[发明专利]一种指静脉快速识别方法

权利要求书

1.一种指静脉快速识别方法，包括如下步骤：

步骤一，对指静脉细化二值图进行Gamma矫正；

读入指静脉纹路细化后的二值化图像，获取图像的宽度M和高度N，采用Gamma校正法对输入图像进行归一化，在减少图像噪音的同时，调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，即有：

f(x,y)＝(x,y)^γ (1)

其中，(x,y)为输入图像；f(x,y)为输出图像；γ为指数；

步骤二，计算Gamma矫正后指静脉图像的对比度序列；

利用指静脉图像的清晰度和纹理的沟纹深浅建立图像的对比度，其中，对比度越大，则表明纹理的沟纹越深，效果清晰；反之，对比度越小，则表明沟纹越浅，效果模糊；即有：

其中，C代表指静脉图像的对比度；λ(i,j)代表指静脉图像矩阵中像素点(i,j)的灰度值；ω(λ(i,j))代表相邻像素间的灰度值之差；P_ω(i,j)代表相邻像素间的灰度值之差为ω的像素分布概率；

步骤三，计算Gamma矫正后指静脉图像的能量序列；

利用指静脉图像纹理的灰度变化稳定程度当作图像的能量值的度量标准，即能量值代表着指静脉图像灰度分布的均匀程度，其中，能量值越大，则表明当前纹理变化越稳定；反之，能量值越小，则表明当前纹理变化越波动；即有：

其中，D代表指静脉图像的能量值；λ(i,j)代表指静脉图像矩阵中像素点(i,j)的灰度值；

步骤四，用“与门”进行指静脉特征匹配初判断；

将指静脉图像的对比度序列和能量序列均作为图像的“纹路信息”，首先比较待检测指静脉图像的对比度序列和数据库指静脉图像的对比度序列的相同位数，若不相同的数据位不超过3，表明两张图像相似度高，反之，表明两张图像相似度低，将比较结果作为初判断“与”逻辑门的输入①；比较两张指静脉图像的能量序列的相同位数，若不相同的数据位不超过5，表明两张图像很相似，反之，表明两张图像不相似，将比较结果作为输入②；只有当初判断“与门”的输出为True时才进入步骤五，否则视待检测指静脉图像与数据库内指静脉图像均不匹配；

步骤五，在指静脉图像内构建圆域；

利用指静脉图像像素点灰度值之和、图像的重心以及尺寸构建一个圆域，具体实现步骤如下：

(1)把指静脉图像M×N看作平面薄片，把图像的像素点看作XOY平面上的质点，把图像像素点的灰度值λ(i,j)看作质点的质量，其中i和j分别表示像素点于像素矩阵中所在的行和列；

(2)计算指静脉图像的质量m(λ(i,j))：

(3)计算指静脉图像的重心

(4)以重心G为圆心，图像的高度N为直径构建一个直径为N pixel的圆域；

步骤六，计算圆域内及边界线上像素点的梯度值和梯度方向；

为了计算指静脉图像中任意像素的梯度信息，采用卷积算子分别与矫正后的指静脉图像f(x,y)进行卷积计算，可得到图像x方向和y方向的一阶偏导数矩阵为：

然后利用二范数分别计算圆域范围内像素点(i,j)处的梯度幅值H(i,j)和梯度方向θ(i,j)，即有：

步骤七，建立圆域范围内像素点的梯度方向直方图；

根据每个像素点的梯度方向和梯度值，使用直方图统计圆域内像素点对应的梯度方向和梯度值；直方图的横轴为梯度方向的角度大小，纵轴为梯度方向对应梯度值的累加；方向直方图的峰值即代表了指静脉图像像素特征点的主方向角度

步骤八，计算圆域block范围内像素点的特征描述向量；

为了保持描述指静脉图像特征的向量的旋转不变性，以图像重心G为中心，在圆域内将坐标轴旋转角度，即将坐标轴旋转为图像像素点的主方向；

步骤九，计算待检测指静脉图像圆域内特征向量和数据库指静脉图像圆域内特征向量之间的余弦距离；

利用余弦距离衡量指静脉图像圆域内像素特征点在梯度方向上的相似度，即有：

其中，D_ij表示测试图像中的特征点向量m与数据库图像中的特征点向量n之间的余弦距离；

步骤十，计算待检测指静脉图像圆域内特征向量和数据库指静脉图像圆域内特征向量之间的欧氏距离；

利用欧氏距离衡量指静脉图像圆域内像素特征点在梯度值上的相似度，即两张指静脉图像特征点绝对距离的差异，有：

其中，d_ij表示测试图像中的特征点向量m与数据库图像中的特征点向量n之间的欧式距离；

步骤十一，用“与门”进行指静脉特征匹配复判断；

首先根据数据库指静脉图像的余弦距离、欧氏距离的数值范围设定一个判断阈值，然后将待检测指静脉图像的余弦距离与阈值进行比较，并将比较结果作为复判断“与”逻辑门的输入①，接着将待检测指静脉图像的欧氏距离与阈值进行比较，并将比较结果作为输入②，只有当复判断“与门”的输出为True时，才认为待检测指静脉图像与数据库内图像匹配，即认为两个指静脉图像样本来源于同一根手指、同一个人，识别成功。