[发明专利]手指中段指静脉指纹融合识别方法

摘要

本发明涉及一种手指中段指静脉指纹融合识别方法。首先采集手指中段近红外透射图像；然后通过局部梯度特征分析提取出二值指纹图像，同时通过基于局部OTSU的分割方法提取二值指静脉信息；接着通过基于SIFT的匹配算法计算样本二值指纹图像和模板二值指纹图像的相似性，对于判定为相似的二值指纹图像，计算二者间的仿射变换系数；最后使用仿射变换系数对样本二值指静脉图像进行归一化，通过模板匹配法衡量样本二值指静脉归一化图像与模板二值指静脉图像间的相似性，判定当前样本图像与模板图像是否一致。解决了单一指纹识别安全性差、单一指静脉识别易用性差的不足，可广泛应用于高安全等级身份识别系统。

主权项

手指中段指静脉指纹融合识别方法，其特征在于，首先采集手指中段近红外透射图像；然后通过局部梯度特征分析提取出二值指纹图像，同时通过基于局部OTSU的分割方法提取二值指静脉信息；接着通过基于SIFT的匹配算法计算样本二值指纹图像和模板二值指纹图像的相似性，对于判定为相似的二值指纹图像，计算二者间的仿射变换系数；最后使用仿射变换系数对样本二值指静脉图像进行归一化，通过模板匹配法衡量样本二值指静脉归一化图像与模板二值指静脉图像间的相似性，判定当前样本图像与模板图像是否一致，所述基于局部梯度特征分析的二值指纹图像提取方法步骤如下：Step1：图像预处理，使用Sobel算子提取手指中段近红外透射图像中的边缘，通过边缘裁剪掉非手指区域，得到仅包含手指区域数据的图像，Step2：指纹脊点提取Step2.1：对于中的像素点，按下式计算其在36个方向上的梯度值，其中表示像素点的灰度值，为梯度计算半径，取10，为梯度方向编号，取值为0~35，Step2.2：寻找36个中的最大值，将其编号记为，如果求得的满足下式，则该像素点为指纹脊点，为其方向，其中为径向梯度差异阈值（这里取0.5），为切向梯度动态范围阈值，取0.2，Step3：指纹脊点聚类Step3.1：每一个指纹脊点具有一个灰度值特征和一个方向特征，对于每一个未聚类的指纹脊点，考察其邻域内的其他指纹脊点，如果两个指纹脊点的灰度差异且方向差异，则两个指纹脊点聚为一类，其中为聚类邻域尺寸，取15，，为指纹脊点灰度差异阈值，取15，，为指纹脊点方向差异阈值，取3，Step3.2：遍历所有指纹脊点，完成聚类，将类内元素数的类中的指纹脊点置为非指纹点，其中为最小聚类阈值，取15，Step3.3：将中对应所有剩下的指纹脊点的点的灰度值置为1，其余点的灰度值置为0，即得到二值指纹图像，所述基于局部OTSU的二值指静脉图像提取方法的步骤如下：Step2‑1：图像预处理根据指纹信息的提取结果，计算指纹的平均宽度，同时将图像中的所有非指纹脊点标定为可能的静脉点，Step2‑2：图像分割对于每一个可能的静脉点，在其邻域内使用OTSU方法计算分割阈值，非静脉点不参与计算；如果该点的灰度值，则该点为静脉点，其中为区域尺寸系数，取3，Step2‑3：静脉联通Step2‑3.1：对于每一个静脉点，使用标准模板做膨胀处理，Step2‑3.2：对于每一个静脉小区域，沿其两侧指纹垂直方向在指纹脊点中做区域生长，联通至指纹另一侧的静脉小区域，Step2‑3.3：将中对应所有静脉小区域的点的灰度值置为1，其余点的灰度值置为0，即得到二值指静脉图像，所述基于SIFT匹配的指静脉图像归一化方法的具体步骤如下：Step3‑1：基于SIFT的特征点提取与匹配Step3‑1.1：提取样本二值指纹图像和模板指纹信息中的SIFT特征点集和，这里为样本指纹信息中的SIFT特征点，为模板指纹信息中的SIFT特征点，和为特征点序号，Step3‑1.2：对于中的每一个特征点，依据SIFT特征点匹配准则，在中寻找最符合匹配条件的点，得到匹配点对，所有匹配点对构成匹配点对集，Step3‑2：图像匹配与仿射变换参数计算Step3‑2.1：遍历所有由集合中三个不同匹配点对构成的匹配点对子集，由每一个子集可求出样本图像变换到模板图像所需的6个仿射变换参数，所有子集的计算结果构成仿射变换参数集，Step3‑2.2：对仿射变换参数集进行聚类，如果聚类结果中元素最多的类别所拥有的元素比例超过匹配阈值，取0.7，则样本二值指纹图像和模板指纹信息匹配，且聚类结果中元素最多的类别的各元素6个仿射变换参数的均值即为所求的仿射变换参数；反之判定样本和模板不匹配，此次判定终止，Step3‑3：样本指静脉图像归一化如果样本二值指纹图像和模板指纹信息匹配，则使用求取到的6个仿射变换参数对样本二值指静脉图像做仿射变换，得到样本二值指静脉归一化图像，Step3‑4：匹配判定使用模板匹配法计算样本二值指静脉归一化图像与模板二值指静脉图像间的相关系数，如果相关系数，则判定样本图像和模板图像匹配，其中为模板相关性阈值，取0.7。