指静脉按压图的判别方法及装置、指静脉识别方法制造方法及图纸

本发明专利技术公开了一种指静脉按压图的判别方法及装置、指静脉识别方法，该方法包括：图像预处理；手指边界定位；有效区域获取；有效区域增强；SOBEL边缘增强，采用SOBEL算子与静脉分布图像作卷积，获得包含指纹信息区域的SOBEL增强图；计算图像判定系数，在SOBEL增强图上计算水平梯度能量和垂直梯度能量，并采用垂直梯度能量除以水平梯度能量的比值或者水平梯度能量除以垂直梯度能量的比值作为判定系数；含指纹静脉图的判定。本发明专利技术通过对采集的手指图像中的指纹信息含量进行量化后与阈值比较，通过预设的屏蔽机制，将不合理的图像阻断在当前处理阶段，维护系统中处理数据的合理性、真实性和有效性，为系统比对结果提供有效保障。

Discrimination method and device for finger vein compression diagram, finger vein recognition method

The invention discloses a discriminant method and device for the vein press map and the method of finger vein recognition. This method includes image preprocessing, finger boundary positioning, effective area acquisition, effective region enhancement, SOBEL edge enhancement, SOBEL operator and venous distribution image convolution to obtain the SOBE containing fingerprint information area. The L enhancement diagram; calculate the image decision coefficient, calculate the horizontal gradient energy and vertical gradient energy on the SOBEL enhancement graph, and use the vertical gradient energy divided by the ratio of the horizontal gradient energy or the ratio of the horizontal gradient energy divided by the vertical gradient energy as the judging coefficient; the determination of the fingerprint vein map. By quantifying the fingerprint information content of the collected finger images, compared with the threshold value, the unreasonable image is blocked in the current processing stage by the preset shielding mechanism, and the rationality, authenticity and validity of the data processing are maintained in the system, and the system provides effective guarantee for the result of the system.

【技术实现步骤摘要】
指静脉按压图的判别方法及装置、指静脉识别方法
本专利技术涉及指静脉识别领域，特别地，涉及一种指静脉按压图的判别方法及装置、指静脉识别方法。
技术介绍
指静脉识别是近年发展起来的一种新的生物识别技术。该技术原理依据是：人体静脉中的血红蛋白会吸收近红外线，于是，通过传感器可以获取静脉的影像；进一步，现代医学证实，每个人的手指静脉血管影像都不一样，由此，可以利用静脉的这种独特性去生成标识个人身份的生物特征。相比指纹识别、虹膜和声纹识别等识别技术，指静脉识别因其天然活体特性所带来的安全性，在生物识别领域正获得越来越多的关注。指静脉识别处理的源对象是设备采集的指静脉图像，无干扰、静脉纹理清晰的静脉图像是识别系统的理想处理对象。但由于设备、操作等原因，应用中获得的不可能都是尽如人意的静脉图像。比如静脉采集有意或无意的按压操作，使采集图中额外附加了指纹干扰信息，如果这类图像被当作指静脉图送入系统，由于图像中指纹与指静脉信息呈现出的不可区分性，那么这类误导信息将顺利的通过系统后续的各个处理阶段，最终将使系统的比对结果变得不可靠，严重降低系统的识别性能。
技术实现思路
本专利技术提供了一种指静脉按压图的判别方法及装置、指静脉识别方法，以解决静脉采集由于按压操作额外附加了指纹干扰信息影响系统识别性能的技术问题。本专利技术采用的技术方案如下：一方面，本专利技术提供了一种指静脉按压图的判别方法，包括：图像预处理，对采集的手指图像进行滤波处理以抑制噪声，其中，采集的手指图像为水平采集图或者垂直采集图；手指边界定位，在预处理后的图像上拟合出有效手指区域的边界线条；有效区域获取，在拟合出的边界线条定位的有效手指区域内查找最大内接矩形并将矩形区域像素裁切下来，获得真实静脉处理子图；有效区域增强，对真实静脉处理子图进行增强，获得静脉分布图像；SOBEL边缘增强，采用索贝尔SOBEL算子与静脉分布图像作卷积，获得包含指纹信息区域的SOBEL增强图；计算图像判定系数，在SOBEL增强图上计算水平梯度能量和垂直梯度能量，并采用垂直梯度能量除以水平梯度能量的比值或者水平梯度能量除以垂直梯度能量的比值作为判定系数；含指纹静脉图的判定，将判定系数与预设分类阈值比较，若判定系数小于预设分类阈值则判定为含指纹的不合理图像。进一步地，手指边界定位的步骤包括：将预处理后的图像在与手指延伸方向垂直的第一方向上分成多段；查找各分段像素灰度的极值及对应段内极值所在的第一方向位置坐标；对段内第一方向位置坐标值作算术平均取得段内坐标均值；用线性拟合函数在距离条件约束下，基于各分段边界坐标均值计算出该区域内连续的最佳拟合线条作为有效手指区域的边界线条。作为上述方案的其中一种实施方式，采集的手指图像为水平采集图，手指边界定位的步骤包括：将预处理后的图像在垂直方向上分成均匀且不连续的多段；每段采用水平投影法，查找各分段像素灰度的极值及对应段内极值所在的垂直位置坐标；对段内垂直位置坐标值作算术平均取得段内坐标均值；用线性拟合函数在距离条件约束下，基于各分段边界坐标均值计算出该区域内连续的最佳拟合线条作为有效手指区域的上、下边界线条。进一步地，有效区域增强的步骤包括：通过灰度分布扩展，将真实静脉处理子图中像素灰度值扩展至0～255范围内；用预设阶梯量化表对图像像素进行映射转换；将图像像素值按照与阶梯区间的映射关系，采用阶梯量化表的对应值替换，生成新的增强图作为静脉分布图像。进一步地，SOBEL边缘增强的步骤包括：采用垂直方向SOBEL算子与静脉分布图像作卷积，在垂直方向对图像进行边缘增强，获得SOBEL增强图。进一步地，计算图像判定系数的步骤包括：将SOBEL增强图中各像素点梯度的计算范围定义为预定像素；逐点计算梯度信息分别生成水平梯度图和垂直梯度图；分别在水平梯度图中和垂直梯度图中计算所有像素的梯度和以获得水平梯度能量和垂直梯度能量；将垂直梯度能量除以水平梯度能量，获得静脉图像垂直系数作为判定系数。作为上述方案的另一种实施方式，采集的手指图像为垂直采集图，手指边界定位的步骤包括：将预处理后的图像在水平方向上分成均匀且不连续的多段；每段采用垂直投影法，查找各分段像素灰度的极值及对应段内极值所在的水平位置坐标；对段内水平位置坐标值作算术平均取得段内坐标均值；用线性拟合函数在距离条件约束下，基于各分段边界坐标均值计算出该区域内连续的最佳拟合线条作为有效手指区域的左、右边界线条。进一步地，SOBEL边缘增强的步骤中，采用水平方向SOBEL算子与静脉分布图像作卷积，在水平方向对图像进行边缘增强，获得SOBEL增强图；计算图像判定系数的步骤中，将水平梯度能量除以垂直梯度能量，获得静脉图像水平系数作为判定系数。根据本专利技术的另一方面，还提供了一种指静脉按压图的判别装置，包括处理器，处理器用于运行程序，处理器运行时执行上述的指静脉按压图的判别方法。根据本专利技术的另一方面，还提供了一种指静脉识别方法，在对接收的指静脉图像进行识别判断之前，执行上述指静脉按压图的判别方法，屏蔽判定系数小于预设分类阈值对应的指静脉图像。本专利技术应用在指静脉识别系统处理的前期阶段，通过对采集的手指图像内容进行评估，具体对采集的手指图像中的指纹信息含量进行量化，然后将此量化值与阈值比较，通过预设的屏蔽机制，将不合理的图像阻断在当前处理阶段，维护系统中处理数据的合理性，保证系统所处理指静脉数据源是真实、有效的，最终为系统比对结果的正确提供有效保障。除了上面所描述的目的、特征和优点之外，本专利技术还有其它的目的、特征和优点。下面将参照附图，对本专利技术作进一步详细的说明。附图说明构成本申请的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是本专利技术优选实施例的指静脉按压图的判别方法的流程图；图2是采集的手指图像的原图；图3是图2经图像预处理和手指边界定位后的效果图；图4是图3经灰度扩展后的效果图；图5是图4经阶梯量化增强后的效果图；图6是手指图像经过本专利技术的手指边界定位、有效区域获取和增强以及垂直SOBEL边缘增强后的效果图。具体实施方式需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。参照图1，本专利技术的优选实施例提供了一种指静脉按压图的判别方法，包括：步骤S100，图像预处理，对采集的手指图像进行滤波处理以抑制噪声，其中，采集的手指图像为水平采集图或者垂直采集图；步骤S200，手指边界定位，在预处理后的图像上拟合出有效手指区域的边界线条；步骤S300，有效区域获取，在拟合出的边界线条定位的有效手指区域内查找最大内接矩形并将矩形区域像素裁切下来，获得真实静脉处理子图；步骤S400，有效区域增强，对真实静脉处理子图进行增强，获得静脉分布图像；步骤S500，SOBEL边缘增强，采用索贝尔SOBEL算子与静脉分布图像作卷积，获得包含指纹信息区域的SOBEL增强图；步骤S600，计算图像判定系数，在SOBEL增强图上计算水平梯度能量和垂直梯度能量，并采用垂直梯度能量除以水平梯度能量的比值或者水平梯度能量除以垂直梯度能量的比值作为判定系数；步骤S700，含指纹静脉图的判定，将判定系数与预设分类阈值比较本文档来自技高网...

【技术保护点】
1.一种指静脉按压图的判别方法，其特征在于，包括：图像预处理，对采集的手指图像进行滤波处理以抑制噪声，其中，采集的手指图像为水平采集图或者垂直采集图；手指边界定位，在预处理后的图像上拟合出有效手指区域的边界线条；有效区域获取，在拟合出的边界线条定位的有效手指区域内查找最大内接矩形并将矩形区域像素裁切下来，获得真实静脉处理子图；有效区域增强，对所述真实静脉处理子图进行增强，获得静脉分布图像；边缘增强，采用索贝尔SOBEL算子与所述静脉分布图像作卷积，获得包含指纹信息区域的SOBEL增强图；计算图像判定系数，在所述SOBEL增强图上计算水平梯度能量和垂直梯度能量，并采用垂直梯度能量除以水平梯度能量的比值或者水平梯度能量除以垂直梯度能量的比值作为判定系数；含指纹静脉图的判定，将所述判定系数与预设分类阈值比较，若所述判定系数小于所述预设分类阈值则判定为含指纹的不合理图像。

【技术特征摘要】
1.一种指静脉按压图的判别方法，其特征在于，包括：图像预处理，对采集的手指图像进行滤波处理以抑制噪声，其中，采集的手指图像为水平采集图或者垂直采集图；手指边界定位，在预处理后的图像上拟合出有效手指区域的边界线条；有效区域获取，在拟合出的边界线条定位的有效手指区域内查找最大内接矩形并将矩形区域像素裁切下来，获得真实静脉处理子图；有效区域增强，对所述真实静脉处理子图进行增强，获得静脉分布图像；边缘增强，采用索贝尔SOBEL算子与所述静脉分布图像作卷积，获得包含指纹信息区域的SOBEL增强图；计算图像判定系数，在所述SOBEL增强图上计算水平梯度能量和垂直梯度能量，并采用垂直梯度能量除以水平梯度能量的比值或者水平梯度能量除以垂直梯度能量的比值作为判定系数；含指纹静脉图的判定，将所述判定系数与预设分类阈值比较，若所述判定系数小于所述预设分类阈值则判定为含指纹的不合理图像。2.根据权利要求1所述的指静脉按压图的判别方法，其特征在于，所述手指边界定位的步骤包括：将预处理后的图像在与手指延伸方向垂直的第一方向上分成多段；查找各分段像素灰度的极值及对应段内极值所在的第一方向位置坐标；对段内第一方向位置坐标值作算术平均取得段内坐标均值；用线性拟合函数在距离条件约束下，基于各分段边界坐标均值计算出该区域内连续的最佳拟合线条作为有效手指区域的边界线条。3.根据权利要求2所述的指静脉按压图的判别方法，其特征在于，所述采集的手指图像为水平采集图，所述手指边界定位的步骤包括：将预处理后的图像在垂直方向上分成均匀且不连续的多段；每段采用水平投影法，查找各分段像素灰度的极值及对应段内极值所在的垂直位置坐标；对段内垂直位置坐标值作算术平均取得段内坐标均值；用线性拟合函数在距离条件约束下，基于各分段边界坐标均值计算出该区域内连续的最佳拟合线条作为有效手指区域的上、下边界线条。4.根据权利要求2所述的指静脉按压图的判别方法，其特征在于，所述有效区域增强的步骤包括：通过灰度分布扩展，将所述真实静脉处理子图中像素灰度值扩展至0～255范围内；用预设阶梯...

【专利技术属性】
技术研发人员：刘永松，
申请(专利权)人：北京智慧眼科技股份有限公司，
类型：发明
国别省市：北京,11