[发明专利]一种手指静脉识别方法

说明书

技术领域

本发明涉及生物特征识别技术领域，尤其涉及一种手指静脉识别方法。

背景技术

手指静脉识别技术是一种新型的生物特征识别技术，由于使用者的手指静脉特征很难被伪造，所以安全等级高，特别适合于安全要求高的场所使用。

手指静脉识别的过程是，红外光源产生红外光照射在采集者的手指上，经滤光片滤光和反光镜反射后由红外摄像机采集。从采集图像中提取静脉特征，继而进行特征匹配，从而实现了手指静脉识别。

由于一幅静脉图像的数据量较大，在处理过程中会花费大量的时间，影响图像的识别速度和应用范围。因此，需要设计一种能够提高识别速度的手指静脉识别方法。

发明内容

有鉴于此，本发明提供了一种手指静脉识别方法，能够提高识别速度。

为了解决上述技术问题，本发明是这样实现的：

步骤一、采用同一采集对象多个手指多次放置和采集的方法，获得采集对象的手指静脉图像F1_i，i=1,…,I，I为完成所有采集对象的采集后获得的手指静脉图像总数；

步骤二、对步骤一获得的每一幅手指静脉图像进行预处理，获得样本图像F2_i，i=1,…,I；

步骤三、获得降维向量和聚类中心；具体为：

步骤31、对于每一幅样本图像F2_i，将图像元素按列连接，形成样本向量A_i；对所有样本向量进行主分量分析PCA运算，得到降维后向量矩阵P₁和PCA变换矩阵P₂；其中降维后向量矩阵P₁由样本向量A_i经PCA运算得到降维后向量X_i组成；

步骤32、将降维后向量矩阵P₁中的每一列作为一个聚类样本，采用K均值聚类方法进行聚类，得到J个聚类中心向量Y_j，j=1,…,J；每个聚类中心向量Y_j对应多个作为归属样本的降维后向量X_i；

步骤33、对应存储样本图像F2_i、降维后向量X_i和聚类中心向量Y_j；

步骤四、提取每个样本图像F2_i的静脉特征并存储；步骤三和步骤四不分先后，均执行完后，完成识别前的特征提取；

步骤五、识别时，采集待识别图像，采用步骤二相同的方法对待识别图像进行预处理，获得图像F’；

步骤六、计算图像F’与PCA变换矩阵P₂的变换向量X’；根据变换向量X’与J个聚类中心向量Y₁～Y_J的相似度找到最相似的聚类中心Y’；计算归属于聚类中心Y’的各降维后向量X_i与变换向量X’的相似度值，取相似度排在前的N个降维后向量X_i进入下一步识别；

步骤七、提取待识别图像的静脉特征，以及步骤六筛选出的N个降维后向量对应的静脉特征，进行静脉特征的对比，实现手指静脉识别。

步骤二所述预处理为：

步骤21、采用中值滤波算法和均值滤波去除图像噪声，采用Canny边缘提取算法提取手指边缘，将手指边缘以外的背景区域置为白色，得到手指边缘图像B；

步骤22、在手指边缘图像B中提取手指边缘的质心和手指上下边缘的最大宽度H；

步骤23、以所述质心为中心、所述最大宽度H为切割宽度、0.9倍图像B长度为切割长度，切割得到手指静脉区域图像，并进行尺寸归一化，完成预处理。

优选地，所述步骤七具体包括：

步骤71、从所述N个降维后向量对应的N个样本图像提取一个设定大小的包含手指的区域，记为Z₁～Z_N；从图像F’中提取大于Z₁～Z_N大小的区域Z_x；

针对每个区域Z_n，n=1,…,N，执行如下操作：将Z_n的图像在Z_x中进行遍历，计算每个遍历位置的相似度，获得最大相似度记为S_n；最大相似度对应的区域中心记为d_n；提取S₁～S_N中的最大值记为S_max，对应的区域中心记为d_max；