[發(fā)明專利]一種基于對(duì)數(shù)極坐標(biāo)變換的靜脈匹配方法

無效

• 申請(qǐng)?zhí)枺?/td>: 201310601384.8
• 申請(qǐng)日: 2013-11-25
• 公開（公告）號(hào): CN103593675A
• 公開（公告）日: 2014-02-19
• 發(fā)明（設(shè)計(jì)）人: 謝劍斌;閆瑋;劉通;李沛秦;王浩宇;陸海;周鵬宇
• 申請(qǐng)（專利權(quán)）人: 中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué);北京國(guó)創(chuàng)科視科技有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/46
• 代理公司: 湖南省國(guó)防科技工業(yè)局專利中心 43102
• 代理人: 馮青

1.一種基于對(duì)數(shù)極坐標(biāo)變換的靜脈匹配方法，其特征在于：該方法首先對(duì)圖像進(jìn)行預(yù)處理，得到靜脈紋線圖和單像素紋線圖；接著依據(jù)手指靜脈紋線圖像結(jié)構(gòu)特征劃定模板圖像和樣本圖像的匹配候選區(qū)域；然后計(jì)算模板圖像和樣本圖像匹配候選區(qū)域LPT變換結(jié)果的相似測(cè)度；最后依據(jù)區(qū)域間的相似測(cè)度和相對(duì)位置分布判定匹配結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于對(duì)數(shù)極坐標(biāo)變換的靜脈匹配方法，其特征在于，所述圖像預(yù)處理具體為：首先對(duì)原始靜脈灰度圖像I進(jìn)行區(qū)域分割處理，得到二值靜脈紋線圖IB1；然后使用形態(tài)學(xué)處理方法對(duì)二值靜脈紋線圖IB1進(jìn)行骨架化處理，得到靜脈圖像的單像素分布圖像IB2。

3.根據(jù)權(quán)利要求1所述的一種基于對(duì)數(shù)極坐標(biāo)變換的靜脈匹配方法，其特征在于，所述劃定模板圖像和樣本圖像的匹配候選區(qū)域包括：

（1）第一級(jí)候選特征區(qū)域選取

對(duì)IB2中每一個(gè)非零像素點(diǎn)，統(tǒng)計(jì)其8鄰域內(nèi)非零像素點(diǎn)的個(gè)數(shù)，如果統(tǒng)計(jì)值大于2，則該點(diǎn)為一個(gè)交叉點(diǎn)，以該點(diǎn)為中心的一個(gè)L×L的區(qū)域?yàn)橐粋€(gè)第一級(jí)候選特征區(qū)域，L的取值范圍大于等于16；

（2）第二級(jí)候選特征區(qū)域選取

得到第一級(jí)候選特征區(qū)域后，需要根據(jù)區(qū)域的復(fù)雜度對(duì)區(qū)域進(jìn)行篩選，剔除不適合做匹配的區(qū)域，為了衡量區(qū)域結(jié)構(gòu)的復(fù)雜程度，引入如下定義：

定義1、二值圖像點(diǎn)復(fù)雜度（Complexity?of?Binary?Pixel，CBP）按下式進(jìn)行計(jì)算：

???（1）

????其中p（i,j）表示二值圖像中橫坐標(biāo)為i、縱坐標(biāo)為j的像素點(diǎn)的取值，

定義2、二值圖像區(qū)域復(fù)雜度（Complexity?of?Binary?Area，CBA）按下式進(jìn)行計(jì)算：

????（2）

得到所有第一級(jí)候選特征區(qū)域后，根據(jù)式1、2，計(jì)算二值靜脈紋線圖IB1中對(duì)應(yīng)區(qū)域的CBA值，將所有CBA值小于0.2的區(qū)域剔除，就得到了所有第二級(jí)候選特征區(qū)域；

（3）第三級(jí)候選特征區(qū)域選取

對(duì)于IB1中的每一個(gè)第二級(jí)候選特征區(qū)域bn，設(shè)bn’為bn繞區(qū)域中心旋轉(zhuǎn)180°后的圖像，以bn、bn’之間的差異dn作為衡量區(qū)域?qū)ΨQ性的指標(biāo)，滿足式3所示的區(qū)域即為第三級(jí)候選特征區(qū)域，

??（3）

其中，bn(i,j)、bn’(i,j)為bn、bn’中橫坐標(biāo)為i、縱坐標(biāo)為j的像素點(diǎn)的取值，TH為閾值，通常取0.3，

（4）第三級(jí)候選特征區(qū)域分組與篩選

流程如下：

Step1.1：將IB1圖像沿手指擺放平均分為left、middle、right?3個(gè)區(qū)域，依據(jù)第三級(jí)候選區(qū)域中心點(diǎn)的位置將所有第三級(jí)候選區(qū)域分為對(duì)應(yīng)的left、middle、right?3區(qū)域組，對(duì)于中心點(diǎn)在分界線上的區(qū)域，統(tǒng)一劃歸到middle區(qū)域組；

Step1.2：在每一個(gè)區(qū)域組內(nèi)，按照區(qū)域CBA值的大小對(duì)區(qū)域進(jìn)行排序，選取CBA值最大的3個(gè)區(qū)域作為該組的最終候選特征區(qū)域，三個(gè)區(qū)域組的所有最終候選特征區(qū)域即為模板特征區(qū)域；

（5）特征區(qū)域擴(kuò)大

將樣本特征區(qū)域的尺寸在原有基礎(chǔ)上向四周擴(kuò)展1/2靜脈的寬度，當(dāng)模板圖像尺度大于樣本圖像尺度時(shí)，將加大后的樣本特征區(qū)域尺寸再次放大1.5倍。

4.根據(jù)權(quán)利要求1所述的一種基于對(duì)數(shù)極坐標(biāo)變換的靜脈匹配方法，其特征在于，所述計(jì)算模板圖像和樣本圖像匹配候選區(qū)域LPT變換結(jié)果的相似測(cè)度，具體包括：

（1）單特征區(qū)域匹配

在衡量樣本和模板單個(gè)特征區(qū)域間是否相似時(shí)，使用基于LPT變換的區(qū)域特征匹配方法，由于樣本區(qū)域尺寸大于模板區(qū)域尺寸，因此在進(jìn)行匹配時(shí)，要考察樣本區(qū)域中所有與模板區(qū)域相同尺寸的子區(qū)域與模板區(qū)域的匹配情況，從而判定樣本區(qū)域與模板區(qū)域的匹配結(jié)果，具體流程如下：

Step2.1、以模板特征區(qū)域中心為變換中心，對(duì)整個(gè)模板特征區(qū)域圖像進(jìn)行LPT變換，得到變換圖像TM；

Step2.2、以樣本特征區(qū)域中所有距離區(qū)域邊界最短距離大于等于1/2模板區(qū)域尺寸的點(diǎn)為變換中心，以1/2模板區(qū)域尺寸為變換半徑，對(duì)樣本特征區(qū)域圖像進(jìn)行LPT變換，得到變換圖像TS_ij，其中i、j是變換中心距離樣本特征區(qū)域中心的偏移量；

Step2.3、對(duì)于TM和每一個(gè)TS_ij，計(jì)算其投影向量間的相關(guān)系數(shù)和平均絕對(duì)值系數(shù)，如果某個(gè)TS_ij滿足相關(guān)系數(shù)達(dá)到最大值且平均絕對(duì)值系數(shù)達(dá)到最小值，則該TS_ij與TM匹配，投影向量BH(ρ)的計(jì)算如式4所示，

?????????（4）

其中ρ為L(zhǎng)PT變換中的極徑，θ為L(zhǎng)PT變換中的極角，N(ρ,?θ)為區(qū)域LPT變換結(jié)果，

Step2.4、如果找到了和TM相匹配的TS_ij，比較TM和TS_ij的投影關(guān)系，得到樣本特征區(qū)域相對(duì)模板特征區(qū)域的旋轉(zhuǎn)變化值和尺度變化值；

（2）多特征區(qū)域匹配

前面獲取到的特征區(qū)域僅包含了整幅靜脈圖像的一小部分特征，不同的特征區(qū)域在結(jié)構(gòu)上可能存在空間相似性，這種相似性導(dǎo)致在進(jìn)行單區(qū)域的匹配計(jì)算時(shí)，存在多個(gè)樣本特征區(qū)域均和某個(gè)模板特征區(qū)域相匹配的情況，當(dāng)匹配對(duì)象從單個(gè)區(qū)域變?yōu)槎鄠€(gè)區(qū)域所組成的特征區(qū)域組時(shí)，這種誤匹配的幾率將下降，模板圖像中l(wèi)eft、middle、right?3個(gè)區(qū)域組各包含三個(gè)特征區(qū)域，這3個(gè)特征區(qū)域中心的中心可構(gòu)成一個(gè)三角形，通過比較樣本圖像和模板圖像這3個(gè)三角形的空間相對(duì)位置關(guān)系，可實(shí)現(xiàn)正確的匹配判別，具體流程如下：

Step3.1、對(duì)于模板圖像的middle特征區(qū)域組中的三個(gè)特征區(qū)域，在樣本圖像的所有特征區(qū)域中尋找所有相匹配的區(qū)域；

Step3.2、根據(jù)所有相匹配區(qū)域的旋轉(zhuǎn)變化值和尺度變化值的相近程度，將相匹配區(qū)域分成多個(gè)匹配組，對(duì)于每一個(gè)匹配組，如果其中缺失至少一個(gè)模板特征區(qū)域的匹配對(duì)象，則該匹配組無效，如果剩余匹配組個(gè)數(shù)為0，則樣本和模板不匹配，匹配結(jié)束；

Step3.3、對(duì)于每一個(gè)匹配組，考察所有模板特征區(qū)域的對(duì)應(yīng)匹配區(qū)域的中心構(gòu)成的三角形和模板特征區(qū)域中心構(gòu)成的三角形在角度和邊長(zhǎng)上的相似程度，從中選取出最相似的匹配區(qū)域組，如果找不到相似的匹配區(qū)域組，則樣本和模板不匹配，匹配結(jié)束；

Step3.4、依據(jù)middle特征區(qū)域組的匹配結(jié)果，將樣本圖像分為left、middle、right?3個(gè)區(qū)域，選取left和right二者中包含特征區(qū)域較多一個(gè)區(qū)域與模板圖像的對(duì)應(yīng)區(qū)域進(jìn)行匹配，匹配時(shí)重復(fù)Step3.1~?Step3.3，如果不能找到匹配區(qū)域組，則樣本和模板不匹配，匹配結(jié)束；

Step3.5、考察獲取到得兩組樣本特征區(qū)域匹配組構(gòu)成的三角形與模板圖像中對(duì)應(yīng)特征組構(gòu)成的三角形的空間分布位置相似性，如果相似則表明樣本和模板匹配，反之則樣本和模板不匹配，匹配結(jié)束。