一种基于导波变换双竞争模式融合手指静脉特提取方法技术

本发明专利技术提供了一种基于导波变换的双竞争模式融合的手指静脉特征提取方法，具体方法为：步骤1基于采集的手指静脉图像对ROI(region of interest)的定位、平面旋转与平移纠正、ROI分割；步骤2利用直方图均衡化来对ROI静脉进行增强；步骤3对增强的ROI进行二次引导波滤波；对步骤3输出结果进行Gabor波获取竞争幅值与竞争方向模式；步骤5融合步骤4输出的双竞争模式；本发明专利技术提供的手指静脉特征提取方法，不仅克服了常用典型手指静脉特征提取方法不能有效获取指静脉的纹理特征的缺点，并且还克服了由于光照不均匀、光照过强而导致提取到的指静脉不清晰或者丢失的现象，能够有效获取指静脉纹理特征。

A method of finger vein special extraction based on guided wave transform and dual competitive mode fusion

【技术实现步骤摘要】
一种基于导波变换双竞争模式融合手指静脉特提取方法
本专利技术涉及图像识别及处理
，尤其涉及一种基于导波变换双竞争模式融合手指静脉特提取方法。
技术介绍
随着科技和信息技术的发展，身份鉴别的安全性受到人们的广泛重视。由于传统的身份鉴别方式如密码、身份证等存在易丢失、易被盗用等安全风险，已经满足不了人们对身份识别安全性的要求，因此各种基于生物特征识别技术凭借较高的安全性和便利性受到用户的青睐。相比于指纹识别、人脸识别、虹膜识别等其他生物特征识别技术，人类手指静脉生物特征识别具有其独特的优势，比如具有更好的稳定性、防复制性、唯一性和普遍性等优势。因此，手指静脉认证具有很高的研究价值和市场应用前景。但是如何降低手指静脉的表达上的维数，减小计算量和计算时间，是研究的热点。目前手指静脉图像的特征提取的方法主要有以下几类：(1)运用基于子空间的理论思想，以空间投影变化理论将原始手指静脉图像降维，提取图像的空间特征并同时提高系统识别效率。但基于子空间的理论方法由于对光照等噪声的影响比较敏感，因此其应用范围具有一定的局限性。(2)运用基于结构特征的理论思想，对手指静脉图像上的特征点和几何线提取结构特征。但基于结构特征的理论方法受限于特征点的数量、算法的复杂度，因此有一定的局限性。(3)运用基于纹理分析的理论思想，对手指静脉图像的全局或局部纹理提取特征。基于纹理分析的方法能够有效的描述静脉的纹理特征，因此在静脉识别中有着广泛的应用。
技术实现思路
针对现有技术的缺陷，本专利技术提供一种基于导波变换双竞争模式融合手指静脉特提取方法一种基于导波变换双竞争模式融合手指静脉特提取方法包括以下步骤：步骤1、基于采集的手指静脉图像对ROI(regionofinterest)的定位、纠正、分割；所述的ROI的定位、纠正、分割的具体方法为：步骤1.1、手指主方向估计、平面旋转矫正、平面移动定位、指关节位置定位、初始ROI提取；所述主方向估计的具体方法为：利用梯度算子提取手指轮廓线，再沿图像纵向连接轮廓线的相邻像素点产生轮廓线矢量。在实际中，由于手指轮廓线方向比较稳定，可以间隔适当的行数沿图像纵向连接轮廓线像素点来产生轮廓线矢量，从而降低矢量维度，提高计算速度。将手指左轮廓线产生的轮廓线矢量组记为{VL,m}，右轮廓线产生的轮廓线矢量组记为{VR,m}，m＝1、2、3……，M。这一过程的示例如图2所示，从图2可直观看出，实际中采集窗上下两端区域中的手指轮廓线并不稳定，而中部区域的手指轮廓线相对稳定。因此，中部区域的手指轮廓线在确定手指主方向上更具有价值。为了有效突出这一部分轮廓线矢量的价值，对轮廓线矢量进行归一化，并以高斯分布进行加权，形成下面加权估计矢量：其中，Gm为高斯权重，VLE和VRE分别为手指左右轮廓线方向矢量的估值。以单位矢量eθ为旋转矢量，可计算得到θo＝argmax[<VLE，eθ>+<VRE，eθ>](θ∈(π/4，3π/4))式(2)其中，单位矢量eθ＝[cosθ,sinθ]eθ。当eθ与VLE和VRE达到最大程度同向平行时，eθ的方向就是VLE和VRE对称轴线的方向，eθ所在的方向即为手指轮廓线的主方向，对应的角度θO就是手指主向的平面角度。所述平面旋转纠正的具体方法为：对原始图像O以π/2-θO逆时针旋转得到图像则图像O’中的手指主方向位于图像平面的垂直方向。所述平面移动具体方法为：把手指轮廓线的主方向平移到图像正中心所述指关节位置定位具体方法为：手指关节腔同指骨存在稳定的正交位置关系，并且由于关节间隙的存在，在近红外透射条件下，关节腔位置具有较高透光强度，这为手指的平面移动定位提供了稳定可靠的先验信息。因此，根据手指末节关节腔对手指静脉图像的ROI进行垂直方向上的定位；然后根据关节腔对应的手指轮廓线对ROI进行水平方向上的定位所述初始ROI提取具体方法为：根据式1得到的θ1，旋转图像得到图像O’1使图像O’1中轮廓线C的方向为垂直方向。然后在图像O’1中重新定位手指末节关节腔的位置yp并分割提取出ROI。步骤2、拉大ROI的对比度，具体方法为：本专利技术型算法利用直方图均衡化来对ROI静脉进行增强步骤3、对ROI进行引导波滤波所述对ROI进行引导波滤波具体方法为：(1)首先对原始手指静脉图像进行自引导滤波，取r＝2，ε＝0.1先做一次滤波，起到均衡灰度图像的作用，滤波输出的结果比较平衡，滤波后丢掉的细节较少，得到滤波结果q1(2)q1作为引导图像滤波的输入图像P和引导图像I，再进行一次引导图像滤波此时取r＝2，ε＝0.1这次的引导图像滤波结果记为q2；(3)利用细节增强模型I_enhanced＝(I-q)*t+q，其中I是步骤(2)中的引导图像，q是步骤(2)中的滤波输出图像q2，t＝5获得第一次滤波细节增强结果I1；(4)转(1)，将(3)的结果I1作为(1)的输入图像和引导图像。再次执行完步骤(1)(2)(3)，输出结果I2结束。步骤4、对步骤3输出结果I2进行引导波与双竞争模式提取具体方法为(1)对步骤3输出结果进行8个方向的Gabor滤波，形成Fk(x,y)＝Gk(x,y)*I(x,y)(I(x,y)为步骤3输出结果图像I2，Gk(x,y)为Gabor函数，Fk(x,y)为滤波输出图像)其中Gk(x,y)为式(3)其中xθ＝xcosθ+ysinθ,yθ＝-xsinθ+ycosθ，λσ，γ分别取10,0,0.666,0.5,k＝1,2,3,…8(2)获取竞争Gabor的幅值响应(CGM)与竞争Gabor的方向响应(CGO),其中CGM(X,Y)与CGO(x,y)为式(5)(6)(7)CGM(x，y)＝Rule(Fk(x，y))，k＝1，2，3...8(5)CGO(x，y)＝[argRule(Fk(x，y))]，k＝1，2，3...8(6)Rule＝{max，min}(3)竞争Gabor的最大幅值响应(CGM)与竞争Gabor的最小方向响应(CGO)的融合图像，融合方式为I(x,y)＝CGM-max+k*CGO-min,其中k为调和因子，这里取0.6。由上述技术方案可知，本专利技术的有益效果在于：本专利技术提供的一种基于导波变换双竞争模式融合手指静脉特提取方法，不仅克服了常用典型手指静脉特征提取方法不能有效获取指静脉的纹理特征的缺点，并且还克服了由于光照不均匀与光照过强而导致提取到的指静脉不清晰或者丢失的现象，能够有效获取指静脉纹理特征，为手指识别的识别率的提高有大大的改善。附图说明图1为本专利技术实施例提供的一种基于导波变换双竞争模式融合手指静脉特提取方法的流程图；图2为本专利技术实施例提供的手指轮廓线与左右矢量特征图的示意图；图3为本专利技术实施例提供的手指静脉图像平面旋转、平面平移以及ROI分割的效果图；图4为本专利技术实施例提供的对ROI图像进行对比度增强效果图；图5为本专利技术实施例提供的ROI手指静脉图像8方向Gabor滤波图像示意图；图6为本专利技术实施例提供的ROI手指静脉图像竞争最大幅值与竞争最小方向的示意图图7为本专利技术实施例提供的ROI手指静脉图像竞争最大幅值与竞争最小方向的示意图；图8为本专利技术实施例提供的ROI手指静脉图像竞争最大幅值与竞争最小方向的融合示意图。具体实施方式下面结合附图和实施本文档来自技高网...

【技术保护点】
1.一种基于导波变换的手指静脉特征提取方法，其特征在于，包括以下步骤：步骤1、基于采集的手指静脉图像对ROI(region of interest)的定位、平面旋转、平移纠正、ROI分割；步骤2、拉大ROI的对比度，本专利技术利用直方图均衡化来对ROI静脉进行增强；步骤3、对ROI进行二次引导波滤波；步骤4、对步骤3输出结果进行Gabor波获取竞争幅值与竞争方向模式；步骤5、融合步骤4输出的双竞争模式。

【技术特征摘要】
1.一种基于导波变换的手指静脉特征提取方法，其特征在于，包括以下步骤：步骤1、基于采集的手指静脉图像对ROI(regionofinterest)的定位、平面旋转、平移纠正、ROI分割；步骤2、拉大ROI的对比度，本发明利用直方图均衡化来对ROI静脉进行增强；步骤3、对ROI进行二次引导波滤波；步骤4、对步骤3输出结果进行Gabor波获取竞争幅值与竞争方向模式；步骤5、融合步骤4输出的双竞争模式。2.根据权利要求1所述的指静脉特征提取方法，其特征在于，所述步骤3对ROI进行二次引导波滤波具体方法为：(1)首先对原始手指静脉图像进行自引导滤波，取r＝2，ε＝0.1先做一次滤波，起到均衡灰度图像的作用，滤波输出的结果比较平衡，滤波后丢掉的细节较少，得到滤波结果q1；(2)q1作为引导图像滤波的输入图像P和引导图像I，再进行一次引导图像滤波此时取r＝4，ε＝0.1这次的引导图像滤波结果记为q2；(3)利用细节增强模型I_enhanced＝(I-q)*t+q，其中I是步骤(2)中的引导图像，q是步骤(2)中的滤波输出图像q2，t＝5获得第一次滤波细节增强结果I1；(4)转(1)，将(3)的结果I1作为(1)的输入图像和引导图像。再次执行完步骤(1)(2)(3)，输出结果I2结束。3.根据权利要求1、2所述的指静脉特征提...

【专利技术属性】
技术研发人员：王雄，冯桂兰，储童，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：浙江,33