一种基于改进的LGS加权编码的手指静脉图像识别方法技术

一种基于改进的LGS加权编码的手指静脉图像识别方法。其包括对所有手指静脉图像进行ROI提取并归一化；通过k通道Gabor滤波器对手指静脉ROI图像进行滤波；针对滤波后的增强图像，提出了一种基于对称交叉加权局部图结构编码算法；通过不同方向特征编码提取对应通道滤波图像的特征编码图，选择特征编码值中的最大值作为最终特征编码值；在此基础上，提出一种方案以获得最终特征编码图像；将该编码图像平均划分为非重叠子块，计算所有子块的灰度直方图并串联进行相似性匹配等步骤；本发明专利技术优点：充分表达了邻域间的局部空间梯度信息，通过提取多个方向的特征编码信息使特征表达更加稳定，并成功应用于静脉图像识别，大大提高了识别性能。

【技术实现步骤摘要】
一种基于改进的LGS加权编码的手指静脉图像识别方法
本专利技术属于手指静脉图像识别
，特别是涉及一种基于改进的LGS加权编码的手指静脉图像识别方法。
技术介绍
目前，由于人们对身份识别的要求越来越高，传统的生物特征识别技术已经无法满足人们的需求。随着生物特征识别技术的发展，由于静脉识别具有天然的活体防伪性以及内在血管网络的个体差异性，因此作为一种新的身份识别方法已得到广泛的关注。相比于传统的生物模式(如DNA、人耳、指纹、虹膜、人脸和掌纹等)，手指静脉识别具有以下优势：(1)属于内部特征，不受外部环境(温度、湿度)的影响，不易伪造；(2)具有普遍性，使用人群广，采集方式友好；(3)稳定性好，不易遗失，不易磨损或污染。目前，手指静脉识别已广泛应用于各个领域，如安全检查、门禁、保险箱、ATM认证等。由于生物组织中的光散射现象，手指静脉图像的质量往往严重恶化，这会严重削弱静脉网络的质量。在过去，人们通常采取散射消除来改善手指静脉图像质量。但是由于手指组织的生物学构造的差异，静脉网络本身具有固有的散射差异，现在人们希望利用这种差异来进行手指静脉图像识别。而基于编码的特征表达方法在光照不变性、特征描述能力和匹配效率等方面具有较大优势。因此，探索一种对光散射不敏感并且识别精度高的鲁棒性特征编码方法就成为研究中的关键问题。
技术实现思路
为了解决上述问题，本专利技术的目的在于提供一种基于改进的LGS加权编码的手指静脉图像识别方法。为了达到上述目的，本专利技术提供的基于改进的LGS加权编码的手指静脉图像识别方法包括按顺序进行的下列步骤：1)对所有采集的原始手指静脉图像进行ROI提取而获得手指静脉ROI图像，然后将手指静脉ROI图像归一化为96*208，以此对手指静脉ROI图像进行预处理；2)采用k通道Gabor滤波器对预处理后的手指静脉ROI图像进行多通道滤波，由此获得多个不同方向的Gabor滤波图像；3)在上述Gabor滤波图像上构建基于局部对称图结构或Gabor滤波图像融合的特征编码图像；4)将上述特征编码图像平均划分为多个非重叠子块图像，计算所有子块图像的灰度直方图，然后将所有子块图像的灰度直方图串连成单个特征向量，以进行相似性匹配；5)计算两幅待匹配手指静脉ROI图像的特征编码图像的灰度直方图相交系数，相交系数越大表示两幅图像越相似，然后与阈值进行比较以进行相似性度量。在步骤2)中，所述的采用k通道Gabor滤波器对预处理后的手指静脉ROI图像进行多通道滤波，由此获得多个不同方向的Gabor滤波图像的方法是：采用k通道Gabor滤波器对预处理后的手指静脉ROI图像进行多通道滤波，以对该图像进行增强，由此获得多个不同方向的Gabor滤波图像，每个Gabor滤波图像中的每个像素点具有一个Gabor滤波值；所采用的偶对称Gabor滤波器的表达式如式(1)所示：其中，为第k通道的Gabor算子；k(＝1,2,…,K)为通道编号,θk(＝(k-1)π/K)和fk分别表示第k通道的方向和中心频率；手指静脉第k个通道的Gabor滤波图像Ik(x,y)能够通过预处理后的手指静脉ROI图像I(x,y)与第k通道的Gabor算子卷积得到，如式(2)所示：其中，表示二维卷积。在步骤3)中，所述的在Gabor滤波图像上构建基于局部对称图结构或Gabor滤波图像融合的特征编码图像的方法是：基于局部对称图结构的特征编码图像的构建方法如下:首先，针对多个不同方向的Gabor滤波图像中每一个目标像素点，在其周围左右对称的n*n邻域内各选取3个像素点，由此构成0°方向特征编码加权局部图结构；然后从目标像素点开始，随着特征编码加权局部图结构的方向两两比较像素点的灰度值大小，生成两个六位的二进制码，按照比较顺序从大到小给二进制码分配不同的权值，再根据公式(3)、(4)将其合成一个值作为该目标像素点的灰度值：这里，gi和fi分别代表在左或右边的正方形邻域内两个待匹配像素点的灰度值，表示目标像素点在方向上的特征编码值，之后按照上述特征编码加权局部图结构将上述每个二进制码与上述确定的相应的权值相乘，之后将所有乘积相加得到该目标像素点的0°方向的特征编码值然后，将上述0°方向的特征编码加权局部图结构分别逆时针旋转多个角度，得到多个方向的特征编码加权局部图结构，并获取多个方向的特征编码值；通过选择上述特征编码值中的最大值作为该目标像素点的单通道特征编码值，如式(5)所示：最后，计算出其它通道的Gabor滤波图像各自的单通道特征编码值，由所有通道的单通道特征编码值组成多通道滤波图像的特征编码图像；基于Gabor滤波图像融合的特征编码图像构建方法如下：首先，选择上述k个不同方向的Gabor滤波图像中每一像素点的最大Gabor滤波值合并成一幅Gabor滤波图像，然后对这幅Gabor滤波图像分别在k个方向上进行编码，得到k个特征编码图像；最后，选择k个特征编码图像中的最大特征编码值而将k个特征编码图像融合为一幅特征编码图像，作为该手指静脉ROI图像的最终特征编码图像。在步骤4)中，所述的将特征编码图像平均划分为多个非重叠子块图像，计算所有子块图像的灰度直方图，然后将所有子块图像的灰度直方图串连成单个特征向量，以进行相似性匹配的方法是：a)首先，将上述特征编码图像平均分成M个非重叠的子块图像；b)然后，分别计算每个子块图像的灰度直方图；c)最后，将所有子块图像的灰度直方图串联成1个特征向量来表示该手指静脉ROI图像的特征编码图像；计算公式如下：H＝(H1,H2,…,HM).(6)其中，HM表示分块图像的灰度直方图，H表示整张手指静脉ROI图像的特征编码图像的灰度直方图。在步骤5)中，所述的计算两幅待匹配手指静脉ROI图像的特征编码图像的灰度直方图相交系数，相交系数越大表示两幅图像越相似，然后与阈值进行比较以进行相似性度量的方法是：通过计算两幅待匹配手指静脉ROI图像的特征编码图像的灰度直方图相交系数的方法，来判断这两幅手指静脉ROI图像是否匹配：式中，m1和m2分别表示两幅待匹配的手指静脉ROI图像，Hm1(i)和Hm2(i)分别代表两幅待匹配的手指静脉ROI图像的特征编码图像的灰度直方图，L表示特征编码图像的灰度直方图的维数，sim(m1,m2)为特征编码图像的灰度直方图的归一化相交系数。若计算出的相交系数>相似性决策阈值T，则表示这两幅手指静脉ROI图像相似，即表示这两幅手指静脉ROI图像匹配；若其相交系数≤相似性决策阈值T，则判定这两幅手指静脉ROI图像不匹配；相似性决策阈值T是手指静脉ROI图像匹配结果中错误拒绝率为0，且错误允许率最低时所对应的阈值点。本专利技术提供的基于LGS编码的图像特征编码新方法充分地表达了邻域间的局部位置信息和梯度信息，通过提取多个方向的特征编码信息使特征表达更加稳定，并成功应用于静脉图像识别，从而大大提高了识别性能。附图说明图1本专利技术提供的基于改进的LGS加权编码的手指静脉图像识别方法流程图。图2为特征编码加权局部图结构。图3为0°方向的特征编码过程。图4为多个不同方向的特征编码加权局部图结构。图5为Gabor滤波图像特征编码方法的具体步骤示意图。图6为子块图像的灰度直方图。图7为选取不同K值时的ROC曲线。图8为选本文档来自技高网...

【技术保护点】
1.一种基于改进的LGS加权编码的手指静脉图像识别方法，其特征在于：所述的手指静脉图像识别方法包括按顺序进行的下列步骤：1)对所有采集的原始手指静脉图像进行ROI提取而获得手指静脉ROI图像，然后将手指静脉ROI图像归一化为96*208，以此对手指静脉ROI图像进行预处理；2)采用k通道Gabor滤波器对预处理后的手指静脉ROI图像进行多通道滤波，由此获得多个不同方向的Gabor滤波图像；3)在上述Gabor滤波图像上构建基于局部对称图结构或Gabor滤波图像融合的特征编码图像；4)将上述特征编码图像平均划分为多个非重叠子块图像，计算所有子块图像的灰度直方图，然后将所有子块图像的灰度直方图串连成单个特征向量，以进行相似性匹配；5)计算两幅待匹配手指静脉ROI图像的特征编码图像的灰度直方图相交系数，相交系数越大表示两幅图像越相似，然后与阈值进行比较以进行相似性度量。

【技术特征摘要】
1.一种基于改进的LGS加权编码的手指静脉图像识别方法，其特征在于：所述的手指静脉图像识别方法包括按顺序进行的下列步骤：1)对所有采集的原始手指静脉图像进行ROI提取而获得手指静脉ROI图像，然后将手指静脉ROI图像归一化为96*208，以此对手指静脉ROI图像进行预处理；2)采用k通道Gabor滤波器对预处理后的手指静脉ROI图像进行多通道滤波，由此获得多个不同方向的Gabor滤波图像；3)在上述Gabor滤波图像上构建基于局部对称图结构或Gabor滤波图像融合的特征编码图像；4)将上述特征编码图像平均划分为多个非重叠子块图像，计算所有子块图像的灰度直方图，然后将所有子块图像的灰度直方图串连成单个特征向量，以进行相似性匹配；5)计算两幅待匹配手指静脉ROI图像的特征编码图像的灰度直方图相交系数，相交系数越大表示两幅图像越相似，然后与阈值进行比较以进行相似性度量。2.根据权利要求1所述的基于改进的LGS加权编码的手指静脉图像识别方法，其特征在于：在步骤2)中，所述的采用k通道Gabor滤波器对预处理后的手指静脉ROI图像进行多通道滤波，由此获得多个不同方向的Gabor滤波图像的方法是：采用k通道Gabor滤波器对预处理后的手指静脉ROI图像进行多通道滤波，以对该图像进行增强，由此获得多个不同方向的Gabor滤波图像，每个Gabor滤波图像中的每个像素点具有一个Gabor滤波值；所采用的偶对称Gabor滤波器的表达式如式(1)所示：其中，为第k通道的Gabor算子；k(＝1,2,…,K)为通道编号,θk(＝(k-1)π/K)和fk分别表示第k通道的方向和中心频率；手指静脉第k个通道的Gabor滤波图像Ik(x,y)能够通过预处理后的手指静脉ROI图像I(x,y)与第k通道的Gabor算子卷积得到，如式(2)所示：其中，表示二维卷积。3.根据权利要求1所述的基于改进的LGS加权编码的手指静脉图像识别方法，其特征在于：在步骤3)中，所述的在Gabor滤波图像上构建基于局部对称图结构或Gabor滤波图像融合的特征编码图像的方法是：基于局部对称图结构的特征编码图像的构建方法如下:首先，针对多个不同方向的Gabor滤波图像中每一个目标像素点，在其周围左右对称的n*n邻域内各选取3个像素点，由此构成0°方向特征编码加权局部图结构；然后从目标像素点开始，随着特征编码加权局部图结构的方向两两比较像素点的灰度值大小，生成两个六位的二进制码，按照比较顺序从大到小给二进制码分配不同的权值，再根据公式(3)、(4)将其合成一个值作为该目标像素点的灰度值：这里，gi和fi分别代表在左或右边的正方形邻域内两个待匹配像素点的灰度值，表示目标像素点在方向上的特征编码值，之后按照上述特征编码加权局部图结构将上...

【专利技术属性】
技术研发人员：杨金锋，李树一，贾桂敏，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：天津,12