[发明专利]融合模糊模板和点特征的手指静脉快速识别方法

摘要

本发明涉及一种融合模糊模板和点特征的手指静脉快速识别方法。结合区域图像分割和数学形态学处理提取手指静脉纹路，依据静脉纹路构建模糊模板,依据细化后的静脉纹路提取点特征,先采用点特征进行模板对齐和粗筛选,然后基于模糊模板实现精细比对，实现快速可靠的手指静脉识别。采用点特征进行粗筛选，提高手指静脉特征匹配速度；结合点特征进行模糊模板对齐，采用模糊模板匹配方法实现手指静脉识别，对手指姿态变化和分割误差鲁棒性强，识别性能高。

主权项

融合模糊模板和点特征的手指静脉快速识别方法，结合区域图像分割和数学形态学处理提取手指静脉纹路，依据静脉纹路构建模糊模板,依据细化后的静脉纹路提取点特征,其特征在于，先采用点特征进行模板对齐和粗筛选,然后基于模糊模板实现精细比对，实现手指静脉识别，具体步骤为：（1）、手指静脉纹路提取手指静脉纹路提取目的是从手指静脉图像中提取出手指静脉纹路信息，包括四个步骤：Step1：图像预处理由于环境光照、设备光照以及用户手指厚薄因素的影响，不同手指静脉图像的对比度存在差异，为减弱该差异对手指静脉纹路提取的影响，先对图像进行直方图均衡处理，Step2：图像分割采用区域大津法进行图像分割，具体地，对任一像素点(x, y)，在其N×N，单位：像素，取N=7，邻域中采用OTSU方法计算最优分割阈值，最优分割阈值为使类间方差最大的灰度值，小于分割阈值的像素点判定为目标，否则判定为背景，假设t为分割阈值，表示灰度值为i的像素点数量，表示邻域中各像素灰度值的累加和，为图像的灰度级，取值为256，令则类间方差为遍历所有灰度值，选取使σ(t)最大的阈值t，，Step3：数学形态学滤波分割后的图像经常出现噪声干扰，首先采用数学形态学的开运算滤除噪声，然后采用闭运算修复部分断裂静脉，滤波器窗口尺寸与分割时的邻域尺寸一致，也为7×7，单位：像素，滤波后的手指静脉图像记为f¹，Step4：图像细化为便于提取静脉纹路的关键点，需对静脉图像进行细化处理，采用Hilditch细化方法，细化后的图像记为f²，（2）、点特征提取与粗筛选在细化后的图像f²上，寻找关键点，关键点p的坐标满足如下条件其中，表示f²上像素点的灰度值，背景灰度值为0，目标灰度值为255，将找到的关键点位置和数量作为点特征，依据关键点位置进行粗筛选，（3）、模糊模板构建与细匹配对于满足粗筛选条件的待认证图像，还需进行细匹配，防止误识别，细匹配采用模糊模板匹配的方法，首先需构建模糊模板，具体方法是：对二值图像f¹，模糊模板f³为其中，=0表示模糊模板中像素点为背景；=2表示模糊模板中像素点为目标，也即静脉纹路；=1表示模糊模板中像素点为模糊值，也即既可能是背景，也可能是目标，为降低旋转、平移变换对特征匹配的影响，需要对模板图像进行对齐操作，具体方法是：对于所求出的静脉图像点特征，设和分别表示EImg和VImg中欧氏距离最小的两个匹配点对的坐标，和分别表示EImg和VImg中欧氏距离次小的两个匹配点对的坐标，则EImg和VImg所对应的模糊模板图像的平移参数和旋转参数满足两个条件：条件（1）：条件（2）：这样，可以求得平移参数和旋转参数，据此将VImg对应的模糊模板图像与EImg对应的模糊模板图像对齐，设表示中的任一像素点坐标，表示该像素点对齐后的坐标，则：模板对齐之后，计算和的相似度为其中，只有当目标点与背景点相比对时=0，否则=1，、为模糊模板图像的高和宽，具体地，如果相似度r大于阈值T3，取T3=0.7，则认为两幅图像相匹配，否则判定两幅图像不匹配。