[发明专利]一种基于纹理的手指静脉特征匹配方法有效
申请号: | 201810507534.1 | 申请日: | 2018-05-24 |
公开(公告)号: | CN108681722B | 公开(公告)日: | 2021-09-21 |
发明(设计)人: | 李新春;曹志强;林森 | 申请(专利权)人: | 辽宁工程技术大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46;G06K9/62 |
代理公司: | 沈阳东大知识产权代理有限公司 21109 | 代理人: | 刘晓岚 |
地址: | 125105 辽*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 纹理 手指 静脉 特征 匹配 方法 | ||
1.一种基于纹理的手指静脉特征匹配方法,其特征在于:包括以下步骤:
步骤1、将待匹配的两幅手指静脉图像分别进行静脉特征提取,得到每幅图像的编码向量;
所述每幅手指静脉图像进行静脉特征提取的具体方法为:
步骤1.1、将预处理后的手指静脉图像通过一组Gabor滤波器,从而获得5个尺度V={v=0,1,2,3,4}和8个方向U={u=0,1,2,3,4,5,6,7}的40张Gabor特征图像R(v,u);所述特征图像R(v,u)包括指静脉结构中血管粗细以及不同延伸方向特征;
步骤1.2、将步骤1.1中得到的40张图像按尺度分类,即Rv={R(v,0),R(v,1),...,R(v,7)},再利用Curvelet变换分别将每个尺度下8个方向的图像进行融合,在有效的保留Gabor特征的前提下减小数据维度,最终得到融合后的5幅不同尺度的集成Gabor特征图像CUR1、...、CUR5;
步骤1.3、对集成Gabor特征的融合图像做近邻二值模式编码,作为手指静脉特征向量,即分别对CUR1、...、CUR5进行近邻二值模式编码,得到其编码图像,并转化为5个特征行向量Scode1、...、Scode5,进一步将这5个行向量串联,得到编码向量GCNcode;
步骤2、利用两幅手指的静脉特征编码向量GCNcode之间的汉明距离来判断获取到的两幅手指静脉图像是否匹配;
步骤1.2所述每个尺度下8个方向的图像进行融合的具体方法为:
首先将每个尺度下的8张图像,按两两一组的方式采用曲线波Curvelet变换方法进行融合,即对图像对{R(v,u′),R(v,u′+4)},u′∈{0,1,2,3}使用曲线波Curvelet变换方法进行融合,得到4张融合后的静脉图像;然后对这4张融合后的图像同样采取两两分组模式采用曲线波Curvelet变换方法进行融合,得到2张融合后的图像;最后对得到的2张融合后的图像采用曲线波Curvelet变换方法进行融合,最终得到该尺度下的1幅集成Gabor特征图像;
采用Curvelet变换对手指静脉图像进行融合的具体方法,包括以下步骤:
Step1:对经过配准的手指静脉图像A和B分别进行Curvelet变换,得到各自的低频和高频系数矩阵,即为其中,和分别为手指静脉图像A和B的低频系数矩阵,和分别为手指静脉图像A和B的高频系数矩阵,j代表尺度,l代表方向,m,n为曲线波Curvelet变换后的子图像矩阵中的坐标;
Step2:将得到的低频系数矩阵和高频系数矩阵根据低频系数和高频系数的融合规则进行图像融合,得到融合后的融合系数阵
Step3:对得到的融合系数阵进行逆变换,最终得到融合结果;
低频系数融合规则如下:
其中,LA(m,n)和LB(m,n)分别为图像A和图像B的综合了能量和方差的因子,其值越大说明对应区域的显著性越强,从而能获得更多的细节信息,表达式如下公式所示:
其中,RA(m,n)和RB(m,n)分别为图像A和图像B的区域方差函数,反映图像灰度分布情况,是图像纹理结构的数值反映,表达式如下公式所示:
Rx(m,n)=1-1/(1+Vx(m,n)2),x∈{A,B}
其中,为图像A或图像B的局部方差,Q为低频系数矩阵或上一个大小为M×N的滑动窗口表示的区域,为图像A或图像B上区域Q的均值,q(m,n)为区域Q的中心点;EA(m,n),EB(m,n)分别为图像A和图像B的区域平均能量,反映图像的亮度大小,表达式如下公式所示:
高频系数融合规则如下:
其中,和分别为图像A和图像B的特征量积,表达式如下公式所示:
其中,为图像A或图像B的方差,表达式如下公式所示:
为图像A或图像B的局部能量,表达式如下公式所示:
为图像A或图像B的方向对比度,表达式如下公式所示:
其中,为图像A或图像B上在尺度j上的子带区域均值,为图像A或图像B上在尺度j、方向l的子带区域均值。
2.根据权利要求1所述的一种基于纹理的手指静脉特征匹配方法,其特征在于:所述步骤2的具体方法为:
设两幅手指静脉特征编码向量GCNcode的两个编码字符串为SGCNCODE1和SGCNCODE2,其比特串形式分别为:
SGCNCODE1=x1x2...xN
SGCNCODE2=y1y2...yN
其中,xi=1、2…、N,yi=1、2…、N,N为编码字符串的数据维度,xi和yi的取值均为0或1;
则两个编码字符串之间的汉明距离如下公式所示:
其中,RHD为两个编码字符串之间的汉明距离,为异或运算;
两幅手指静脉特征在进行匹配时,由RHD值的大小来判断两个手指静脉特征之间的相似程度,RHD越小,则说明两个特征之间的相似程度越高,RHD越大则说明相似程度越低;
在手指识别的时候,当RHD和阈值t的关系满足以下关系式时:
RHD<t
则说明样本是来自同一个人的相同手指静脉,否则说明样本来自于不同的手指静脉。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于辽宁工程技术大学,未经辽宁工程技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810507534.1/1.html,转载请声明来源钻瓜专利网。