[發(fā)明專利]一種基于濾波器以及主干邊緣的指靜脈識(shí)別方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201710517638.6
• 申請(qǐng)日: 2017-06-29
• 公開（公告）號(hào): CN107368792A
• 公開（公告）日: 2017-11-21
• 發(fā)明（設(shè)計(jì)）人: 胡建國;王金鵬;王德明
• 申請(qǐng)（專利權(quán)）人: 廣州智慧城市發(fā)展研究院;廣州搏創(chuàng)信息科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/34;G06K9/46;G06K9/40;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于濾波器以及主干邊緣的指靜脈識(shí)別方法及系統(tǒng)。

背景技術(shù)

手指靜脈識(shí)別技術(shù)是生物識(shí)別家族中前景最為看好的重要成員之一，由于其高安全、防偽、活體性使得成為關(guān)注的研究方向。在確保100％注冊(cè)率的條件下，拒真率小于0.01％，識(shí)假率小于0.00001％，但指靜脈識(shí)別技術(shù)仍然存在著諸多不足。

指靜脈多采用紅外成像方式，采集到的圖像光照變化幅度較大，對(duì)匹配識(shí)別造成很大困難。

手指靜脈特征提取分為局部特征與全局特征兩大類，其中，局部特征中最重要的一類便是最小特征點(diǎn)匹配，由于其運(yùn)算量小、運(yùn)算復(fù)雜度低、表達(dá)方便的特點(diǎn)，在指靜脈研究中廣泛使用。但是傳統(tǒng)的最小特征點(diǎn)匹配受噪聲影響嚴(yán)重，冗余性低。

現(xiàn)有的匹配方案有基于細(xì)節(jié)特征點(diǎn)的匹配，通過提取到細(xì)節(jié)特征點(diǎn)之后計(jì)算歐式距離進(jìn)行匹配，但是基于細(xì)節(jié)特征點(diǎn)的匹配存在受旋轉(zhuǎn)影響嚴(yán)重，且很不穩(wěn)定，受噪聲影響嚴(yán)重。

大多匹配識(shí)別率較高的識(shí)別系統(tǒng)進(jìn)行特征提取與匹配需要涉及大量計(jì)算，在實(shí)驗(yàn)中要調(diào)整各項(xiàng)關(guān)鍵參數(shù)。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于濾波器以及主干邊緣的指靜脈識(shí)別方法及系統(tǒng)，可以有效提高指靜脈的識(shí)別準(zhǔn)確率。

為了解決上述技術(shù)問題，本發(fā)明實(shí)施例一種基于濾波器以及主干邊緣的指靜脈識(shí)別方法，所述方法包括：

對(duì)圖像進(jìn)行預(yù)處理，獲取預(yù)處理后圖像，所述預(yù)處理后圖像為分割后圖像；

對(duì)所述預(yù)處理后圖像進(jìn)行特征提取處理，獲取所述預(yù)處理后圖像主干邊緣特征點(diǎn)；

采用所述預(yù)處理后圖像主干邊緣特征點(diǎn)與標(biāo)準(zhǔn)模板的點(diǎn)集進(jìn)行比對(duì)，若兩點(diǎn)集的匹配結(jié)果小于預(yù)設(shè)閾值，則判決兩幅圖像匹配成功，反之不成功。

優(yōu)選地，所述對(duì)圖像進(jìn)行預(yù)處理包括：

對(duì)圖像進(jìn)行符合人眼特性的灰度化處理，獲取灰度圖像；

對(duì)所述灰度圖像進(jìn)行均值濾波降噪處理，獲取降噪后灰度圖像；

采用Canny檢測(cè)算法對(duì)所述降噪后灰度圖像進(jìn)行邊緣檢測(cè)，獲取邊緣檢測(cè)后圖像，所述邊緣檢測(cè)后圖像為強(qiáng)邊緣邊界灰度圖像；

對(duì)邊緣檢測(cè)后圖像進(jìn)行圖像感興趣區(qū)域提取處理，獲取感興趣區(qū)域圖像；

對(duì)所述感興趣區(qū)域圖像進(jìn)行旋轉(zhuǎn)處理，獲取旋轉(zhuǎn)后感興趣區(qū)域圖像；

對(duì)所述旋轉(zhuǎn)后感興趣區(qū)域圖像進(jìn)行歸一化處理，獲取歸一化后灰度圖像，所述歸一化處理包括灰度值歸一化處理和尺寸歸一化處理；

對(duì)所述歸一化后圖像進(jìn)行八方向?yàn)V波處理，獲取八方向?yàn)V波后灰度圖像；

采用NiBlack算法對(duì)所述八方向?yàn)V波后灰度圖像進(jìn)行分割處理，獲取分割后圖像。

優(yōu)選地，所述采用Canny檢測(cè)算法對(duì)所述降噪后灰度圖像進(jìn)行邊緣檢測(cè)包括：

對(duì)降噪后灰度圖像進(jìn)行高斯核濾波以及應(yīng)用高斯濾波器對(duì)圖像進(jìn)行卷積處理，獲取消除高斯噪聲和平滑處理后灰度圖像；

采用Prewitt算子對(duì)所述消除高斯噪聲和平滑處理后灰度圖像進(jìn)行處理，獲取強(qiáng)度梯度圖像；

采用非最大抑制比較所述強(qiáng)度梯度圖像像素的邊緣強(qiáng)度與正負(fù)梯度方向上的邊緣強(qiáng)度，若是最大則保留，否則抑制，獲取非最大抑制后灰度圖像；

對(duì)所述非最大抑制后灰度圖像進(jìn)行雙閾值與邊緣追蹤處理，獲取強(qiáng)邊緣邊界灰度圖像。

優(yōu)選地，所述對(duì)邊緣檢測(cè)后圖像進(jìn)行圖像感興趣區(qū)域提取處理包括對(duì)強(qiáng)邊緣邊界灰度圖像進(jìn)行前景區(qū)和背景區(qū)分割處理以及從所述強(qiáng)邊緣邊界灰度圖像的豎直方向按照角度使用邊緣追蹤，通過選取關(guān)鍵點(diǎn)的位置和指關(guān)節(jié)在手指根附近的紋理去除兩端陰影區(qū)，獲取圖像感興趣區(qū)域。

優(yōu)選地，所述對(duì)所述旋轉(zhuǎn)后感興趣區(qū)域圖像進(jìn)行歸一化處理包括：

通過對(duì)所述旋轉(zhuǎn)后感興趣區(qū)域圖像進(jìn)行灰度值歸一化，選取最大最小值，使所述旋轉(zhuǎn)后感興趣區(qū)域圖像的每個(gè)像素點(diǎn)的灰度值到[0,255]，灰度值歸一化公式如下：

其中，x、y表示像素的坐標(biāo)；

采用雙線性插值法對(duì)所述旋轉(zhuǎn)后感興趣區(qū)域圖像進(jìn)行尺寸歸一化處理，遍歷所述旋轉(zhuǎn)后感興趣區(qū)域圖像圖上每個(gè)點(diǎn)，對(duì)x、y方向都進(jìn)行插值與取整。

優(yōu)選地，所述對(duì)所述歸一化后圖像進(jìn)行八方向?yàn)V波處理包括采用一種通過濾波器提取靜脈圖像的濾波器設(shè)計(jì)準(zhǔn)則，計(jì)算歸一化后圖像每一個(gè)像素點(diǎn)周圍每個(gè)點(diǎn)與八方向?yàn)V波器組的卷積和，卷積函數(shù)公式如下：