林 森， 王 媛

(1. 沈阳理工大学 自动化与电气工程学院，辽宁 沈阳 110159；2. 辽宁工程技术大学 电子与信息工程学院，辽宁 葫芦岛 125105)

1 引 言

随着社会信息化程度的不断发展，信息安全对人类生活的影响愈发深入，如何准确识别一个人的身份，已成为模式识别领域的关注焦点。指关节纹识别是一种比较新颖的身份认证方式。与人脸识别[1-2]相比，指关节纹识别不受表情变化[3]等外部因素影响，其特征稳定性强；与指纹识别[4]相比，采集指关节纹特征的环境具有非侵犯性；与掌纹识别[5]相比，指关节纹接触刚性物体少且特征不易被磨损；与指静脉识别[6]相比，指关节纹的采集设备更简易。因此，指关节纹逐渐成为生物特征识别技术研究中的前沿热点，具有广阔的发展空间[7]。

目前，基于指关节纹图像的身份识别方法一般分为以下几类：

(1)基于结构特征的方法。这种方法提取指关节纹的空间结构特征进行匹配识别。如文献[8]利用细节点特征对指关节纹图像进行恢复和匹配，有效地利用细节质量来提高指关节模式匹配的性能，但点特征数量较多，导致算法复杂度上升，线特征提取复杂，识别能力有限。

(2)基于子空间学习的方法。这种方法将指关节纹图像通过投影或变换，转化为低维向量或矩阵，并对指关节纹进行匹配识别。如文献[9]利用复数局部保持投影(Complex Locality Preserving Projections, CLPP)来提取指关节纹图像的低维特征，并利用正交复局部保持投影(Orthogonal Complex Locality Preserving Projections, OCLPP)的方法消除特征之间的冗余信息，但该方法受光照、噪声等外部信息影响较大，应用范围相对有限。……