[发明专利]基于线性加权的免疫克隆手指静脉图像特征提取方法

说明书

技术领域

本发明涉及手指静脉图片的特征提取技术。

背景技术

当今社会，生物特征识别技术越来越受到人们的关注。生物特征的多样性造成了识别技术的多样性，静脉特征识别技术作为其中之一，也应运而生。2000年，M.Kono等研究人员，在日本日立公司的资助下，研制了用于人员身份识别的手指静脉近红外识别系统，并应用于人员识别。对于不同的生物特征识别，需要采取相适应的特征提取算法。手指静脉特征也不例外，由于不同的人静脉纹路大小不同，细小静脉血管的特征不容易提取；再加上目前采集装置所获得的手指静脉图片具有目标和背景区分度不明显，噪声和静脉信息共存，要想从中准确的获取静脉信息相当困难。而且低质量静脉图片特征提取容易将噪声错判成静脉信息，将较差的静脉信息错判成噪声。另外，由于受到环境和温度的影响，手指静脉血管膨胀和收缩也给特征提取带来麻烦，乃是当前国内外研究的热点话题。随着静脉特征提取算法的研究不断深入和发展，各种新的特征提取算法也应运而生。

目前，在静脉谷形特征提取算法方面研究有：方向提取算法、方向模板算子、repeated line tracking、局部阈值法、自适应阈值法与改进的线性跟踪相结合的方法。分析上述方法可知，对于目标和背景区分度不明显的静脉图片，采用区域的方法提取特征时，判断当前点是否为静脉特征信息，需采用邻域内的点来描述或表示。免疫克隆算法恰好反应了这样一种机理。用初始抗体来限定搜索范围，亲和度函数和抗体浓度来约束静脉邻近区域特征，应用克隆选择的记忆功能来进行静脉特征的提取。

1959年著名的免疫学家Burnet提出克隆选择学说。克隆选择是借鉴了自然界中无性繁殖。它是免疫系统的一种自然选择的模式。在免疫系统中，由免疫应答产生抗体的过程是免疫系统的一个学习过程。而这一过程中免疫系统体现出了学习、记忆、抗体多样性等生物特征。

发明内容

本发明针对现有方法存在的不足，本发明提出了一种基于线性加权(LWF)免疫克隆的手指静脉特征提取方法。该方法采用自适应阈值法产生初始抗体，采用曲线拟合的方式获得权值，并通过对静脉区域进行线性加权来均衡去噪和增强边界，构造亲和力函数和抗体浓度函数，依靠亲和力函数和抗体浓度值，促进静脉信息的生长和抑制噪声的干扰。

本发明是通过以下技术方案实现：

一种基于线性加权免疫克隆手指静脉图像特征提取方法，其首先，对手指静脉图片的原图用自适应阈值法产生初始抗体，用以确定搜索空间和范围，把得到的第一代抗体(初始抗体)A₁（i0，j0)的坐标值返回原图中，在对应的坐标点img(i0，j0)进行亲和度值计算，通过给定的亲和度值判定方法，产生新抗体；其次，判断第一代抗体中是否有不满足亲和度和抗体浓度的；若存在，则进行该抗体点去除操作，通过克隆操作得出第二代抗体A₂(i0，j0)；然后，在第二代抗体的基础上，进行变异、亲和度、抗体浓度计算，通过克隆操作得出新一代抗体A_b(i0，j0)；最后，得到最优抗体。

在前面所述的运算过程中，又包含了初始抗体的产生、变异方式的选取、线性加权函数(LWF)加权运算、亲和度函数和抗体浓度函数的运算。

初始抗体对最终解的质量和算法收敛速度都有一定影响，为了有利于提高收敛速度和抗体质量，本发明利用先验知识得到质量较好的初始抗体，能有效的为搜索提供指导信息。并采用自适应阈值法得到初始抗体。

变异方式的选取，变异点范围界定在抗体点周围。

本发明对于要处理的静脉图片采用线性加权函数(LWF)，对静脉区域进行线性加权来均衡去噪和增强边界。线性加权函数的系数的确定，采用了曲线拟合的方式。

亲和度函数和抗体浓度函数的计算，结合了免疫克隆算法中的相关知识，通过亲和力函数和抗体浓度值，促进静脉信息的生长和抑制噪声的干扰，为静脉特征信息的保留和干扰噪声的抑制并去除。

本发明结合免疫克隆机理，该方法采用改进的自适应阈值法产生初始抗体，并通过静脉区域特征构造亲和力函数，在候选解的邻域内产生变异解，最后在克隆选择的机理下达到最优抗体。最优抗体即时通过免疫克隆运算得到，具有自然界优胜劣汰的特点，对于静脉特征抗体进行克隆选择，对于噪声抗体进行淘汰选择。

免疫基因操作包含交叉和变异，免疫学认为，亲和度成熟和抗体多样性的产生主要依靠抗体的高频变异，而非交叉或重组。因此，本发明采用了变异操作。克隆选择操作通过局部择优，有效地压缩了种群的大小。由于克隆算子本身的选择机制具有记忆功能，可以保证算法以概率1收敛到最优解。