【技术实现步骤摘要】
一种基于改进的主动轮廓算法的指静脉图像分割方法
[0001]本专利技术属于图像处理领域，具体涉及一种基于改进的主动轮廓算法的指静脉图像分割方法。
技术介绍
[0002]随着人们对生物识别系统安全性和准确性的要求越来越高，生物特征识别技术得到越来越多的关注。指静脉识别作为众多生物特征识别技术中的一种，由于具有非接触式采集、活体检测、不易伪造、成本较低等优点，成为当前研究的热点。指静脉图像中血管的分割是指静脉识别技术中的一个关键步骤，而拍摄采集到的指静脉图像不仅含有静脉纹路，还含有不规则的噪声、指骨骼和肌肉的不同厚度所产生的阴影。此外，指静脉会随着温度或物理条件的变化而变化，很难精确地提取指静脉血管的细节，因此如何对指静脉图进行准确的分割，直接影响后续识别的精度和准确度。
[0003]手指静脉图像在采集过程中，由于手指中的其他组织吸收引起光衰减，捕获的手指静脉图像不仅具有低对比度，还包含由不同厚度的指骨及肌肉产生不规则噪音和阴影；此外，手指静脉特征不仅会随温度、物理条件、外界光照等的变化而暂时变化，还会受到采集过程中平移...
【技术保护点】
【技术特征摘要】
1.一种基于改进的主动轮廓算法的指静脉图像分割方法，其特征在于，包括：获取待分割的指静脉图像；采用改进的主动轮廓算法对待分割的指静脉图像进行分割处理，得到分割后的指静脉图像；采用改进的主动轮廓算法对待分割的指静脉图像进行处理的过程包括：S1：采用局部二值拟合主动轮廓算法构建指静脉图像分割模型；S2：采用改进的模糊均值聚类算法计算待分割的指静脉图像的初始轮廓，将初始轮廓作为指静脉图像分割模型的初始指静脉轮廓；S3：根据初始指静脉轮廓采用指静脉图像分割模型对待分割的指静脉图像进行分割处理。2.根据权利要求1所述的一种基于改进的主动轮廓算法的指静脉图像分割方法，其特征在于，构建指静脉图像分割模型的过程包括：获取Heaviside函数、水平集函数以及高斯核函数；根据Heaviside函数、水平集函数和高斯核函数计算以x为圆心的圆与零水平集轮廓相交的内部均值f1和以x为圆心的圆与零水平集轮廓相交的外部均值f2；获取像素集合到像素的强度映射，根据内部均值f1、外部均值f2以及强度映射构建能量泛函模型，该能量泛函模型为手指静脉结构特征分割模型。3.根据权利要求2所述的一种基于改进的主动轮廓算法的指静脉图像分割方法，其特征在于，能量泛函模型的表达式为：ε
lbf
(φ,f1,f2)＝α1∫∫
Ω
K
σ
(x
‑
y)|I(y)
‑
f1(x)|2H
τ
(φ(y))dydx+α2∫∫
Ω
K
σ
(x
‑
y)|I(y)
‑
f2(x)|2(1
‑
H
τ
(φ(y)))dydx其中，ε
lbf
表示能量泛函模型，φ表示水平集函数，f1表示以x为圆心的圆与零水平集轮廓相交的内部均值，f2表示以x为圆心的圆与零水平集轮廓相交的外部均值，α1和α2均表示大于0的常数，K
σ
表示尺度因子为σ的高斯核函数，I(.)表示像素集合到像素的强度映射，y表示像素点，x表示以x为中心的圆，H
τ
表示赫维赛德函数，Ω表示图像中的所有像素点。4.根据权利要求1所述的一种基于改进的主动轮廓算法的指静脉图像分割方法，其特征在于，计算待分割的指静脉图像的初始轮廓的过程包括：采用基于果蝇优化算法的模糊C均值聚类算法获取初始轮廓，其步骤包括：步骤1：初始化参数；初始化参数包括设置初始聚类中心个数n，最大聚类中心个数；步骤2：采用果蝇优化算法获取全局最优解，最优解为当前聚类中心n条件下的最优聚类中心；步骤3：记录当前聚类中心数n对应最优值时的味道浓度值Sm；步骤4：当聚类中心数n大于设置的最大聚类中心个数时，结束果蝇寻优算法；当聚类中心数n小于等于设置的最大聚类中心个数时，设置n＝n+1，返回步骤2继续进行寻优算法；步骤5：比较所有n的取值，获取最优解时的味道浓度值Sm，即当味道浓度值最大时聚类中心数为最佳的聚类中心数，输出聚类中心对应的位置值；将该该位置值作为初始聚类中心位置；步骤6：根据初始聚类中心位置采用模糊C均值聚类算法对待分割图像进行分割，输出手指静脉图像的初始分割结果，并将其设置为分割模型的初始轮廓。5.根据权利要求4所述的一种基于改进的主动轮廓算法的指静脉图像分割方法，其特征在于，采用果蝇优化算法获取全局最优解的过程包括：
步骤21：获取果蝇种群位置范围Pr和果蝇单次飞行范围Sr；步骤22：根据果蝇种群位置范围Pr和果蝇单次飞行范围Sr计算果蝇群体的初始位置x和y；步骤23：群体的果蝇根据食物气味进行随机搜...
【专利技术属性】
技术研发人员：李章勇，纪佳佳，黎希，杨德伟，周秦，徐佳豪，张帅，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：
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。