一种手指静脉网络特征提取与匹配方法
【专利摘要】一种手指静脉网络特征提取与匹配方法。其包括按顺序进行的下列步骤：1）提取手指静脉网络中的细节点；2）对曲线段逐条进行跟踪；3）进行曲线夹角链码编码；4）提取静脉网络特征码；5）检测对应交叉点；6）利用滑动匹配的方式来度量MIAC序列之间的相似度。本发明提供的手指静脉网络特征提取与匹配方法能够得到完整精确的手指静脉结构特征，并且手指静脉识别的运算速度高、识别率高。
【专利说明】一种手指静脉网络特征提取与匹配方法
【技术领域】
[0001]本发明属于计算机识别【技术领域】，特别是涉及一种手指静脉网络特征提取与匹配方法。
【背景技术】
[0002]手指静脉网络结构变化多样，在网络结构中包含有大量的特征信息。结构特征是其中最直观、最稳定、最重要的一种特征，它涵盖了拓扑结构和几何形状两方面的信息。因此，准确地提取出手指静脉的结构特征具有重要意义。
[0003]目前，针对手指静脉结构特征的研究大多集中于细节点的提取，但是仅仅考虑细节点势必会丢失一部分结构信息。考虑静脉曲线这一方面，传统的曲线描述方法由于受到旋转平移不变性和运算效率的限制，因此不适用于静脉曲线。另外，目前尚未发现根据这些结构特征进行匹配的方法。
【发明内容】
[0004]为了解决上述问题，本发明的目的在于提供一种手指静脉网络特征提取与匹配方法。
[0005]为了达到上述目的，本发明提供的手指静脉网络特征提取与匹配方法包括按顺序进行的下列步骤:
[0006]I)提取手指静脉网络中的细节点；
[0007]2 )对曲线段逐条进行跟踪；
[0008]3)用改进的夹角链码MIAC对曲线进行编码；
[0009]4)提取静脉网络特征码；
[0010]5)检测对应交叉点；
[0011]6)利用滑动匹配的方式来度量MIAC序列之间的相似度。
[0012]所述的步骤I)中提取手指静脉网络中的细节点的方法是:假定待测点为P，通过待测点P的3X3邻域内相邻两个像素点之间0、1变化的总次数值Ntrans(P)来判断待测点P是否为交叉点或者端点。
[0013]所述的步骤2)中对曲线段逐条进行跟踪的方法是:针对每一个交叉点，确定其周围三条曲线段的起始点Zm,迭代查询动态点qm,直至动态点qm为交叉点或者端点。
[0014]所述的步骤3)中用改进的夹角链码MIAC对曲线进行编码的方法是:针对每个交叉点周围的每条曲线段，以步骤2)中的起始点作为曲线段的端点，根据曲线段长度I (Q)的不同，运用三种不同的方式从曲线Q中选取形成折线的备用点，求出备用点之间的夹角Si,Si的组合构成曲线Q的夹角链码编码。
[0015]所述的步骤4)中提取静脉网络特征码的方法是:首先，用顺时针的顺序对交叉点进行编号，然后根据步骤3)得到的夹角链码编码与交叉点坐标求出第k个交叉点对应的第k个局部结构特征编码Jk，一幅手指静脉图像中所有交叉点Jk的组合就构成了静脉网络特征码J。
[0016]所述的步骤5)中检测对应交叉点的方法是:Ja，Jb分别为a、b两幅待匹配图像经步骤4)得到的静脉网络特征编码序列，从两幅待匹配图像Ja，Jb中找出若干对有对应关系的交叉点，将无法找到对应点的交叉点的编码序列从中删除，而后按照对应交叉点的顺序
对待匹配图像Ja，Jb重新排列得到J /
[0017]所述的步骤6)中利用滑动匹配的方式来度量MIAC序列之间的相似度的方法是:(《;k，Cbm k ) (m=l, 2，3;k=l, 2，L, M)为第k对对应交叉点周围第m条对应曲线段的夹角链
码编码，从中找出用于匹配的夹角链码编码序列)，之后求出夹角链码编码序
列(K;k，cbm k)之间的相似度，进而求出k，cl;k)之间的相似度Sip: k, k )。
[0018]本发明提供的手指静脉网络特征提取与匹配方法能够得到完整精确的手指静脉结构特征，并且手指静脉识别的运算速度高、识别率高。
【专利附图】
【附图说明】
[0019]图1为本发明提供的手指静脉网络特征提取与匹配方法中所使用的点P的3X3邻域图。
[0020]图2为本发明提供的手指静脉网络特征提取与匹配方法中起始点定位示意图。
[0021]图3为编码过程中选取的备用点示意图。
[0022]图4为滑动匹配过程示意图。
[0023]图5为不同编码方式的ROC曲线图。
【具体实施方式】
[0024]下面结合附图和具体实施例对本发明提供的手指静脉网络特征提取与匹配方法进行详细说明。
[0025]本发明提供的手指静脉网络特征提取与匹配方法包括按顺序进行的下列步骤:
[0026]I)提取手指静脉网络中的细节点
[0027]本发明中所用的细节点指的是手指静脉网络中的端点和交叉点。一个手指静脉网络通过交叉点相互连接，也就是说一个完整的手指静脉网络被交叉点分解为多条曲线段，静脉网络中的每一条曲线段都和这两类细节点中的至少一类相关。
[0028]假设P为手指静脉骨架上任意一点，即p=l，P0, L, p7分别为3X3邻域内顺时针像素点，如图1所示。我们假设Ntrans(P)代表从Pt^ljP7相邻两个像素点之间O、I变化的总次数，Ntrans(P)的计算方式如下:
【权利要求】
1.一种手指静脉网络特征提取与匹配方法，其特征在于:其包括按顺序进行的下列步骤: 1)提取手指静脉网络中的细节点； 2)对曲线段逐条进行跟踪； 3)用改进的夹角链码MIAC对曲线进行编码； 4)提取静脉网络特征码； 5)检测对应交叉点； 6)利用滑动匹配的方式来度量MIAC序列之间的相似度。
2.根据权利要求1所述的手指静脉网络特征提取与匹配方法，其特征在于:所述的步骤I)中提取手指静脉网络中的细节点的方法是:假定待测点为P，通过待测点P的3X3邻域内相邻两个像素点之间O、I变化的总次数值Ntrans (P)来判断待测点P是否为交叉点或者端点。
3.根据权利要求1所述的手指静脉网络特征提取与匹配方法，其特征在于:所述的步骤2)中对曲线段逐条进行跟踪的方法是:针对每一个交叉点，确定其周围三条曲线段的起始点Zm,迭代查询动态点qm,直至动态点qm为交叉点或者端点。
4.根据权利要求1所述的手指静脉网络特征提取与匹配方法，其特征在于:所述的步骤3)中用改进的夹角链码MIAC对曲线进行编码的方法是:针对每个交叉点周围的每条曲线段，以步骤2)中的起始点作为曲线段的端点，根据曲线段长度1(Q)的不同，运用三种不同的方式从曲线Q中选取形成折线的备用点，求出备用点之间的夹角Si, Si的组合构成曲线Q的夹角链码编码。
5.根据权利要求1所述的手指静脉网络特征提取与匹配方法，其特征在于:所述的步骤4)中提取静脉网络特征码的方法是:首先，用顺时针的顺序对交叉点进行编号，然后根据步骤3)得到的夹角链码编码与交叉点坐标求出第k个交叉点对应的第k个局部结构特征编码Jk，一幅手指静脉图像中所有交叉点Jk的组合就构成了静脉网络特征码J。
6.根据权利要求1所述的手指静脉网络特征提取与匹配方法，其特征在于:所述的步骤5)中检测对应交叉点的方法是:Ja，Jb分别为a、b两幅待匹配图像经步骤4)得到的静脉网络特征编码序列，从两幅待匹配图像Ja，Jb中找出若干对有对应关系的交叉点，将无法找到对应点的交叉点的编码序列从中删除，而后按照对应交叉点的顺序对待匹配图像Ja，Jb重新排列得到Ja,Jb。
7.根据权利要求1所述的手指静脉网络特征提取与匹配方法，其特征在于:所述的步骤6)中利用滑动匹配的方式来度量MIAC序列之间的相似度的方法是:(Cam,k,Cbm,k)(m=l，2，3;k=l，2，L，M)为第k对对应交叉点周围第m条对应曲线段的夹角链码编码，从中找出用于匹配的夹角链码编码序列(Cam,k,Cbm,k)，之后求出夹角链码编码序列(Cam k，Cbm k )之间的相似度，进而求出(Cam,k,Cbm,k)之间的相似度S(Cam,k,Cbm,k)。
【文档编号】G06K9/46GK103902980SQ201410131096
【公开日】2014年7月2日 申请日期:2014年4月2日 优先权日:2014年4月2日
【发明者】杨金锋, 曹迪, 李承尚 申请人:中国民航大学