一种基于自学习的静脉图像模板更新方法及装置制造方法及图纸

本发明专利技术涉及一种基于自学习的静脉图像模板更新方法及装置，所述的静脉图像模板更新方法包括以下步骤：1）采集指静脉注册图像，得到不同位置的指静脉图像；2）对静脉二值图像进行首尾拼接，得到大模板图像；3）采集指静脉验证图像并进行验证；4）进行断点修复；5）进行细节点修复；6）进行伪静脉点去除，从而完成对于指静脉图像模板的更新迭代。本发明专利技术根据验证图像的静脉信息修复模板静脉信息，不断更新迭代获得更完整的模板静脉图像，与根据图像质量替换模板或根据图像自身进行静脉修复的方法更具备准确性及真实性。

【技术实现步骤摘要】
一种基于自学习的静脉图像模板更新方法及装置
本专利技术属于手指静脉识别及信息安全
，尤其涉及一种基于自学习的静脉图像模板更新方法及装置。
技术介绍
指静脉识别技术是一种新兴的生物特征识别技术，其利用手指静脉及周边生物组织对红外光吸收程度的差异得到指静脉图像，并根据静脉部分亮度低的特点来确定静脉的位置进而进行身份识别，这一过程获取的是人体内部特征，使指静脉识别技术更具备高安全性、难伪造性，被广泛应用在公共安全领域认证系统及设备。传统的指静脉识别方法如中国专利CN104933389B公开的基于指静脉的身份识别装置及方法，包括，主摄像机、从摄像机、图像处理单元、身份认证单元、存储单元、触摸键、滤光镜，以及红外面光源，其中，主摄像机、从摄像机，分别将获取的主手指静脉图像、从手指静脉图像发送给图像处理单元；图像处理单元，从主手指静脉图像信号、从手指静脉图像信号中提取指静脉三维特征信息并进行规范化处理，获得指静脉的基准特征信息；身份认证单元，将获取的待识别指静脉的基准特征信息与指静脉基准特征模板信息进行比较，完成对指静脉的身份识别和认证。由于手指静脉属于体内特征，其成像过程易受生物组织、皮肤结构的影响，导致采集到的指静脉图像成像质量偏低，且不同光照、不同手指姿态下采集的指静脉图像信息并不完全一致，导致同根手指的指静脉特征有偏差。在注册阶段采集的指静脉图像数量有限致使指静脉信息表达不完整，根据原始注册模板进行图像比对识别会使通过率下降，从而影响指静脉识别性能。
技术实现思路
本专利技术所要解决的技术问题提供一种基于自学习的静脉图像模板更新方法及装置，以解决指静脉图像成像质量偏低以及注册阶段采集的指静脉图像数量有限导致的指静脉信息表达不完整，只比对原始注册模板会影响识别性能的问题。为了解决上述技术问题，本专利技术提供的技术方案为：本专利技术涉及一种基于自学习的静脉图像模板更新方法，其包括以下步骤：1）移动手指采集指静脉注册图像，得到n张不同位置的指静脉图像，并根据指静脉图像获取对应的静脉二值图像，i为大于等于1且小于等于n的整数；2）对n张静脉二值图像进行去除重合区域的首尾拼接，得到大模板图像；3）采集指静脉验证图像并根据指静脉验证图像获取验证二值图像，利用验证二值图像进行验证，当验证成功，匹配定位大模板图像中对应的模板图像，并根据模板图像对验证二值图像进行角度校正；4）根据验证二值图像对模板图像进行断点修复；5）根据验证二值图像对模板图像进行细节点修复；6）对模板图像进行伪静脉点去除，从而完成对于指静脉图像模板的更新迭代。采用更新迭代后的图像作为指静脉注册图像，用于后续的指静脉识别，有助于提高指静脉识别的通过率。优选地，所述的步骤1）中，获取静脉二值图像的具体步骤包括：1.1）使用同态滤波算法对指静脉图像进行增强处理；1.2）使用改进的自适应修正系数Niblack算法对指静脉图像进行二值化处理，得到静脉二值图像：式中，x为图像的横坐标，y为图像的纵坐标，为二值化后的图像灰度值，为指静脉图像灰度值，为w*w邻域内的基于平均梯度的自适应动态阈值；其中，w*w邻域内的基于平均梯度的自适应动态阈值的计算公式为：式中，x为w*w邻域内图像的横坐标，y为w*w邻域内图像的纵坐标，a为自适应修正系数，为w*w邻域内标准差，为w*w邻域内灰度均值，为整个图像平均梯度，为图像w*w邻域的平均梯度；其中，平均梯度计算公式为：式中，M、N分别为图像的行列大小，、分别为图像的水平方向梯度、垂直方向梯度。本专利技术对Niblack算法中的修正系数进行改进，将常数改为基于平均梯度的自适应修正系数，根据图像的平均梯度及图像w*w邻域的平均梯度决定，针对图像静脉区域与非静脉区域进行不同修正系数的阈值化，可以更好地将静脉分割出来。优选地，所述的步骤2）中，对n张静脉二值图像进行去除重合区域的首尾拼接，得到大模板图像的具体步骤包括：2.1）将静脉二值图像沿着静脉二值图像的底部向上滑动，结合结构相似度及相对熵计算两张图像叠加区域的相似度：其中，X、Y分别表示、叠加区域的图像，r为图像移动的行数，；、为常数，为X、Y的结构相似度，为X、Y的相对熵，、分别为X、Y的平均值，、分别表示X、Y的标准差，表示X和Y的协方差，、为常数，、分别为X、Y的概率分布函数；2.2）设置相似度阈值T1，当且时，静脉二值图像图像停止向上滑动，并且静脉二值图像左右滑动若干列，使静脉二值图像与静脉二值图像叠加区域一致；2.3）将左右滑动后的静脉二值图像拼接到静脉二值图像的N-r行上，缺失部分像素置为0；2.4）重复步骤2.1）~2.3），完成所有静脉二值图像的拼接。优选地，所述的步骤3）中，匹配定位大模板图像中对应的模板图像，并根据模板图像对验证二值图像进行角度校正的步骤包括：3.1）将大模板图像进行像素点为0的左右边界扩充；3.2）对扩充后的大模板图像，以左上角为起点取M*N大小的子图，以步长s进行整个图像的遍历，计算模板图像与验证二值图像的平均误差平方和：式中，M、N分别为图像的行列大小，i为图像的横坐标，j为图像的纵坐标，为模板二值图像的灰度值，为验证二值图像的灰度值；3.3）定位平均误差平方和D最小的模板图像，将验证二值图像进行左右旋转，使最小模板图像、验证二值图像之间的平均误差平方和最小。优选地，所述的步骤4）中根据验证二值图像对模板图像进行断点修复的具体步骤包括：4.1）标记验证二值图像、模板图像的连通区域；4.2）判断验证二值图像、模板图像的连通区域数量，如果模板图像的连通数量大于验证二值图像的连通数量，则表示模板图像中含有断点而验证二值图像对应位置上没有信息缺失：式中，为验证二值图像的连通数量，为模板图像的连通数量；4.3）定位模板图像缺失的部分，根据验证二值图像对应位置的静脉梯度，以相同静脉走势补充模板图像，直到其与静脉部分相接，完成断点修复。优选地，所述的步骤5）中根据验证二值图像对模板图像进行细节点修复的具体步骤包括：5.1）设置连通面积阈值T2，在断点修复完成的情况下，比较验证二值图像、模板图像的连通区域面积，如果验证二值图像的连通面积大于模板图像的连通面积，则表示验证二值图像较模板图像有新增的细节点：式中，为验证二值图像的连通面积，为模板图像的连通面积；5.2）定位验证二值图像新增细节点的位置，将模板图像对应位置的像素点置为1，完成细节点修复。优选地，本文档来自技高网...

【技术保护点】
1.一种基于自学习的静脉图像模板更新方法，其特征在于：其包括以下步骤：/n1）移动手指采集指静脉注册图像，得到n张不同位置的指静脉图像

【技术特征摘要】
1.一种基于自学习的静脉图像模板更新方法，其特征在于：其包括以下步骤：
1）移动手指采集指静脉注册图像，得到n张不同位置的指静脉图像，并根据指静脉图
像获取对应的静脉二值图像，i为大于等于1且小于等于n的整数；
2）对n张静脉二值图像进行去除重合区域的首尾拼接，得到大模板图像；
3）采集指静脉验证图像并根据指静脉验证图像获取验证二值图像，利用验证二值图
像进行验证，当验证成功，匹配定位大模板图像中对应的模板图像，并根据模板图像对验证二值图像进行角度校正；
4）根据验证二值图像对模板图像进行断点修复；
5）根据验证二值图像对模板图像进行细节点修复；
6）对模板图像进行伪静脉点去除，从而完成对于指静脉图像模板的更新迭代。


2.根据权利要求1所述的一种基于自学习的静脉图像模板更新方法，其特征在于：所述
的步骤1）中，获取静脉二值图像的具体步骤包括：
1.1）使用同态滤波算法对指静脉图像进行增强处理；
1.2）使用改进的自适应修正系数Niblack算法对指静脉图像进行二值化处理，得到静
脉二值图像：



式中，x为图像的横坐标，y为图像的纵坐标，为二值化后的图像灰度值，
为指静脉图像灰度值，为w*w邻域内的基于平均梯度的自适应动态阈值；
其中，w*w邻域内的基于平均梯度的自适应动态阈值的计算公式为：



式中，x为w*w邻域内图像的横坐标，y为w*w邻域内图像的纵坐标，a为自适应修正系数，为w*w邻域内标准差，为w*w邻域内灰度均值，为整个图像平均梯度，为
图像w*w邻域的平均梯度；
其中，平均梯度计算公式为：



式中，M、N分别为图像的行列大小，、分别为图像的水平方向梯度、垂直方向梯度。


3.根据权利要求1所述的一种基于自学习的静脉图像模板更新方法，其特征在于：所述
的步骤2）中，对n张静脉二值图像进行去除重合区域的首尾拼接，得到大模板图像的具体
步骤包括：
2.1）将静脉二值图像沿着静脉二值图像的底部向上滑动，结合结构相似度及相
对熵计算两张图像叠加区域的相似度：



其中，X、Y分别表示、叠加区域的图像，r为图像移动的行数，；、为常数，为X、Y的结构相似度，为X、Y的相
对熵，、分别为X、Y的平均值，、分别表示X、Y的标准差，表示X和Y的协方差，、为常数，、分别为X、Y的概率分布函数；
2.2）设置相似度阈值T1，当且
时，静脉二值图像图像停止向上滑动，并且静脉二值图像左右滑动若干列，使静脉
二值图像与静脉二值图像叠加区域一致；
2.3）将左右滑动后的静脉二值图像拼接到静脉二值图像的N-r行上，缺失部分像
素置为0；
2.4）重复步骤2.1）~2.3），完成所有静脉二值图像的拼接。


4.根据权利要求1所述的一种基于自学习的静脉图像模板更新方法，其特征在于：所述
的步骤3）中，匹配定位大模板图像中对应的模板图像，并根据模板图像对验证二值
图像进行角度校正的步骤包括：
3.1）将大模板图像进行像素点为0的左右边界扩充；
3.2）对扩充后的大模板图像，以左上角为起点取M*N大小的子图，以步长s进行整个图
像的遍历，计算模板图像与验证二值图像的平均误差平方和：...

【专利技术属性】
技术研发人员：赵国栋，杨爽，李学双，张烜，
申请(专利权)人：北京圣点云信息技术有限公司，
类型：发明
国别省市：北京;11