融合模糊模板和点特征的手指静脉快速识别方法
【专利摘要】本发明涉及一种融合模糊模板和点特征的手指静脉快速识别方法。结合区域图像分割和数学形态学处理提取手指静脉纹路，依据静脉纹路构建模糊模板,依据细化后的静脉纹路提取点特征,先采用点特征进行模板对齐和粗筛选,然后基于模糊模板实现精细比对，实现快速可靠的手指静脉识别。采用点特征进行粗筛选，提高手指静脉特征匹配速度；结合点特征进行模糊模板对齐，采用模糊模板匹配方法实现手指静脉识别，对手指姿态变化和分割误差鲁棒性强，识别性能高。
【专利说明】
融合模糊模板和点特征的手指静脉快速识别方法
技术领域
[0001] 本发明设及一种手指静脉识别方法，属于安防生物特征识别技术领域。
【背景技术】
[0002] 静脉识别是当前生物特征识别领域的研究热点，其主要优势在于:静脉藏匿在身 体内部，不易被复制、窃取或干扰。可W广泛应用于银行、办公室、商场等场所的口禁和考勤 领域，理论研究意义和市场应用价值巨大。人体可选择的手指样本较多，且由于手指较小， 便于识别设备的小型化，因此手指静脉识别应用更为广泛。
[0003] 目前，手指静脉识别方面已有不少研究成果，文献"Feature Extraction of Finger-vein Patterns Based on Repeated Line Tracking and Its Application to Personal IdentificationCMachine Vision and Applications, 2004)"采用模板匹配方 法进行手指静脉识别，首先采用重复线跟踪技术提取手指静脉纹路，然后对二值图像进行 模板匹配，该方法对手指的平移变换鲁棒性较强，但受旋转变换影响较大，且运算效率偏 低。文献"基于相对距离和角度的手指静脉识别方法(华中科技大学学报（自然科学版）， 2011)"采用点匹配方法进行手指静脉识别，首先定位图像细化后的手指静脉纹路的端点和 交叉点的位置，然后计算运些关键点之间的相对距离，最后依据各关键点之间的距离差异 判别两幅图像是否匹配。该方法对旋转和平移变换的鲁棒性较强，运算效率高，但手指静脉 纹路中关键点数量有限，且易受分割误差影响，显著性和稳健性不强。文献"Finger vein recognition using local line binary patternCSensors , 2011)"采用局部二值模式 化ocal Bina巧化tte;rn，LBP)匹配方法进行手指静脉识别，首先分别计算手指静脉图像在 水平方向和垂直方向的LBP特征，然后采用海明距离(Hamming Di Stance，HD)进行特征匹 配。该方法的是受图像亮度变化影响较小，但易受背景干扰，且耗时较多。文献"基于核 Fisher鉴别分析的手指静脉识别(重庆邮电大学学报（自然科学版），2012)"采用子空间匹 配的方法进行手指静脉识别，采用核映射将原始输入静脉图像空间变换到一个更低维的特 征空间中，在此特征空间上用核类间散度阵和核类内散度阵作为Fisher线性判别准则来得 到最佳非线性鉴别特征，依据此鉴别特征计算其相互间的欧式距离进行识别，对于光照变 化和水平位移的鲁棒性较强，但受背景影响较大，运算效率低。
[0004] 现有方法存在的问题主要是难W兼顾识别性能与运算效率，易受姿态变换、分割 误差和背景干扰。为解决上述问题，本发明提出了一种融合模糊模板和点特征的手指静脉 快速识别方法，首先结合边缘检测定位手指静脉感兴趣区域，然后通过图像分割、数学形态 学滤波和图像细化得到手指静脉纹路及骨架图像，接着依据细化图像提取关键点特征并进 行粗筛选，提高手指静脉识别速度，最后构建模糊模板图像进行细匹配，并通过模板对齐来 提高算法对手指姿态变换的鲁棒性，实现手指静脉的可靠识别。本发明可W有效提高手指 静脉识别性能，广泛应用于智能口禁系统。
【发明内容】
[0005] 本发明所要解决的技术问题在于提供一种融合模糊模板和点特征的手指静脉快 速识别方法，结合区域图像分割和数学形态学处理提取手指静脉纹路，依据静脉纹路构建 模糊模板，依据细化后的静脉纹路提取点特征，先采用点特征进行模板对齐和粗筛选，然后 基于模糊模板实现精细比对，实现快速可靠的手指静脉识别。
[0006] 为实现上述的发明目的，本发明采用下述的技术方案，流程图如图1所示： 1、手指静脉纹路提取 手指静脉纹路提取目的是从手指静脉图像中提取出手指静脉纹路信息。主要包括四个 步骤： Stepl:图像预处理 由于环境光照、设备光照W及用户手指厚薄等因素的影响，不同手指静脉图像的对比 度存在一定差异，为减弱该差异对手指静脉纹路提取的影响，本发明先对图像进行直方图 均衡处理。如图2所示，图2(b)为图2(a)经过直方图均衡处理得到的图像。
[0007] Step2:图像分割
采用区域大津(OTSU)法进行图像分割，具体地，对任一像素点(X，7)，在其WXM单位： 像素，本发明中取N=7)邻域中采用OTSU方法计算最优分割阔值，最优分割阔值为使类间方 差最大的灰度值，小于分割阔值的像素点判定为目标，否则判定为背景。假设t为分割阔值， 啤表示灰度值为瑜像素点数量，*^6表示邻域中各像素灰度值的累加和，L为图像的灰度 级，取值为256,令 则类间方差为 遍历所有灰度值，选取巧 由于本发明中WX A邻域中只有49个像素点，灰度值小于均值的像素点数量更少，运些 像素点中小于均值的灰度级更少，因此本发明计算局部最大类间方差时只遍历邻域中存在 的灰度级，从而可W大幅降低类间方差计算耗时，提高图像分割速度。分割效果如图2(c)所 /J、- O
[000引Step3:数学形态学滤波 分割后的图像经常出现噪声干扰，本发明首先采用数学形态学的开运算滤除噪声，然 后采用闭运算修复部分断裂静脉。滤波器窗口尺寸与分割时的邻域尺寸一致，也为7X7(单 位:像素）。滤波后的手指静脉图像记为/，如图2(d)所示。
[0009] Step4:图像细化 为便于提取静脉纹路的关键点，需对静脉图像进行细化处理，采用常用的Hilditch细 化方法。细化后的图像记为/，如图2 (e)所示。
[0010] 2、点特征提取与粗筛选 在细化后的图像户^^ 3±4^^￡^島# ^
V、:'溫足如下条件 其中，Z2托>，)表示/上像素点(>，y)的灰度值。背景灰度值为0,目标灰度值为255。
[OOW 将找到的关键点位置和数量作为点特征，依据关键点位置进行粗筛选，粗筛选条 件有两个，具体为： 条件1:记注册模板图像EImg和待认证图像VImg的关键点数量分别为NO和Nl，如果NO与 Nl的差值绝对值超过阔值TU运里取Tl=IO),则认为两幅图像不满足粗筛选条件，判定两幅 图像不匹配。
[0012]条件2:对于注册模板图像中任一关键点P，计算它与待认证图像中距离最近的关 键点的欧氏距离;统计注册模板图像中所有关键点对应的欧氏距离的平均值，如果该值大 于阔值T2 (运里取T2=50 )，则认为两幅图像不满足粗筛选条件，判定两幅图像不匹配。
[OOU] 3、模糊模板构建与细匹配 对于满足粗筛选条件的待认证图像，还需进行细匹配，防止误识别。细匹配采用模糊模 板匹配的方法，首先需构建模糊模板，具体方法是:对二值图像/1，模糊模板/为
其中，户Oj) =0表示模糊模板中像素点托对为背景；户的，向=2表示模糊模板中像 素点!>，y)为目标，也即静脉纹路；户林，y) =1表示模糊模板中像素点0, 乂|为模糊值，也即 既可能是背景，也可能是目标。
[0014]为降低旋转、平移变换等对特征匹配的影响，需要对模板图像进行对齐操作，具体 方法是:对于所求出的静脉图像点特征，设(? W)和切^心）分别表示61111邑和￥1111邑中欧氏 距离最小的两个匹配点对的坐标，（心，乂)和O/jii)分别表示EImg和VImg中欧氏距离次小 的两个匹配点对的坐标，贝化Img和VImg所对应的模糊模板图像的平移参数(心，如）和旋转 参数a:满足两个条件： 条件(I)
条件(2) 运样，可W求得平移参数(心，如）和旋转参数a,据此将VImg对应的模糊模板图像 与EImg对应的模糊模板图像对齐。设社，内表示乂Lg:中的任一像素点坐标， 片\歹1)表示该像素点对齐后的坐标，则： 模板对齐之后，计奠
其中，只有当目标点与背景点相比对时城Z，/) =O，否则袖;，=1，狂、爾为模糊模板图 像的高和宽，具体地，
如果相似度r大于阔值T3 (运里取T3=0.7 )，则认为两幅图像相匹配，否则判定两幅图像 不匹配。
[0015] 本发明的优点在于:采用点特征进行粗筛选，提高手指静脉特征匹配速度;结合点 特征进行模糊模板对齐，采用模糊模板匹配方法实现手指静脉识别，对手指姿态变化和分 害暢差鲁棒性强，识别性能高。
【附图说明】
[0016] 图1手指静脉识别流程图， 图2手指静脉纹路提取流程。
【具体实施方式】
[0017] -种融合模糊模板和点特征的手指静脉快速识别方法，结合区域图像分割和数学 形态学处理提取手指静脉纹路，依据静脉纹路构建模糊模板，依据细化后的静脉纹路提取 点特征，先采用点特征进行模板对齐和粗筛选，然后基于模糊模板实现精细比对，实现快速 可靠的手指静脉识别。
【主权项】
1.融合模糊模板和点特征的手指静脉快速识别方法，结合区域图像分割和数学形态学 处理提取手指静脉纹路，依据静脉纹路构建模糊模板，依据细化后的静脉纹路提取点特征， 其特征在于，先采用点特征进行模板对齐和粗筛选，然后基于模糊模板实现精细比对，实现 手指静脉识别，具体步骤为： (1) 、手指静脉纹路提取 手指静脉纹路提取目的是从手指静脉图像中提取出手指静脉纹路信息，包括四个步 骤： Stepl:图像预处理 由于环境光照、设备光照以及用户手指厚薄因素的影响，不同手指静脉图像的对比度 存在差异，为减弱该差异对手指静脉纹路提取的影响，先对图像进行直方图均衡处理， Step2:图像分割采用区域大津法进行图像分割，具体地，对任一像素点U，/)，在其IX见单位:像素， 取N=7,邻域中采用OTSU方法计算最优分割阈值，最优分割阈值为使类间方差最大的灰度 值，小于分割阈值的像素点判定为目标，否则判定为背景，假设t为分割阈值，％表示灰度值 为i的像素点数量，是表示邻域中各像素灰度值的累加和，L·为图像的灰度级，取值为256， 令 则类间方差为 遍历所有灰度值，选取使〇U)最大的阈值匕 Step3:数学形态学滤波 分割后的图像经常出现噪声干扰，首先采用数学形态学的开运算滤除噪声，然后采用 闭运算修复部分断裂静脉，滤波器窗口尺寸与分割时的邻域尺寸一致，也为7 X 7，单位:像 素，滤波后的手指静脉图像记为/S Step4:图像细化 为便于提取静脉纹路的关键点，需对静脉图像进行细化处理，采用Hilditch细化方法， 细化后的图像记为/， (2) 、点特征提取与粗筛选 在细化后的图像/2上，寻找关键点，关键点P的坐标满足如下条件其中，表不2丄m糸·Μ、~"v ?.、」久反?且，冃渾:久反但/训，1=1标灰度值为255,将找 到的关键点位置和数量作为点特征，依据关键点位置进行粗筛选， (3)、模糊模板构建与细匹配 对于满足粗筛选条件的待认证图像，还需进行细匹配，防止误识别，细匹配采用模糊模 板匹配的方法，首先需构建模糊模板，具体方法是:对二值图像/1，模糊模板/为其中，/(ΛΧ) =〇表示模糊模板中像素点(U)为背景；=2表示模糊模板中像素 点(U)为目标，也即静脉纹路;/3feX) =l表示模糊模板中像素点伏片为模糊值，也即既 可能是背景，也可能是目标， 为降低旋转、平移变换对特征匹配的影响，需要对模板图像进行对齐操作，具体方法 是:对于所求出的静脉图像点特征，设UW)和Οο?)分别表示Elmg和VImg中欧氏距离 最小的两个匹配点对的坐标，)和(?1^)分别表示Elmg和VImg中欧氏距离次小的两 个匹配点对的坐标，则Elmg和VImg所对应的模糊模板图像的平移参数(&?)和旋转参数 K满足两个条件：这样，可以求得平移参数(成?)和旋转参数α，据此将VImg对应的模糊模板图像 与Elmg对应的模糊模板图像对齐，设(义乃表示义^中的任一像素点坐标，(於完） 表示该像素点对齐后的坐标，则：模板对齐之后，计算和ε的相似度为其中，只有当目标点与背景点相比对时炉^) =0，否则的=1，Η、:W为模糊模板图像 的高和宽，具体地，如果相似度r大于阈值T3,取T3=0.7,则认为两幅图像相匹配，否则判定两幅图像不匹 配。2.根据权利要求1所述的融合模糊模板和点特征的手指静脉快速识别方法，其特征在 于，所述粗筛选条件有两个，具体为： 条件1:记注册模板图像Elmg和待认证图像VImg的关键点数量分别为Ν0和Ν1，如果Ν0与 N1的差值绝对值超过阈值T1，取Tl = 10,则认为两幅图像不满足粗筛选条件，判定两幅图像 不匹配， 条件2:对于注册模板图像中任一关键点ρ，计算它与待认证图像中距离最近的关键点 的欧氏距离;统计注册模板图像中所有关键点对应的欧氏距离的平均值，如果该值大于阈 值Τ2，取Τ2=50，则认为两幅图像不满足粗筛选条件，判定两幅图像不匹配。
【文档编号】G06K9/00GK105956579SQ201610359752
【公开日】2016年9月21日
【申请日】2016年5月27日
【发明人】王浩宇, 谢剑斌, 刘通, 闫玮, 李沛秦, 程强, 周鹏宇, 孔宪君, 陈益星
【申请人】国创科视科技股份有限公司