手背静脉模式纹理提取方法技术

本发明专利技术的目的在于提供手背静脉模式纹理提取方法，其特征是：建立静脉纹理局部二阶微分结构模型-VLSDM模型，采用基于多尺度分析的噪声滤去方法对多尺度VLSDM模型滤波响应进行处理，从而得到最后的手背静脉模式纹理。本发明专利技术不但能够区分静脉纹理与背景区域，而且提取的静脉纹理保持了其局部曲面原有的形态，同时能够得到静脉纹理的方向和尺度信息。

【技术实现步骤摘要】

本专利技术涉及的是一种生物特征的识别方法。
技术介绍
人体手背静脉识别具有稳定性、唯一性、高防伪性、非接触性和精度高等优点，是模式识别领域的前沿课题。具有广泛的应用前景和经济价值。目前提取静脉纹理的方法主要有两种1、基于静脉纹理区域像素灰度值分布的统计特性的方法通过静脉纹理区域像素灰度值分布的统计特性确定区域阈值，对静脉样本图像进行二值分割，得到一幅能够区分静脉纹理区域和背景区域的二值图像，如图I(A)所示。这种方法优点是简单快速，但对静脉样本的质量要求较高。2、基于静脉纹理横断面最小灰度值点跟踪的方法对静脉纹理横断面最小灰度值点进行“重复线形跟踪”，从某一端点进行横断面最小灰度值点跟踪，形成横断面最小灰度值线，一个端点跟踪结束后，从另外一个端点进行同样的跟踪操作，最后得到的横断面最小灰度值点形成的曲线将重叠，形成静脉纹理特征，如图I(B)所示。在跟踪时记下横断面最小灰度值点被遍历的次数，以区分噪声点和静脉点，噪声点被遍历的几率要比静脉点小。该方法相对第一种方法而言，其提取效果有一定的改善。在静脉识别领域还没有讨论基于图像的二阶微分结构特性提取静脉纹理的相关文献，但是在医学图像处理领域研究得比较多，其中大多数方法以文献提出的模型为基础，文献基于纹理二阶微分结构的特征值，提出一了血管度计算模型，但直接利用该模型处理静脉图像时，存在两个问题1、对静脉图像中细纹理不敏感；2、对血管交叉处纹理表现不明显。与本专利技术相关的公开报道有A. Frangi, W. Niessen, K. Vincken, and Μ. Viergever, Multiscale vessel enhancement filtering, Medical Image Computing and Computer—Assisted Interventation in 1998，1998，pp.130—137.C. Ca ero and P. Radeva, Vesselness enhancement diffusion, Pattern Recognition Letters, vol. 24,2003, pp.3141-3151. R. Manniesing, M. Viergever, and W. Niessen, Vessel enhancing diffusion::Ascale space representation of vessel structures, Medical Image Analysis,vol. 10,2006, pp. 815—825.
技术实现思路
本专利技术的目的在于提供能够区分静脉纹理与背景区域、能够得到静脉纹理的方向和尺度信息的。本专利技术的目的是这样实现的本专利技术，其特征是(1)建立静脉纹理局部二阶微分结构模型-VLSDM模型VLSDM模型由静脉纹理局部曲面形状约束模型和静脉纹理的显著二阶微分结构特征量组成，根据静脉纹理局部曲面形状约束索引值不同的特点、结合采样定理及加权融合的方法得到融合形状约束索引值计算模型-SICM模型，选取曲面最大主曲率作为VLSDM模型中的静脉纹理的显著二阶微分结构特征量，采用基于最大似然估计模型改进的组合方式将SICM模型与显著二阶微分结构特征量进行融合，从而形成VLSDM模型；(2)采用基于多尺度分析的噪声滤去方法对多尺度VLSDM模型滤波响应进行处理，从而得到最后的手背静脉模式纹理。本专利技术还可以包括1、所述的SICM模型的建立方法是采用采样函数amrmon对形状索引值 SapeIndex进行采样，形成像素点邻域曲面与采样目标纹理曲面形状索引值shapq相似度计算公式，采用加权融合的方法，将与交叉静脉纹理和暗脊形静脉纹理得相似度融合形成最后的静脉形状约束模型。2、所述的像素点邻域曲面与采样目标纹理曲面形状索引值shapq相似度计算公式数学表达式为权利要求1.，其特征是(1)建立静脉纹理局部二阶微分结构模型-VLSDM模型=VLSDM模型由静脉纹理局部曲面形状约束模型和静脉纹理的显著二阶微分结构特征量组成，根据静脉纹理局部曲面形状约束索引值不同的特点、结合采样定理及加权融合的方法得到融合形状约束索引值计算模型-SICM模型，选取曲面最大主曲率作为VLSDM模型中的静脉纹理的显著二阶微分结构特征量，采用基于最大似然估计模型改进的组合方式将SICM模型与显著二阶微分结构特征量进行融合，从而形成VLSDM模型；(2)采用基于多尺度分析的噪声滤去方法对多尺度VLSDM模型滤波响应进行处理，从而得到最后的手背静脉模式纹理。2.根据权利要求1所述的，其特征是所述的SICM模型的建立方法是采用采样函数Siarmon对形状索引值Sapelndex进行采样，形成像素点邻域曲面与采样目标纹理曲面形状索引值shapq相似度计算公式，采用加权融合的方法，将与交叉静脉纹理和暗脊形静脉纹理得相似度融合形成最后的静脉形状约束模型。3.根据权利要求2所述的，其特征是所述的像素点邻域曲面与采样目标纹理曲面形状索引值shapq相似度计算公式数学表达式为4.根据权利要求3所述的，其特征是所述的加权融合的方法数学表达式为5.根据权利要求4所述的，其特征是所述的最大似然估计模型改进的组合方式数学表达式为6.根据权利要求5所述的，其特征是所述的VLSDM模型的数学表达式为7.根据权利要求6所述的，其特征是所述的基于多尺度分析的噪声滤去方法为(1)消除小尺度毛刺噪声和斑点噪声令微分尺度空间中的最大静脉度对应的微分尺度灰度图Is中的背景区域和微分尺度为Smax的区域为白色，微分尺度小于Smax的区域为黑色，形成二值图像Ib，毛刺噪声区域和细静脉区域均在Ib中变成了黑色的斑点区域，统计每个斑点区域对应的多尺度VLSDM模型响应灰度图中的区域极大值，如果其值大于细静脉连通域与噪声连通域内对应的多尺度VLSDM模型响应灰度值极大值的阈值Tmax，则将该斑点区域用白色填充，经斑点区域填充滤波处理后的图像Γ )3与原图像Is作与操作，得到只包含静脉纹理区域和大尺度噪声区域的图像Γ s;(2)消除大尺度噪声令图像Γs中背景区域为黑色，其他区域为白色，大尺度噪声就变成了黑色孔洞区域和白色斑点区域，通过连通域面积阈值来滤去这类大尺度噪声，去掉大尺度噪声后的图像中静脉文理区域为白色区域，背景区域为黑色，得到消除大尺度噪声滤波模板；(3)对多尺度VLSDM模型响应进行滤波，利用得到的滤波模板与多尺度VLSDM模型响应作乘法操作，多尺度VLSDM模型响应中的噪声区域全部变为零值，静脉区域静脉度值保持不变，从而得到滤波后的多尺度VLSDM模型滤波响应。全文摘要本专利技术的目的在于提供，其特征是建立静脉纹理局部二阶微分结构模型-VLSDM模型，采用基于多尺度分析的噪声滤去方法对多尺度VLSDM模型滤波响应进行处理，从而得到最后的手背静脉模式纹理。本专利技术不但能够区分静脉纹理与背景区域，而且提取的静脉纹理保持了其局部曲面原有的形态，同时能够得到静脉纹理的方向和尺度信息。文档编号G06K9/00GK102222220SQ201110167448公开日2011年10月19日 申请日期2011年6月21日 优先权日2011年6月21日专利技术者付斌, 冯本文档来自技高网...

【技术保护点】
１．手背静脉模式纹理提取方法，其特征是：（１）建立静脉纹理局部二阶微分结构模型－ＶＬＳＤＭ模型：ＶＬＳＤＭ模型由静脉纹理局部曲面形状约束模型和静脉纹理的显著二阶微分结构特征量组成，根据静脉纹理局部曲面形状约束索引值不同的特点、结合采样定理及加权融合的方法得到融合形状约束索引值计算模型－ＳＩＣＭ模型，选取曲面最大主曲率作为ＶＬＳＤＭ模型中的静脉纹理的显著二阶微分结构特征量，采用基于最大似然估计模型改进的组合方式将ＳＩＣＭ模型与显著二阶微分结构特征量进行融合，从而形成ＶＬＳＤＭ模型；（２）采用基于多尺度分析的噪声滤去方法对多尺度ＶＬＳＤＭ模型滤波响应进行处理，从而得到最后的手背静脉模式纹理。

【技术特征摘要】

【专利技术属性】
技术研发人员：王科俊，熊新炎，杜同春，刘静宇，冯伟兴，崔建文，唐墨，付斌，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：93