一种基于二次筛选与分数融合的指静脉识别方法技术

本发明专利技术提供一种基于二次筛选与分数融合的指静脉识别方法，包括：基于导向滤波的多尺度Retinex方法对指静脉图像I进行预处理，建立指静脉特征库，并生成指静脉识别模型；参数训练建立的指静脉识别模型；指静脉的在线识别。本发明专利技术提出的基于导向滤波的多尺度Retinex方法能够有效提高指静脉图像对比度，进而在提取曲率场与二值化时得到更加准确的特征。本发明专利技术提出的相似性度量方法复杂度低，明显降低识别时间。同时使用二次筛选作为识别策略，提升识别性能。加入了弹性分数作为相似度度量的一部分，有效解决手指旋转、手指距离摄像头距离过近或过远的问题。使用两种相似性度量方法对指静脉特征进行相似性度量并进行分数的加权融合，提升了匹配精度和鲁棒性。

【技术实现步骤摘要】
一种基于二次筛选与分数融合的指静脉识别方法
本专利技术涉及
，具体而言，尤其涉及一种基于二次筛选与分数融合的指静脉识别方法。
技术介绍
MiuraN[1]等人使用一种模板匹配方法度量指静脉二值图的相似度，MunalihAhmadSyarif[2]等人对指静脉的增强最大曲率法的曲率场使用方向梯度直方图提取指静脉特征。LuYang[3]等人使用弹性分数(elasticscore)与重合度(overlapdegree)的几何平均数来度量指静脉特征的相似度。HeK[4]等人提出了导向滤波。XieSJ[5]等人使用基于导向滤波的单尺度Retinex算法对指静脉图像进行处理。目前已有方法存在以下缺陷：(1)对原图的质量要求较高，对于低对比度的指静脉图像特征提取效果不理想。(2)使用单个相似性度量方法识别性能较低。(3)相似性度量的方法过于复杂，使得识别时间较长，无法实际应用。(4)对于手指尺度与旋转的适应性较差。参考文件：[1]MiuraN,NagasakaA,MiyatakeT.Extract本文档来自技高网...

【技术保护点】
1.一种基于二次筛选与分数融合的指静脉识别方法，其特征在于，包括：/nS1：基于导向滤波的多尺度Retinex方法对指静脉图像I进行预处理，建立指静脉特征库，并生成指静脉识别模型；/nS2：参数训练所述步骤S1建立的指静脉识别模型；/nS3：指静脉的在线识别；/n所述步骤S1还包括以下步骤：/nS11：选取所述指静脉图像I作为导向滤波的引导图像；/nS12：设置导向滤波的滤波窗口为x

【技术特征摘要】
1.一种基于二次筛选与分数融合的指静脉识别方法，其特征在于，包括：
S1：基于导向滤波的多尺度Retinex方法对指静脉图像I进行预处理，建立指静脉特征库，并生成指静脉识别模型；
S2：参数训练所述步骤S1建立的指静脉识别模型；
S3：指静脉的在线识别；
所述步骤S1还包括以下步骤：
S11：选取所述指静脉图像I作为导向滤波的引导图像；
S12：设置导向滤波的滤波窗口为xi×xi，i∈[1,k]；
S13：通过所述导向滤波对指静脉图像进行滤波，得到k个指静脉图像Gi，i∈[1,k]；
S14：将所述k个指静脉图像进行加权融合，得到预处理后的指静脉图像I′，公式为：



其中，I(x,y)表示图像I上位于坐标为(x,y)的像素值，I'(x,y)表示图像I'位于坐标(x,y)的像素值，Gi(x,y)表示图像Gi位于坐标(x,y)的像素值，wi表示加权因子，xi表示滤波窗口边长，所述加权因子的计算公式为：



S15：对所述预处理后的指静脉图像I′提取增强的最大曲率场M，并对得到的所述曲率场M进行二值化处理，得到指静脉的二值化的增强曲率特征E，所述二值化处理的公式为：



其中，v表示曲率场M中所有曲率值的中值；
S16：重复步骤S11-S15直至所有指静脉图像处理完毕，保存二值图像，建立指静脉特征库。


2.根据权利要求1所述的一种基于二次筛选与分数融合的指静脉识别方法，其特征在于：
所述步骤S2所述参数训练还包括以下步骤：
S21：建立指静脉训练库；设指静脉特征库中共分为U类，每类有V幅图，从所述U类中随机选取一张作为查询图，其余V-1张为库图，并将每类中的查询图编号{m,m＝1,…,U}；
S22：确定二次筛选阈值N；获取所述步骤S21中的所述指静脉训练库；通过基于二值图配准与弹性分数的指静脉相似性度量方法对所述查询图与所述库图进行相似性度量：
随机选取两张进行相似性度量的指静脉特征二值图A，B，其中A为查询图，B为库图；则两张图片的宽度为w，高度为h；
将所述查询图A进行剪裁；所述剪裁时将删除所述查询图A的第1行到第dh+1行所有像素、第h-dh行到第h行所有像素、第1列到第dw+1列所有像素、第w-dw列到第w列所有像素；则所述查询图A由宽度w，高度h变为宽度w-2dw、高度h-2dh的A′；dh与dw表示所述查询图A上下与左右被剪裁掉的高度和宽度；
对经过裁剪的查询图A′与库图B进行相似性度量与配准，得到配准相似性分数s1和配准后的库图B′；
对经过裁剪的查询图A′与配准后的库图B′计算弹性分数e并进行分数融合，得到修正相似性分数s2。
S23：确定拒假阈值T；基于分数排名对所述库图进行筛选，取步骤S22降序排序后的U组配准相似性分数，其中组编号与查询图编号m对应m∈[1,U]；
取每组分数的前N个分数、在N个分数中的排名以及其对应的库图标签，存入分数标签矩阵Fm,1中，m∈[1,U]，Fm,1是一个3×N大小的矩阵，矩阵的每一列代表一张库图，每行分别表示该库图对应的库图标签、分数数值大小和分数名次，并保存每组的查询图与查询图对应的标签、分数排在前N的匹配对应的N张库图；
S24：基于筛选库图与修正相似性分数的二次度量；对于第m张查询图与对应组中的N张库图，度量查询图与对应组中的N张库图的修正相似性分数；
S25：重复步骤S24，共得到U组分数，每组有N个分数，其中组编号与查询图编号m对应m∈[1,U]；
S26：对每组分数分别进行降序排序，取每组分数的前N个...

【专利技术属性】
技术研发人员：王新年，林义钧，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：辽宁;21