在python中编程实现，研究手指静脉图像的预处理算法，具体为手指静脉图像的轮廓分割、感兴趣区域截取、静脉纹理增强、静脉纹理分割。最后分别使用LBP特征和二值纹理特征对预处理后的静脉图像进行测评，获得两张静脉图像的相似度。

局部图结构（LGS）及其变体对称局部图结构（SLGS）已被证明对图像识别有效。 但是，它们的缺点是没有考虑目标像素和周围像素之间的差异以及周围像素之间的差异对目标像素的特征值的贡献。 为了克服传统方法的不足，提出了一种用于手指静脉识别的差分对称局部图结构（DSLGS）算法。 DSLGS运算符考虑了不同值对目标像素特征的贡献，从而使提取的特征更加稳定。 实验结果表明，与传统方法相比，该算法具有更好的性能。

主成分分析的matlab代码实现(2D)^2FPCA 基于(2D)^2FPCA的手指静脉识别算法的Matlab实现 关于 (2D)^2FPCA 双向二维Fisher主成分分析（（2D）^2FPCA）是机器学习中降维算法的改进版本。 通过结合PCA和FLD算法，达到降维的目的。 问题 (2D)^2FPCA算法用于完成指静脉图像的降维，并对图像进行分类识别。 算法 对于图片先在列方向使用2DPCA，然后在行方向使用2DFLD。 以下示意图。 算法训练过程如下： 算法测试过程如下： 算法实现 这是我2019年5月完成的代码，算法程序用Matlab语言编写，运行(2D)^2FPCA.m文件。 注意：需要在代码中修改数据集读取位置。 实验 我在实验中尝试了算法在不同特征维度下的识别效率，希望能找到最好的特征映射维度。 具体实验结果如下： 参考 [1] 余成波，秦华锋．生物特征识别技术:手指静脉识别技术[M].清华大学出版社，2009. [2] 王杰，李海，王刚，等。 基于(2D)2FPCA的静脉识别[J]. 国际信号处理、图像处理和模式识别杂志，2013 年，6(4)：323-332。

手指静脉预处理，图像分割，静脉纹路分割，滤波去噪，细化等相关代码

非常详细的一篇论文，仔细介绍了手指静脉识别的的全过程

手指静脉数据库

局部线性二值模式是局部二值模式的升级，通过垂直方向和水平方向的像素点与中心像素点比较得到一副由二进制数组成的图像。其识别效果优于LBp,用MATLAB代码编写！

内含手指静脉的数据库，有提取静脉前的原始图像，和提取静脉后的静脉脉络。

手指静脉识别技术 余文波 第九章matlab程序

手指静脉识别的代码，包括预处理和识别两部分，包含图片和代码，有注释