基于matlab实现手指静脉识别源码+使用说明+代码注释(课程设计项目).zip

<项目介绍> 基于matlab实现手指静脉识别源码+使用说明+代码注释(课程设计项目).zip 该资源内项目源码是个人的课设，代码都测试ok，都是运行成功后才上传资源，答辩评审平均分达到94.5分，放心下载使用！ 该资源适合计算机相关专业(如人工智能、通信工程、自动化、软件工程等)的在校学生、老师或者企业员工下载，适合小白学习或者实际项目借鉴参考！ 当然也可作为毕业设计、课程设计、课程作业、项目初期立项演示等。如果基础还行，可以在此代码基础之上做改动以实现更多功能。 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配，检测其匹配度。 系统识别性能 SIFT——正确率93.625% SURF——正确率86.1875% 归一化二维互相关模板匹配——正确率99.5625% 运行指南 # 提取ROI区域 运行cut.m # 图像增强与二值化 运行ImageEnhancement.m # Gabor图像滤波 运行gaborfilte.m # SIFT算法特征检测与匹配 在执行此程序前需要将siftDemoV4文件夹及其子文件夹添加到路径，在matlab中右键菜单即可操作。 运行SIFTpair.m # SURF算法特征检测与匹配 运行SURFpair.m # 归一化互相关模板匹配 运行TemplateMatching.m