[发明专利]基于纹线特征的静脉识别方法

权利要求书

1.基于纹线特征的静脉识别方法，其特征在于，包括以下步骤：

步骤1、建立手背静脉图像库，每类图像随机分为训练集和测试集，所述训练集和测试集中的图像数量一样；

步骤2、采集手背静脉图像并进行预处理；

步骤3、基于纹线特征对静脉图像进行识别。

2.根据权利要求1所述的基于纹线特征的静脉识别方法，其特征在于，所述图像预处理包括噪声抑制、提取ROI和静脉纹理分割，

所述噪声抑制包括中值滤波和均值滤波算法，所述中值滤波算法为：对每一像素点为中心，取其某邻域内所有像素点灰度值的中间值，再将此值赋给该中心：

式中：f(x,y)为处理后图像，S_xy为以(x，y)为中心的邻域；

所述均值滤波算法为：以目标像素为中心，在其领域取N*N的模板，计算模板内所有像素灰度值的平均值，赋予目标像素，设给定带噪声的图像为f(x,y)，则处理后的图像g(x,y)为：

其中，M是邻域S内包含的像素数目。S确定的邻域根据图像性质选取，

邻域平均进行加权值，表达式为：

其中，W(i,j)是大小为(2m+1)(2n+1)的邻域内(i,j)点的权值；

所述提取ROI包括剔除图像中的背景和边缘；

所述静脉纹线分割是从灰度图像中将静脉纹线用二值的方法显示出来。

3.根据权利要求2所述的基于纹线特征的静脉识别方法，其特征在于，所述提取ROI采用最大矩形搜索法，所述最大矩形搜索法包括以下步骤：

步骤201、将静脉图像按列循环，对第X列从上到下查找并记录第一个白点和最后一个白点的纵坐标Y1，Y2，从而得到一个多维的向量A；

步骤202、对向量A按行进行双重循环搜索面积最大矩形，设X1，X2分别表示矩阵的左右边坐标，则上下两边的坐标：

Y₁＝max(A(X₁,1),A(X₂,1))，Y₂＝min(A(X₁,2)，A(X₂,2))

最终面积：

Area＝(X₂-X₁)*(Y₂-Y₁) 。

4.根据权利要求2所述的基于纹线特征的静脉识别方法，其特征在于，所示静脉纹理分割包括：

步骤211、采用局部阈值法计算合适的阈值，所述阈值计算方法为：

步骤212、比较像素灰度值是否大于步骤211计算得出的阈值，是则为1，否则为0。

5.根据权利要求1所述的基于纹线特征的静脉识别方法，其特征在于，所述基于纹线特征对静脉图像进行识别包括以下步骤：

步骤301、对于一个m*n的图像，其在第r水平分块上得到的投影可表示为：

P_r＝(p₁,p₂,...,p_m)

其中，f(x,y)为某点的灰度值；

步骤302、对水平方向的投影向量进行竖直区域的求和运算，即将图像横竖两方向都进行k分块，从而得到k*k个子块，计算每个子块内的黑色像素数，再把它们相连，得到最终特征向量；

步骤303、按照步骤301和步骤302的方法分别计算竖直投影和水平竖直双方向投影的特征向量；

步骤304、将根据上述步骤算法得出的静脉图像与数据库中的信息对比，得出识别结果。