您的位置：山东大学 -> 科技期刊社 -> 《山东大学学报（工学版）》

山东大学学报(工学版) ›› 2018, Vol. 48 ›› Issue (3): 103-109.doi: 10.6040/j.issn.1672-3961.0.2017.467

• • 上一篇    下一篇

一种基于加权图模型的手指静脉识别方法

叶子云1,杨金锋1,2*   

  1. 1. 中国民航大学电子信息与自动化学院, 天津 300300;2. 中国民航大学天津市智能信号与图像处理重点实验室, 天津 300300
  • 收稿日期:2017-09-22 出版日期:2018-06-20 发布日期:2017-09-22
  • 通讯作者: 杨金锋(1971—),男,河南淮阳人,工学博士,教授,主要研究方向为图像处理,生物识别,计算机视觉. E-mail: jfyang@cauc.edu.cn E-mail:297496156@qq.com
  • 作者简介:叶子云(1992— ),女,福建政和人,硕士研究生,主要研究方向为图像处理,生物特征识别. E-mail: 297496156@qq.com
  • 基金资助:
    国家自然科学基金资助项目(61379102,U1433120,61502498);中央高校基本科研业务费专项资金资助项目(3122017001)

A finger-vein recognition method based on weighted graph model

YE Ziyun1, YANG Jinfeng1,2*   

  1. 1. College of Electronic Information and Automation, Civil Aviation University of China, Tianjin 300300, China;
    2. Tianjin Key Lab for Advanced Signal Processing, Civil Aviation University of China, Tianjin 300300, China
  • Received:2017-09-22 Online:2018-06-20 Published:2017-09-22

PDF (PC)

424

摘要： 提出一种基于加权图模型的手指静脉网络特征描述方法。对于一幅手指静脉图像,通过图像划分获得图的顶点集,利用三角剖分获得图的边集,边的权重由边所连接顶点之间的特征相似度决定。通过这种方式,一幅手指静脉图像可转化为一个加权图,并通过度量加权图邻接矩阵之间的相似度实现手指静脉识别。详细研究影响识别结果的几个因素,并通过试验证明了该方法的有效性。

关键词: 加权图, 特征提取, 手指静脉识别, 图论

Abstract: A new weighted graph construction method was proposed for finger-vein network representation. For a weighted graph, its nodes and edges were respectively generated by dividing image into blocks and a triangulation algorithm, and the weights of edges were valued using the feature similarities between adjacent blocks. In this way, a finger-vein image could be represented by a weighted graph, and the adjacency matrix of this weighted graph was used for finger-vein recognition. The experiment results proved the effectiveness of the method, and some important factors that affected graph recognition results were discussed in detail.

Key words: finger-vein recognition, feature extraction, graph theory, weighted graph structure

中图分类号: 

  • TP391
[1] YANG Jinfeng, SHI Yihua. Finger-vein ROI localization and vein ridge enhancement[J]. Pattern Recognition Letters, 2012, 33(12):1569-1579.
[2] OJALA T, PIETIKAINEN M, HARWOOD D. A comparative study of texture measures with classification based on featured distributions[J]. Pattern recognition, 1996, 29(1):51-59.
[3] OJALA T, PIETIKAINEN M, MAENPAA T. Multi-resolution gray-scale and rotation invariant texture classification with local binary patterns[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence, 2002, 24(7):971-987.
[4] ZHANG Lin, ZHANG Lei, ZHANG David, et al. Online finger-knuckle-print verification for personal authentication[J]. Pattern Recognition, 2010, 43(7):2560-2571.
[5] SUN Zhenan, TAN Tieniu. Ordinal measures for iris recognition[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2009, 31(12):2211-2226.
[6] CHAI Zhenhua, SUN Zhenan, VAZQUEZ H, et al. Gabor ordinal measures for face recognition[J]. IEEE Transactions on Information Forensics & Security, 2013, 9(1):14-26.
[7] WEST D. 图论导引[M]. 李建中, 骆吉洲, 译. 北京: 机械工业出版社, 2006.
[8] LUO Bin, WILSON R, HANCOCK E. Spectral embedding of graphs[J]. Pattern Recognition, 2003, 36(10):2213-2230.
[9] 汤进, 翟素兰, 罗斌. 基于加权关系图谱特征的图像检索[J]. 计算机工程, 2007, 33(24):19-21. TANG Jin, ZHAI Sulan, LUO Bin. Image retrieval based on graph spectra feature of attributed relational graph[J]. Computer Enginerring, 2007, 33(24):19-21.
[10] ABUSHAM E, BASHIR H. Face recognition using local graph structure(LGS)[J]. Lecture Notes in Computer Science, 2012, 6762:169-175.
[11] DONG Song, YANG Jucheng, CHEN Yarui, et al. Finger vein recognition based on multi-orientation weighted symmetric local graph structure[J]. Ksii Transactions on Internet & Information Systems, 2015, 9(10):4126-4142.
[12] UMEYAMA S. An eigendecomposition approach to weighted graph matching problems[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 1988, 10(5):695-703.
[13] FREEMAN W, ADELSON E. The design and use of steerable filters[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 1991, 13(9):891-906.
[14] SIMONCELLI E, FARID H. Steerable wedge filters for local orientation analysis[J]. IEEE Transactions on Image Processing: A Publication of the IEEE Signal Processing Society, 1996, 5(9):1377-82.
[15] TAREL J, HAUTIERE N. Fast visibility restoration from a single color or gray level image[C] //Proceedings of International Conference on Computer Vision. Kyoto, Japan:IEEE, 2009:2201-2208.
[16] MOVELLAN J. Tutorial on Gabor filters[J]. Technical Report, 2002, 49:1-23.
[17] VLACHOS M, DERMATAS E. Vein segmentation in infrared images using compound enhancing and crisp clustering[M]. Heidelberg: Springer, 2008: 393-402.
[18] YU Chengbo, QIN Huafeng, et al. Finger-vein image recognition combining modified Hausdorff distance with minutiae feature matching[J]. Interdisciplinary Sciences: Computational Life Sciences, 2009, 1(4):280-289.
[19] 张文超, 山世光, 张洪明, 等. 基于局部Gabor变化直方图序列的人脸描述与识别[J]. 软件学报, 2006, 17(12):2508-2517. ZHANG Wenchao, SHAN Shiguang, ZHANG Hongming, et al. Histogram sequence of local Gabor binary pattern for face description and identification[J]. Journal of Software, 2006, 17(12):2508-2517.
[20] QIN Huafeng, YACOUBI M. Deep representation-based feature extraction and recovering for finger-vein verification[J]. IEEE Transactions on Information Forensics & Security, 2017, 12(8):1816-1829.
[1] 迟云浩,杨璐,郭杰,郝凡昌,聂秀山. 基于注意力特征融合网络的手指静脉图像质量评价方法[J]. 山东大学学报 (工学版), 2023, 53(6): 56-62.
[2] 那绪博,张莹,李沐阳,陈元畅,华云鹏. 基于ODCG的网约车需求预测模型[J]. 山东大学学报 (工学版), 2023, 53(5): 48-56.
[3] 李颖,王建坤. 基于监督图正则化和信息融合的轻度认知障碍分类方法[J]. 山东大学学报 (工学版), 2023, 53(4): 65-73.
[4] 张学思,张婷,刘兆英,江天鹏. 基于轻量型卷积神经网络的海面红外显著性目标检测方法[J]. 山东大学学报 (工学版), 2022, 52(2): 41-49.
[5] 曹春红,段鸿轩,曹玲,张乐乐,胡凯,肖芬. 基于多级特征级联的遥感图像实时语义分割[J]. 山东大学学报 (工学版), 2021, 51(2): 19-25.
[6] 杨煦,陈辉,林游思,屠长河. 飞行蝙蝠标记自动提取与追踪算法[J]. 山东大学学报 (工学版), 2019, 49(2): 67-73.
[7] 范君,业巧林,业宁. 基于改进的有监督无参局部保持投影算法的人脸识别[J]. 山东大学学报 (工学版), 2019, 49(1): 10-16.
[8] 王国新,陈凤东,刘国栋. 基于彩色伪随机编码结构光特征提取方法[J]. 山东大学学报 (工学版), 2018, 48(5): 55-60.
[9] 张振月,李斐,江铭炎. 基于低秩表示投影的无监督人脸特征提取[J]. 山东大学学报(工学版), 2018, 48(1): 15-20.
[10] 于青民,李晓磊,翟勇. 基于改进EMD和数据分箱的轴承内圈故障特征提取方法[J]. 山东大学学报(工学版), 2017, 47(3): 89-95.
[11] 郭超,杨燕,江永全,宋祎. 基于多视图分类集成的高铁工况识别[J]. 山东大学学报(工学版), 2017, 47(1): 7-14.
[12] 钟智彦,文志强, 张潇云,叶德刚. 基于半色调图像的邻域相似性描述子方法[J]. 山东大学学报(工学版), 2016, 46(3): 58-64.
[13] 樊淑炎, 丁世飞. 基于多尺度的改进Graph cut算法[J]. 山东大学学报(工学版), 2016, 46(1): 28-33.
[14] 卢丹, 周以齐. 基于EEMD和CWT的挖掘机座椅振动分析[J]. 山东大学学报(工学版), 2015, 45(3): 58-64.
[15] 于海晶1,2, 李桂菊1*. 基于差分盒维数的彩色烟雾图像识别[J]. 山东大学学报(工学版), 2014, 44(1): 35-40.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
[1] 王素玉,艾兴,赵军,李作丽,刘增文 . 高速立铣3Cr2Mo模具钢切削力建模及预测[J]. 山东大学学报(工学版), 2006, 36(1): 1 -5 .
[2] 张永花,王安玲,刘福平 . 低频非均匀电磁波在导电界面的反射相角[J]. 山东大学学报(工学版), 2006, 36(2): 22 -25 .
[3] 李 侃 . 嵌入式相贯线焊接控制系统开发与实现[J]. 山东大学学报(工学版), 2008, 38(4): 37 -41 .
[4] 孔祥臻,刘延俊,王勇,赵秀华 . 气动比例阀的死区补偿与仿真[J]. 山东大学学报(工学版), 2006, 36(1): 99 -102 .
[5] 陈瑞,李红伟,田靖. 磁极数对径向磁轴承承载力的影响[J]. 山东大学学报(工学版), 2018, 48(2): 81 -85 .
[6] 李可,刘常春,李同磊 . 一种改进的最大互信息医学图像配准算法[J]. 山东大学学报(工学版), 2006, 36(2): 107 -110 .
[7] 季涛,高旭,孙同景,薛永端,徐丙垠 . 铁路10 kV自闭/贯通线路故障行波特征分析[J]. 山东大学学报(工学版), 2006, 36(2): 111 -116 .
[8] 浦剑1 ,张军平1 ，黄华2 . 超分辨率算法研究综述[J]. 山东大学学报(工学版), 2009, 39(1): 27 -32 .
[9] 王丽君,黄奇成,王兆旭 . 敏感性问题中的均方误差与模型比较[J]. 山东大学学报(工学版), 2006, 36(6): 51 -56 .
[10] 孙殿柱,朱昌志,李延瑞 . 散乱点云边界特征快速提取算法[J]. 山东大学学报(工学版), 2009, 39(1): 84 -86 .
版权所有 © 2018 《山东大学学报(工学版)》编辑部　
地址: 济南市山大南路27号（250100）　 电话: 0531-88366735　 E-mail: xbgxb@sdu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发