一种基于图模型与定序编码的手指静脉识别方法

手指静脉的网络结构是指静脉区分性的来源，但获得可靠的手指静脉网络结构描述一直是个难题。为此，本文提出一种基于图模型与定序编码的手指静脉网络特征描述方法。对于一幅手指静脉图像，首先通过划分图块来获得图的节点集，其次利用三角剖分法获得图的边集，边的权重由边所连接的节点特征来决定。经过上述操作，一幅手指静脉图像可构建一个加权图，通过度量加权图的邻接矩阵相似度来实现手指静脉识别。本文中研究影响识别结果的几个因素，并通过实验证明了该方法的有效性。

手指静脉识别是模式识别和生物特征识别领域的研究热点。传统的身份鉴别方法具有易丢失、遗忘、安全性差等隐患，为了适应当前的信息安全需求以及使用便捷性，人们越发关注基于生物特征的身份鉴别技术的发展。人脸、虹膜、指纹都是生物特征识别的热点，但这些特征都存在一些应用上的不足，如人脸易受光照、化妆以及假脸的影响；虹膜采集要求高、设备便携性差；指纹易磨损，存在少部分人存在无指纹、指纹残缺的现象。相比于这些生物模式，手指静脉模式具有其得天独厚的优势。

手指静脉识别一般采用的是位于人体手指第二关节与第一关节之间的静脉血管网络影像图。由于， 其无法通过表面成像，故目前都是采用近红外光对指静脉血管进行透射成像[1]。因此，手指静脉除却高度便携的优点外，还具有抗伪性强、具有活体性、采集便捷友好等突出优点。这些优点促使这项技术飞速发展，并从实验室研究逐步走向实际场景应用。

医学研究发现，手指静脉血管网络结构的形成是结构性规律与随机过程的统一。因此，手指静脉的区分性来自于其自身的结构特征。但红外投射成像机制，由于光线在生物组织中，存在散射现象，导致采集图像中存在严重退化，这为完整的、可靠的提取血管网络结构带来了巨大困难。所以，传统方法大多是以图像处理方法为基础，采用纹理特征[2] [3] [4] [5] [6]的分析方法来解决手指静脉识别问题。

然而，传统特征提取和分析方法容易忽略血管网络的结构特性。图(graph)是一种数据结构描述方法， 能够描述数据单元间的结构关系。基于图的特性，本研究提出将图与手指静脉识别进行结合，构建手指静脉图像的加权图模型，不仅能够描述图像全局的结构特征还能够通过边的权值来描述局部特征之间的关系。

图论的研究最早起源于1736 年的哥尼斯堡七桥问题， 之后逐渐发展成为了数学的一个分支，并广泛地运用于现代科学的许多领域，例如运筹学、数字图像处理、信息论、网络理论等领域[7]。目前，图论在图像聚类、图像分割、模式识别方面都取得许多成果。2005 年，罗斌、汤进[8] [9] [10]等人根据图谱理论提出基于内容的图像检索。2017 年，Choi 等人[11]提出一种基于无监督图学习的物体识别方法，在图像中设置随机游走的图模型，并通过学习图模型的变化来识别物体。近些年来，学者们尝试将图论与生物特征识别结合。相关研究可分为两类：1) 利用图模型来描述局部信息，将图论与编码相结合。这类研究包括基于局部图结构[12] [13]的人脸识别和人脸检测， 基于多方向加权对称局部图结构的指静脉图像