一种指静脉仿生纹理和线状纹理的匹配及识别方法技术

本发明专利技术公开了一种结合仿生纹理特征和线状纹理特征的手指静脉识别方法，该方法可以有效地利用了手指静脉的仿生纹理特征和线状纹理特征，克服噪声对识别精度带来的不利影响，提高了手指静脉识别系统的识别性能和鲁棒性。它分别提取手指静脉图像的仿生纹理特征和线状纹理特征：仿生纹理特征使用哺乳动物视觉皮层简单细胞接受场模型良好近似的Gabor滤波器提取，用其进行特征识别，效果类似人眼识别物体，具有良好的效果。

【技术实现步骤摘要】
一种指静脉仿生纹理和线状纹理的匹配及识别方法
本专利技术涉及手指静脉识别领域，具体地说是一种指静脉仿生纹理和线状纹理的匹配及识别方法。
技术介绍
手指静脉识别是一种新兴的具有较好发展前途的生物特征识别技术，手指静脉识别的关键在于如何准确提取静脉网络，在此基础上进行特征提取和匹配。为了克服低质量手指静脉图像对识别结果的影响，结合仿生纹理特征和线状纹理特征的手指静脉识别方法被提出。其基本原理是首先对采集的手指静脉图像做一定的预处理，包括图像增强、尺寸归一化等，然后对预处理后的图像提取结合仿生纹理和线状纹理的特征，并融合编码产生特征向量。最后利用特征向量之间的海明距离计算两幅手指静脉图像的特征相似度，根据设定的特征权及阈值进行匹配，验证二者是否来自同一枚手指。传统的手指静脉识别方法在特征提取时，往往只提取单一的特征，并不完备，不能将手指静脉图像的特性很好的描述出来，这样，不完备的特征通常会导致识别率的降低。
技术实现思路
本专利技术的目的是为解决上述现有技术的不足，而提供一种提高手指静脉识别系统的识别性能和鲁棒性的指静脉仿生纹理和线状纹理的匹配及识别方法。为实现上述目的，本专利技术提供的一种指静脉仿生纹理和线状纹理的匹配及识别方法，基于特征权及海明距离的匹配，通过计算特征向量之间的海明距离获得两幅手指静脉图像的特征相似度，但是由于图像采集装置的不同，在不同环境下仿生纹理特征和线状纹理特征对识别的重要程度不同，如图像的静脉清晰，线状纹理明显，特征向量中线状纹理特征Dnx更为重要，反之，则仿生纹理特征Dgx重要，所以为了提高识别率，采用分别计算海明距离，再加权的图像相似度Dista,b进行匹配，如式(7)所示：其中，为异或操作，Dist(a，b)为手指静脉图像a和图像b的相似度，为手指静脉图像a的仿生纹理特征，为手指静脉图像b的仿生纹理特征，为手指静脉图像a的线状纹理特征，为手指静脉图像b的线状纹理特征。通常情况ωg＝ωn＝0.5，如手指静脉纹理清晰，则适当调大ωn；反之则调大ωg。本专利技术提供的一种指静脉仿生纹理和线状纹理的匹配及识别方法，在应用中，先对训练图像进行预处理，然后，分别提取预处理后图像的仿生纹理和线状纹理特征，并将之融合成完备的手指静脉图像的特征，编码成特征向量，最后利用特征向量之间的海明距计算两幅手指静脉图像的特征相似度，根据设定的特征权及阈值进行匹配，验证二者是否来自同一枚手指。本专利技术的有益效果是：将基于Radon变换的线状纹理特征，将之融合到手指静脉图像的特征向量中，进一步提高了特征向量的完备性；同时，在特征匹配阶段，采用了基于特征权及海明距离的匹配，可针对在不同运行环境下，调整特征权，达到最佳的匹配效果。从而，提高了手指静脉识别系统的识别性能和鲁棒性。具体实施方式下面结合实施例对本专利技术做进一步说明。本实施例提供的一种指静脉仿生纹理和线状纹理的匹配及识别方法，包括提取仿生纹理特征和线状纹理特征，并融合编码产生特征向量，存储在模板数据库中，识别过程中，首先对图像进行预处理，接着进行仿生纹理特征和线状纹理特征提取，最后，通过公式(7)计算与数据库模板之间的图像相似度Dist(a，b)，根据设定的阈值确定识别结果。所述的计算是通过计算特征向量之间的海明距离获得两幅手指静脉图像的特征相似度，但是由于图像采集装置的不同，在不同环境下仿生纹理特征和线状纹理特征对识别的重要程度不同，如图像的静脉清晰，线状纹理明显，特征向量中线状纹理特征更为重要，反之，则仿生纹理特征重要，所以为了提高识别率，采用分别计算海明距离，再加权的图像相似度Dist(a，b)进行匹配，如式(7)所示：其中，⊕为异或操作，Dist(a，b)为手指静脉图像a和图像b的相似度，为手指静脉图像a的仿生纹理特征，为手指静脉图像b的仿生纹理特征，为手指静脉图像a的线状纹理特征，为手指静脉图像b的线状纹理特征。通常情况ωg＝ωn＝0.5，如手指静脉纹理清晰，则适当调大ωn；反之则调大ωg。其实施过程可以如下：1.预处理由于采集到的原始静脉的图像中存在一些无用的背景以及较多的噪声所以要先对原始图像进行预处理。本专利技术的预处理包括感兴趣区域提取，尺寸归一化，图像增强。感兴趣区域提取将富含大量有用信息的手指静脉区域提取出来，通过边缘检测检测出手指静脉的轮廓。尺寸归一化是将感兴趣区域线性拉伸成L*K像素大小的矩形区域，本专利技术M＝,96,N＝48。图像增强采用高斯滤波法。2.特征提取现有的手指静脉识别方法在特征提取时，往往只提取单一的特征，并不完备，不能将手指静脉图像的特性很好的描述出来。为解决这个问题，提供一种结合仿生纹理和线状纹理的手指静脉识别方法，该方法提取手指静脉图像的仿生纹理特征和线状纹理特征：仿生纹理特征使用哺乳动物视觉皮层简单细胞接受场模型良好近似的Gabor滤波器提取，用其进行特征识别，效果类似人眼识别物体，具有良好的完备性；同时，针对手指静脉图像中，静脉纹理通常为线状纹理的特点，还提出了基于Radon变换的线状纹理特征，将之融合到手指静脉图像的特征向量中，进一步提高了特征向量的完备性。使用哺乳动物视觉皮层简单细胞接受场模型良好近似的Gabor滤波器提取仿生纹理特征，二维Gabor滤波器的函数形式可以表示为式(1)：其中为给定位置的图像坐标；为滤波器的中心频率；α为滤波器提取纹理特征的方向；σ2为滤波器高斯包络的方差。为了让提取的仿生纹理不受图像灰度绝对数值的影响，并且对图像的光照变化不敏感。在二维Gabor滤波器的实部减去了如式(1)所示。根据手指静脉图像尺寸与噪声情况，选择并固定适当的Gabor滤波器方差参数σ2，调节滤波器频率参数kv，和方向参数α，得到一组二维Gabor滤波器并用它们对预处理后的手指静脉图像进行卷积，如式(2)所示：图像中的每一个点x0都能得到了多个Gabor滤波器响应Ji,jx0，取其中响应最强的频率参数kvi，和方向参数αj作为该点的仿生纹理特征，如式(3)所示：则整张手指静脉图像的仿生纹理特征为频率参数kvi取8种可能(1，1/2，1/4，1/6，1/8，1/10，1/12，1/14；单位：1/像素)，方向参数αj取6种可能(0°，60°，120°，180°，240°，300°)。采用线状纹理滤波器提取线状纹理特征。调节滤波器线宽参数d，和角度参数θ,得到一组线状纹理滤波器并用对预处理后的手指静脉图像进行卷积，如式(4)所示：图像中的每一个点都能得到了多个Gabor滤波器响应取其中响应最强的线宽参数di，和角度参数θj作为该点的线状纹理特征，如式(5)所示：则整张手指静脉图像的仿生纹理特征为线宽参数di取4种可能(1,2,4,8；单位：像素)，和角度参数θj取6种可能(0°，30°，60°，90°，120°，150°)。3.特征融合及编码单一的仿生纹理特征或者线状纹理特征都不够完备，融合它们能够得到完备的特征集特征集中包括仿生纹理的频率参数和方向参数，及线状纹理的线宽参数和角度参数，将其编码成二进制码共96×48×(3+3+2+3)＝50688bit。然后融合编码产生特征向量，存储在模板数据库中，最后，通过公式(7)计算与数据库模板之间的图像相似度Dist(a，b)，根据设定的阈值确定识别结果。本文档来自技高网...

【技术保护点】
一种指静脉仿生纹理和线状纹理的匹配及识别方法，它包括采用指静脉仿生纹理特征和线状纹理特征，其特征是通过计算特征向量之间的海明距离获得两幅手指静脉图像的特征相似度，采用分别计算海明距离，再加权的图像相似度Dist(a，b)进行匹配，如式(7)所示：Dist(a,b)=ωgDg(a)(x→)(2)⊕Dg(b)(x→)(2)||Dg(a)(x→)(2)||+ωnDn(a)(x→)(2)⊕Dn(b)(x→)(2)||Dn(a)(x→)(2)||---(7)]]>其中，⊕为异或操作，Dist(a，b)为手指静脉图像a和图像b的相似度，为手指静脉图像a的仿生纹理特征，为手指静脉图像b的线状纹理特征。

【技术特征摘要】
1.一种指静脉仿生纹理和线状纹理的匹配及识别方法，它包括采用指静脉仿生纹理特征和线状纹理特征，其特征是通过计算特征向量之间的海明距离获得两幅手指静脉图像的特征相似度，采用分别计算海明距离，再加权的图像相似度Dist(a，b)进行匹配，如式(7)所示：其中，为异或操作，Dist(a，b)为手指静脉图像a和图像b的相似度，为手指静脉图像a的仿生纹理特征，为手指静脉图像b的仿生纹理特征，为手指静脉图像a的线状纹理特征，为手指静脉图像b的线状纹理特征；其中所述的仿生纹理特征满足二维Gabor滤波器的函数式(1)：其中为给定位置的图像坐标；为滤波器的中心频率；α为滤波器提取纹理特征的方向；σ2为滤波器高斯包络的方差；根据手指静脉图像尺寸与噪声情况，选择并固定适当的Gabor滤波器方差参数σ2，调节滤波器频率参数...

【专利技术属性】
技术研发人员：卢慧莉，黄靖，黄振鹏，邓强，何素宁，
申请(专利权)人：广东智冠信息技术股份有限公司，深圳云派思科技有限公司，
类型：发明
国别省市：广东;44