手背静脉识别：基于几何形状与小波矩的特征提取与匹配算法

"这篇研究论文探讨了一种基于几何形状和小波矩的静脉特征提取与匹配的方法，旨在提高手背静脉识别系统的性能。作者包括崔建江、宋星月、陈国坤和陈大力，分别来自东北大学信息科学与工程学院和辽宁金融职业学院信息技术系。论文发表于2009年9月的《东北大学学报（自然科学版）》第30卷第9期，得到了国家自然科学基金的支持。" 在生物特征识别领域，手背静脉识别作为一种非接触式的生物识别技术，具有较高的安全性和便捷性。然而，特征提取和匹配是此类系统的关键挑战。本文提出了一种结合粗匹配和细匹配策略来解决这一问题。 首先，粗匹配阶段利用图像的几何形状特性，特别是考虑到静脉图像的平移、旋转、比例和仿射不变性，提取边界和区域的形状特征。这种方法能够从全局角度捕获图像的主要结构信息，减少匹配过程中的不确定性。 接下来，为了进一步提升匹配的准确性和鲁棒性，论文引入了小波矩的概念。小波矩结合了小波分析的多尺度特性和不变矩的优势，能够在保持对局部特征敏感的同时，确保特征描述符不受图像缩放、旋转等变换的影响。因此，基于小波矩的匹配被用作细匹配的手段，以处理粗匹配后的局部细节，提高识别的精确度。 实验结果显示，通过这种结合几何形状和小波矩的特征提取与匹配方法，手背静脉识别系统的识别率得到了显著提高。关键词包括生物特征识别、手背静脉、不变矩、小波矩和特征匹配，表明了论文的研究重点。 此研究对于优化生物特征识别系统，尤其是静脉识别技术，提供了新的理论和技术支持，对于未来生物识别技术的发展具有重要意义。通过改进特征提取和匹配策略，可以进一步提高系统的稳定性和实用性，为实际应用中的身份验证提供更可靠的基础。