黄易豪，周颖玥*，徐 苏，刘银辉

(1. 西南科技大学信息工程学院，四川 绵阳621010；2. 西南科技大学特殊环境机器人技术四川省重点实验室，四川 绵阳 621010；3. 中国科学院光电技术研究所，四川 成都 610000)

1 引言

手指静脉识别技术以其活体性、唯一性、稳定性、普适性、难伪造以及造价成本适中的优势[1]，在生物特征识别领域得到了广泛关注，适用于安全需求等级较高的应用场合。

利用手指静脉血管中的红细胞能吸收近红外光的原理进行成像[2]，然后从静脉图像中提取特征并搭配合适的分类算法来进行身份验证，是现下较为通用的手指静脉识别方法[3-4]。为了让采集过程中出现的一些质量不佳的图像有更多的可识别信息，通常会在特征提取之前采用一些图像增强技术来改善图像质量，如：利用能选择方向和尺度的Gabor滤波技术[5]，可较好的增强静脉纹理信息；还有能增加图像对比度的直方图均衡技术[6]；以及基于数学形态学的图像增强方法[7]等。

手指静脉特征提取方法可以分为全局特征提取和局部特征提取两类，在全局特征提取中，比较典型的一种方法便是主成分分析法(Principal Component Analysis，PCA)[8-10]，王科俊等人将PCA与小波矩相结合来减少手指静脉信息的冗余度，同时改善了全局特征维数过高且信息量单一的不足，后又提出归一双向加权 (2D)2PCA的方法来加快静脉图像特征矩阵的训练速度与后期识别的速度；李菲等人通过对图像的方向梯度直方图进行改进来获取ngHOG描述符并与PCA和稀疏表示分类(Sparse Representation-based Classifier，SRC)相结合来识别图像，该方法对光照不均等问题有较好的鲁棒性；……