[发明专利]一种基于改进的主动轮廓算法的指静脉图像分割方法

说明书

本发明属于图像处理领域，具体涉及一种基于改进的主动轮廓算法的指静脉图像分割方法，该方法包括：采用局部二值拟合主动轮廓算法构建指静脉图像分割模型；采用改进的模糊均值聚类算法计算待分割的指静脉图像的初始轮廓，将初始轮廓作为指静脉图像分割模型的初始指静脉轮廓；根据初始指静脉轮廓采用指静脉图像分割模型对待分割的指静脉图像进行分割处理；本发明对每张静脉图像均会进行迭代优化运算，输出最优的手指静脉初始分割结果，然后在该基础上进一步进行手指静脉图像分割，保证分割模型的稳定性及准确率。

技术领域

本发明属于图像处理领域，具体涉及一种基于改进的主动轮廓算法的指静脉图像分割方法。

背景技术

随着人们对生物识别系统安全性和准确性的要求越来越高，生物特征识别技术得到越来越多的关注。指静脉识别作为众多生物特征识别技术中的一种，由于具有非接触式采集、活体检测、不易伪造、成本较低等优点，成为当前研究的热点。指静脉图像中血管的分割是指静脉识别技术中的一个关键步骤，而拍摄采集到的指静脉图像不仅含有静脉纹路，还含有不规则的噪声、指骨骼和肌肉的不同厚度所产生的阴影。此外，指静脉会随着温度或物理条件的变化而变化，很难精确地提取指静脉血管的细节，因此如何对指静脉图进行准确的分割，直接影响后续识别的精度和准确度。

手指静脉图像在采集过程中，由于手指中的其他组织吸收引起光衰减，捕获的手指静脉图像不仅具有低对比度，还包含由不同厚度的指骨及肌肉产生不规则噪音和阴影；此外，手指静脉特征不仅会随温度、物理条件、外界光照等的变化而暂时变化，还会受到采集过程中平移、旋转、手指压力和采集姿势等的影响。这些影响会导致使用传统算法在特征提取过程中容易出现静脉脉络不连续问题，造成了采集的指静脉图像的准确度低，特征不明显的问题。

发明内容

为解决以上现有技术存在的问题，本发明提出了一种基于改进的主动轮廓算法的指静脉图像分割方法，该方法包括：获取待分割的指静脉图像；采用改进的主动轮廓算法对待分割的指静脉图像进行分割处理，得到分割后的指静脉图像；采用改进的主动轮廓算法对待分割的指静脉图像进行处理的过程包括：

S1：采用局部二值拟合主动轮廓算法构建指静脉图像分割模型；

S2：采用改进的模糊均值聚类算法计算待分割的指静脉图像的初始轮廓，将初始轮廓作为指静脉图像分割模型的初始指静脉轮廓；

S3：根据初始指静脉轮廓采用指静脉图像分割模型对待分割的指静脉图像进行分割处理。

优选的，构建指静脉图像分割模型的过程包括：获取Heaviside函数、水平集函数以及高斯核函数；根据Heaviside函数、水平集函数和高斯核函数计算以x为圆心的圆与零水平集轮廓相交的内部均值f₁和以x为圆心的圆与零水平集轮廓相交的外部均值f₂；获取像素集合到像素的强度映射，根据内部均值f₁、外部均值f₂以及强度映射构建能量泛函模型，该能量泛函模型为手指静脉结构特征分割模型。

进一步的，能量泛函模型的表达式为：

ε_lbf(φ,f₁,f₂)＝α₁∫∫_ΩK_σ(x-y)|I(y)-f₁(x)|²H_τ(φ(y))dydx+α₂∫∫_ΩK_σ(x-y)|I(y)-f₂(x)|²(1-H_τ(φ(y)))dydx