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

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201310601384.8
• 申請(qǐng)日: 2013-11-25
• 公開(kāi)（公告）號(hào): CN103593675A
• 公開(kāi)（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(zhuān)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(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06K9/46
• 代理公司: 湖南省國(guó)防科技工業(yè)局專(zhuān)利中心 43102
• 代理人: 馮青

技術(shù)領(lǐng)域

本發(fā)明主要涉及一種基于對(duì)數(shù)極坐標(biāo)變換（LPT，Log-Polar?Transform）的靜脈匹配方法。

背景技術(shù)

基于生物特征識(shí)別的個(gè)人身份驗(yàn)證方法是當(dāng)前安全防范領(lǐng)域的研究熱點(diǎn)。靜脈特征是一種生物活體特征，藏匿于人體內(nèi)部，唯一性好且復(fù)制困難，有望成為新一代的通用個(gè)人身份驗(yàn)證特征。手指靜脈識(shí)別主要采用全局特征匹配方法、局部特征匹配方法和多特征融合匹配方法。全局特征匹配方法中常見(jiàn)的是模板匹配方法和空間投影方法(PCA、LDA等)。模板匹配一般基于靜脈二值圖像進(jìn)行，對(duì)于平移和平面旋轉(zhuǎn)有較好的魯棒性，但不太適合空間旋轉(zhuǎn)引起的仿射變換；另外，模板匹配方法無(wú)法適應(yīng)目標(biāo)局部的非剛性形變；還有，對(duì)于靜脈這樣的小目標(biāo)匹配，管徑差異、斷裂和毛刺現(xiàn)象都會(huì)對(duì)模板匹配的性能產(chǎn)生較大影響。空間投影方法一般針對(duì)灰度圖像進(jìn)行，避免了靜脈紋路分割引起的誤差，但對(duì)灰度變化敏感，受手指放置姿態(tài)、放置壓力和環(huán)境溫度影響大，對(duì)于目標(biāo)局部的非剛性形變魯棒性也比較差，而且對(duì)訓(xùn)練樣本依賴(lài)較大。局部特征匹配方法常見(jiàn)的是點(diǎn)模式匹配方法和局部二元模式（LBP）匹配方法。點(diǎn)模式匹配受靜脈分割效果的影響非常大，噪聲、毛刺、斷裂都易導(dǎo)致識(shí)別性能下降，而且，此類(lèi)方法對(duì)于同是線(xiàn)條結(jié)構(gòu)的不同靜脈的區(qū)分能力較弱。LBP在低質(zhì)量下表現(xiàn)能力一般，同樣易受手指放置姿態(tài)、放置壓力和環(huán)境溫度的影響。有文獻(xiàn)采用了多特征融合方法，包括局部紋理特征和全局不變矩特征的融合、局部幾何特征（矩特征、拓?fù)涮卣鳌⑿螤钐卣鳎┖虶abor特征的融合、小波矩特征和PCA、LDA和LBP特征之間的融合，合理地融合多特征進(jìn)行識(shí)別可以實(shí)現(xiàn)特征的優(yōu)勢(shì)互補(bǔ)，但必然引起方法復(fù)雜度的驟增，同時(shí)需避免特征冗余和劣勢(shì)累積。

目前，安防領(lǐng)域?qū)ι矸菡J(rèn)證的需求正逐漸從基于獨(dú)立設(shè)備的單機(jī)認(rèn)證模式向基于網(wǎng)絡(luò)互連的多機(jī)認(rèn)證模式轉(zhuǎn)變，在多機(jī)應(yīng)用環(huán)境中，受采集設(shè)備的個(gè)體差異和不同環(huán)境下手指擺放位置不同的影響，樣本圖片和模板圖片之間容易出現(xiàn)旋轉(zhuǎn)、縮放等變化，對(duì)現(xiàn)有識(shí)別方法的識(shí)別效果產(chǎn)生了很大的影響。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有靜脈識(shí)別方法識(shí)別結(jié)果易受手指擺放位置變化和成像設(shè)備個(gè)體差異影響的問(wèn)題，特提出了一種基于LPT的靜脈匹配方法。

該方法首先對(duì)圖像進(jìn)行預(yù)處理，得到靜脈紋線(xiàn)圖和單像素紋線(xiàn)圖；接著依據(jù)手指靜脈紋線(xiàn)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。

方法流程如圖1所示。

1、圖像預(yù)處理

預(yù)處理的目的是為了去除背景和噪聲的干擾，凸顯靜脈結(jié)構(gòu)，便于后續(xù)的處理。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(xiàn)圖IB1；然后使用形態(tài)學(xué)處理方法對(duì)二值靜脈紋線(xiàn)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。

2、特征區(qū)域選取

使用區(qū)域代替全局進(jìn)行圖像匹配，所選取的區(qū)域必須具有足夠的代表性，對(duì)于手指靜脈圖像而言，所選取的區(qū)域必須具備如下特點(diǎn)：（1）區(qū)域內(nèi)靜脈分布足夠復(fù)雜，可以提供足夠多的待匹配特征；（2）區(qū)域內(nèi)靜脈分布不具備明顯的旋轉(zhuǎn)對(duì)稱(chēng)性，不會(huì)干擾LPT變換的旋轉(zhuǎn)不變性。

（1）第一級(jí)候選特征區(qū)域選取

手指靜脈呈網(wǎng)狀分布，在這種結(jié)構(gòu)中，靜脈交叉點(diǎn)附近區(qū)域與非交叉點(diǎn)附近區(qū)域相比，通常前者的區(qū)域結(jié)構(gòu)更為復(fù)雜，能夠提供的特征也更多，如圖5所示，因此待匹配的區(qū)域的應(yīng)選擇以靜脈的交叉節(jié)點(diǎn)為中心的區(qū)域。經(jīng)過(guò)預(yù)處理，我們已經(jīng)得到了靜脈單像素分布圖像IB2，IB2中的每一個(gè)交叉點(diǎn)，就是一個(gè)可能的特征區(qū)域中心。為此對(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）