[发明专利]一种多模态及多特征的指静脉图像识别方法

权利要求书

1.一种多模态及多特征的指静脉图像识别方法，具体步骤如下：

S1、获取指静脉与指节纹的原始图像，得到指静脉原始图像P₁和指节纹原始图像P₂；

S2、对指节纹原始图像P₂进行ROI区域提取以及预处理、分割、去噪、细化得到指节纹细化图P′₂，包括如下具体步骤：

S21、在指节纹原始图像P₂中使用sobel边缘检测算子对指节纹的垂直方向进行定位，水平方向定位利用梯度差取离中心距离最远的线为边界，得到包含有用信息的指节纹原始图像P₂的ROI区域图像P_2i；

其中sobel边缘检测在水平方向即x方向卷积公式为G_x在垂直方向即y方向卷积公式为G_y，A为灰度图像像素矩阵：

其中图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小：

S22、对ROI区域图像P_2i进行预处理得到指节纹预处理图像P_2p，其包括以下步骤：

S221、使用高斯滤波算法对P_2i进行模糊去噪；

其中高斯模糊的公式如下，σ是正态分布的标准差：

S222、使用双线性插值法对P_2i进行尺寸归一化；

S23、对指节纹预处理图像P_2p进行基于高斯加权平均的自适应阈值分割同时将图像二值化得到指节纹二值化分割图像P_2b；

S24、对指节纹二值化分割图像P_2b使用中值滤波进行降噪处理；

S25、对降噪后的P_2b使用骨架提取算法进行图像的细化处理得到指节纹细化图P′₂；

S3、根据指节纹细化图P′₂，计算指节纹软特征以及指节纹主特征方向场像素矩阵T₂；

S31、从指节纹细化图P′₂左上角的第一个像素开始从左往右从上至下遍历每一个像素点，将指节纹纹路的节点数和纹路像素长度保存为指节纹软特征矢量集

S32、计算指节纹细化图P′₂的方向场，得到指节纹的方向场图像作为主特征T₂；

根据以下公式计算像素(x,y)为中心的每个块的局部方向场：

S4、对所获取的指节纹软特征以及主特征分别进行特征匹配；

S41、计算数据库中保存的指节纹的方向场与待识别的指节纹的方向场的Hausdorff距离；

其中Hausdorff距离计算公式为：

d_H(X,Y)＝max{sup_x∈xinf_y∈Yd(x,y),sup_y∈Yinf_x∈X(x,y)} (9)

S411、若Hausdorff距离大于所设定的阈值则识别程序终止并输出匹配失败；

S412、若Hausdorff距离小于等于所设定的阈值则识别程序继续进入下一步；

S42、计算数据库中保存的指节纹的节点数和指节纹纹路长度矢量集与待识别的指节纹的节点数和指节纹纹路长度矢量集的欧式距离；

其中欧式距离计算公式为：

S421、若欧式距离大于所设定的阈值则识别程序终止并输出匹配失败；

S422、若欧式距离小于所设定的阈值则识别程序继续进入下一步；

S5、计算并保存指静脉多个待识别的软特征；

S51、将指静脉原始图像P₁灰度化；

S52、计算指静脉原始图像P₁灰度化后的灰度均值E_i作为指静脉软特征

S53、计算指静脉原始图像P₁灰度化后的灰度方差V_i作为软特征

S54、从指静脉图片P₁灰度化的图像中依据关节透光性原理计算出手指关节的长度L_i作为软特征

S55、将多个软特征保存为一个矢量集

S6、指静脉原始图像进行ROI区域提取及预处理、主特征提取；

S61、对指静脉原始图像P₁进行ROI定位；

S62、垂直方向使用sobel边缘检测算子计算出手指轮廓边界，以靠近中心的切点做分割线提；

S63、水平方向使用S54计算出的手指关节长度作为分割线，保存指静脉ROI图像为P_1i；

S64、对指静脉ROI图像P_1i进行高斯滤波去噪处理；

S65、对指静脉ROI图像P_1i进行双线性插值尺寸归一化处理；

S66、对高斯滤波并尺寸归一化后的指静脉ROI图像P_1i进行特征提取；

S661、对P_1i使用单尺度Retinex算法进行图像增强得到P_1a；

其中单尺度Retinex算法的计算公式为，S(x,y)为原始图像，R(x,y)为反射图像，L(x,y)为亮度图像,r(x,y)为输出图像，*为卷积符号，F(x,y)为中心环绕函数：

S(x,y)＝R(x,y)·L(x,y) (11)

r(x,y)＝logS(x,y)-log[F(x,y)*S(x,y)] (12)

S662、对P_1a使用特征值比率增强算法，先计算Hessian矩阵再与Gabor滤波器分数级结合得到分割后的指静脉图像P_1d；

S67、对分割后的指静脉图像P_1d进行二值化，得到指静脉二值化图像P_1b；

S68、对指静脉二值化图像P_1b使用骨架提取算法进行图像的细化处理得到指静脉细化图P′₁；

S69、将指静脉细化图视为像素矩阵即为主特征T₁；

S7、对所获取的指静脉软特征以及主特征进行融合后进行特征匹配输出识别结果；

S71、计算保存的指静脉细化图主特征T₁与待识别的指静脉细化图主特征的欧氏距离h₁；

S72、设定阈值为τ，将欧式距离h₁与阈值τ的差值保存为

S73、将并入软特征矢量集得到特征矢量集

S74、将特征矢量集中的矢量进行归一化处理使其化为无量纲的表达式；

其中向量集归一化方法公式为：

S75、计算数据保存的特征矢量集与待匹配识别的特征矢量集的欧式距离且为不同的软特征分配不同的权重：权重为α，权重为β，权重为γ，权重为κ；

S76、设定阈值Т，若待识别的特征矢量集与保存的特征矢量集的欧氏距离值要大于阈值则匹配失败，反之则匹配成功。