红外图像识别方法技术

本发明专利技术提供了一种红外图像识别方法，该方法包括：对红外手掌静脉图像进行二值化和增强处理；通过提取图像特征来识别红外手掌静脉图像。本发明专利技术提出了一种红外图像识别方法，对于质量较低的手掌静脉采集图像，有效提高了识别范围，识别速度和精度。

【技术实现步骤摘要】

本专利技术涉及图像识别，特别涉及一种。
技术介绍
随着生物认证技术的发展，人脸和指纹识别已经不能满足日益增长的安全性需 求。近年来，基于手掌静脉特征的身份识别在生物特征识别领域受到广泛重视。手掌静脉图 像获取容易，占用存储空间小，其研究具有重要的应用价值。手掌静脉识别相关认证产品在 网络安全认证方面必将发挥重要的作用。现有的手掌静脉识别系统只能对较好条件下的样 本进行处理，而对于图像偏暗，清晰度不高的掌纹样本，识别率有所降低，同时，所应用的算 法普遍计算量较大，使识别过程难以达到实时。
技术实现思路
为解决上述现有技术所存在的问题，本专利技术提出了一种，包括： 对红外手掌静脉图像进行二值化和增强处理； 通过提取图像特征来识别红外手掌静脉图像。 优选地，所述通过提取图像特征来识别红外手掌静脉图像，进一步包括： 将增强后的静脉图像进行分块，分为多个64X64大小的静脉子图像f(x，y)，首先 对其进行以下变换：变换后，变换结果也为64X64大小的矩阵，同时把[0,2jt)等分等分成126段，对应 126个方向角，采用线性插值方法对不同方向上的径向坐标进行估计： Fi = Fi,u(xu-x)+Fi,d(x-Xd) F2 = Fr,u(Xu-x)+Fr,d(x-Xd) F(i, j)=Fi(yu-yij)+F2(yij-yd) 这里，F(i , j)为i方向径向坐标第j个坐标的处的值，（u,l)、（d,l)、（u，r)，（d,r)分 别为坐标(x，y)左上、左下、右上、右下处的值;然后对F(iJ)，做逆傅里叶变换，结果记为f' (1，」），其中1 = 1，2，~，126;]_ = 1，2，...，64，1为方向信息，]_为截距信息； 将训练集中所有样本相同区域的子图像分解系数集合形成样本矩阵： 式中，η为静脉图像样本库中样本数量，ku为第i个样本的第j个小波分解系数;进 行主分量分析，得到一组特征值向量（ω 1，ω2,…，ω 126)，从126个分量中找到p个分量，当其 方差占总方差的比例大于某一值时，则选择前面的Ρ个分量作为主分量，主分量方差占全部 方差的比例计算公式如下： i=l 经分析计算后的图像特征向量为 式中，C为综合因子，矩阵Y的第i列为第j主分量；当％大于且小于给定阈值时， ^,1，7^"71,1)) 1'，即作为第：[幅图像的特征向量； 对手掌静脉图像样本库的静脉对象的特征向量进行分类，当获得新的静脉图像 后，对该位置的子图像进行分类，并记录分类后的该子图像属于样本库中的所有对象的记 录数，将记录数最多的对象作为该子图像的匹配结果； 将测试样本的Q个子图像分别按已知类别进行匹配后，得到不同位置子图像的分 类正确概率，这里41」为测试样本被分割后（1，」）位置的子图像，并且〇 = q2； 融合候选匹配静脉图像的所有子图像分类结果，识别该图像与库中哪类静脉图像 相匹配； CP= ΣΑ?, j CP为待匹配图像属于第ρ类图像的概率系数;设置合适阈值T，如果CP>T，确定待匹 配图像属于第P类静脉图像;如果C P<T，确定待匹配图像为样本库中不存在的新的静脉图 像。 本专利技术相比现有技术，具有以下优点： 本专利技术提出了一种，对于质量较低的采集图像，有效提高了识 别范围，识别速度和精度。【附图说明】 图1是根据本专利技术实施例的的流程图。【具体实施方式】 下文与图示本专利技术原理的附图一起提供对本专利技术一个或者多个实施例的详细描 述。结合这样的实施例描述本专利技术，但是本专利技术不限于任何实施例。本专利技术的范围仅由权利 要求书限定，并且本专利技术涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节以 便提供对本专利技术的透彻理解。出于示例的目的而提供这些细节，并且无这些具体细节中的 一些或者所有细节也可以根据权利要求书实现本专利技术。 本专利技术的一方面提供了一种。图1是根据本专利技术实施例的红外 图像识别方法流程图。 手掌静脉图像利用的是人体静脉的血红蛋白对近红外光的吸收特性。手掌静脉采 集设备中采用的是波长范围在700-1100近红外发光二极管作为光源，因为该波段的光容易 穿透手掌骨骼和肌肉组织，然后采用高感光度的图像传感器。在手掌静脉图像的采集过程 中，如果手掌放置的位置太偏，可能会造成手掌静脉图像中手掌边界的梯度场小，从而导致 手掌静脉的边界提取不完整，影响手掌静脉ROI(ROI)区域的截取。手掌静脉图像识别可选地包括如下过程： 手掌静脉图像分割，将静脉图像中的静脉纹理从背景区域中分离出来，以提高图 像特征提取的正确率和特征提取的速度。 手掌静脉图像增强，用于突出图像的静脉纹理信息。特征提取，通过对预处理过的图像进行特征提取，得到手掌静脉图像的几何特征 模板或数据特征模板。 匹配识别，通过采集的用户手掌静脉图像，获得样本模板，与之前数据库中的注册 模板进行匹配，以识别用户身份标识。 进一步地，对于上述图像分割，本专利技术采用以下过程:根据方向分布选择方向个 数，通过静脉图像横截面的灰度和曲率分布确定滤波器的尺寸和频率范围，然后针对手掌 静脉每个方向的图像信息只构造一个滤波器，通过对各个方向滤波之后的滤波子图的权值 系数的设定，对滤波之后的子图进行重建，最后计算重建图像4方向邻域均值，得到的均值 图像与重建图像差值比较之后得到分割图像。首先，针对手掌静脉图像的特点，本专利技术计算手掌静脉图像的方向分布图，分析原 图像的方向分布，根据分布特点来确定滤波器方向的选择。每隔V8的角度，预设8个方向的 模板算子Tk(k = l，...，8)。假设一幅的手掌静脉图像F，（i，j)为中心像素点的坐标，F(i，j) 为原静脉图像(i，j)处的中心像素点灰度值。方向分布图计算方法如下： (1)逐点计算出各像素点上的8个方向灰度卷积值。采用5x5的模板算子Tk计算像 素点（i，j)处的灰度卷积和31 5(1，」）仏=1，...，8)。在一个办9块中使用下面的公式获得该 窗口中心像素(i，j)的8个方向灰度卷积和：其中，x、y为模板在图像中滑动的距离，代表着对应方向上模板的系数，Sk(x，y)是 卷积运算之后的中心像素点值，这里定义为中心像素点的灰度卷积和。 (2)从51{(1，」）仏=1，...，8)中的8个中心像素点的灰度卷积和取出最大的卷积和 值，并取最大卷积和值的下标作为该中心像素点的方向： Skmax=max(Sk(i , j)) (k= 1,...,8) kmax = arg(Skmax) 其中，max表示取一组灰度卷积和中的最大值，arg表示取Skmax的下标值。 滤波器的中心频率和包络标准方差决定了手掌静脉图像的滤波效果，手掌静脉纹 理之间的距离决定了滤波器中心频率f，静脉纹理的宽度决定了滤波器的尺寸大小心心，为 了减少由^取值不同对图像增强带来的影响，本专利技术取以下标准方差，即滤波器的尺寸s =33[=5\。并且5和打茜足以下关系： 其中，B表示滤波器的空域带宽，且在之间取值。 (3)对滤波之后的8幅图像进行重建。定义一组加权值Ake;8幅图像的重建 过程可以定义为： R表示重建之后的图像。 (4)采用4方向均值模板对重建图像R进行平滑处理。定义一个7x7大小的4方向均 值模板Ta，从水平位置开始，每隔;V4确定一本文档来自技高网...

【技术保护点】
一种红外图像识别方法，用于对所采集的红外手掌静脉图像进行识别，其特征在于，包括：对红外手掌静脉图像进行二值化和增强处理；通过提取图像特征来识别红外手掌静脉图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：赖真霖，文君，
申请(专利权)人：成都四象联创科技有限公司，
类型：发明
国别省市：四川;51