一种指静脉超大用户量下的高速检索算法制造技术

本发明专利技术涉及一种指静脉超大用户量下的高速检索算法，其包括以下步骤：采集待识别用户、所有注册用户的手指静脉图像，并分别进行图像尺寸归一化、图像增强处理和特征点检测；根据图像的一阶导数和二阶导数，计算图像各像素点的平均曲率；根据图像各像素点的平均曲率，利用图像分割对待识别用户和所有注册用户的手指静脉图像进行二值化；基于特征点的中心坐标和旋转角进行图像的平移和旋转校准；利用异或运算，分别计算待识别用户二值图和每一个注册用户二值图之间的汉明距离，其中汉明距离最小的即为与待识别图像最相似的注册用户。本发明专利技术减少了检索的数据量，无需遍历多个可能的位置、旋转的差异数值，进而极大地加快了检索速度。

A high speed retrieval algorithm for large number of digital vein users

【技术实现步骤摘要】
一种指静脉超大用户量下的高速检索算法
本专利技术属于手指静脉识别及信息安全
，尤其涉及一种指静脉超大用户量下的高速检索算法。
技术介绍
指静脉识别技术是一种新的生物特征识别技术，它利用手指内的静脉分布图像来进行身份识别，具有活体识别、内部特征和非接触式三个特征，确保了使用者的手指静脉特征很难被伪造，所以手指静脉识别系统安全等级高，特别适合于安全要求高的场所使用。由于其安全等级高、操作简单快捷等优点，该技术成为了近些年的研究热点，并得到越来越广泛的应用。传统的指静脉识别方法如专利号为CN106096569B的专利技术专利公开的手指静脉识别方法，包括如下步骤：S1、采集近红外光下的手指图像；S2、对采集到手指图像进行预处理与去噪，再采用OSTU大津法阈值化对手指图像进行阈值处理或ROI定位，获取手指二值图像；S3、判断手指二值图像是否有旋转扭曲干扰，若存在则进行校正变换；S4、局部自适应阈值进行手指二值图像的静脉特征提取，获取静脉二值图像；S5、计算输入静脉二值图像与注册静脉二值图像之间的匹配距离；S6、利用K近邻算法计算识别结果。然而，随着指静脉识别技术的应用范围越来越广泛，其识别用户量也越来越大，甚至达到几百万的级别，这就意味着指静脉识别要从几百万个注册用户中检索出一个用户与待识别用户最相似。由于指静脉图像维度高、数据量大，传统的指静脉识别技术的图像检索很费时间，降低了用户的体验感。目前，在超大用户量中高速检索出对应的用户是指静脉识别技术中一个重大挑战。
技术实现思路
本专利技术的目的是为了解决现有技术中指静脉超大用户量下检索时间长的问题，提出一种指静脉超大用户量下的高速检索算法，以降低检索时间。为了达到目的，本专利技术提供的技术方案为：本专利技术涉及的一种指静脉超大用户量下的高速检索算法，包括以下步骤：1)采集待识别用户及所有注册用户的手指静脉图像，并进行图像尺寸归一化；2)对尺寸归一化的图像进行图像增强处理；3)对增强的图像进行特征点检测，计算每一张图像中所有特征点的中心坐标P和旋转角θ；4)计算增强图像的一阶导数和二阶导数，并根据一阶导数和二阶导数计算图像各像素点的平均曲率Cm；5)根据图像各像素点的平均曲率Cm，对每一张手指静脉图像进行二值化；6)基于特征点的中心坐标P和旋转角θ，对待识别用户的二值静脉图像进行平移和旋转校准；7)设置汉明距离阈值，利用异或运算分别计算待识别用户二值图和每一个注册用户二值图之间的汉明距离，其中汉明距离最小的即为与待识别图像最相似的注册用户，并将最小的汉明距离与汉明距离阈值比较，判断是否检索到该用户。优选地，所述的步骤2)中，图像的增强处理是基于限制对比度的自适应直方图均衡化实现的，其具体步骤包括：2.1)将图像均分成若干份大小为M个像素的矩形块，统计各块内的灰度直方图Hist(i)；2.2)对灰度直方图Hist(i)进行M/N×Climit限幅剪裁，得到限幅直方图Hcut(i)，其中，N表示灰度等级；2.3)基于限幅直方图Hcut(i)，计算各块限幅直方图的累积分布函数CDF(i)，其中，i表示灰度值；2.4)基于累积分布函数CDF(i)，求取直方图均衡化的灰度映射函数m(i)，m(i)＝N/M×CDF(i)(2)；2.5)位于矩形块中心的像素点的通过该矩形块的灰度映射函数m(i)实现图像增强，其他位置的像素点通过该点周边的矩形块的灰度映射函数m(i)的插值实现图像增强。优选地，所述的步骤3)的具体步骤包括：3.1)基于像素点周围的图像灰度值，检测该点周围一圈的像素值，若该点周围领域内有足够多的像素点与该候选点的灰度值差别够大，则认为该点为特征点；3.2)根据这些特征点的坐标，计算所有特征点的中心坐标P，P的坐标为其中，x表示特征点的行坐标，y表示特征点的列坐标，C.size为特征点个数，i’为特征点的编号；3.3)根据中心点坐标P，把所有特征点分为上下两簇，分族的算法为：计算上下簇的中心PU、PD坐标，其中，U为上簇，D为下簇；3.4)根据上下族中心坐标PU、PD计算图像的角度θ，优选地，所述的步骤4)的具体步骤包括：4.1)对图像增强后的指静脉图像计算其各像素点各方向的一阶导数和二阶导数；4.2)根据一阶导数和二阶导数计算图像各像素点的平均曲率Cm，优选地，所述的步骤4.1)采用以下公式计算一阶导数和二阶导数：式中f(i，j)为图像在i行j列的灰度值。优选地，所述的步骤5)的具体步骤包括：5.1)计算各像素点邻域内的平均曲率Cm的均值m和标准差s；5.2)根据平均曲率Cm的均值m和标准差s，求取二值化的阈值TNiblack，TNiblack＝m+k×s(13)，其中，k为修正系数；5.3)若该像素点的平均曲率Cm大于阈值TNiblack，则置为1，否则置为0，即B(i,j)表示图像在i行j列的分割后的二值图，利用图像分割将灰度图像转变为二值图像，得到明显的手指静脉纹路。优选地，所述的步骤6)的具体步骤包括：6.1)计算待识别用户图像和注册用户图像之间特征点的中心坐标的差值，并将待识别用户图像平移该差值大小的像素；6.2)计算待识别用户图像和注册用户图像之间特征点的旋转角的差值，并将待识别用户图像旋转该差值大小的角度。优选地，所述的步骤7)的具体步骤包括：7.1)分别将经过平移和旋转校准的待识别用户二值图和每一个注册用户二值图转化为一维编码；7.2)设定一个汉明距离阈值dthreshold，利用异或运算操作，计算待识别用户编码和每一个注册用户编码的汉明距离d；7.3)在汉明距离d中选取最小值dmin，并将其与汉明距离阈值dthreshold比较，判断待识别用户是否为与此最小汉明距离dmin对应的注册用户。采用本专利技术提供的技术方案，与现有技术相比，具有如下有益效果：1、本专利技术涉及的指静脉超大用户量下的高速检索算法对原图进行了双线性插值的尺寸归一化，且通过其一阶导数、二阶导数计算平均曲率，并基于图像分割二值化，提取出一维的二值编码特征，指静脉特征较小，占用空间至多占原来的八分之一，极大减少了检索的数据量，加快了检索的速度。2、本专利技术涉及的指静脉超大用户量下的高速检索算法是根据特征点的中心坐标和旋转角直接计算出待识别图像和注册用户图像之间的位置差异和旋转差异，无需遍历寻找最相似的位置差异和旋转差异，极大地提高了检索速度。3、本专利技术涉及的指静脉超大用户量下的高速检索算法提取到的是一维的二值编码特征，利用异或运算即可轻松计算出两二值编码特征间的相似度，相似度度量较快，具有很高的效率，进一步加快了检索的速度。<本文档来自技高网...

【技术保护点】
1.一种指静脉超大用户量下的高速检索算法，其特征在于：其包括以下步骤：/n1)采集待识别用户及所有注册用户的手指静脉图像，并进行图像尺寸归一化；/n2)对尺寸归一化的图像进行图像增强处理；/n3)对增强的图像进行特征点检测，计算每一张图像中所有特征点的中心坐标P和旋转角θ；/n4)计算增强图像的一阶导数和二阶导数，并根据一阶导数和二阶导数计算图像各像素点的平均曲率C

【技术特征摘要】
1.一种指静脉超大用户量下的高速检索算法，其特征在于：其包括以下步骤：
1)采集待识别用户及所有注册用户的手指静脉图像，并进行图像尺寸归一化；
2)对尺寸归一化的图像进行图像增强处理；
3)对增强的图像进行特征点检测，计算每一张图像中所有特征点的中心坐标P和旋转角θ；
4)计算增强图像的一阶导数和二阶导数，并根据一阶导数和二阶导数计算图像各像素点的平均曲率Cm；
5)根据图像各像素点的平均曲率Cm，对每一张手指静脉图像进行二值化；
6)基于特征点的中心坐标P和旋转角θ，对待识别用户的二值静脉图像进行平移和旋转校准；
7)设置汉明距离阈值，利用异或运算分别计算待识别用户二值图和每一个注册用户二值图之间的汉明距离，其中汉明距离最小的即为与待识别图像最相似的注册用户，并将最小的汉明距离与汉明距离阈值比较，判断是否检索到该用户。


2.根据权利要求1所述的指静脉超大用户量下的高速检索算法，其特征在于：所述的步骤2)中，图像的增强处理是基于限制对比度的自适应直方图均衡化实现的，其具体步骤包括：
2.1)将图像均分成若干份大小为M个像素的矩形块，统计各块内的灰度直方图Hist(i)；
2.2)对灰度直方图Hist(i)进行M/N×Climit限幅剪裁，得到限幅直方图Hcut(i)，其中，N表示灰度等级；
2.3)基于限幅直方图Hcut(i)，计算各块限幅直方图的累积分布函数CDF(i)，



其中，i表示灰度值；
2.4)基于累积分布函数CDF(i)，求取直方图均衡化的灰度映射函数m(i)，
m(i)＝N/M×CDF(i)(2)；
2.5)位于矩形块中心的像素点的通过该矩形块的灰度映射函数m(i)实现图像增强，其他位置的像素点通过该点周边的矩形块的灰度映射函数m(i)的插值实现图像增强。


3.根据权利要求1所述的指静脉超大用户量下的高速检索算法，其特征在于：所述的步骤3)的具体步骤包括：
3.1)基于像素点周围的图像灰度值，检测该点周围一圈的像素值，若该点周围领域内有足够多的像素点与该候选点的灰度值差别够大，则认为该点为特征点；
3.2)根据这些特征点的坐标，计算所有特征点的中心坐标P，
P的坐标为
其中，x表示特征点的行坐标，y表示特征点的列坐标，C.size为特征点个数，i’为特征点的编号；
3.3)根据中心点坐标P，把所有特征点分为上下两簇，分族的算法为：





<...

【专利技术属性】
技术研发人员：赵国栋，张烜，李学双，辛传贤，
申请(专利权)人：圣点世纪科技股份有限公司，
类型：发明
国别省市：山西;14