[發(fā)明專(zhuān)利]一種基于單幅近紅外手指圖像指紋指靜脈融合識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910362774.1
• 申請(qǐng)日: 2019-04-30
• 公開(kāi)（公告）號(hào): CN110163123B
• 公開(kāi)（公告）日: 2021-02-26
• 發(fā)明（設(shè)計(jì)）人: 沈雷;呂葛梁;李凡;楊航
• 申請(qǐng)（專(zhuān)利權(quán)）人: 杭州電子科技大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62
• 代理公司: 杭州君度專(zhuān)利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.一種基于單幅近紅外手指圖像指紋指靜脈融合識(shí)別方法，其特征在于包括以下步驟：

步驟1、采集近紅外手指圖像，用對(duì)比度受限直方圖均衡CLAHE算法增強(qiáng)指紋紋理；將圖像劃分成大小M×N的不重疊子塊，統(tǒng)計(jì)每個(gè)子塊的直方圖分布h(x)，計(jì)算每個(gè)子塊裁剪閾值T_Clip如公式(1)所示，其中x表示灰度級(jí)，L為可能出現(xiàn)的灰度級(jí)數(shù)，α∈[0，1]為歸一化裁剪系數(shù)；

步驟2、根據(jù)公式(1)計(jì)算的裁剪閾值對(duì)每個(gè)子塊的直方圖h(x)進(jìn)行裁剪，統(tǒng)計(jì)超過(guò)閾值的像素總數(shù)N_Tol，計(jì)算每個(gè)灰度級(jí)需要增加的平均像素N_Ave＝N_Tol/L；最終得到分配閾值T_Lim＝T_Clip-N_Ave，重新分配后的直方圖h′(x)為：

對(duì)式(2)中得到的直方圖h′(x)進(jìn)行分塊均衡，并用雙線性插值法對(duì)每個(gè)得到的中心像素點(diǎn)進(jìn)行灰度值重構(gòu)；

步驟3、對(duì)步驟2中通過(guò)對(duì)比度受限直方圖均衡CLAHE算法增強(qiáng)后的指紋圖像進(jìn)行分塊增強(qiáng)，突出指紋的紋線結(jié)構(gòu)；具體如下：

先將圖像分成互相重疊的子塊，計(jì)算每個(gè)子塊的像素灰度均值，構(gòu)成小背景矩陣；

再將小背景矩陣通過(guò)雙三次插值，插值成和CLAHE增強(qiáng)圖相同大小維度的大背景矩陣；最后將CLAHE增強(qiáng)圖減去大背景矩陣，得到指紋提取圖；

步驟4、對(duì)步驟3中得到的指紋提取圖進(jìn)行預(yù)處理，經(jīng)過(guò)計(jì)算方向場(chǎng)、Gabor濾波、二值化、細(xì)化預(yù)處理后，依次得到方向場(chǎng)圖、指紋細(xì)節(jié)點(diǎn)提取圖和指紋細(xì)線圖；利用方向場(chǎng)圖和指紋細(xì)節(jié)點(diǎn)提取圖劃分無(wú)效區(qū)域，無(wú)效區(qū)域不進(jìn)行后續(xù)的比對(duì)；

步驟5、對(duì)采集的近紅外手指圖像提取穩(wěn)定的靜脈紋路信息；先對(duì)原圖進(jìn)行圖像歸一化，然后采用NiBlack分割靜脈，最后對(duì)分割出的靜脈圖像進(jìn)行細(xì)化處理，刪除毛刺和偽靜脈，得到最終的靜脈細(xì)線圖；

步驟6、根據(jù)步驟4得到的指紋細(xì)線圖和步驟5得到的靜脈細(xì)線圖，采用基于細(xì)線距離順序統(tǒng)計(jì)量的方法來(lái)分別進(jìn)行指紋和指靜脈識(shí)別；根據(jù)細(xì)線圖構(gòu)成的點(diǎn)集A和B，細(xì)線順序統(tǒng)計(jì)量的計(jì)算如下：

式(3)中，和分別表示對(duì)應(yīng)點(diǎn)集中A(x_A,y_A)，B(x_B,y_B)每個(gè)點(diǎn)的坐標(biāo)，d_m(A,B)表示點(diǎn)集A中某個(gè)點(diǎn)到點(diǎn)集B中n個(gè)點(diǎn)的距離值，取距離值最小前q項(xiàng)累加，遍歷A中所有m個(gè)點(diǎn)并計(jì)算其平均值作為細(xì)線距離；同理d_n(B,A)的定義為：

取d_m(A,B)和d_n(B,A)中的最大值H(A,B)作為2個(gè)點(diǎn)集間的細(xì)線距離順序統(tǒng)計(jì)量：

H(A,B)＝max(d_m(A,B),d_n(B,A)) 公式(5)

步驟7、利用靜脈細(xì)線圖進(jìn)行細(xì)線距離順序統(tǒng)計(jì)量識(shí)別，得到靜脈識(shí)別量化值R_v，并將在計(jì)算過(guò)程中得到的平移量用于后續(xù)指紋識(shí)別位移糾正，同樣采用細(xì)線距離順序統(tǒng)計(jì)量識(shí)別方法得到指紋識(shí)別量化值R_f；

步驟8、將步驟7中靜脈識(shí)別量化值R_v和指紋識(shí)別量化值R_f根據(jù)權(quán)重ω進(jìn)行加權(quán)融合，新的判決量化值R_m的表達(dá)式如下：

R_m＝ω×R_v+(1-ω)×R_f 公式(6)

根據(jù)最佳權(quán)值融合理論得到權(quán)重ω；在式(6)中，權(quán)重ω通過(guò)靜脈合法匹配量化值子集和指紋合法匹配量化值子集的方差來(lái)決定，μ和δ²表示對(duì)應(yīng)的均值和方差，下標(biāo)1和2分別表示屬于靜脈和指紋，為得到最優(yōu)性能，需滿足如下條件：

推導(dǎo)得到最佳權(quán)值表達(dá)式：

步驟9、融合識(shí)別；本發(fā)明中定義量化值R_m越低表示融合后的相似度越高，識(shí)別驗(yàn)證表達(dá)式如式(9):

T為融合后計(jì)算出的匹配閾值，根據(jù)式(9)可以判斷兩幅近紅外手指圖像是否來(lái)源于同一個(gè)手指。