【技术实现步骤摘要】
本专利技术属于生物特征识别，具体涉及一种新型指静脉图像roi提取方法。
技术介绍
1、指静脉识别是一种非接触的活体式生物认证方式，具有较高的唯一性、安全性及抗干扰性，广泛用于军事、安防等领域。在指静脉图像采集时，由于每个人手指每次放置的姿态存在差异以及环境的影响，高效快速的指静脉感兴趣区域(region of interest，简称roi)提取直接影响整个识别系统的性能。
2、目前常用的指静脉roi提取方法主要包括三类，第一类是直接采用典型的边缘检测算法提取手指边缘确定roi，这种方法极易受到噪音的干扰，导致提取的边缘不连续或者噪声边缘过多，无法得到指静脉图像的真实边缘，而且耗时较长；第二类是在典型边缘检测的方法上增加修复或改善边缘轮廓的算法，该方法在一定程度上改善了噪音的影响，但是算法变得更加复杂，而且改善效果有限；最后一类利用图像的梯度、平滑等参数获取roi，其难点在于参数设置较困难。上述三类方法均不适用于低成本、小型化的应用场景。
技术实现思路
1、本专利技术要克服现有技术的上述缺点，提供融合局部检测与最大累积灰度极值的指静脉图像roi提取方法和装置。
2、本专利技术的第一个方面提出了融合局部检测与最大累积灰度极值的指静脉图像roi提取方法，这种方法的步骤为：
3、s1、获取指静脉图像，提取图像手指方向的中心28像素宽度静脉边缘作为起始静脉轮廓，其具体步骤为：
4、s11、采用高斯模糊将原图i模糊处理获得p，用以去除图像部分噪音
5、
6、
7、s12、提取图像p中间28个像素宽度作为起始轮廓判定区域，像素梯度计算矩阵为gx、gy，计算该区域的边界梯度与方向。其计算公式如下：
8、
9、
10、s13、抑制非极大值边缘并提取边缘两侧最大梯度点，构建该图像的起始边缘，非极大值边缘计算公式如下：
11、graby(x,y)＝gra(x±1,y±1) (5)
12、gracount(x,y)＝gra1*dir1+gra2*dir2 (6)
13、s14、采用均值滤波，去除上述判定区域内的噪声点。
14、s2、以初始边缘上下两侧最远点作为边缘像素计算起始点，采用滚动提取方式，只对局部区域进行检测，快速获取静脉图像边缘，具体步骤为：
15、s21、结合s12公式，根据上一个边缘像素点，计算该像素点滚动方向的下一个像素点周围的边界梯度，将其中的最大边界梯度点作为下一个边缘像素点，边缘像素点灰度值为：
16、
17、s22、设置边缘像素点灰度值，并记录像素点位置，获取静脉轮廓pi。
18、s3、上述的图像指关节区域获取，首先计算区域灰度累加值，然后采用最大极值判断方法，将灰度累加值极值点作为该指静脉的关节点。包括以下具体步骤：
19、s31、以远离上下边界点10个像素水平线与上述静脉轮廓交点的最近中值作为区域灰度累加宽度，以像素长度40作为区域灰度累加长度，计算区域内灰度值总和，计算公式如下：
20、
21、s32、根据区域灰度累加值的大小，设定极值点作为指关节位置定位点，考虑上端与下端指关节极值大小关系，指关节定位公式如下：
22、
23、
24、s4、指关节矫正及最终的roi区域获取包括如下步骤：
25、s41、以oup、odown为水平线，交边缘轮廓pi于点p1、p2、p3、p4，连接p1、p2，p3、p4为直线p12、p34，取其中点，连接该两点，计算图像旋转角度θ，计算公式为：
26、
27、s42、旋转图像，并重复s41步骤，获取旋转后图像p＇，交点p1＇、p2＇，p3＇、p4＇。取x方向离中线最近的点作为水平定位点，连线p12＇、p34＇中点作为垂直方向定位点，截取roi区域。
28、s43、采用双线性插值法将图像归一化为指定尺寸。
29、本专利技术的第二个方面涉及融合局部检测与最大累积灰度极值的指静脉图像roi提取装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现本专利技术的融合局部检测与最大累积灰度极值的指静脉图像roi提取方法。
30、本专利技术的第三个方面涉及一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现本专利技术的融合局部检测与最大累积灰度极值的指静脉图像roi提取方法。
31、为了解决目前常用的指静脉roi方法在边缘获取时计算冗余、算法复杂、耗时较长且后续处理较为困难等问题，提出了一种局部检测方法获取指静脉图像边缘；接着计算区域灰度累加值的极值点作为该指静脉关节点，连接指关节点连线与图像边缘的交点，以该连线为校准基线进行旋转矫正；最后以指关节点中点所在的水平线和其与图像边缘交点连线中点为定位点，得到roi图像。
32、与现有技术相比，本专利技术的有益收益效果如下：
33、相比传统的指静脉roi区域获取方法，本专利技术的优点在于：首先，计算初始判定区域的像素梯度值获取初始边缘，采用滚动方法获取其他边缘像素点，极大减小了计算量，并消除了传统方法中存在的阈值不好设置导致的边缘不连续或断层等问题。其次，根据指关节灰度值较高且越靠近手指中心区域辨识度越高的特点，提出了局部区域灰度值累加方法，并采用极值检测，获取指关节位置，该方式有效避免噪点、污渍、曝光等导致的不利影响；随后采用指关节中点连线拟合垂线，能够有效保证待获取roi区域指静脉图像的角度，减少图像旋转对后续图像匹配的影响。最后通过指关节定位以及边缘测量的方法快速准确获取roi区域。因此，本专利技术提出的一种融合局部检测与最大累积灰度极值的指静脉图像roi提取方法与现有技术相比，极大提高了指静脉边缘提取的速度，并且有效减少了噪点、误判点的影响，可用于对边缘要求较高的特殊场合。
本文档来自技高网...【技术保护点】
1.融合局部检测与最大累积灰度极值的指静脉图像ROI提取方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的融合局部检测与最大累积灰度极值的指静脉图像ROI提取方法，其特征在于，步骤S1所述的获取起始静脉轮廓具体包括以下步骤：
3.根据权利要求1所述的融合局部检测与最大累积灰度极值的指静脉图像ROI提取方法，其特征在于，步骤S2所述的采用滚动提取方式，只对局部区域进行检测，快速获取指静脉轮廓，包括以下具体步骤：
4.根据权利要求1所述的融合局部检测与最大累积灰度极值的指静脉图像ROI提取方法，其特征在于，步骤S3所述的获取图像指关节区域，包括以下具体步骤：
5.根据权利要求1所述的融合局部检测与最大累积灰度极值的指静脉图像ROI提取方法，其特征在于，步骤S4所述的图像旋转矫正及感兴趣区域获取包括以下步骤:
6.融合局部检测与最大累积灰度极值的指静脉图像ROI提取装置，其特征在于，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现权利要求1-5中任一项所述的
7.计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现权利要求1-5中任一项所述的融合局部检测与最大累积灰度极值的指静脉图像ROI提取方法。
...【技术特征摘要】
1.融合局部检测与最大累积灰度极值的指静脉图像roi提取方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的融合局部检测与最大累积灰度极值的指静脉图像roi提取方法，其特征在于，步骤s1所述的获取起始静脉轮廓具体包括以下步骤：
3.根据权利要求1所述的融合局部检测与最大累积灰度极值的指静脉图像roi提取方法，其特征在于，步骤s2所述的采用滚动提取方式，只对局部区域进行检测，快速获取指静脉轮廓，包括以下具体步骤：
4.根据权利要求1所述的融合局部检测与最大累积灰度极值的指静脉图像roi提取方法，其特征在于，步骤s3所述的获取图像指关节区域，包括以下具体步骤：
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。