手指静脉识别技术促使了多光谱手指静脉图像采集的进一步发展。对于多光谱手指静脉采集系统而言,获得更加合理的光源控制电路,设计出更加合理的光源光路结构形式已经变得非常重要。因此本设计以这两个关键点为目标,对现有的采集系统进行了优化改进。首先从设计硬件电路出发,优化了光源控制电路;同时对采集装置外壳进行了重新设计,并改善了光源光路结构形式,建立了新的多光谱手指静脉成像系统,然后在硬件的基础上对其相应的软件支持进行完善,最后搭建成新的采集系统,通过详细的比较实验,验证了本文设计的有效性。

基于传统图像处理方法实现手指静脉识别Matlab源码99.56%准确率+项目操作说明（毕设项目）.zip 【项目介绍】 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。 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。 SIFT——正确率93.625%

针对AlexNet在手指静脉识别系统中训练耗时过长,识别准确率较低的问题,提出AlexNet的改进网络结构。针对AlexNet模型输入图像尺寸限制性强,自适应能力差的问题引入空间金字塔池化模式的网络结构。为了加快网络训练速度和降低网络模型的复杂度,对AlexNet的卷积核尺寸、网络深度和全连接层等进行调整。实验结果表明,改进后的网络模型在公开和自有指静脉数据集上的识别准确率及训练时长较AlexNet模型均有明显改善。

基于matlab的指纹识别系统源码 手指静脉识别项目 本项目详细介绍请参阅：图像处理创新实践.pdf 本项目开源许可协议：GPL 3.0（除SIFT算法软件包，此部分软件包另有原作者的许可协议） 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

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

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。