Matlab课程设计——手指静脉识别项目

手指静脉识别项目

项目方案设计介绍

本项目实现手指图像的处理和匹配算法，需要处理的数据是本人不同手指的图像，首先经过图像处理，使得指静脉的纹理增强凸显处理，然后将所有的这些图像进行相互间的匹配，检验类内和类间的匹配度，观察其是否能够明显区分开来，并据此计算正确率。

在本项目中，由于是基于算法原型的研究，因此我们选用了操作便捷的Matlab R2019b软件作为运行环境，在Windows 10 Pro for Workstation操作系统中实现算法。

算法分为以下几个过程：

图像预处理过程中，需要增强图像，提取手指区域，为识别做准备。拟采用CLAHE、直方图均衡、二值化等算法，以达到增强图像的效果；拟采用边缘检测算法实现手指的识别和提取

图像的特征提取和匹配过程中，拟采用两类不同的方法。一是局部不变特征提取算法。这些算法具有检测图像中的特征点，并对特征点的局部区域进行描述和匹配的功能。二是针对二值化图像的模板匹配，检测其匹配度。

系统识别性能

SIFT——正确率93.625%

SURF——正确率86.1875%

归一化二维互相关模板匹配——正确率99.5625%

文件结构说明

注意：以下代码中涉及的文件夹需要先自行创建，使用其它数据来源需要先自行更改字符段中涉及的文件夹。代码中的“.\590”文件夹是本人指静脉数据来源文件夹。文件夹目录结构如下：
\图像处理与机器视觉创新实践:.
│ 20191121《机器视觉创新实践》课题研究任务书（一）.pdf
│ 590.zip
│ cut.m
│ gaborfilte.m
│ gaborfilter2.m
│ ImageEnhancement.m
│ img2deg.m
│ input2FingerImg.m
│ README.md
│ LICENSE
│ sift-图像增强实现2-1.mat % 由于SIFT算法耗时较长，其结果被保存下来以便多次使用
│ SIFTpair.asv
│ SIFTpair.m
│ SURFpair.m
│ TemplateMatching.m
│ tmp.key
│ tmp.pgm
│
├─590
├─siftDemoV4
│ appendimages.m
│ basmati.pgm
│ book.pgm
│ box.pgm
│ defs.h
│ LICENSE
│ Makefile
│ match.c
│ match.m
│ README
│ scene.pgm
│ showkeys.m
│ sift
│ sift.m
│ siftWin32.exe
│ tmp.key
│ tmp.pgm
│ util.c