Son yıllarda, biyometrik teknolojiler el içi damar görüntülerini onaylama ve kimlik tanımada en çok kullanılan yollardan biri haline gelmiştir. Damarlar insan vucudunun özel kısımları olduğundan, damar travmalarını simüle etmek, değiştirmek çok zordur hemen hemen imkansızdır. Bu çalışmada, bilgisayar destekli avuç içi damar izi kimlik doğrulama sistemi geliştirilmiştir. Araştırmamızda kullandığımız tüm datalar CASIA veritabanından alınmıştır. Sistemin ilk iki adımı damar izini ortaya çıkarımını ve ilgili bölge çıkarımını iyileştirmek adına ön işlemlerin yapılmasıdır. Avuç içi damar izi özelliklerinı yoketme görevi kızılötesi avuç içi tanıma işinde diğer iddialı açık bir nokta teşkil etmektedir. Bu çalışmada, avuç içi damar izi görüntülerini simgelemek için 6 farklı özellik kullanılmıştır. İlk 2 özellik, avuç içi damar izi görüntü işlemede en çok kullanılan Yerel İkili Şablon ve Zernike Moment adı verilen özellik çıkarım yöntemleridir. Diğer 4 özellik bizim bu çalışmada önerdiğimiz yeni özelliklerdir. Bunlar toplam damar uzunluğu, damar yoğunluğu, merkezi damar yoğunluğu ve damar iletimi özellikleridir. Herbir çıkarımlanan özellik listesi, farklı insanların avuç içi damar izlerini ayırt etmek için kullanılan bir özellik vektörü olarak birleştirilmiştir. Sistemimizi test etmek için, 20 gönüllüden oluşan küçük bir çalışma grubundan alınan görüntüleri kullandık. Her gönüllüden de 6 adet resim toplanmıştır. Toplam olarak veri tabanı 120 adet avuç içi damar izi görüntüsü içermektedir. Eşleştirme performansı için kosinüs benzerlik yöntemi kullanılmıştır. Elde edilen sonuçlara göre, yeni özellikler daha yüksek duyarlık, seçicilik ve doğruluk değerleri üretmiştir.

In recent years, biometric technologies have become one the most used ways to identify and confirm hand vein patterns. Because veins are a particular part of the human body; it is difficult or almost impossible to damage, alter or simulate the vascular trauma. In this study a computer aided palm vein authentication system is developed. All the data that we used in our research were taken from the CASIA database. The first two steps used in the system are entering the preprocessing stage to improve the relevant region extraction (ROI) and vessel appearance. The task of removing the palm vein feature is another challenging question in the work of infrared palm recognition. In this study; six features have been introduced to represent palm vein image. The first and second features are standard features which are mostly used in palm vein image processing: Local Binary Pattern and Zernike Moments. The remaining features are novel features which we developed for this study: Total Vessel Length, Vessel Density, Central Density and Vessel Propagation. Each extracted feature list is combined as a feature vector that is used to separate palm veins of different people. To test our system we used images of a small study group which is made of 20 volunteers. From each volunteer 6 pictures are collected. In total, the database contains 120 palm vein images. For matching performance cosine similarity has been used. According to the results obtained using all these methods, the novel features produce higher sensitivity, specificity and accuracy.