[发明专利]基于静脉图像细节点与纹路特征的二维码身份认证方法

权利要求书

1.一种基于静脉图像细节点与纹路特征的二维码身份识别方法，其特征是：首先对读入的手指静脉图像进行滤波增强、分割、细化预处理操作；提取细化后的手指静脉图像的细节点特征与纹路特征，并将这两种特征进行串联；对串联后的静脉特征采用随机正交的方式进行加密；最后，对加密后的特征采用QR码生成静脉特征的二维码图像；

所述身份识别方法，包括：

1)对生成的静脉二维码图像进行QR码解码操作；

2)对解码后的特征序列进行解密操作，获取原图像特征；

3）再通过比对待识别静脉图像特征与模板样本的特征向量之间的欧式距离来实现最终的匹配识别，完成身份认证；

提取细节点特征与纹路特征，具体方法如下：

1) 细节点特征提取

在细化后的指静脉图像中采用3×3的模板来检测细节点的位置与细节点的类型即端点与交叉点；

细化图像上点的交叉数定义为：

其中，f (k)为3×3的模板中心点的八邻域像素值，二值图像像素点的值为0或1，k取值为1,2,…,8，代表细节检测模板上对应位置的像素点；

若C_N=1，则N为静脉纹路的端点；若C_N=3，则N为静脉纹路的分叉点；

将所有细节点类型及位置记录于特征F₁={(a₁,b₁,c₁),(a₂,b₂,c₂),…,(a_n,b_n,c_n)}中，其中a_i为第i个细节点位置的行号，b_i为第i个细节点位置的列号，c_i为第i个细节点的细节点类型，端点值为0，交叉点值为1；

将细节点位置的行号与列号的十进制数字转换为对应的二进制数字，则上述静脉特征数据均可采用二进制表示；

2)纹路计数特征

在静脉细化图像中统计检测出的静脉纹路长度、纹路类型及纹路条数作为特征的一部分，用F₂表示，则F₂={(d₁,e₁), (d₂,e₂),…,(d_m,e_m), g}，其中d_i为第i个条纹路的长度，e_i为第i个纹路的类型，若该纹路起始点分别为一个端点一个交叉点用0表示，起始点均为交叉点则用1表示，g为整幅图像中总的静脉纹路条数；

3) 特征串联

将提取出的静脉细节点特征与纹路特征进行串联，合并为一个维数更大的向量，即最终的静脉特征F={F₁, F₂}；

所述静脉特征加密方法是：将提取出的静脉图像特征中加入BCH纠错码；对加入纠错码后的特征进行加密处理，具体方法如下：

1)首先生成一个随机向量，随机向量的长度小于等于静脉特征向量长度；

2)求取随机向量的正交矩阵；

3)求取正交矩阵与静脉特征矩阵F的内积Y；

将Y 中每一维数据与预设阈值进行比较，大于阈值将该维数据置为0，否则置为1，最后得到一组二进制的加密后的静脉特征向量。

2.根据权利要求1所述的一种基于静脉图像细节点与纹路特征的二维码身份识别方法，其特征在于，所述预处理操作是：滤波增强、分割、细化预处理操作，具体方法为：

滤波增强：采用Gabor滤波增强算法对静脉图像进行滤波增强；在顺着静脉纹路的方向使用Gabor窗口函数来过滤图像，使纹路信息得到加强；

分割：采用基于梯度场的指静脉图像分割方法；首先计算静脉图像的梯度场，然后通过梯度场中静脉纹路部分与背景部分显示的不同来分割图像的前景与背景；

细化：采用串行细化算法对分割出的静脉纹路进行细化操作，步骤如下：

1) 从指静脉二值图像第一行第一列位置开始，逐行检测目标点即像素值为1的点；

2) 将每个目标像素点的8邻域像素点与给定的八个消除模板分别进行比较，若均不匹配，则保留该目标点；否则再将该点的15邻域内的像素点与六个保留模板分别比较，如果符合其中任意一个保留模板，则保留该点，否则删除该点；

3) 转到下一个目标像素点，重复步骤2），直至遍历整幅指静脉图像的所有目标像素点，得到手指静脉细化图像。