基于灰度图像的识别方法

文档序号:9646796阅读:1213来源:国知局
基于灰度图像的识别方法
【技术领域】
[0001] 本发明涉及图像识别,特别涉及一种基于灰度图像的识别方法。
【背景技术】
[0002] 随着生物认证技术的发展,人脸和指纹识别已经不能满足日益增长的安全性需 求。近年来,基于手掌静脉特征的身份识别在生物特征识别领域受到广泛重视。手掌静脉 图像获取容易,占用存储空间小,其研究具有重要的应用价值。手掌静脉识别相关认证产品 在网络安全认证方面必将发挥重要的作用。现有的手掌静脉识别系统只能对较好条件下的 样本进行处理,而对于图像偏暗,清晰度不高的掌纹样本,识别率有所降低,同时,所应用的 算法普遍计算量较大,使识别过程难以达到实时。

【发明内容】

[0003] 为解决上述现有技术所存在的问题,本发明提出了一种基于灰度图像的识别方 法,包括:
[0004] 通过图像分割,将静脉纹理进行分离;
[0005] 将分割后的图像进行增强处理;
[0006] 提取经过增强处理后的图像特征,并基于所提取的特征完成手掌静脉灰度图像的 识别。
[0007] 优选地,所述通过图像分割,将静脉纹理进行分离,进一步包括:
[0008] 计算手掌静脉图像F的方向分布图,确定滤波器方向的选择;每隔π/8的角度,预 设8个方向的模板算子Tk(k= 1,...,8),用F(i,j)表示原静脉图像(i,j)处的中心像素 点灰度值,(i,j)为中心像素点的坐标,方向分布图计算如下:
[0009] (1)逐点计算出各像素点上的8个方向灰度卷积值:采用5x5的模板算子Tk计算 像素点(i,j)处的灰度卷积和&(1,j)(k= 1,...,8);在一个9X9块中使用公式:
[0011] 获得该窗口中心像素(i,j)的8个方向灰度卷积和Sk;
[0012] 其中,X、y为模板在图像中滑动的距离,即对应方向上模板的系数;
[0013] (2)Wsk(i,j)(k= 1,. . .,8)中的8个中心像素点的灰度卷积和取出最大的卷积 和值,并取最大卷积和值的下标作为该中心像素点的方向:
[0014] Skmax=max(Sk(i,j))(k=1,...,8)
[0015] knax=arg(Sknax)
[0016] 其中,max表示取一组灰度卷积和中的最大值,arg表示取Skmax的下标值;
[0017] 其中,滤波器的中心频率f和滤波器的尺寸δχδy满足:
[0019] 其中,B表示滤波器的空域带宽,且在[0. 5, 2. 5]之间取值;
[0020] (3)对滤波之后的8幅图像进行重建;定义一组加权值λke[0, 1] ;8幅图像的 重建过程为:
[0022] R表示重建之后的图像;
[0023] (4)采用4方向均值模板对重建图像R进行平滑处理:定义一个7x7大小的4方 向均值模板Ta,从水平位置开始,每隔π/4确定一个方向,执行如下过程:
[0024] 首先计算每个像素点在以中心像素为中心的4个方向上的像素灰度平均值札,其 中1取1至4,并将4方向的灰度均值之和求平均值:
[0026] 其中發代表二维卷积运算,R'表示4方向均值图像;
[0027] (5)将重建图像R和图像R'的差值比较作为分割的标准,定义图像的分割过程:
[0029] R(i,j)表示重建图像R在(i,j)处的灰度值,R'(i,j)表示4方向均值图像R'在 (i,j)处的灰度值,E为分割之后的图像。
[0030] 本发明相比现有技术,具有以下优点:
[0031] 本发明提出了一种基于灰度图像的识别方法,对于质量较低的采集图像,有效提 高了识别范围,识别速度和精度。
【附图说明】
[0032] 图1是根据本发明实施例的基于灰度图像的识别方法的流程图。
【具体实施方式】
[0033] 下文与图示本发明原理的附图一起提供对本发明一个或者多个实施例的详细描 述。结合这样的实施例描述本发明,但是本发明不限于任何实施例。本发明的范围仅由权 利要求书限定,并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节 以便提供对本发明的透彻理解。出于示例的目的而提供这些细节,并且无这些具体细节中 的一些或者所有细节也可以根据权利要求书实现本发明。
[0034] 本发明的一方面提供了一种基于灰度图像的识别方法。图1是根据本发明实施例 的基于灰度图像的识别方法流程图。
[0035] 手掌静脉图像利用的是人体静脉的血红蛋白对近红外光的吸收特性。手掌静脉采 集设备中采用的是波长范围在700-1100近红外发光二极管作为光源,因为该波段的光容 易穿透手掌骨骼和肌肉组织,然后采用高感光度的图像传感器。在手掌静脉图像的采集过 程中,如果手掌放置的位置太偏,可能会造成手掌静脉图像中手掌边界的梯度场小,从而导 致手掌静脉的边界提取不完整,影响手掌静脉ROI(ROI)区域的截取。
[0036] 手掌静脉图像识别可选地包括如下过程:
[0037] 手掌静脉图像分割,将静脉图像中的静脉纹理从背景区域中分离出来,以提高图 像特征提取的正确率和特征提取的速度。
[0038] 手掌静脉图像增强,用于突出图像的静脉纹理信息。
[0039] 特征提取,通过对预处理过的图像进行特征提取,得到手掌静脉图像的几何特征 模板或数据特征模板。
[0040] 匹配识别,通过采集的用户手掌静脉图像,获得样本模板,与之前数据库中的注册 模板进行匹配,以识别用户身份标识。
[0041] 进一步地,对于上述图像分割,本发明采用以下过程:根据方向分布选择方向个 数,通过静脉图像横截面的灰度和曲率分布确定滤波器的尺寸和频率范围,然后针对手掌 静脉每个方向的图像信息只构造一个滤波器,通过对各个方向滤波之后的滤波子图的权值 系数的设定,对滤波之后的子图进行重建,最后计算重建图像4方向邻域均值,得到的均值 图像与重建图像差值比较之后得到分割图像。
[0042] 首先,针对手掌静脉图像的特点,本发明计算手掌静脉图像的方向分布图,分析原 图像的方向分布,根据分布特点来确定滤波器方向的选择。每隔π/8的角度,预设8个方 向的模板算子Tk(k= 1,. . .,8)。假设一幅的手掌静脉图像F,(i,j)为中心像素点的坐标, F(i,j)为原静脉图像(i,j)处的中心像素点灰度值。
[0043] 方向分布图计算方法如下:
[0044] (1)逐点计算出各像素点上的8个方向灰度卷积值。采用5x5的模板算子Tk计算 像素点(i,j)处的灰度卷积和&(1,j) (k= 1,...,8)。在一个9x9块中使用下面的公式获 得该窗口中心像素(i,j)的8个方向灰度卷积和:
[0046] 其中,x、y为模板在图像中滑动的距离,代表着对应方向上模板的系数,Sk(x,y)是 卷积运算之后的中心像素点值,这里定义为中心像素点的灰度卷积和。
[0047] (2)WSk(i,j)(k= 1,. . .,8)中的8个中心像素点的灰度卷积和取出最大的卷积 和值,并取最大卷积和值的下标作为该中心像素点的方向:
[0048] Skmax=max(Sk(i,j))(k=1,...,8)
[0049] knax=arg(Sknax)
[0050] 其中,max表示取一组灰度卷积和中的最大值,arg表示取Skmax的下标值。
[0051] 滤波器的中心频率和包络标准方差决定了手掌静脉图像的滤波效果,手掌静脉纹 理之间的距离决定了滤波器中心频率f,静脉纹理的宽度决定了滤波器的尺寸大小Sχδy, 为了减少由Sχδy取值不同对图像增强带来的影响,本发明取以下标准方差,即滤波器的 尺寸δ = δχ=δy。并且δ和f满足以下关系:
[0053] 其中,B表示滤波器的空域带宽,且在[0.5, 2. 5]之间取值。
[0054] (3)对滤波之后的8幅图像进行重建。定义一组加权值λke[0,1] ;8幅图像的 重建过程可以定义为:
[0056] R表示重建之后的图像。
[0057] (4)采用4方向均值模板对重建图像R进行平滑处理。定义一个7x7大小的4方 向均值模板Ta,从水平位置开始,每隔;π/4确定一个方向。模板计算的方向角范围为[0, π)。计算方法如下:
[0058] 首先计算每个像素点在以中心像素为中心的4个方向上的像素灰度平均值札(1 取1-4)。并将4方向的灰度均值之和求平均值,过程可定义为:
[0060] 其中代表二维卷积运算,R'表示4方向均值图像。
[0061] (5)图像分割。为了简化二值化的过程,将重建图像R和4方向均值图像R'的差 值比较作为分割的标准,图像的分割过程可以定义为:
[0063] R(i,j)表示重建图像R在(i,j)处的灰度值,R'(i,j)表示4方向均值图像R'在 (i,j)处的灰度值,E为分割之后的图像。
[0064] 获得分割后的二值化图像之后,进一步地,在上述图像增强中,本发明采用以下过 程对图像进行细化,以突出掌纹图像的特征:
[0065] (1)将迭代次数标记N设置初始值为1,根据不同的N值,当满足以下过程1至过 程4相应的门限条件时,选择执行过程1至过程4以分别对图像左上边界、右下边界、左下 边界、右上边界执行细化,若Nmod4 = 1,执行过程1 ;若NmodA= 2,执行过程2 ;若Nmod4 = 3,执行过程3;若Nmod4 = 0,执行过程4 ;其中过程1至过程4各自的门限条件为:
[0066] 过程1的门限条件为:
[0067] 2 ^A(P) ^ 6;
[0068] P2 ·P4 ·P8 = 1 ;
[0069] P2 ·P4 ·P6 = 1 ;
[0070] 其
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1