【技术实现步骤摘要】
基于主动轮廓模型的手指静脉图像快速分割方法
本专利技术属于图像处理领域，特别涉及手指静脉图像分割方法。具体讲,涉及主动轮廓模型的手指静脉快速分割方法。
技术介绍
手指静脉识别技术作为一种新兴的生物识别手段，与指纹识别、掌纹识别、人脸识别等传统的生物识别技术相比具有更为独特的优势：(1)非接触式；(2)活体检测；(3)高安全性；(4)便携性。因此，手指静脉识别技术具有更广泛的发展空间和应用前景。手指静脉识别技术的关键在于从手指静脉图像中有效地分割出能代表身份特征的静脉图像信息，而能否准确地分割出静脉信息将会直接影响到最终的身份识别准确率。由于手指静脉采集设备大多采用非接触式采集，手指姿态与外部环境等因素均不可控，这就为手指静脉图像的分割带来了很大的挑战，具体可以分为以下几个方面：1.受不均匀光照的影响，采集到的手指静脉图像质量不高，对比度较差，静脉区域与背景区域难以辨别；2.受不同手指姿态的影响，手指静脉图像中易产生阴影区域，这在某种程度上增加了静脉区域的分割难度。为解决上述问题，很多基于图像预...
【技术保护点】
1.一种基于主动轮廓模型的手指静脉图像快速分割方法，其特征是，利用模糊核聚类KFCM算法初步确定静脉区域的大体轮廓，建立目标泛函，将所述初步确定的静脉区域大体轮廓作为所建立的目标泛函寻优的初始轮廓，不断迭代求解目标泛函的极小值，在迭代寻优的过程中，初始轮廓会不断演化，直至达到最佳的分割结果为止，最终实现图像分割。/n
【技术特征摘要】
1.一种基于主动轮廓模型的手指静脉图像快速分割方法，其特征是，利用模糊核聚类KFCM算法初步确定静脉区域的大体轮廓，建立目标泛函，将所述初步确定的静脉区域大体轮廓作为所建立的目标泛函寻优的初始轮廓，不断迭代求解目标泛函的极小值，在迭代寻优的过程中，初始轮廓会不断演化，直至达到最佳的分割结果为止，最终实现图像分割。
2.如权利要求1所述的基于主动轮廓模型的手指静脉图像快速分割方法，其特征是，利用模糊核聚类KFCM算法初步确定静脉区域的大体轮廓具体步骤是，X＝{x1,x2,...xn}代表某图像样本，则将图像样本X划分为c类的KFCM目标函数如下：
其中m>1为模糊系数，用于调节聚类的模糊程度；U＝{ui,j∈[0,1]}c×n为隶属度矩阵，V＝{v1,v2,...vc}为聚类的中心；Φ(·)为非线性映射函数，将原始空间映射到高维空间，且服从于：
||Φ(xj)-Φ(vi)||2＝K(xj,xj)-2K(xj,vi)+K(vi,vi)(2)
其中K(x,y)为标准差为σ的高斯核函数，具体定义如下：
为了更好的区分静脉边缘区域，在局部二元拟合LBF的基础上引入边缘拟合项，建立更高效的目标泛函，具体定义如下：
F(φ,f1,f2)＝εlbf(φ,f1,f2)+υεh(φ)(4)
其中υ为边缘系数，用于控制边缘拟合项的贡献度，εlbf(φ,f1,f2)为原始的LBF，εh(φ)为引入的边缘拟合项，分别定义如下：
εlbf(φ,f1,f2)＝λ1∫∫ΩKσ(x-y)|I(x)-f1(x)|2H(φ(y))dydx+
＝λ2∫∫ΩKσ(x-y)|I(x)-f...
【专利技术属性】
技术研发人员：路志英，周庆霞，张建峰，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。