一种基于地形凹凸特性的指静脉机器学习识别方法及装置制造方法及图纸

本发明专利技术涉及基于地形凹凸特性的指静脉机器学习识别方法及装置，方法包括：对注册指静脉图像和验证指静脉图像进行大小归一化处理；对注册指静脉图像和验证指静脉图像进行图像增强处理；基于数字高程模型从注册指静脉图像和验证指静脉图像中获取地形凹凸特征，提取注册特征和验证特征；对注册特征和验证特征进行平移、旋转校准纠正，对校准纠正后的静脉特征的重叠区域进行滑窗相似度计算；基于校准纠正参数以及滑窗相似度参数，对手指静脉的特征提取技术参数和识别技术参数进行优化；装置包括归一化处理模块、图像增强模块、特征提取模块、参数计算模块和优化模块。本发明专利技术提高了手指静脉的识别技术能力和对不同图像质量的适应能力。

【技术实现步骤摘要】
一种基于地形凹凸特性的指静脉机器学习识别方法及装置
本专利技术涉及图像识别及处理
，尤其涉及一种基于地形凹凸特性的指静脉机器学习识别方法及装置。
技术介绍
手指静脉识别技术以其天然的非接触、内部特征、活体识别等优势，成为了最具发展潜力的生物识别技术之一。手指静脉识别的关键技术分为手指静脉的特征提取技术和手指静脉的特征比对技术。目前常用的手指静脉特征提取技术包括：手指静脉骨架线提取技术、手指静脉特征点提取技术和手指静脉二值化提取技术，这些特征提取技术对手指静脉的图像质量有较高的要求，对低质量的指静脉图像有较差的适应性。现有指静脉特征提取和识别技术如专利号为CN101840511B公开的一种手指静脉特征提取与匹配识别方法，包括通过红外图像采集装置获取手指静脉图像，并对图像进行预处理，特征提取，识别分析步骤；所述预处理包括彩色图像进行灰度化、手指区域提取、采用方向滤波和增强、按照手指轮廓标记提取手指静脉纹路并二值化、采用面积消除法去噪、将图像的大小标准化为统一的图像；特征提取的方法为：对手指静脉纹路图进行子块划分，对于每个子块图像采用双向特征值本文档来自技高网...

【技术保护点】
1.一种基于地形凹凸特性的指静脉机器学习识别方法，其特征在于：其包括以下步骤：/n1)采集注册指静脉图像和验证指静脉图像，分别进行大小归一化处理；/n2)分别对归一化后的注册指静脉图像和验证指静脉图像进行图像增强处理；/n3)基于数字高程模型从增强后的注册指静脉图像和验证指静脉图像中获取地形凹凸特征，提取注册指静脉图像的注册特征和验证指静脉图像的验证特征；/n4)对注册特征和验证特征进行平移校准纠正、旋转校准纠正，对校准纠正后的静脉特征的重叠区域进行滑窗相似度计算，得到校准纠正参数和滑窗相似度参数；/n5)基于注册特征和验证特征的校准纠正参数以及滑窗相似度参数，利用机器学习方法对手指静脉的特征...

【技术特征摘要】
1.一种基于地形凹凸特性的指静脉机器学习识别方法，其特征在于：其包括以下步骤：
1)采集注册指静脉图像和验证指静脉图像，分别进行大小归一化处理；
2)分别对归一化后的注册指静脉图像和验证指静脉图像进行图像增强处理；
3)基于数字高程模型从增强后的注册指静脉图像和验证指静脉图像中获取地形凹凸特征，提取注册指静脉图像的注册特征和验证指静脉图像的验证特征；
4)对注册特征和验证特征进行平移校准纠正、旋转校准纠正，对校准纠正后的静脉特征的重叠区域进行滑窗相似度计算，得到校准纠正参数和滑窗相似度参数；
5)基于注册特征和验证特征的校准纠正参数以及滑窗相似度参数，利用机器学习方法对手指静脉的特征提取技术参数和识别技术参数进行优化。


2.根据权利要求1所述的基于地形凹凸特性的指静脉机器学习识别方法，其特征在于：所述的步骤1)采用双线性插值技术方案对指静脉图像进行大小归一化处理。


3.根据权利要求1所述的基于地形凹凸特性的指静脉机器学习识别方法，其特征在于：所述的步骤2)采用双边滤波对静脉图像进行增强处理，计算公式为：






其中，
F(x)为增强后的图像；
向量ε为邻域平均值；
ω为双边滤波的加权系数；
w(x，y)为空间核；

为值域核；
f(x)为当前点位置坐标；
f(y)为邻域点位置坐标；
s为(x,y)的邻域内所有像素坐标的集合；
x为当前点像素；
y为邻域像素。


4.根据权利要求1所述的基于地形凹凸特性的指静脉机器学习识别方法，其特征在于：所述的步骤3)中采用数字高程模型方法提取地形凹凸特征时，设置一个至少为3*3的栅格窗口，通过中心格网点与8个邻域格网点的高程关系来进行判断和获取地形凹凸特征。


5.根据权利要求4所述的基于地形凹凸特性的指静脉机器学习识别方法，其特征在于：所述的采用数字高程模型方法提取地形凹凸特征的具体步骤包括：
3.1)对输入的指静脉图像进行0值的边界扩充，扩充后的图像行数为picH+2，扩充后的图像列数为picW+2，picH、picW分别为归一化处理后图像的长和宽；
3.2)对3*3邻域内的像素点进行编号，以原图的每个像素点为中心点，计算中心点指向其3*3邻域内其他点的向量，共得到8个向量Vi，
Vi＝(xi-x0，yi-y0，fi-f0)(3)，
其中，xi，yi，fi分别为中心点邻域内各点的行数、列数以及灰度值，x0，y0，f0分别为中心像素点的行数、列数以及灰度值；
3.3)利用向量Vi在x方向和y方向上求关于高程Z的二阶导数；
3.4)利用高程Z的二阶导数的正负组合关系判断地形凹凸特征点。


6.根据权利要求5所述的基于地形凹凸特性的指静脉机器学习识别方法，其特征在于：所述步骤3.4)中的地形凹凸特征点包括山顶点、凹陷点、脊点、谷点、鞍点和平地点，判断地形特征点的依据为：
山顶点是指在局部区域内海拔高程的极大值点，表现为各方向上都为凸起；
凹陷点是指在局部区域内海拔高程的极小值点，表现为在各方向上都为凹陷；
脊点是指在两个相互正交的方向上，一个方向凸起，而另一个方向没有凹凸性变化的点；
谷点是指在两个相互正交的方向上，一个方向凹陷，而另一个方向没有凹凸性变化的点；
鞍点是指在两个相互正交的方向上，一个方向凸起，而另一个方向凹陷的点；
平地点是指在局部区域内各方向上都没有凹凸性变化的点。


7.根据权利要求1所述的基于地形凹凸特性的指静脉机器学习识别方法，其特征在于：所述步骤4)中对手指静脉特征进行平移、旋转校准纠正，并对偏移和旋转校准纠正后的重叠区域进行滑窗相似度计算的具体步骤包括：
4.1)计算验证特征和注册特征偏移和旋转校准纠正参数，并根据校准纠正参数对验证特征和注册特征进行校准纠正，校准纠正参数的计算公式如下所示：
(rowoffset，coloffset，angleoffset)opt＝max{Fun}(4)，



featureAB＝featureA(rowoffset，coloffset，angleoffset)∩featureB(6)，
H＝picH-|rowoffset|(7)，
W＝picW-|coloffset|(8)，



rowoffset∈[-rowX,rowX](10)，
coloffset∈[-colX,colX](11)，
angleoffset∈[-angleX,angleX](12)，
式中：
Fun为验...

【专利技术属性】
技术研发人员：张烜，赵国栋，辛传贤，李学双，
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