[發明專利]一種融合基本特征和形變特征的手指靜脈識別方法及系統

有效

• 申請號: 201910271724.2
• 申請日: 2019-04-04
• 公開（公告）號: CN110008902B
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 孟憲靜;襲肖明;楊璐;耿蕾蕾;尹義龍
• 申請（專利權）人: 山東財經大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 閆圣娟

1.一種融合基本特征和形變特征的手指靜脈識別方法，其特征是，包括如下步驟：

步驟1：采集待識別用戶的手指靜脈圖像，對手指靜脈圖像進行預處理，獲得預處理后的圖像；

步驟2：提取預處理后的圖像的基本特征，計算基于基本特征的基本特征匹配分；

步驟3：構建匹配目標函數，利用圖像的基本特征矩陣進行優化匹配，獲取目標函數值和形變矩陣；

步驟4：根據獲得的形變矩陣提取形變特征；

步驟5：將基本特征匹配分、目標函數值和形變特征作為融合特征，輸入通過融合特征進行訓練的支持向量機模型進行識別處理，識別所述待識別用戶的身份信息；

基于基本特征的匹配分Score_lgp通過如下公式計算：

其中，待識別的手指靜脈圖像定義為圖像1，標準手指靜脈圖像定義為圖像2，LGP₁代表待識別的手指靜脈圖像1的基本特征矩陣,LGP₂代表標準手指靜脈圖像2的基本特征矩陣；lgp₁和lgp₂分別代表各圖像位置(i,j)處的基本特征向量，match()函數是特征向量的匹配函數，統計兩個特征向量中二值化特征相同的數目，用異或函數xnor()實現；h和w分別代表圖像在豎直和水平方向的像素數目；

根據形變矩陣提取形變特征具體為提取圖像的紋理特征，提取的形變特征包括平滑性、一致性、均值和標準偏差。

2.如權利要求1所述的一種融合基本特征和形變特征的手指靜脈識別方法，其特征是：所述步驟1中，對采集的手指靜脈圖像進行預處理，包括：

11)提取手指圖像的感興趣區域；

12)對感興趣區域進行圖像增強處理獲得預處理后的圖像。

3.如權利要求1所述的一種融合基本特征和形變特征的手指靜脈識別方法，其特征是：步驟2中提取預處理后的圖像的基本特征，包括：

采用數值卷積算法提取每一像素的特征向量；

對特征向量進行二值化處理，得到圖像的基本特征矩陣。

4.如權利要求1所述的一種融合基本特征和形變特征的手指靜脈識別方法，其特征是，步驟3中目標函數具體為：

其中，α＝0.5,d＝2，lg p₁和lg p₂分別代表來自待識別的手指靜脈圖像和標準手指靜脈圖像(i,j)點處的基本特征向量，p＝(x,y)是形變矩陣D中的元素，元素p＝(x,y)的位移為d(p)＝(Δx(p),Δy(p))，β為位移項的權重，ε代表搜索的區域。

5.如權利要求1所述的一種融合基本特征和形變特征的手指靜脈識別方法，其特征是，輸入通過融合特征進行訓練的支持向量機模型進行識別處理，具體為：將融合參數輸入支持向量機，獲得融合參數匹配分；設定融合參數匹配分的閾值，如果大于設定的閾值，待識別用戶的身份正確，否則身份錯誤。

6.如權利要求1所述的一種融合基本特征和形變特征的手指靜脈識別方法，其特征是，通過融合特征進行訓練的支持向量機模型的訓練步驟包括：

步驟(1)：采集待訓練用戶的手指靜脈圖像，對手指靜脈圖像進行預處理，獲得預處理后的圖像；

步驟(2)：提取預處理后的圖像的基本特征，計算基于基本特征匹配分；

步驟(3)：構建匹配目標函數，利用圖像的基本特征矩陣進行優化匹配，獲取目標函數值和形變矩陣；

步驟(4)：根據獲得的形變矩陣提取形變特征；

步驟(5)、將獲得的融合特征采用支持向量機進行訓練，獲得融合參數，根據融合參數建立支持向量機模型。