[发明专利]基于局部宏观特征和微观特征结合的手背静脉身份识别方法

摘要

发明提出基于局部宏观特征和微观特征结合的手背静脉身份识别方法，属于计算机视觉中的智能监控技术领域，包括步骤一图像预处理；步骤二提取图像宏观特征；步骤三提取图像微观特征；步骤四加权融合；步骤五通过分类器识别。本发明所提方法，对图像每像素点周围的宏观信息与微观信息进行了二进制编码，充分了提取出图像信息，对图像噪声拥有更强的鲁棒性，融合特征所得到的结果优于仅使用局部宏观特征的识别结果和使用局部微观特征的识别结果。并且特征向量维数低，减小了运算量，在性能上可以很好的达到利用手背静脉完成身份识别验证。

主权项

一种基于局部宏观特征和微观特征结合的手背静脉身份识别方法，包括以下步骤：步骤1：图像预处理，提取手背静脉图像的矩形区域并进行去噪处理，得到去噪后的矩形静脉图像；步骤2：提取去噪后的矩形静脉图像特征，形成特征向量；步骤3：利用提取的特征向量通过分类器进行识别；其特征在于：在所述步骤2中，对图像特征的提取包括宏观特征和微观特征，分别形成宏观特征向量Hmacro和微观特征向量Hmicro；所述步骤2中，首先将去噪处理后的手背区域图像平均分成N个子块，再从每个子块中提取所述宏观特征和微观特征，所述宏观特征形成步骤为：a.针对每个子块的每一像素Ji，j，取以所述像素为中心的L×L像素，并将该L×L像素均分为3×3共9个区域，对9个区域的每个区域取其所有像素的像素值均值后，此L×L像素投影为3×3的小像素区域；b.对上述3×3的小像素区域进行编码：设3×3的小像素区域中心像素为Ii，j，从左上角像素开始，使顺时针方向前4个像素与其中心对称的像素比较大小，大则置1，小则置0，编出4位二进制序列，并转换为10进制数，即：MB‑CSLBP(macro)＝s(Ii‑1，j‑1‑Ii+1，j+1)20+s(Ii‑1，j‑Ii+1，j)21+s(Ii‑1，j+1‑Ii+1，j‑1)22+s(Ii，j+1‑Ii，j‑1)23其中：c形成特征向量：对第N个子块的每个像素点编码形成直方图向量Hk，k＝1，2…N，因4位的二进制序列对应0～15间的十进制数，故每个直方图向量Hk都为16维，再将所有直方图向量按照下式连接起来，形成16×N维的宏观特征向量HmacroHmacro＝[H1 H2 … HN]所述微观特征形成步骤为：在提取宏观特征时，针对被计算宏观特征的每个子块的每一像素Ji，j，取其周围3×3像素区域，以中心对称编码方式对各点编码：MB‑CSLBP(micro)＝s(Ji‑1，j‑1‑Ji+1，j+1)20+s(Ji‑1，j‑Ji+1，j)21+s(Ji‑1，j+1‑Ji+1，j‑1)22+s(Ji，j+1‑Ji，j‑1)23类似宏观特征向量的形成方式，编码后拼接图像N个子块的直方图向量h1，h2，...，hN，形成16*N维的微观特征向量Hmicro：Hmicro＝[h1 h2 … hN]。