基于静脉像素点判定的掌静脉识别方法技术

本发明专利技术公开了一种基于静脉像素点判定的掌静脉识别方法，求取掌静脉图像样本库的方向特征编码矩阵数据库，在求取方向特征编码矩阵时，先从掌静脉图像中提取出ROI区域图像，采用滑动窗口遍历掌静脉图像ROI区域，对于每次滑动得到的ROI子区域利用方向模板判断其中像素点是否为静脉像素点，如果是静脉像素点则利用方向模板求取ROI子区域的方向特征，如果不是静脉像素点则令其方向特征为‑1，从而得到方向特征矩阵，根据预先设置的方向特征编码表得到方向特征编码矩阵；求取待识别掌静脉图像的方向特征编码矩阵，和方向特征编码矩阵数据库中每个方向特征编码矩阵进行匹配，得到识别结果。本发明专利技术可在保证识别率的情况下提高识别效率。

Palm vein recognition method based on vein pixel judgment

The invention discloses a palmar vein recognition method based on the determination of vein pixels, obtains the direction characteristic encoding matrix database of the palmar vein image sample library, extracts the ROI region image from the palmar vein image first, and traverses the ROI region of the palmar vein image by sliding window for each sample library. The sub-region of ROI obtained by sub-sliding determines whether the pixels in the sub-region are vein pixels by the direction template. If the pixels are vein pixels, the direction feature of the sub-region of ROI is obtained by the direction template. If the sub-region is not vein pixels, the direction feature is 1, and the direction feature matrix is obtained according to the pre-set direction feature. Directional feature encoding matrix is obtained from the feature encoding table, and the directional feature encoding matrix of palmar vein image to be recognized is obtained. The recognition result is obtained by matching the directional feature encoding matrix with each directional feature encoding matrix in the database of directional feature encoding matrix. The invention can improve the recognition efficiency under the condition of guaranteeing the recognition rate.

【技术实现步骤摘要】
基于静脉像素点判定的掌静脉识别方法
本专利技术属于生物识别
，更为具体地讲，涉及一种基于静脉像素点判定的掌静脉识别方法。
技术介绍
生物特征识别技术是根据人体生物特征进行身份鉴别的一种技术，常用的生物特征包括指纹、人脸、虹膜、静脉等。与其他的生物特征相比，静脉特征有其突出的优势，比如稳定性，在人的成长过程中，静脉结构变化很小，不会影响静脉识别率；相对于人脸，静脉具有唯一性，对于双胞胎，人脸区分容易产生错误，而由于不同生物体的静脉网络结构不同(双胞胎也不同)，则具有很好区分性；活体特征，当人体的血液停止流动后，无法提取静脉图像完成身份识别，相比指纹识别更加安全。在几种静脉识别特征(指静脉、手背静脉、掌静脉)中，掌静脉的静脉特征信息最丰富，可区分性最好，因此掌静脉特征识别具有非常好的发展潜力和市场应用前景。掌静脉识别算法通常包括掌静脉图像采集、图像预处理、特征提取及特征识别四个部分。采集整幅手掌图像，提取感兴趣区域ROI(RegionofInterest)，对图像降噪处理，提取特征再匹配识别，其中特征提取是很重要的部分，选取的特征不同会影响到的最终的识别正确率。常用的掌静脉特征包括结构特征、统计特征、子空间特征及纹理特征。结构特征一般指静脉骨架图像的几何特征(点特征、线特征)，基于结构特征的特征提取方法虽然识别率较高，但是计算复杂特征难以表征。基于统计特征的特征提取方法是通过提取静脉图像的全局统计特征来识别，该方法易于表征，但会损失局部信息特征，因此识别率不高。基于子空间特征的方法是将掌静脉图像看作高维向量或矩阵，通过投影或变换将其转换为低维向量或矩阵再进行识别，因此特征向量的维数少，对图像质量要求低，但此方法计算比较复杂，因此使用较少。基于纹理特征的特征提取方法是利用各种滤波器提取掌静脉图像的纹理特征进行识别的方法，方法的原理简单，通用性强，直观上比较符合掌静脉图像自身特点，识别率较另外几种特征高。在文献“ZhouY，KumarA.Humanidentificationusingpalm-veinimages[J].IEEETransactionsonInformationForensicsandSecurity，2011，6(4):1259-1274.[DOI:10.1109/TIFS.2011.2158423]”中记载了一种NMRT(neighborhoodmatchingradontransform)方法，通过提取静脉纹理图像的方向特征，然后采用分块求汉明距离进行匹配，该方法要优于目前应用于掌静脉识别的大部分算法。相比其他基于纹理特征的掌静脉识别方法，NMRT方法有两个优点:1)无需过多参数设置，方向滤波器设计简明，降低计算复杂度；2)以方向特征为匹配特征，增强了算法对光照变化、旋转变化的鲁棒性。但是该方法也有不足，其计算复杂度较高，导致识别效率较低。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于静脉像素点判定的掌静脉识别方法，预先对静脉像素点进行判定，在保证识别率的情况下提高识别效率。为实现上述专利技术目的，本专利技术基于静脉像素点判定的掌静脉识别方法的具体步骤包括：S1：获取若干掌静脉图像样本，构建掌静脉图像样本库；S2：求取掌静脉图像样本库中每幅掌静脉图像的方向特征编码矩阵，构成方向特征编码矩阵数据库，方向特征编码矩阵的求取方法包括以下步骤：S2.1：从掌静脉图像中提取出掌静脉ROI区域图像；S2.2：设置方向模板的数量为Q，Q个方向模板均为P×P的点阵X，P的大小根据实际需要确定，在每个方向模板中设置一个中心区域Y，该中心区域以点阵的中心点作为中心点，大小记为p0×p0，其中1≤p0＜P；在每个方向模板中，定义Lq为点阵内组成一条直线区域的像素点集合，其表达式如下：Lq＝{(i,j)|j＝kq(i-i0)+j0,(i,j)∈X,(i0,j0)∈Y}其中，q＝1,2,…,Q，kq表示第q个方向模板中直线的斜率；S2.3：在掌静脉ROI区域图像四周扩充L个像素点宽度，表示向下取整，扩充区域的像素点灰度值等于和该像素点距离最近的ROI区域中像素点的灰度值，从而得到扩充后的掌静脉ROI区域图像；S2.4：采用大小为p0×p0的滑动窗口遍历原始的掌静脉ROI区域图像，对于每次滑动得到的ROI子区域，首先判断其中像素点是否为静脉像素点，判断方法如下：令滑动窗口所得到的ROI子区域作为方向模板的中心区域，对于每个方向模板，将其直线区域均分为3个直线子区域，计算扩充后的掌静脉ROI区域图像中这3个直线子区域的灰度均值，如果中间直线子区域(即ROI子区域所在有效子区域)的灰度均值均小于另外2个直线子区域，则初步判定ROI子区域中像素点是静脉像素点，令对应的判定标识fq＝1，否则初步判定ROI子区域中像素点不是静脉像素点，令对应的判定标识fq＝0；记Q个判定标识中为1的判定标识的数量为A，如果A≥AT，AT为预设阈值，如果是，则判定ROI子区域中像素点是静脉像素点，否则判定ROI子区域中像素点不是静脉像素点；如果滑动窗口所得到的ROI子区域中的像素点为静脉像素点，则采用以下方法求取方向特征：令滑动窗口所得到的ROI子区域作为方向模板的中心区域，计算Q个方向模板中每个直线区域Lq在扩充后的掌静脉ROI区域图像中所覆盖像素点的灰度值和，筛选出Q个灰度值和中的最小值，将其对应的方向模板序号作为ROI子区域的方向特征；如果滑动窗口所得到的ROI子区域中的像素点不是静脉像素点，则令ROI子区域的方向特征为-1；从而得到大小为(M/p0)×(N/p0)的方向特征矩阵；S2.5：预先设置方向特征编码表，包含Q+1个方向特征所对应的编码，其中Q个方向模板序号所对应编码为二进制编码，记二进制编码的长度为H，方向特征-1的编码为H位值为-1的编码；根据掌静脉图像ROI区域中每个像素点的方向特征，得到每个像素点对应的方向特征编码，从而得到大小为(M/p0)×(N/p0×H)的方向特征编码矩阵；S3：采用步骤S2中相同方法求取待识别掌静脉图像的方向特征编码矩阵；S4：将待识别掌静脉图像的方向特征编码矩阵和方向特征编码矩阵数据库中每个方向特征编码矩阵进行匹配，得到待识别掌静脉图像的识别结果。本专利技术基于静脉像素点判定的掌静脉识别方法，求取掌静脉图像样本库中每幅掌静脉图像的方向特征编码矩阵，构成方向特征编码矩阵数据库，在求取方向特征编码矩阵时，首先从掌静脉图像中提取出ROI区域图像，采用滑动窗口遍历掌静脉图像ROI区域，对于每次滑动得到的ROI子区域利用方向模板判断其中像素点是否为静脉像素点，如果是静脉像素点则利用方向模板求取ROI子区域的方向特征，如果不是静脉像素点则令其方向特征为-1，从而得到方向特征矩阵，根据预先设置的方向特征编码表得到方向特征编码矩阵；求取待识别掌静脉图像的方向特征编码矩阵，和方向特征编码矩阵数据库中每个方向特征编码矩阵进行匹配，得到识别结果。本专利技术在计算方向特征编码矩阵时，通过方向模板判断掌静脉ROI区域中的像素点是否为静脉像素点，从而使得到的方向特征编码矩阵更加合理，可以大大提高掌静脉识别效率。附图说明图1是本专利技术基于静脉像素点判定的掌静脉识别方法的具体实施方式流程图；图2是本专利技术中方向特本文档来自技高网...

【技术保护点】
1.一种基于静脉像素点判定的掌静脉识别方法，其特征在于，包括以下步骤：S1：获取若干掌静脉图像样本，构建掌静脉图像样本库；S2：求取掌静脉图像样本库中每幅掌静脉图像的方向特征编码矩阵，构成方向特征编码矩阵数据库，方向特征编码矩阵的求取方法包括以下步骤：S2.1：从掌静脉图像中提取出掌静脉ROI区域图像；S2.2：设置方向模板的数量为Q，Q个方向模板均为P×P的点阵X，P的大小根据实际需要确定，在每个方向模板中设置一个中心区域Y，该中心区域以点阵X的中心点作为中心点，大小记为p0×p0，其中1≤p0＜P；在每个方向模板中，定义Lq为点阵X内组成一条直线区域的像素点集合，其表达式如下：Lq＝{(i,j)|j＝kq(i‑i0)+j0,(i,j)∈X,(i0,j0)∈Y}其中，q＝1,2,…,Q，kq表示第q个方向模板中直线的斜率；S2.3：在掌静脉ROI区域图像四周扩充L个像素点宽度，

【技术特征摘要】
1.一种基于静脉像素点判定的掌静脉识别方法，其特征在于，包括以下步骤：S1：获取若干掌静脉图像样本，构建掌静脉图像样本库；S2：求取掌静脉图像样本库中每幅掌静脉图像的方向特征编码矩阵，构成方向特征编码矩阵数据库，方向特征编码矩阵的求取方法包括以下步骤：S2.1：从掌静脉图像中提取出掌静脉ROI区域图像；S2.2：设置方向模板的数量为Q，Q个方向模板均为P×P的点阵X，P的大小根据实际需要确定，在每个方向模板中设置一个中心区域Y，该中心区域以点阵X的中心点作为中心点，大小记为p0×p0，其中1≤p0＜P；在每个方向模板中，定义Lq为点阵X内组成一条直线区域的像素点集合，其表达式如下：Lq＝{(i,j)|j＝kq(i-i0)+j0,(i,j)∈X,(i0,j0)∈Y}其中，q＝1,2,…,Q，kq表示第q个方向模板中直线的斜率；S2.3：在掌静脉ROI区域图像四周扩充L个像素点宽度，表示向下取整，扩充区域的像素点灰度值等于和该像素点距离最近的ROI区域中像素点的灰度值，从而得到扩充后的掌静脉ROI区域图像；S2.4：采用大小为p0×p0的滑动窗口遍历原始的掌静脉ROI区域图像，对于每次滑动得到的ROI子区域，首先判断其中像素点是否为静脉像素点，判断方法如下：令滑动窗口所得到的ROI子区域作为方向模板的中心区域，对于每个方向模板，将其直线区域Lq均分为3个直线子区域，计算扩充后的掌静脉ROI区域图像中这3个直线子区域的灰度均值，如果中间直线子区域(即ROI子区域所在有效子区域)的灰度均值均小于另外2个直线子区域，则初步判定ROI子区域中像素点是静脉像素点，令对应的判定标识fq＝1，否则初步判定ROI子区域中像素点不是静脉像素点，令对应的判定标识fq＝0；记Q个判定标识中为1的判定标识的数量为A，如果A≥AT，AT为预设阈值，如果是，则判定ROI子区域中像素点是静脉像素点，否则判定ROI子区域中像素点不是静脉像素点；如果滑动窗口所得到的ROI子区域中的像素点为静脉像素点，则采...

【专利技术属性】
技术研发人员：于力，杨园园，邹见效，徐红兵，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51