[發明專利]基于手指折痕的手指靜脈圖像特征的提取方法

在審

• 申請號: 201810253681.0
• 申請日: 2018-03-26
• 公開（公告）號: CN108520211A
• 公開（公告）日: 2018-09-11
• 發明（設計）人: 路志英;張建峰;李敏
• 申請（專利權）人: 天津大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/38
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 劉國威

1.一種基于手指折痕的手指靜脈圖像特征的提取方法，其特征是，步驟如下：

步驟1提取手指折痕信息：

采集裝置采集同一時刻同一根手指的手指折痕圖像和手指靜脈圖像，保證其具有一一對應的關系定位手指靜脈圖像中的目標區域；

步驟2提取手指靜脈圖像感興趣區域：

將靜脈圖像二值化，通過Canny算子獲取手指精確輪廓圖，二值圖與輪廓圖做代數減法運算，分離手指區域和背景區域，求取其最大連通域，進而獲取手指區域，即手指掩膜圖像，掩膜圖像與靜脈圖像做代數乘法運算即獲得感興趣區域ROI的手指靜脈圖像；

步驟3利用手指輪廓進行平面旋轉角度校準：

采用最小二乘直線擬合方法校準手指輪廓位置；

步驟4手指靜脈圖像增強：

采用模塊化自適應直方圖均衡化算法對圖像進行增強，綜合考慮了運算速度和圖像質量，在減少時間消耗的同時有效抑制圖像噪聲，增強圖像對比度；

步驟5手指靜脈紋路——骨架特征提?。?/p>

在提取靜脈紋路特征時，首先使用多尺度的Gabor濾波器削弱靜脈周圍的噪聲點，進而采用自適應閾值分割算法提取出完整的靜脈紋路結構，最后采用形態學方法進一步過濾紋路圖像中遺留的噪聲點并填補空洞；在提取靜脈骨架特征時，采用形態學法和最大曲率法相融合的靜脈骨架提取算法。

2.如權利要求1所述的基于手指折痕的手指靜脈圖像特征的提取方法，其特征是，一個實例中具體步驟如下：

步驟1提取手指折痕信息：

采用動態閾值分割法獲取手指折痕二值圖像，凸顯手指輪廓及折痕信息，采用邊緣檢測去除手指輪廓，僅保留手指折痕，利用獲取的手指折痕信息，定位手指靜脈目標區域的位置，去除圖像兩端高噪聲、低信息量的部分；

步驟2提取手指靜脈圖像感興趣區域：

(1)手指靜脈圖像二值化：手指靜脈圖像中研究對象手指和其周圍背景的灰度值有明顯差異，因而采用Otsu算法自動獲取閾值對圖像進行二值化，從而粗略地得到手指的位置和大體形狀；

(2)Canny算子提取手指邊緣：用Canny算子對手指靜脈圖像進行邊緣檢測，所用的高、低閾值分別為50和10，得到手指的精確輪廓圖；

(3)差值圖像：手指靜脈二值圖像減去輪廓圖像，徹底分開手指區域和背景；

(4)獲得掩模圖像：對(3)結果求各個連通域的面積，保留最大的連通域部分，去除其他部分信息，從而得到手指的區域，即手指掩模圖像；

(5)獲取感興趣區域(ROI)的手指靜脈圖像：利用(4)得到的掩模圖像與手指靜脈圖像相乘，從而得到后續圖像處理的研究對象；

步驟3利用手指輪廓進行平面旋轉角度校準：

采用最小二乘法對手指的輪廓圖進行直線擬合，擬合直線即代表手指的方向，設定水平方向為標準方向，擬合直線同水平方向的夾角代表手指的偏移角度，根據該角度對手指靜脈圖像進行校正，進而克服采集過程中存在的旋轉干擾；

步驟4手指靜脈圖像增強：

給定模塊大小為A×B的子塊，循環遍歷整幅圖，每個子塊根據其灰度概率分布得到對應的累積分布函數，然后根據該函數將每個子塊中心區域a×b的像素進行均衡化。假設輸入圖像f的灰度級范圍為[f_min，f_max]，子塊像素總數為N，n_k為子塊內灰度級k的像素個數，則概率密度p(k)和對應的累積分布函數C(k)分別如下式：

p(k)＝n_k/N (1)

則輸出子塊的像素灰度值為：

g_a×b＝int[g_min+(g_max-g_min)×C(f_A×B)+0.5] (3)

其中，int[·]為取整符號，[g_min，g_max]為輸出圖像g的灰度級范圍，具體步驟描述如下：

(i)選取大小為A×B的子塊作為移動模塊，并將X放到輸入圖像的左上角；

(ii)將輸入圖像中被X覆蓋的區域命名為區域1，將區域1中的信息復制到X中；

(iii)對X中的圖像信息進行直方圖均衡化；

(iv)在輸出圖像中找到與輸入圖像中區域1對應的區域2，區域2中心的a×b個像素點用X中心的a×b個像素點代替；

(v)將X每次向右移動a個像素點，然后重復(ii)-(iv)，直到X右邊界超出輸入圖像的右邊界后，將X移動到輸入圖像的最左側；

(vi)將X每次向下移動b個像素點，然后重復(ii)-(v)，直到X下邊界超出輸入圖像的下邊界。

步驟5手指靜脈紋路——骨架特征提?。?/p>

以干擾橫線數量及有效信息損失度作為性能指標，采用迭代算法實現閾值自適應選取，對圖像進行閾值分割處理，提取出指脈的紋路信息，用大小為1的圓形結構元素對其進行腐蝕處理，去除圖像中與手指靜脈粘連的噪聲。根據手指靜脈紋路呈水平走向的特點，多次用線性結構元素對圖像進行閉運算處理，填補圖像孔洞，盡量恢復信息的完整性；

為了彌補單一算法提取靜脈骨架存在的有效信息缺失及斷裂等問題，通過形態學細化算法獲取的靜脈骨架圖像相融合，得到最終的手指靜脈拓撲結構。

3.如權利要求1所述的基于手指折痕的手指靜脈圖像特征的提取方法，其特征是，步驟1具體細化步驟如下：

(1)計算出手指折痕距離圖像左端的平均距離d，校正折痕水平偏移量δ；

(2)獲取手指靜脈圖像的水平邊長D；

(3)在手指靜脈圖像中，將距離圖像左側α×(d+δ)、距離圖像右側β×(D-d-δ)區域內的像素值置0，圖像中剩余部分即為關注的目標區域，α和β為提取目標區域的系數。