静脉识别作为一种非接触式的生物识别技术，其准确率、便捷性、实时性和安全性等方面优点，受到了广泛的关注。在手指静脉识别技术中，特征提取是关键环节之一，在不同的方法中，采用的特征提取方式不同，其准确率也存在差异。本研究旨在探究一种基于二值局部特征的手指静脉识别方法，提高手指静脉识别的准确率和实用性。
研究目的
本研究的主要目的是探讨基于二值局部特征的手指静脉识别方法，实现手指静脉识别的自动化、高效性和准确性，提高手指静脉识别的实际应用价值。具体研究目标如下：
1.对手指静脉图像进行预处理，构建合适的手指静脉图像数据库，为手指静脉图像的特征提取和识别做准备；
2.设计并实现基于二值局部特征的手指静脉图像特征提取方法，提高手指静脉识别准确率和可靠性；
3.设计并实现手指静脉图像识别算法，验证所提出的方法的可行性和实用性；
4.实现手指静脉识别的实时性和自动化。
研究内容
1.手指静脉图像预处理
手指静脉图像的预处理对于后续的特征提取和识别至关重要，本研究中需要对手指静脉图像进行以下预处理操作：去噪、增强、分割和蒙皮等操作，以得到清晰、明显的手指静脉图像。
2.基于二值局部特征的手指静脉图像特征提取方法
本研究中，将采用基于二值图像的局部特征图（BinaryLocalFeatureMap，BLFM）和基于块的稀疏编码算法，提取手指静脉图像的特征，以此对手指静脉图像进行表示和比对。
3.手指静脉图像识别算法
针对所提取的手指静脉图像特征，本研究将设计基于支持向量机（SupportVectorMachine，SVM）的手指静脉识别算法，以此对手指静脉图像进行识别。
4.实时性和自动化
为了实现手指静脉识别的实时性和自动化，本研究中将采用高速并行计算（High-PerformanceComputing，HPC）和多核处理器等技术，提高手指静脉图像的处理速度和识别效率，实现真正意义上的手指静脉识别自动化。
研究方法
1.数据采集和预处理
本研究将采用2000张手指静脉图像进行实验研究，并通过去噪、分割、蒙皮等图像预处理技术，得到清晰、明显的手指静脉图像数据库，以便进行后续的特征提取和识别。
2.特征提取
本研究将采用基于二值图像的局部特征图（BinaryLocalFeatureMap，BLFM）和基于块的稀疏编码算法，提取手指静脉图像的特征，以此对手指静脉图像进行表示和比对。其中，BLFM主要是通过二值化与高斯滤波来提取图像的本征特征，而基于块的稀疏编码则是用来获取BLFM特征中的局部信息和全局信息。
3.手指静脉图像识别
本研究将设计针对所提取的手指静脉图像特征的基于支持向量机（SupportVectorMachine，SVM）的识别算法，以此对手指静脉图像进行识别。
4.实现实时性和自动化
本研究将采用高速并行计算（High-PerformanceComputing，HPC）和多核处理器等技术，提高手指静脉图像的处理速度和识别效率，实现真正意义上的手指静脉识别自动化。
研究意义
本研究主要有以下几个方面的意义：
1.设计和实现基于二值局部特征的手指静脉识别方法，提高手指静脉识别的准确率和实用性；
2.验证基于二值局部特征的手指静脉识别方法的可行性和实用性；
3.实现手指静脉识别的自动化和实时性，提高手指静脉识别的实际应用价值；
4.推动手指静脉识别技术的应用和发展，为生物识别技术的研究提供新思路和方法。
总体流程
1.数据准备：选取合适的手指静脉图像，进行去噪、增强、分割和蒙皮等预处理；
2.特征提取：采用基于二值局部特征的手指静脉图像特征提取方法，得到手指静脉图像的特征向量；
3.手指静脉图像识别：设计并实现基于支持向量机的手指静脉图像识别算法，进行手指静脉图像匹配和识别；
4.实现自动化和实时性：采用高速并行计算、多核处理器等技术，提高手指静脉识别的实时性和自动化。
进度安排
本研究计划于2021年11月开始，到2022年7月完成，其中进度安排如下：
1.数据采集和预处理：2021年11月-2022年1月
2.特征提取：2022年1月-2022年3月；
3.手指静脉图像识别：2022年3月-2022年5月；
4.实现自动化和实时性：2022年5月-2022年7月；
5.论文写作和答辩准备：2022年7月。
参考文献
[1]LeventArikS,BaykutF,ErcanAT.Finger-veinrecognitionbasedonanimprovedlocalderivativepattern[J].IETBiometrics