[發明專利]一種基于多特征閾值融合的手指靜脈識別方法

有效

• 申請號: 201810015658.8
• 申請日: 2018-01-08
• 公開（公告）號: CN108256456B
• 公開（公告）日: 2020-04-07
• 發明（設計）人: 沈雷;藍師偉;李凡;呂葛梁;楊航
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/38;G06K9/40;G06K9/46;G06K9/62
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.一種基于多特征閾值融合的手指靜脈識別方法，其特征在于包括以下步驟：

步驟1、構造多個標準差的二維高斯模板，高斯模板表達式如下：

式(1)中，x和y取值由二維高斯函數標準差σ與高斯模板中標準差因子t共同決定，二維高斯模板正方形窗口邊長為p＝2×t×σ+1，因此x和y取值均為[-p,p]，σ取值可變，并且決定著窗口的大小，不同窗口大小對應提取不同粗細的靜脈；

步驟2、先求出二維高斯模板的一階偏導數h′_x(x,y)、h′_y(x,y)，二階偏導數h″_xx(x,y)、h″_yy(x,y)，混合偏導數h″_xy(x,y),并用這5個偏導數模板分別卷積圖像矩陣得到圖像矩陣的5個偏導數H′_x,H′_y,H′_xx,H′_yy,H′_xy，再用方向導數公式求四個角度的一階、二階方向導數；坐標軸x軸方向為0°，y軸為90°；

式(2)(3)中取0°,45°,90°,135°，將方向導數代入曲率公式(4)，得到靜脈圖像在各方向上對應的曲率值k′，并求四個方向最大曲率值保存為靜脈圖像的最終曲率值，如式(5):

式(5)中k為最終提取的曲率特征，為四個方向上最大曲率值；

步驟3、改變標準差σ，選取多個標準差的提取結果進行曲率特征融合；融合公式如式(6)所示：

式(6)中k_σ1為標準差取σ₁的二維高斯模板提取的曲率結果，k_σ2為標準差取σ₂的二維高斯模板提取的曲率結果，K為兩個標準差提取結果的融合結果；

步驟4、曲率灰度特征分解，按照式(7)(8)將曲率特征按照正負區域分別歸一化得到背景曲率灰度特征K0′和靜脈曲率灰度特征K1′；

式(7)(8)中，K是曲率灰度圖像，K_min和K_max分別是將曲率灰度圖像矩陣值按照從小到大和從大到小排序的兩個向量；取K_min的前10個值的平均值作為負區域歸一化的上限，取K_max的前10個值的平均值作為正區域歸一化的上限，減輕圖像邊緣的曝光突變對曲率結果的影響；

步驟5、曲率細線特征提取，曲率灰度圖像K經過二值化，濾波，細化得到細線特征；

步驟6、曲率灰度特征單獨識別閾值計算

背景曲率灰度特征和靜脈曲率灰度特征同屬于曲率灰度特征，本文計算矩陣的相關系數來表示曲率灰度特征的相似度；相關系數計算公式如式(9):

式(9)中K_a,K_b為兩個由曲率灰度特征矩Cov意為計算兩個曲率灰度特征K_a,K_b的協方差，Var意為計算兩個曲率灰度特征K_a,K_b的方差；記背景曲率灰度特征識別閾值為T₀，靜脈曲率灰度特征識別閾值為T₁；

步驟7、曲率細線特征單獨識別閾值計算

曲率細線特征閾值采用修正的Hausdorff距離(modified Hausdorff distance,MHD)算法計算；對于A與B兩個曲率細線特征，MHD計算公式如式(10)(11):

T₂(A,B)＝max(d(A,B),d(B,A)) (11)

式(10)中d為A到B的最小平均距離，式(11)中T₂為A與B的MHD閾值；先計算A中某點A_m到B中所有點B_n的距離，其中1≤n≤N共N個點；然后求出最小值，遍歷A中所有M個點并求平均值；再從B到A重復一遍，取兩者較大值作為A與B間的MHD閾值；

步驟8、三種特征閾值T₀,T₁和T₂融合，獲取融合后的最終閾值T；

步驟9、匹配識別：

閾值越大表示圖像相似度越高，識別驗證表達式如式(13):

式(13)中T_s為根據圖像庫計算得到的識別閾值，不同的認假率對應有不同的識別閾值，T為兩幅手指靜脈圖像計算出的匹配的最終閾值，根據式(13)能夠判斷兩幅手指靜脈圖像是否來源于同一個手指。