The invention discloses a dynamic recognition method for fuzzy finger vein image. In order to judge whether the image of finger vein is fuzzy or not, a method based on image pyramid model is proposed. Then a dynamic Niblack segmentation algorithm based on fuzzy degree classification is proposed. According to different fuzzy degree, different calculation threshold is used. Finally, dynamic recognition threshold is set according to different recognition modes. The experiment shows that the dynamic recognition algorithm for fuzzy finger vein image proposed by the invention has a great improvement in the accuracy of judging the image fuzziness. And in feature extraction, dynamic calculation parameters are used to make feature extraction more accurate. Finally, in the recognition process, the dynamic recognition threshold is used to effectively improve the overall recognition rate of the system. It shows that this method is an efficient and simple method for fuzzy finger vein image recognition.
【技术实现步骤摘要】
一种面向模糊指静脉图像的动态识别方法
本专利技术属于生物特征识别及信息安全
,特别涉及指静脉识别
技术介绍
手指静脉识别技术属于生物特征识别技术,它利用手指内部静脉走向的形态学结构进行个体的身份验证。因其识别速度快、不可复制性,成本较低而成为国内外诸多研究人员的研究热点。在指静脉图像采集中,由于被采集者的使用习惯如放置时重压等,采集时的环境变化如手指表面脏污、湿润等,设备不稳定性如红外摄像头曝光过度、失焦等因素,均会采集到静脉纹路不清晰的图像即模糊图像。由于模糊图像对比度低,不利于静脉分割和特征提取,从而影响系统的识别性能。目前,针对提升模糊图像识别性能,如何准确检测指静脉图像的模糊程度,如何针对模糊图像的提取特征过程改进成为了研究的重点方向。胡晶晶等将提取的指静脉图像中的空间域梯度、对比度等信息进行加权融合,通过建立质量评估模型来检测图像的模糊程度,该方法采用图像熵等统计量对模糊图像质量进行判断,可能导致图象模糊程度判断不准确。S.Fairuz等采用AlexNet迁移学习模型,提高静脉系统识别率,但建立深度学习模型,算法时间复杂度高,实现的硬件成本较高。张冬梅等采用改进的Morlet小波变换方法,通过增强模糊静脉图像以提高识别性能,但该方法对于设备成像要求较为苛刻,并不适用于大多数的红外指静脉图像。综上所述当前模糊静脉图像识别中存在着静脉特征较难提取,模糊度判断不准确,模糊图像识别性能差等问题。红外摄像头拍摄人体指静脉图像时,静脉边缘灰度变化剧烈,即为图像中的高频信息。因此,可以通过 ...
【技术保护点】
1.一种面向模糊指静脉图像的动态识别方法,其特征在于包括如下步骤:/n步骤1、采集红外手指静脉图像,通过隔行隔列采样和不同参数的高斯滤波构建出图像的高斯金字塔模型;/n步骤2、在构建高斯金字塔模型时,引入拉普拉斯金字塔模型;该拉普拉斯金字塔模型由高斯金字塔中同一尺寸相邻尺度层的两幅图像经过差分运算得到;/n步骤3、提出一种加权的模糊度检测函数,计算得到的图像模糊度指标;/n步骤4、对采集的手指静脉图像提取稳定的二值图特征;/n步骤5、对于不同模糊程度的手指静脉图像,采用动态的分割参数获取静脉特征细线图,并将静脉特征细线图分成两个点集X和Y;/n步骤6、使用基于细线的修正豪斯多夫距离距离作为识别方法,计算点集X和Y相似度统计量;/n步骤7、取相似度统计量中最大值H(X,Y)作为2个点集间的细线距离顺序统计量;/n步骤8、根据步骤3中计算得到的图像模糊度指标,判断是否识别成功。/n
【技术特征摘要】
1.一种面向模糊指静脉图像的动态识别方法,其特征在于包括如下步骤:
步骤1、采集红外手指静脉图像,通过隔行隔列采样和不同参数的高斯滤波构建出图像的高斯金字塔模型;
步骤2、在构建高斯金字塔模型时,引入拉普拉斯金字塔模型;该拉普拉斯金字塔模型由高斯金字塔中同一尺寸相邻尺度层的两幅图像经过差分运算得到;
步骤3、提出一种加权的模糊度检测函数,计算得到的图像模糊度指标;
步骤4、对采集的手指静脉图像提取稳定的二值图特征;
步骤5、对于不同模糊程度的手指静脉图像,采用动态的分割参数获取静脉特征细线图,并将静脉特征细线图分成两个点集X和Y;
步骤6、使用基于细线的修正豪斯多夫距离距离作为识别方法,计算点集X和Y相似度统计量;
步骤7、取相似度统计量中最大值H(X,Y)作为2个点集间的细线距离顺序统计量;
步骤8、根据步骤3中计算得到的图像模糊度指标,判断是否识别成功。
2.根据权利要求1所述的一种面向模糊指静脉图像的动态识别方法,其特征在于步骤1具体实现如下:
高斯金字塔模型的图像集合用Gau(G,L)来表示,其中G代表尺寸组,L代表尺度层;使用双线性插值法将原图尺寸大小归一化为P×Q,并置于第一尺寸组,第一尺度层为Gau(1,1);同一尺寸下,尺度层由一系列经过不同参数高斯滤波后的图像组成,如公式(1)所示,式中,w为高斯滤波函数,σ为滤波系数,n为滤波函数的窗口大小,k′为尺寸组序号,k为尺度层序号;
Gau(k′,k+1)=Gau(k′,k)*w[n2,(k-1)σ](1)。
3.根据权利要求2所述的一种面向模糊指静脉图像的动态识别方法,其特征在于步骤2具体实现如下:
拉普拉斯金字塔模型由高斯金字塔中同一尺寸相邻尺度层的两幅图像经过差分运算得到;用Lap(G,L)表示拉普拉斯金字塔图像:
Lap(G,L)=Gau(G,L)-Gau(G,L+1)(2)。
4.根据权利要求3所述的一种面向模糊指静脉图像的动态识别方法,其特征在于步骤3具体实现如下:
提出一种加权的模糊度检测函数,如公式(3)、(4)所示,其中G为所选尺寸组,Sn为各层尺度层的高频质量分数,M为指静脉图像模糊度指标,μ1,μ2,μ3,μ4为权重系数,r和c为所选尺寸组的尺寸大小,为固定值;
M=μ1S1+μ2S2...
【专利技术属性】
技术研发人员:沈雷,李凡,吕葛梁,杨航,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。