[发明专利]基于局部宏观特征和微观特征结合的手背静脉身份识别方法

说明书

技术领域

本发明涉及基于局部宏观特征和微观特征结合的手背静脉身份识别方法，属于计算机视觉中的智能监控技术领域，特别涉及生物特征识别技术领域。

背景技术

利用手背静脉信息进行身份识别是近十几年发展起来的一种新的生物识别方法。与传统的密码、卡号、用户名、钥匙和证件等身份识别方法相比较，基于指纹、人脸、虹膜、笔迹、声纹、步态和静脉等生物特征识别方法具有不易丢失、不易复制和随身携带等诸多优点，得到越来越多的深入研究与推广应用。相比较其他的生物特征识别方法，手背静脉识别具有鲜明的特色：

(1)手背静脉特征具有很好的普遍性和唯一性。即使是同一个人的左右手或者是双胞胎，也会因为发育过程的随机性导致手背静脉分布结构的差异。同时，当人体发育成熟后，手背静脉的分布结构除非进行手术或药物作用，否则不再变化。

(2)由于手背静脉血管位于体表内部，不易受到污染和划伤等外界因素的影响。由于血液和皮下脂肪对近红外光的吸收率不同，通常采用近红外反射成像，获得对比度清晰的手背静脉纹理图像。

(3)近红外反射成像设备属于非接触类型，且造价低廉，用户和制造商都容易接受。

局部二值模式(LBP)是一种有效的纹理描述算子，它把所要检测的细小纹理进行建模，在图像中搜索重复的模式，以各纹理出现的次数为图像的特征。经过十几年发展，LBP算子得到不断的改进和演化，被广泛地应用于纹理分割、纹理分类、人脸识别等数字图像处理领域。但对于手背静脉图像这种纹理特征与结构特征兼有的图像而言，LBP算子过分强调了纹理特征，而忽视了其较大的纹理结构。

发明内容

针对现有技术中存在的问题，本发明在LBP算子基础上提出了MB-CSLBP(multi-block center-symmetric LBP，即多分块中心对称LBP)描述算子，实现了基于局部宏观特征和微观特征结合的手背静脉身份识别方法，充分了利用了图像信息，提高了手背静脉识别系统的识别率。

利用MB-CSLBP算子提取图像每一点的局部特征，首先取出某像素周围L×L(L＞＝9且为3的倍数)尺寸的像素区域，将L×L区域等分为3*3共9块，各块求均值后，形成3×3的像素块是该像素周围区域的一个缩影。该块的外侧8个像素中，从左上角像素开始，使顺时针方向前4个像素与其中心对称的像素比较大小，大则置1，小则置0，从而形成一个4维的二进制向量，对应一个0～15的数字，就是该像素周围宏观区域的一个描述。且当L取的越大，其描述的宏观区域越大。该像素的宏观区域编码是边缘点与其中心对称点进行比较，其周围L×L像素块的中心区域没有利用到，而此区域表达的该像素的一个微观纹理。取该像素周围3×3像素块，依然用上述方法对此区域进行中心对称编码，得到一个0～15的数字，就是该像素周围微观区域的一个描述。分别生成图像各点宏观和微观编码后的直方图向量，作为图像特征。在测试阶段，提取测试图片的宏观特征与微观特征，与注册图片特征计算欧氏距离后，将两个距离做加权融合，使用最近邻分类器得到识别结果。

本发明由于采取以上技术方案，其具有以下优点：

(1)宏观描述由于采用大区域取均值算法，因此对图像噪声更不敏感；

(2)对像素周围的宏观区域和微观区域都进行了描述，且两种特征信息互补，更好的体现了每一点的特性；

(3)采用中心对称方式，而不是原始的环形比较方式，这种方法对像素点的临域关系描述性更强；

(4)中心对称编码长度为4维，因此图像特征向量长度为16，比原来的256(2⁸)维显著减少，降低了运算量。

附图说明

图1是本发明提出的基于局部宏观特征和微观特征结合的手背静脉身份识别法的流程图；

图2是采集的手背静脉图像；

图3是提出的MB-CSLBP算子示意图；

图4是提取纹理特征时对手背静脉的分块操作示意图。

具体实施方式

下面结合附图对本发明做进一步详细说明。本发明提出手背静脉识别方法，如图1所示，包括以下几个步骤：

步骤一：图像预处理

使用近红外图像采集设备采集手背静脉图像，通过手型轮廓的约束在手背正中央提取稳定的矩形区域，作为后续特征提取的有效区域。在此区域上做5×5的均值滤波，减少图像噪声。

步骤二：提取宏观特征