手背静脉图像的识别处理方法及装置制造方法及图纸

本发明专利技术提供的手背静脉图像的识别处理方法及装置，通过采用对采集的手背静脉图像进行二值化处理，获得包括手背静脉纹路的二值图像，沿二值图像的纵轴对多个旋转后的二值图像进行图像积分处理，获得多个积分向量，对多个积分向量进行归一化处理，获得二值图像的二值积分图像，对二值积分图像进行二维离散余弦变换处理获得低频图像，从低频图像中提取待识别特征。通过对二值图像进行多次旋转，并对每次旋转后获得的二值图像进行图像积分处理，从而使最终获得的待识别特征的特征准确度更高，特征稳定性更强，进而使得利用该待识别特征进行身份认证后得到的认证结果的鲁棒性更高。

Hand back vein image recognition processing method and device

The invention provides a hand vein image recognition processing method and device, through the use of hand vein image is binarization processing, including hand vein lines of the two value image, along the longitudinal axis of the two value image of a plurality of rotation values after two image points, multiple integral vector and multiple integral vector are normalized to obtain two value image of two value of integral image, two integral image two-dimensional discrete cosine transform processing to obtain the low frequency images, extracted features from the low frequency image. The value of the two images of several rotations, and on each rotation after the two value image to be identified so that the integral process, features obtained higher accuracy, stronger robustness and stability characteristics, which makes authentication using the identification features after the authentication result is higher.

【技术实现步骤摘要】
手背静脉图像的识别处理方法及装置
本专利技术涉及一种图像处理技术，尤其涉及一种手背静脉图像的识别处理方法及装置。
技术介绍
静脉识别是一种生物识别技术，由于每个人的手背静脉图像具备类似于指纹的唯一性且具有持久不变的特点,因此，可用于进行身份认证。一般来说，在现有的手背静脉图像识别处理过程中，先按照人为预设的分割阈值对手背静脉图像进行灰度处理，再从处理后的手背静脉图像中提取关键点的特征信息，其中的关键点具体可如静脉检测端点和静脉交叉点等，而特征信息具体可如数量和相对位置等信息。将识别处理后获取的关键点的特征信息代入现有的神经网络算法或相似度算法等匹配算法中以实现对身份的认证。但是，在上述过程中，由于分割阈值是人为设定的，这将导致处理后的手背静脉图像容易存在图像畸变和误分隔等问题，进而使得获得关键点的数量和相对位置等信息不能准确反映手背静脉图像的信息，影响身份认证结果的鲁棒性。
技术实现思路
针对现有的手背静脉图像的识别处理方法中所获得的特征信息不能准确反映手背静脉图像信息的问题，本专利技术提供了一种手背静脉图像识别处理的方法及装置。一方面，本专利技术提供了一种手背静脉图像的识别处理方法，包括：对采集的手背静脉图像进行二值化处理，获得包括手背静脉纹路的二值图像；沿所述二值图像的纵轴对多个旋转后的二值图像进行图像积分处理，获得多个积分向量；对所述多个积分向量进行归一化处理，获得所述二值图像的二值积分图像；对所述二值积分图像进行二维离散余弦变换处理获得低频图像，从所述低频图像中提取待识别特征。进一步地，所述沿所述二值图像的纵轴对多个旋转后的二值图像进行图像积分处理，获得多个积分向量，包括：将所述二值图像沿顺时针方向旋转360/m度，获得第一旋转图像；其中，所述m为大于1的正整数；沿所述二值图像的纵轴对所述第一旋转图像进行图像积分处理，获得第一积分向量；将所述第一旋转图像沿顺时针方向旋转360/m度，获得第二旋转图像；沿所述二值图像的纵轴对所述第二旋转图像进行图像积分处理，获得第二积分向量；重复旋转图像和对图像进行图像积分处理的步骤，直至将第m-1旋转图像沿顺时针方向旋转360/m度，获得第m旋转图像以及第m积分向量；或者，将所述二值图像沿逆时针方向旋转360/m度，获得第一旋转图像；其中，所述m为大于1的正整数；沿所述二值图像的纵轴对所述第一旋转图像进行图像积分处理，获得第一积分向量；将所述第一旋转图像沿逆时针方向旋转360/m度，获得第二旋转图像；沿所述二值图像的纵轴对所述第二旋转图像进行图像积分处理，获得第二积分向量；重复旋转图像和对图像进行图像积分处理的步骤，直至将第m-1旋转图像沿逆时针方向旋转360/m度，获得第m旋转图像以及第m积分向量。进一步地，所述对所述多个积分向量进行归一化处理，获得所述二值图像的二值积分图像，包括：对所述第一积分向量至所述第m积分向量进行向量堆积运算，获得二值积分图像，其中，所述二值积分图像为列矩阵，所述第一积分向量至所述第m积分向量分别为所述列矩阵中第一行至第m行的元素。进一步地，所述对所述二值积分图像进行二维离散余弦变换处理获得低频图像，从所述低频图像中提取待识别特征，包括：对所述二值积分图像进行二维离散余弦变换，截取变换后的所述二值积分图像的低频部分，获得大小为N×N的低频矩阵；对所述低频矩阵中的各个元素按照行列顺序排序，获得大小为1×N2的一维特征矩阵。进一步地，对手背静脉图像进行二值化处理之前，还包括：利用质心自适应法确定所述手背静脉图像的感兴趣区域，对所述感兴趣区域进行灰度归一化处理和数据平滑处理，并获得待识别手背静脉图像；相应的，对手背静脉图像进行二值化处理，包括：对所述待识别手背静脉图像进行二值化处理。另一方面，本专利技术提供了一种手背静脉图像的识别处理装置包括：二值化处理模块，用于对采集的手背静脉图像进行二值化处理，获得包括手背静脉纹路的二值图像；积分处理模块，用于沿所述二值图像的纵轴对多个旋转后的二值图像进行图像积分处理，获得多个积分向量；归一化处理模块，用于对所述多个积分向量进行归一化处理，获得所述二值图像的二值积分图像；特征提取模块，用于对所述二值积分图像进行二维离散余弦变换处理获得低频图像，从所述低频图像中提取待识别特征。进一步地，所述积分处理模块具体用于将所述二值图像沿顺时针方向旋转360/m度，获得第一旋转图像；其中，所述m为大于1的正整数；沿所述二值图像的纵轴对所述第一旋转图像进行图像积分处理，获得第一积分向量；将所述第一旋转图像沿顺时针方向旋转360/m度，获得第二旋转图像；沿所述二值图像的纵轴对所述第二旋转图像进行图像积分处理，获得第二积分向量；重复旋转图像和对图像进行图像积分处理的步骤，直至将第m-1旋转图像沿顺时针方向旋转360/m度，获得第m旋转图像以及第m积分向量；或者，所述积分处理模块具体用于将所述二值图像沿逆时针方向旋转360/m度，获得第一旋转图像；其中，所述m为大于1的正整数；沿所述二值图像的纵轴对所述第一旋转图像进行图像积分处理，获得第一积分向量；将所述第一旋转图像沿逆时针方向旋转360/m度，获得第二旋转图像；沿所述二值图像的纵轴对所述第二旋转图像进行图像积分处理，获得第二积分向量；重复旋转图像和对图像进行图像积分处理的步骤，直至将第m-1旋转图像沿逆时针方向旋转360/m度，获得第m旋转图像以及第m积分向量。进一步地，所述归一化处理模块具体用于对所述第一积分向量至所述第m积分向量进行向量堆积运算，获得二值积分图像，其中，所述二值积分图像为列矩阵，所述第一积分向量至所述第m积分向量分别为所述列矩阵中第一行至第m行的元素。进一步地，所述特征提取模块具体用于对所述二值积分图像进行二维离散余弦变换，截取变换后的所述二值积分图像的低频部分，获得大小为N×N的低频矩阵；对所述低频矩阵中的各个元素按照行列顺序排序，获得大小为1×N2的一维特征矩阵。进一步地，还包括：预处理模块；所述预处理模块用于在对所述二值化处理模块对手背静脉图像进行二值化处理之前，利用质心自适应法确定所述手背静脉图像的感兴趣区域，对所述感兴趣区域进行灰度归一化处理和数据平滑处理，并获得待识别手背静脉图像；相应的，所述二值化处理模块用于对所述待识别手背静脉图像进行二值化处理。本专利技术提供的手背静脉图像的识别处理方法及装置，通过采用对采集的手背静脉图像进行二值化处理，获得包括手背静脉纹路的二值图像，沿二值图像的纵轴对多个旋转后的二值图像进行图像积分处理，获得多个积分向量，对多个积分向量进行归一化处理，获得二值图像的二值积分图像，对二值积分图像进行二维离散余弦变换处理获得低频图像，从低频图像中提取待识别特征。通过对二值图像进行多次旋转，并对每次旋转后获得的二值图像进行图像积分处理，从而使最终获得的待识别特征的特征准确度更高，特征稳定性更强，进而使得利用该待识别特征进行身份认证后得到的认证结果的鲁棒性更高。附图说明图1为本专利技术实施例一提供的一种手背静脉图像的识别处理方法的流程图；图2为本专利技术实施例二提供的一种手背静脉图像的识别处理方法的流程图；图3为本专利技术实施例三提供的一种手背静脉图像的识别处理方法的流程图；图4为本专利技术实施例四提供的一种手背静脉图像的识别处理装置的结构示意图；本文档来自技高网...

【技术保护点】
一种手背静脉图像的识别处理方法，其特征在于，包括：对采集的手背静脉图像进行二值化处理，获得包括手背静脉纹路的二值图像；沿所述二值图像的纵轴对多个旋转后的二值图像进行图像积分处理，获得多个积分向量；对所述多个积分向量进行归一化处理，获得所述二值图像的二值积分图像；对所述二值积分图像进行二维离散余弦变换处理获得低频图像，从所述低频图像中提取待识别特征。

【技术特征摘要】
1.一种手背静脉图像的识别处理方法，其特征在于，包括：对采集的手背静脉图像进行二值化处理，获得包括手背静脉纹路的二值图像；沿所述二值图像的纵轴对多个旋转后的二值图像进行图像积分处理，获得多个积分向量；对所述多个积分向量进行归一化处理，获得所述二值图像的二值积分图像；对所述二值积分图像进行二维离散余弦变换处理获得低频图像，从所述低频图像中提取待识别特征。2.根据权利要求1所述的识别处理方法，其特征在于，所述沿所述二值图像的纵轴对多个旋转后的二值图像进行图像积分处理，获得多个积分向量，包括：将所述二值图像沿顺时针方向旋转360/m度，获得第一旋转图像；其中，所述m为大于1的正整数；沿所述二值图像的纵轴对所述第一旋转图像进行图像积分处理，获得第一积分向量；将所述第一旋转图像沿顺时针方向旋转360/m度，获得第二旋转图像；沿所述二值图像的纵轴对所述第二旋转图像进行图像积分处理，获得第二积分向量；重复旋转图像和对图像进行图像积分处理的步骤，直至将第m-1旋转图像沿顺时针方向旋转360/m度，获得第m旋转图像以及第m积分向量；或者，将所述二值图像沿逆时针方向旋转360/m度，获得第一旋转图像；其中，所述m为大于1的正整数；沿所述二值图像的纵轴对所述第一旋转图像进行图像积分处理，获得第一积分向量；将所述第一旋转图像沿逆时针方向旋转360/m度，获得第二旋转图像；沿所述二值图像的纵轴对所述第二旋转图像进行图像积分处理，获得第二积分向量；重复旋转图像和对图像进行图像积分处理的步骤，直至将第m-1旋转图像沿逆时针方向旋转360/m度，获得第m旋转图像以及第m积分向量。3.根据权利要求2所述的识别处理方法，其特征在于，所述对所述多个积分向量进行归一化处理，获得所述二值图像的二值积分图像，包括：对所述第一积分向量至所述第m积分向量进行向量堆积运算，获得二值积分图像，其中，所述二值积分图像为列矩阵，所述第一积分向量至所述第m积分向量分别为所述列矩阵中第一行至第m行的元素。4.根据权利要求3所述的识别处理方法，其特征在于，所述对所述二值积分图像进行二维离散余弦变换处理获得低频图像，从所述低频图像中提取待识别特征，包括：对所述二值积分图像进行二维离散余弦变换，截取变换后的所述二值积分图像的低频部分，获得大小为N×N的低频矩阵；对所述低频矩阵中的各个元素按照行列顺序排序，获得大小为1×N2的一维特征矩阵。5.根据权利要求1-4任一项所述的识别处理方法，其特征在于，对手背静脉图像进行二值化处理之前，还包括：利用质心自适应法确定所述手背静脉图像的感兴趣区域，对所述感兴趣区域进行灰度归一化处理和数据平滑处理，并获得待识别手背静脉图像；相应的，对手背静脉图像进行二值化处理，包括：对所述待识别手背...

【专利技术属性】
技术研发人员：王一丁，郑璇，蒋小琛，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：北京,11