一种掌静脉识别方法和装置制造方法及图纸

本发明专利技术公开了一种掌静脉识别方法和装置，属于模式识别技术领域。该方法包括：对第一掌静脉图像和第二掌静脉图像分别进行预处理；对预处理后的第一掌静脉图像和第二掌静脉图像分别按ASIFT仿射变换矩阵进行仿射变换，各得到一组视图；对两组视图中的视图逐一提取SIFT特征，生成SIFT特征描述符；在两组视图中循环各取一张视图的SIFT特征描述符，采用随机抽样一致性迭代算法寻找相似度最大的视图，根据最大相似度判定第一掌静脉图像和第二掌静脉图像是否匹配。本发明专利技术通过在ASIFT仿射空间内提取图像特征，使得提取的特征对旋转、缩放、平移、相机轴方向和相机角度方向具有完全不变性，具备良好的抗掌静脉变形能力，鲁棒性和稳定性。

【技术实现步骤摘要】

本专利技术涉及模式识别
，尤其涉及一种掌静脉识别方法和装置。
技术介绍
随着信息技术飞速发展、人类社会不断进步，对信息技术提出了更新、更高的要求。网络信息化时代对人的身份进行识别的需求应用越来越多，如：系统登录、门禁出入、银行服务、社保服务、电子商务、出入境管理、疑犯鉴别等等。生物身份识别技术是以防止受保护的资源不被窃取的重要方式，最主要的是指纹掌纹等表面特征的识别产品，其缺点是可靠性低，容易复制。可靠性较高的虹膜识别技术，由于要人眼睛部位靠近识别，接受程度较低、且成本高而无法进行大规模的推广。而掌静脉识别无明显的健康威胁，可被普遍接受，且特征唯一性，低成本，精确快速。目前，已有不少研究人员将SIFT(Scale-invariant Feature Transform，尺度不变特征转换)算法应用于图像局部不变性特征提取技术中，取得了较好的效果。虽然SIFT算法具有尺度参数、旋转参数、两个平移参数上具有不变性，但不能克服摄像机所有视觉下图像的仿射变化。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种掌静脉识别方法和装置,以解决不能克服摄像机所有视觉下图像的仿射变化的技术问题。本专利技术解决上述技术问题所采用的技术方案如下：根据本专利技术的一个方面，提供的一种掌静脉识别方法，其特征在于，该包括以下步骤：对第一掌静脉图像和第二掌静脉图像分别进行预处理；对预处理后的第一掌静脉图像和第二掌静脉图像分别按仿射尺度不变特征转换ASIFT仿射变换矩阵进行仿射变换，各得到一组视图；对两组视图中的视图逐一提取尺度不变特征转换SIFT特征，生成两组SIFT特征描述符；在两组视图中循环各取一张视图的SIFT特征描述符，采用随机抽样一致性迭代算法寻找相似度最大的视图，根据最大相似度判定第一掌静脉图像和第二掌静脉图像是否匹配。优选的，对第一掌静脉图像和第二掌静脉图像分别进行预处理进一步包括：分别从第一掌静脉图像和第二掌静脉图像中提取有效的掌静脉区域；分别将有效的第一掌静脉图像和第二掌静脉图像进行均衡化处理；分别对第一掌静脉图像和第二掌静脉图像进行降噪。优选的，对预处理后的第一掌静脉图像和第二掌静脉图像分别按ASIFT仿射变换矩阵进行仿射变换，各得到一组视图进一步包括：确定倾斜量参数和经度角参数的采样范围、采样间隔、以及采样序列；根据倾斜量参数和经度角参数的采样序列，模拟出每张掌静脉图像因摄像机运动变换可能产生的所有仿射变化图像，生成一组视图。优选的，确定倾斜量参数和经度角参数的采样范围进一步包括：倾斜量参数t∈[0,tmax]，对应的θmax＝arccos(1/tmax)，φ∈[φmin,φmax]；其中，t表示倾斜量参数，tmax表示倾斜量参数t的上限，θ表示对纬度角参数，θmax表示最大纬度角参数，φ表示经度角参数，φmin表示经度角参数φ的最小值，φmax表示经度角参数φ的最大值；优选的，确定倾斜量参数以及经度角参数的采样间隔进一步包括：采样间隔△t＝tk+1/tk；在每一个倾斜量参数t对应的纬度角θ上，经度角参数φ的采样值遵循一个等差数列0,b/t,…,kb/t，其中k、b取整数，且kb/t<180°；优选的，确定倾斜量参数t以及经度角参数φ的采样序列进一步包括：对纬度角θ进行抽样从而得到伴随的倾斜量参数t，使得t＝1,a,a2,…,an，其中a、n为预设的实验值；经度角参数φ按t的级数取值，使得φ＝0,b/t,…,kb/t，其中k、b取整数，且kb/t<180°。优选的，根据倾斜量参数和经度角参数的采样序列，模拟出每张掌静脉图像因摄像机运动变换可能产生的所有仿射变化图像，生成一组视图，进一步包括：依次从倾斜量参数和经度角参数采样序列中获得每一个采样倾斜量参数ti和经度角参数φi；对掌静脉图像进行每一个经度角参数φi的旋转；对旋转后的掌静脉图像在x方向进行抗走样处理；对抗走样处理后的掌静脉图像进行倾斜量参数的倾斜，其中，θ表示对纬度角参数。优选的，对两组视图中的视图逐一提取SIFT特征，生成两组SIFT特征描述符进一步包括：构建高斯尺度空间并提取极值点；检测极值点；精确定位极值点，并剔除不稳定的极值点；确定特征点主方向；生成SIFT特征描述符。优选的，在两组视图中循环各取一张视图的SIFT特征描述符，采用随机抽样一致性迭代算法寻找相似度最大的视图，根据最大相似度判定第一掌静脉图像和第二掌静脉图像是否匹配进一步包括：S1、从两组视图中循环各取一张视图的SIFT特征描述符；S2、随机选出预设数量的待检验点对；S3、根据选取出的待检验点对计算投影变换矩阵；S4、对于所有的待检验点对，选出内点；S5、判断是否达到预设的选取次数，如果是，执行步骤S6，否则返回步骤S2；S6、找到内点最多的点集，并统计出该点集中内点总数和两掌静脉图像中特征点个数的较小值；S7、判断是否两组视图所有两两组合都比对完毕，如果是，执行步骤S8，否则返回步骤S1；S8、找出两组视图中内点的点集中内点个数的最大值和与之对应的特征点数；S9、判断最大值与之对应的特征点数的比值是否大于预设比值，如果是，判定位第一掌静脉图像和第二掌静脉图像匹配，否则判定为第一掌静脉图像和第二掌静脉图像不匹配。根据本专利技术的另一个方面，提供的一种掌静脉识别装置包括以下模块：图像预处理模块，用于对第一掌静脉图像和第二掌静脉图像分别进行预处理；仿射变换模块，用于对预处理后的第一掌静脉图像和第二掌静脉图像分别按仿射尺度不变特征转换ASIFT仿射变换矩阵进行仿射变换，各得到一组视图；特征提取模块，用于对两组视图中的视图逐一提取尺度不变特征转换SIFT特征，生成两组SIFT特征描述符；迭代判定模块，用于在两组视图中循环各取一张视图的SIFT特征描述符，采用随机抽样一致性迭代算法寻找相似度最大的视图，根据最大相似度判定第一掌静脉图像和第二掌静脉图像是否匹配。优选的，仿射变换模块进一步包括：采样范围确定单元，用于确定倾斜量参数和经度角参数的采样范围。采样间隔确定单元，用于确定倾斜量参数和经度角参数的采样范围采样间隔。采样序列确定单元，用于确定倾斜量参数和经度角参数的采样序列。仿射模拟单元，用于根据倾斜量参数和经度角参数的采样序列，模拟出每张掌静脉图像因摄像机运动变换可能产生的所有仿射变化图像，生成一组视图。优选的，迭代判定模块进一步包括：视图获取单元，用于从两组视图中循环各取一张视图的SIFT特征描述符。点对选取单元，用于随机选出预设数量的待检验点对。矩阵计算单元，用于根据选取出的待检验点对计算投影变换矩阵。内点选择单元，用于对于所有的待检验点对，选出内点。第一判断单元，用于判断是否达到预设的选取次数。第一统计单元，用于找到内点最多的点集，并统计出该点集中内点总数和两掌静脉图像中特征点个数的较小值。第二判断单元，用于判断是否两组视图所有两两组合都比对完毕。第二统计单元，用于找出两组视图中内点的点集中内点个数的最大值和与之对应的特征点数。判定单元，用于判断最大值与之对应的特征点数的比值是否大于预设比值，如果是，判定位第一掌静脉图像和第二掌静脉图像匹配，否则判定为第一掌静脉图像和第二掌静脉图像不匹配。本专利技术实施例提供的一种掌静脉识别方法和装置，通过在仿射空间内提取图本文档来自技高网...

【技术保护点】
一种掌静脉识别方法，其特征在于，该包括以下步骤：对第一掌静脉图像和第二掌静脉图像分别进行预处理；对预处理后的第一掌静脉图像和第二掌静脉图像分别按仿射尺度不变特征转换ASIFT仿射变换矩阵进行仿射变换，各得到一组视图；对两组视图中的视图逐一提取尺度不变特征转换SIFT特征，生成两组SIFT特征描述符；在两组视图中循环各取一张视图的SIFT特征描述符，采用随机抽样一致性迭代算法寻找相似度最大的视图，根据最大相似度判定所述第一掌静脉图像和所述第二掌静脉图像是否匹配。

【技术特征摘要】
1.一种掌静脉识别方法，其特征在于，该包括以下步骤：对第一掌静脉图像和第二掌静脉图像分别进行预处理；对预处理后的第一掌静脉图像和第二掌静脉图像分别按仿射尺度不变特征转换ASIFT仿射变换矩阵进行仿射变换，各得到一组视图；对两组视图中的视图逐一提取尺度不变特征转换SIFT特征，生成两组SIFT特征描述符；在两组视图中循环各取一张视图的SIFT特征描述符，采用随机抽样一致性迭代算法寻找相似度最大的视图，根据最大相似度判定所述第一掌静脉图像和所述第二掌静脉图像是否匹配。2.根据权利要求1所述的掌静脉识别方法，其特征在于，所述对第一掌静脉图像和第二掌静脉图像分别进行预处理进一步包括：分别从所述第一掌静脉图像和第二掌静脉图像中提取有效的掌静脉区域；分别将所述有效的第一掌静脉图像和第二掌静脉图像进行均衡化处理；分别对均衡化处理后的第一掌静脉图像和第二掌静脉图像进行降噪。3.根据权利要求1所述的掌静脉识别方法，其特征在于，所述对预处理后的第一掌静脉图像和第二掌静脉图像分别按ASIFT仿射变换矩阵进行仿射变换，各得到一组视图进一步包括：确定倾斜量参数和经度角参数的采样范围、采样间隔、以及采样序列；根据所述倾斜量参数和经度角参数的采样序列，模拟出每张掌静脉图像因摄像机运动变换可能产生的所有仿射变化图像，生成一组视图。4.根据权利要求3所述的掌静脉识别方法，其特征在于，所述确定倾斜量参数和经度角参数的采样范围进一步包括：所述倾斜量参数t∈[0,tmax]，对应的θmax＝arccos(1/tmax)，φ∈[φmin,φmax]；其中，t表示倾斜量参数，tmax表示倾斜量参数t的上限，θ表示对纬度角参数，θmax表示最大纬度角参数，φ表示经度角参数，φmin表示经度角参数φ的最小值，φmax表示经度角参数φ的最大值；所述确定倾斜量参数以及经度角参数的采样间隔进一步包括：采样间隔△t＝tk+1/tk；在每一个倾斜量参数t对应的纬度角θ上，经度角参数φ的采样值遵循一个等差数列0,b/t,…,kb/t，其中k、b取整数，且kb/t<180°；所述确定倾斜量参数t以及经度角参数φ的采样序列进一步包括：对纬度角θ进行抽样从而得到伴随的倾斜量参数t，使得t＝1,a,a2,…,an，其中a、n为预设的实验值；经度角参数φ按t的级数取值，使得φ＝0,b/t,…,kb/t，其中k、b取整数，且kb/t<180°。5.根据权利要求3所述的掌静脉识别方法，其特征在于，所述根据所述倾斜量参数和经度角参数的采样序列，模拟出每张掌静脉图像因摄像机运动变换可能产生的所有仿射变化图像，生成一组视图，进一步包括：依次从倾斜量参数和经度角参数采样序列中获得每一个采样倾斜量参数ti和经度角参数φi；对所述掌静脉图像进行每一个经度角参数φi的旋转；对旋转后的掌静脉图像在x方向进行抗走样处理；对抗走样处理后的掌静脉图像进行当前倾斜量参数的倾斜，θ表示对纬度角参数。6.根据权利要求1所述的掌静脉识别方法，其特征在于，所述对两组视图中的视图逐一提取SIFT特征，生成两组SIFT特征描述符进一步包括：构建高斯尺度空间并提取极值点；检测极值点；精确定位极值...

【专利技术属性】
技术研发人员：徐庆华，杨俊超，
申请(专利权)人：深圳市源厚实业有限公司，
类型：发明
国别省市：广东;44