专利名称：一种提取相位及方向特征的手指静脉识别方法
技术领域：
本发明属于生物特征身份识别技术领域，具体涉及一种手指静脉特征提取方法。
(二)
背景技术：
人体手指静脉识别具有稳定性、唯一性、高防伪性、非接触性和精度高等优点，是模式识别领域的前沿课题。具有广泛的应用前景和经济价值。 手指静脉识别技术最早由日立公司提出并将其产品应用于银行、安检等高安全等级的场合。Naoto Miura[1]等人提出了一种基于模板匹配的静脉识别方法，先将图像进行二值化，并对二值化后的图像进行距离变换，以克服观察向量序列中包含大量的无信息向量。最后，应用嵌入式隐马尔可夫模型对指静脉进行识别，误识率为1.45%。但识别速度慢，手指若有较大变形则不能准确识别；国内手指静脉识别技术的研究还处于起步阶段。袁智[2]使用融合小波矩和PCA分解及LDA变换对手指静脉进行识别，是目前手指静脉识别领域中效果最好的一种方法。先将手指静脉图像矩阵转化为一维向量进行降维处理，由于向量维数过高，将图像分成若干小块后再采用PCA算法，误识率为O. 7%。由于分块后，导致训练样本增多，致使识别速度较慢，同时需要对图像需要进行复杂的预处理工作；手指静脉一般采用非接触式采集方式，手指位置变化较大，目前还没有比较好的手指定位方法。
与本发明相关的公开报道有 [l]Naoto Miura， Akio Nagasaka， Takafumi Miyatake. Feature extractionoffinger-vein patterns based on repeated line tracking and its application topersonalidentification. Machine Vision and Applications,2004，15(4) :194-203P
[2]袁智.手指静脉识别技术研究[D].哈尔滨哈尔滨工程大学.2007
[3]Daugman J. Complete Discrete 2D Gabor Transforms by Neural Networksfor Image Analysisand Compression[J]. IEEE Transactions on Acoustic, Speech andSignal Processing. 1988,7(36) :1169—1179 [4]Wu X，Zhang D，Wang K. Fusion of Phase and Orientation Information forPalmprintAuthentication[J]. Pattern Analysis and Application,Dec. 2005. Volume 2，11-14S印t. 2005Page(s) :11-29-32 [5]Daugman J. High confidence visual recognition of persons by a test ofstatisticalindependence[J].IEEE Transacti_ons on Pattern Analysis and MachineIntelligence. 1993,15(11) :1148-1161 [6]冈萨雷斯.数字图像处理[M].2版.北京电子工业出版社，2005
[7] M. Watanabe， Y. Hamamoto， T. Yasuda， and S. Tomita. Normal izat iontechniques of handwrittennumerals for gabor filters[J]. Fourth InternationalConference Document Analysis andRecognition(ICDAR '97). Ulm， GERMANY. August18-August 20. ISBN :0-8186-7898-4。
发明内容
本发明的目的在于提供一种不要求对静脉图像进行预处理和定位，可以极大地克
服手指变形、平移和旋转影响的提取相位及方向特征的手指静脉识别方法。 本发明的目的是这样实现的 首先选取用4个频率和方差相同、而方向不同的二维Gabor滤波器，对原始静脉图
像进行滤波，提取静脉的相位和方向信息，然后在特征级上进行融合，形成编码，最后用改
进的海明距离来衡量不同编码之间的相似性，并进行平移和旋转测试。 所述提取静脉的相位和方向信息是用二维Gabor滤波器对手指静脉原图像进行
滤波后，直接提取相位及方向特征。 所述二维Gabor滤波器中，选取9k= ji (k_l)/m， k = 1， 2， m，m代表所选取方向的个数，k = 4，则e角分别为0° ，45° ，90° ， 135° ; ii = 0. 816 ; o = 1. 55 ;n = 7为
最优参数。 所述在特征级上进行融合是对原始静脉图像进行滤波后，提取实部、虚部和方向三种手指静脉特征，在特征级上进行融合，形成新的整体特征，保留所有的原始信息，利用这三种特征进行静脉识别。 本发明的主要贡献和特点在于为人体手指静脉识别技术提供新的思路，采用二维Gabor滤波器提取静脉的纹理特征进行身份识别。该发明能够准确有效地提取出静脉特征，不要求对图像进行预处理和定位，可以极大地克服手指变形，平移和旋转带来的影响，使识别结果更加可靠，具有很强的实用性。
图l是本发明的流程图； 图2a和图2b是手指静脉图像的原图与直方图； 图3是不同的Gabor波器参数对应的识别率比较表1 ; 图4a是手指静脉原图，图4b是相位码的实部，图4c是相位码的虚部，图4d是方向码部分。 图5是三幅手指静脉之间的匹配距离比较表2 ; 图6是合法匹配与非法匹配的匹配距离分布图； 图7是手指静脉相位方向码的R0C曲线图； 图8是1:1模式下拒识率测试结果表3 ; 图9是1: n模式下误识率测试结果表4 ; 图10是平移测试库的验证测试结果表5 ; 图11是平移测试库的识别测试结果表6 ; 图12是旋转测试库的验证测试结果表7 ; 图13是旋转测试库的识别测试结果表8。
具体实施例方式
下面结合附图举例对本发明做更详细地描述
1.提取手指静脉的相位和方向特征
4
由于手指静脉图像纹路是由多条线组成，具有明显并稳定的方向性，可看作是纹理图像。二维Gabor滤波器属于二维连续小波变换，被广泛应用于提取图像的纹理特征。本发明针对静脉纹路的特性，首先用二维Gabor滤波器对原始静脉图像进行性滤波，提取相位和方向特征。 1. 1 二维Gabor滤波器
二维Gabor滤波器的定义[5]如下1
x2 +y2
y exp {2;r/// (x cos P + _y sin
(1)
2;rcr2 丄l2cr 乂 式(1)中，自变量x，y是图像I(x，y)各像素点的直角坐标值，若图像大小为MXN，则x G (l，M)，y G (l，N)。 e是滤波器的方向，是复正弦函数的频率；o是高斯包络沿x轴和y轴方向的标准方差。 由于滤波器的虚部是奇对称的，所以其直流分量为0。滤波器的实都通过下式可将其直流分量归一化成0 :
G (x, <T) = G (x, 6>,//, cr).
(2)
(2n + l)2 式(2)中，滤波器的大小为(2n+l)2。归一化后，滤波器的实部与虚部的直流分:都为O，这样滤波的结果受光照强度的影响非常小。 式(1)经过整理，得到它的实部和虚部分别如式(3)和(4)所示
1
2;rcr'1
-exp j —
-exp<j —
2cr22cr2
cos 2罕cos <9 +少sin "> sin 2;r/z ( jc cos 6* + _y sin 61)
(3)
(4)
2ttct 、 ^
1.2相位和方向特征的提取
下面我们用二维Gabor滤波器，对原始静脉图像进行滤波。选取四个频率和方差
均相同而方向不同的滤波器来提取静脉的相位和方向信息。
设I是一幅静脉图像，用4个滤波器Gj (j式中，"*"表示巻积运算。
定义滤波后的图像&的幅值如下
式中，/ g j (;t j )表不Jg,.(x,少)
点(x， y)的方向定义为
0(w)=arg:K"'y))
其中，Q(x,y)称为静脉图像I的在点(x， y)方向码静脉的相位码可以通过下式计算得到
0，1，2，3)对I进行滤波(5)
(6)
(7)l,如果ReO,其他
20
(8)
(u)
:0
(9)
(10)
l，如果ImO,其他 如果把得到的三种特征分别进行识别操作，会存在大量孤立点，破坏手指静脉图像的整体性。所以把提取出的静脉图像的相位和方向信息，在特征级上进行融合非常重要，形成了新的整体特征，并且保留了所有的原始信息，表示如下
V = (VK， Vp 0) 式中，VK， V工和0分别表示相位码的实部，虚部和方向部分。
2相位和方向特征码的匹配 在采集静脉图像时，每个图像的位置和角度不完全相同，使截取后的图像包含了一些背景，这些背景的存在会影响匹配结果。因此，在匹配前应进行图像分割。然后再用Hamming距离进行匹配。
2. 1去除图像背景 首先用一个二值矩阵作为掩模[6]。设静脉图像I的掩模M可用下式计算
i,如果/(/，/)>ro,其他 式中，T为阈值。根据手指静脉图像直方图的分布，实验原图像如图2 (a)和图2 (b)所示，图2(b)左侧波峰的峰值为背景典型灰度，右侧波动区域值为手指区域典型灰度，通常选择二者之间的谷点所对应的灰度值作为阈值。 假设图像L和I2为两幅手指静脉图像，M工和M2为对应掩模。则进行匹配时，只对M工和M2均为1的点进行匹配，可用二值图像M来表示
M (x， y) = M丄(x， y) A M2 (x， y) 式中，"A"是逻辑"与"操作。即只有两幅图像共有的地方，才进行滤波。
2. 2图像匹配
令V! = (V1K， Vu， 0》，V2 = (V2K， V2I， 02)代表图像I!和I2的相位方向码。V^和和V2I的差异可用二值图像HK和&分别表示，公式如下
A("y)^w(/,y)0F2力,力 (ii)
a(/，/h^(q') ^("') (12)式中，"(g)"表示逻辑"异或"操作。即只有两幅图像不相同的地方，进行计算，记入海明距离。 和02的差异可用如下二值图像H。来表示
V2K， K
W — l,如果0"U)-02((V)n。 — "Jo,如果q(U^02(U)
(13)
那么静脉图像的相位方向码和V2的相似性就可定义如下的Hamming距离来衡
D(M) = ^——irr^-
g g A/ (,.， 乂) a (/， )) v H。 (,、 乂)) (14)
'=0 乂=0 式中，A和B是静脉图像I的行数和列数，"V"代表逻辑"或"运算。即两幅图像实部和虚部与方向部分相比，只要有一个不相同，则结果为不相同，值记入海明距离。
3手指静脉的相位和方向特征码实例
3. 1滤波器参数的选取 二维Gabor滤波器实现的难点是滤波器组的参数选择。目前Gabor滤波器的参数设置还没有统一的标准，针对手指静脉的纹理特征，本发明通过分析滤波器中各参数对滤波器性能的影响，进行大量实验，通过调整一系列参数得到不同方向，频率和方差的滤波器，选取一组与手指静脉纹理的分布特点相接近的滤波器，更可靠的提取了适合手指静脉自身结构特点的纹理特征。 公式(1)中，9角的取值个数对Gabor滤波器的输出结果可产生直接的影响。对纹理分析目的而言，不需要选择覆盖整个频域的滤波器参数空间。考虑到Gabor滤波器在频域内具有共轭对称性，只需要在
内选择方向参数即可。而e的变化是连续的，不可能选无穷多个，需要合理的离散的均匀采样。因此，通常选取9k= Ji(k-l)/m，k =1，2，...n^，m代表所选取方向的个数。则本发明选取的k二4，则e角分别为0° ，45° ，90° ，135° (实际上覆盖了8个方向)。 n的选取决定了滤波器的大小，过大不能体现滤波器的局部化特性，过小则会使波形不完整。而手指静脉细长平直，表面成曲面状，本文提取矩形区域为滤波器作用的有效区域。经多大量实验验证，当nG [6，7]时，能够获得完整的波形，并能体现局部特性。
o决定了高斯包络的扩展，体现局部特征的变化。手指静脉本身非常细小，尤其是静脉的交叉处，细节特征丰富。o选取越小，提取的局部特征越多。若取得过小，则不足以去除噪声。本发明选取滤波器的参数o =0.3(!1/2-1)+0.8进行滤波提取静脉的微观结构信息。 参数ii决定了 Gabor滤波器的频率选择特性，滤波器根据y的不同产生不同的
震荡频率，体现全局特征。手指静脉的粗细不同，纹路和灰度分布不均，对比度较低，以致目
标边缘模糊。若P太大，滤波过程将会产生虚假纹线；反之，若P太小相邻的纹线会合并
到一起。本发明通过先验知识和大量实验，给出了参数P的选择区间。 在设计滤波器参数时，可以根据表1所示的参数区间中取值，选取一组滤波器。如
图3中表一所示，在y = 0. 816， o = 1. 55， n = 7时，识别率最高。本发明将以这组参数
作为滤波器的参数，对手指静脉图像进行滤波。
3. 2手指静脉相位和方向码的实例 经过切割之后的原始静脉图像的大小为100X220像素，96dpi，占用空间约4000
个字节。不需要静脉图像上的所有点进行匹配，这里每隔4点采样一次，仅取25X55像素。
为了消除静脉图像平移和旋转的影响，在水平方向上进行-l到+l个像素的平移，在竖直方
向上进行_5到+5个像素的平移。然后把各个位置上的相位方向码与其他相位方向码进行
匹配，最后在这些匹配距离中，选择一个海明值最小的作为最终的匹配距离。 图4是3幅手指静脉图像经过滤波器滤波之后得到的相应的相位和方向部分的纹
理图像，可以清晰的看到手指静脉深层次的纹理走向，以及不同静脉之间纹理差别。 图5中表2列出了图4中样本的匹配距离。其中，第一幅与第二幅手指静脉图像
由同一手指采集得到，二者的海明值较小。而第一幅和第二幅分别与第三幅匹配得到海明
值较大。说明本发明对手指静脉识别是有效的 4实验结果与分析 在实验机器配置为WindowsXP 2002， 2. 50GHz， CPU E5200,内存2GB平台下，采用matlab7. 0仿真实验，来验证本发明的识别效果。 在哈尔滨工程大学的手指静脉数据库中，选用314人的手指静脉图像，每个人的手指(食指)都采集4次，共1256幅图像，由此构成手指静脉识别的训练库。另外，这314人每人的食指另取1幅共314幅，组成验证库。
4. 1手指静脉相位和方向码的匹配 验证本发明匹配性能时，训练库中的每一样本都与其他样本进行匹配，一共进行(1256X1255)/2 = 788140次，其中1884次为合法匹配，其余为非法匹配。这两种不同的验证曲线的匹配距离分布如图6所示。横轴表示海明距离，纵轴表示所对应海明值的样本的百分比。实曲线表示合法匹配曲线，虚曲线表示非法匹配曲线，他们都类似于高斯分布。合法匹配的匹配距离均值对应于图中横轴0.21附近的波峰，非法匹配的匹配距离均值对应于横轴0. 62附近的波峰。二者波峰相距较远，交叉不多，所以本发明能有效地区分不同的手指静脉。 图7反映了拒识率与误识率之间的平衡关系。本发明的ROC曲线越接近横坐标，说明正确率越高。阈值应该根据实际情况而平衡地设定，当阈值为0. 47时，误识率和拒识率相等，即等误率为0.65%。此时系统的认证识别率为99.35%。实验结果表明，本发明是合理的。在手指静脉上的尝试达到了比较理想的效果。 在1:1验证模式下，用验证库的314个样本来进行验证，阈值取为0. 47。试验结果
如图8所示，通过次数为312次，通过率为99. 36%。对于l:n的识别模式，用验证库的314
个样本来进行识别实验，实验结果如图9所示，误识次数为3次，识别率为99. 05% 。满足生
物识别系统的要求。4. 2图像的平移和旋转测试 由于现在普遍采用非接触式采集方式，用红外光照射得到手指静脉图像，会不可避免的出现一些平移和旋转现象，手指位置的变化的自由度为4，而目前又没有很好的ROI区域的获取方法。 为了测试本发明的抗平移和旋转性能，我们把测试库中的314个样本分别在[-5，+5]个像素内随机均匀平移和在[_5° ， +5° ]内随机均匀旋转，组成平移测试库和旋转测
8试库，分别对这两个训练库的样本进行验证和识别测试，阈值取为0. 47。实验结果如图10，11， 12， 13所示。 实验结果表明，手指在有一定平移和旋转的情况下，在1:1模式下，识别率仍可达到99. 05%和98. 09%;在l:n模式下，识别率达到98. 73%和97. 72%。可见识别系统仍能保持稳定的识别率，在一定程度上能够克服平移和旋转带来的影响，充分体现了本发明的有效性，可以满足实际应用的要求。
4.3存储量及速度分析 相位码的实部和虚部为25X55的二值矩阵，这两部分的存储量[(25X55)/8]X2 " 344(字节)；方向部分为25X55的矩阵，存储量为[(25X55X2)/8] " 344(字节)；掩模也为25X55的二值矩阵，存储量为[(25X55)/8] "172(字节)。所以一个手指静脉模板的存储量为344+344+172 = 860 (字节)，低于原始图像的存储量。 完成一次身份识别需要0. 907秒。本发明的系统响应时间可以满足一个实时生物识别系统的要求。由于本发明是对原始静脉图像直接进行提取相位和方向特征，克服了一般静脉识别方法，需要复杂的预处理和定位工作的缺点，大大减少了工作量，提高了效率，同时方法所需存储空间较小，具有实际应用价值及发展前景。
9
权利要求
一种提取相位及方向特征的手指静脉识别方法，其特征是首先选取用4个频率和方差相同、而方向不同的二维Gabor滤波器，对原始静脉图像进行滤波，提取静脉的相位和方向信息，然后在特征级上进行融合，形成编码，最后用改进的海明距离来衡量不同编码之间的相似性，并进行平移和旋转测试。
2. 根据权利要求1所述的提取相位及方向特征的手指静脉识别方法，其特征是所述提取静脉的相位和方向信息是用二维Gabor滤波器对手指静脉原图像进行滤波后，直接提取相位及方向特征。
3. 根据权利要求1或2所述的提取相位及方向特征的手指静脉识别方法，其特征是所述二维Gabor滤波器中，选取ek= ji (k-l)/m， k= 1，2， . . . m， m代表所选取方向的个数，k = 4，则e角分别为0° ，45° ，90° ，135° ; y = 0. 816 ; o = 1. 55 ;n = 7为最优参数。
4. 根据权利要求1或2所述的提取相位及方向特征的手指静脉识别方法，其特征是所述在特征级上进行融合是对原始静脉图像进行滤波后，提取实部、虚部和方向三种手指静脉特征，在特征级上进行融合，形成新的整体特征，保留所有的原始信息，利用这三种特征进行静脉识别。
5. 根据权利要求3所述的提取相位及方向特征的手指静脉识别方法，其特征是所述在特征级上进行融合是对原始静脉图像进行滤波后，提取实部、虚部和方向三种手指静脉特征，在特征级上进行融合，形成新的整体特征，保留所有的原始信息，利用这三种特征进行静脉识别。
全文摘要
本发明提供的是一种提取相位及方向特征的手指静脉识别方法。包括对手指静脉图像滤波、纹理特征提取、特征匹配、二维Gabor滤波器的参数的设置；对读入的手指静脉原图先采用二维Gabor滤波器进行滤波，分别提取相位和方向的纹理信息，并在特征级上进行融合，形成编码；最后采用改进的Hamming距离来衡量不同编码之间的相似性。本发明所提供的方法不要求对静脉图像做前期处理和定位，简单易行，更有利于提取静脉特征。并且本发明具有一定的抗平移和旋转性，能够快速准确的进行身份识别。
文档编号A61B5/117GK101789076SQ20101010123
公开日2010年7月28日 申请日期2010年1月27日 优先权日2010年1月27日
发明者冯伟兴, 刘靖宇, 王晨晖, 王科俊, 马慧 申请人:哈尔滨工程大学