[发明专利]一种基于纹理的手指静脉特征匹配方法

摘要

本发明提供一种基于纹理的手指静脉特征匹配方法，涉及图像识别及处理技术领域。一种基于纹理的手指静脉特征匹配方法，首先对预处理的手指静脉图像做5个尺度8个方向的Gabor变换；其次，利用曲线波变换将每个尺度下的图像进行融合，减小特征维数，从而获得集成Gabor特征的图像，再对其做近邻二值模式编码得到特征向量。最后，利用汉明距离进行匹配识别。本发明提供的基于纹理的手指静脉特征匹配方法，不仅克服了常用典型手指静脉特征提取方法不能有效获取指静脉的纹理特征的缺点，并且减小了提取到的指静脉特征向量维数，能够有效获取指静脉纹理特征，提高了手指识别的识别率，同时也提高了识别的识别效率。

主权项

1.一种基于纹理的手指静脉特征匹配方法，其特征在于：包括以下步骤：步骤1、将待匹配的两幅手指静脉图像分别进行静脉特征提取，得到每幅图像的编码向量；所述每幅手指静脉图像进行静脉特征提取的具体方法为：步骤1.1、将预处理后的手指静脉图像通过一组Gabor滤波器，从而获得5个尺度V＝{v＝0，1，2，3，4}和8个方向U＝{u＝0，1，2，3，4，5，6，7}的40张Gabor特征图像R(v，u)；所述特征图像R(v，u)包括指静脉结构中血管粗细以及不同延伸方向特征；步骤1.2、将步骤1.1中得到的40张图像按尺度分类，即Rv＝{R(v，0)，R(v，1)，...，R(v，7)}，再利用Curvelet变换分别将每个尺度下8个方向的图像进行融合，在有效的保留Gabor特征的前提下减小数据维度，最终得到融合后的5幅不同尺度的集成Gabor特征图像CUR1、...、CUR5；步骤1.3、对集成Gabor特征的融合图像做近邻二值模式编码，作为手指静脉特征向量，即分别对CUR1、...、CUR5进行近邻二值模式编码，得到其编码图像，并转化为5个特征行向量Scode1、...、Scode5，进一步将这5个行向量串联，得到编码向量GCNcode；步骤2、利用两幅手指的静脉特征编码向量GCNcode之间的汉明距离来判断获取到的两幅手指静脉图像是否匹配。