[发明专利]基于二叉树的手指静脉识别方法

摘要

本发明涉及一种基于二叉树的手指静脉识别方法。以手指静脉线结构为描述对象，采用二叉树描述手指静脉线结构各条分支的空间分布，然后基于二叉树提取特征和进行特征匹配，以提高手指静脉识别性能。采用二叉树可以充分描述手指静脉各个分支的空间分布和相互连接关系，增强静脉特征区分不同个体和认知同一个体的能力，降低识别时的据真率和认假率，提高手指静脉识别性能。

主权项

一种基于二叉树的手指静脉识别方法，以手指静脉线结构为描述对象，采用二叉树描述手指静脉线结构各条分支的空间分布，然后基于二叉树提取特征和进行特征匹配，其特征在于，具体步骤为：步骤一、手指静脉纹路提取；包括图像分割、图像滤波、图像细化和图像修复四个步骤；（1.1）图像分割图像分割采用MRLT方法；（1.2）图像滤波采用数学形态学方法滤除部分噪声和毛刺，先采用开运算消除噪声和毛刺，再采用闭运算修复断裂静脉，滤波器窗口尺寸设为3×3像素；（1.3）图像细化图像细化采用数学形态学的击中或击不中变换进行，假设为目标像素点，与之相邻的目标像素点必须满足如下条件之一：（1）、在的4邻域内；（2）、在的对角邻域内，且与的4邻域点的交集中不存在目标像素点；（1.4）图像修复细化后的手指静脉纹路存在许多毛刺，依据毛刺的长度信息，将长度小于20像素的静脉纹路作为毛刺剔除，得到修复后的手指静脉纹路图像，步骤二、采用二叉树表示手指静脉纹路，具体步骤为：首先按照从左到右、从下到上的顺序，寻找手指静脉纹路图像中的第一个端点，也即二叉树的根结点，根结点满足如下条件：其中，表示手指静脉纹路图像上像素点的灰度值，该图像上的目标点灰度值为255，其他点的灰度值为0；以根结点为当前目标点，用表示，然后在当前目标点的8邻域内，跟踪下一个目标点，表示跟踪到的第个目标点，统计的8邻域内目标像素点的数目，则：如果，继续跟踪下一个目标点，否则，判定该目标点为结点，记为，此时，记录结点与之间的所有目标点坐标，记为集合，为目标点的个数，集合表示结点所处的静脉分支的空间分布，用其作为结点的数据项，搜索结点的左子树和右子树，在细化后的单像素手指静脉纹路中，的值只能是2或4，如果，说明结点为叶结点，此时左子树和右子树都为空，二叉树扫描过程结束，如果，说明结点为分支结点，此时首先在当前静脉纹路走向的左侧，按照前述的目标点跟踪方法，寻找结点的左孩子结点，记录结点与之间的所有目标点坐标，将其作为结点的数据项，构建结点的二叉树结构，也即结点的左子树，然后，回溯到结点，寻找结点的右孩子结点，构建结点的二叉树结构，也即结点的右子树，按照上述方法，逐次跟踪手指静脉纹路图像中的所有结点，得到手指静脉图像的二叉树BT为：其中，二叉树BT是有限个结点的数据集合，表示任一结点所处静脉分支上所有目标点的坐标集合，和分别表示该结点的左子树和右子树，当到达二叉树的叶结点时，对应的左子树和右子树为空；步骤三、基于二叉树进行特征匹配，具体步骤为：Step3.1：对于待认证手指静脉图像的二叉树表示中第个结点所在的手指静脉分支，统计其上各像素点到数据库中某手指静脉图像的二叉树表示中第个结点所在的手指静脉分支的最小距离，并记所有点的最小距离的均值为，此即为第个结点到数据库中第个结点的距离，记第个结点到数据库的距离为，则：其中，n为中的结点总数；Step3.2：按照上述方法，计算中所有结点到的距离；Step3.3：计算到的平均距离，用表示，则：其中，b为中的结点总数；Step3.4：如果小于阈值，则判定两静脉相匹配；否则，对待认证静脉纹路做平移变换，水平、垂直方向的偏移量分别为、，且，，然后重复上述过程，如果直到，始终不小于阈值，则判定两静脉不匹配，否则判断两静脉相匹配，=20时识别性能最优。