一种基于纹理的手指静脉特征匹配方法组成比例

本发明专利技术提供一种基于纹理的手指静脉特征匹配方法，涉及图像识别及处理技术领域。一种基于纹理的手指静脉特征匹配方法，首先对预处理的手指静脉图像做5个尺度8个方向的Gabor变换；其次，利用曲线波变换将每个尺度下的图像进行融合，减小特征维数，从而获得集成Gabor特征的图像，再对其做近邻二值模式编码得到特征向量。最后，利用汉明距离进行匹配识别。本发明专利技术提供的基于纹理的手指静脉特征匹配方法，不仅克服了常用典型手指静脉特征提取方法不能有效获取指静脉的纹理特征的缺点，并且减小了提取到的指静脉特征向量维数，能够有效获取指静脉纹理特征，提高了手指识别的识别率，同时也提高了识别的识别效率。

【技术实现步骤摘要】
一种基于纹理的手指静脉特征匹配方法
本专利技术涉及图像识别及处理
，尤其涉及一种基于纹理的手指静脉特征匹配方法。
技术介绍
随着科技和信息技术的发展，身份鉴别的安全性受到人们的广泛重视。由于传统的身份鉴别方式如密码、身份证等存在易丢失、易被盗用等安全风险，已经满足不了人们对身份识别安全性的要求，因此各种基于生物特征识别技术凭借较高的安全性和便利性受到用户的青睐。相比于指纹识别、人脸识别、虹膜识别等其他生物特征识别技术，人类手指静脉生物特征识别具有其独特的优势，比如具有更好的稳定性、防复制性、唯一性和普遍性等优势。因此，手指静脉认证具有很高的研究价值和市场应用前景。但是如何降低手指静脉的表达上的维数，减小计算量和计算时间，是研究的热点。目前手指静脉图像的特征提取的方法主要有以下几类：(1)运用基于子空间的理论思想，以空间投影变化理论将原始手指静脉图像降维，提取图像的空间特征并同时提高系统识别效率。但基于子空间的理论方法由于对光照等噪声的影响比较敏感，因此其应用范围具有一定的局限性。(2)运用基于结构特征的理论思想，对手指静脉图像上的特征点和几何线提取结构特征。但基于结构特征的理论方法受限于特征点的数量、算法的复杂度，因此有一定的局限性。(3)运用基于纹理分析的理论思想，对手指静脉图像的全局或局部纹理提取特征。基于纹理分析的方法能够有效的描述静脉的纹理特征，因此在静脉识别中有着广泛的应用。
技术实现思路
针对现有技术的缺陷，本专利技术提供一种基于纹理的手指静脉特征匹配方法，实现对手指的静脉特征进行提取匹配。一种基于纹理的手指静脉特征匹配方法，包括以下步骤：步骤1、将待匹配的两幅手指静脉图像分别进行静脉特征提取，得到每幅图像的编码向量；所述每幅手指静脉图像进行静脉特征提取的具体方法为：步骤1.1、将预处理后的手指静脉图像通过一组Gabor滤波器，从而获得5个尺度V＝{v＝0，1，2，3，4}和8个方向U＝{u＝0，1，2，3，4，5，6，7}的40张Gabor特征图像R(v，u)；所述特征图像R(v，u)包括指静脉结构中血管粗细以及不同延伸方向特征；步骤1.2、将步骤1.1中得到的40张图像按尺度分类，即Rv＝{R(v，0)，R(v，1)，...，R(v，7)}，再利用Curvelet变换分别将每个尺度下8个方向的图像进行融合，在有效的保留Gabor特征的前提下减小数据维度，最终得到融合后的5幅不同尺度的集成Gabor特征图像CUR1、...、CUR5；所述每个尺度下8个方向的图像进行融合的具体方法为：首先将每个尺度下的8张图像，按两两一组的方式采用曲线波Curvelet变换方法进行融合，即对图像对{R(v，u′)，R(v，u′+4)}，u∈{0，1，2，3}使用曲线波Curvelet变换方法进行融合，得到4张融合后的静脉图像；然后对这4张融合后的图像同样采取两两分组模式采用曲线波Curvelet变换方法进行融合，得到2张融合后的图像；最后对得到的2张融合后的图像采用曲线波Curvelet变换方法进行融合，最终得到该尺度下的1幅集成Gabor特征图像；步骤1.3、对集成Gabor特征的融合图像做近邻二值模式编码，作为手指静脉特征向量，即分别对CUR1、...、CUR5进行近邻二值模式编码，得到其编码图像，并转化为5个特征行向量Scode1、...、Scode5，进一步将这5个行向量串联，得到编码向量GCNcode；步骤2、利用两幅手指的静脉特征编码向量GCNcode之间的汉明距离来判断获取到的两幅手指静脉图像是否匹配，具体方法为：设两幅手指静脉特征编码向量GCNcode的两个编码字符串为SGCNCODE1和SGCNCODE2，其比特串形式分别为：SGCNCODE1＝x1x2...xNSGCNCODE2＝y1y2…yN其中，xi＝1、2…、N，yi＝1、2…、N，N为编码字符串的数据维度，xi和yi的取值均为0或1；则两个编码字符串之间的汉明距离如下公式所示：其中，RHD为两个编码字符串之间的汉明距离，为异或运算；两幅手指静脉特征在进行匹配时，由RHD值的大小来判断两个手指静脉特征之间的相似程度，RHD越小，则说明两个特征之间的相似程度越高，RHD越大则说明相似程度越低；在手指识别的时候，当RHD和阈值t的关系满足以下关系式时：RHD＜t则说明样本是来自同一个人的相同手指静脉，否则说明样本来自于不同的手指静脉。由上述技术方案可知，本专利技术的有益效果在于：本专利技术提供的一种基于纹理的手指静脉特征匹配方法，不仅克服了常用典型手指静脉特征提取方法不能有效获取指静脉的纹理特征的缺点，并且减小了提取到的指静脉特征向量维数，能够有效获取指静脉纹理特征，提高了手指识别的识别率，同时也提高了识别的识别效率。附图说明图1为本专利技术实施例提供的一种基于纹理的手指静脉特征匹配方法的流程图；图2为本专利技术实施例提供的40张Gabor特征图像的示意图；图3为本专利技术实施例提供的采用Curvelet变换对两张手指静脉图像进行融合的流程图；图4为本专利技术实施例提供的对图像采用近邻二值模式编码得到的像素窗口示意图；图5为本专利技术实施例提供的数据库1上的手指静脉图像的类内类间匹配曲线示意图；图6为本专利技术实施例提供的数据库2上的手指静脉图像的类内类间匹配曲线示意图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。本实施例以天津市智能信号与图像处理重点实验室数据库和马来西亚大学FINGERVEINUSM(FV-USM)数据库为例，使用本专利技术的基于纹理的手指静脉特征匹配方法进行手指静脉特征的提取匹配。一种基于纹理的手指静脉特征匹配方法，如图1所示，包括以下步骤：步骤1、将待匹配的两幅手指静脉图像分别进行静脉特征提取，得到每幅图像的编码向量；每幅手指静脉图像进行静脉特征提取的具体方法为：步骤1.1、将预处理后的手指静脉图像通过一组Gabor滤波器，从而获得如图2所示的5个尺度V＝{v＝0，1，2，3，4}和8个方向U＝{u＝0，1，2，3，4，5，6，7}的40张Gabor特征图像R(v，u)；特征图像R(v，u)包括指静脉结构中血管粗细以及不同延伸方向特征；步骤1.2、将步骤1.1中得到的40张图像按尺度分类，即Rv＝{R(v，0)，R(v，1)，...，R(v，7)}，再利用Curvelet(即曲线波)变换分别将每个尺度下8个方向的图像进行融合，在有效的保留Gabor特征的前提下减小数据维度，最终得到融合后的5幅不同尺度的集成Gabor特征图像CUR1、...、CUR5；每个尺度下8个方向的图像进行融合的具体方法为：首先将每个尺度下的8张图像，按两两一组的方式采用Curvelet变换方法进行融合，即对图像对{R(v，u′)，R(v，u′+4)}，u∈{0，1，2，3}使用Curvelet变换方法进行融合，得到4张融合后的静脉图像；然后对这4张融合后的图像同样采取两两分组模式采用Curvelet变换方法进行融合，得到2张融合后的图像；最后对得到的2张融合后的图像采用Curvelet变换方法进行融合，最终得到该尺度下的1幅集成Gabor特征图像。采用Curvelet变换对手指静脉本文档来自技高网...

【技术保护点】
1.一种基于纹理的手指静脉特征匹配方法，其特征在于：包括以下步骤：步骤1、将待匹配的两幅手指静脉图像分别进行静脉特征提取，得到每幅图像的编码向量；所述每幅手指静脉图像进行静脉特征提取的具体方法为：步骤1.1、将预处理后的手指静脉图像通过一组Gabor滤波器，从而获得5个尺度V＝{v＝0，1，2，3，4}和8个方向U＝{u＝0，1，2，3，4，5，6，7}的40张Gabor特征图像R(v，u)；所述特征图像R(v，u)包括指静脉结构中血管粗细以及不同延伸方向特征；步骤1.2、将步骤1.1中得到的40张图像按尺度分类，即Rv＝{R(v，0)，R(v，1)，...，R(v，7)}，再利用Curvelet变换分别将每个尺度下8个方向的图像进行融合，在有效的保留Gabor特征的前提下减小数据维度，最终得到融合后的5幅不同尺度的集成Gabor特征图像CUR1、...、CUR5；步骤1.3、对集成Gabor特征的融合图像做近邻二值模式编码，作为手指静脉特征向量，即分别对CUR1、...、CUR5进行近邻二值模式编码，得到其编码图像，并转化为5个特征行向量Scode1、...、Scode5，进一步将这5个行向量串联，得到编码向量GCNcode；步骤2、利用两幅手指的静脉特征编码向量GCNcode之间的汉明距离来判断获取到的两幅手指静脉图像是否匹配。...

【技术特征摘要】
1.一种基于纹理的手指静脉特征匹配方法，其特征在于：包括以下步骤：步骤1、将待匹配的两幅手指静脉图像分别进行静脉特征提取，得到每幅图像的编码向量；所述每幅手指静脉图像进行静脉特征提取的具体方法为：步骤1.1、将预处理后的手指静脉图像通过一组Gabor滤波器，从而获得5个尺度V＝{v＝0，1，2，3，4}和8个方向U＝{u＝0，1，2，3，4，5，6，7}的40张Gabor特征图像R(v，u)；所述特征图像R(v，u)包括指静脉结构中血管粗细以及不同延伸方向特征；步骤1.2、将步骤1.1中得到的40张图像按尺度分类，即Rv＝{R(v，0)，R(v，1)，...，R(v，7)}，再利用Curvelet变换分别将每个尺度下8个方向的图像进行融合，在有效的保留Gabor特征的前提下减小数据维度，最终得到融合后的5幅不同尺度的集成Gabor特征图像CUR1、...、CUR5；步骤1.3、对集成Gabor特征的融合图像做近邻二值模式编码，作为手指静脉特征向量，即分别对CUR1、...、CUR5进行近邻二值模式编码，得到其编码图像，并转化为5个特征行向量Scode1、...、Scode5，进一步将这5个行向量串联，得到编码向量GCNcode；步骤2、利用两幅手指的静脉特征编码向量GCNcode之间的汉明距离来判断获取到的两幅手指静脉图像是否匹配。2.根据权利要求1所述的一种基于纹理的手指静脉特征匹配方法，其特征在于：步骤1.2所述每个尺度下8个方向的图像进行...

【专利技术属性】
技术研发人员：李新春，曹志强，林森，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：辽宁,21