一种大规模指静脉图像实时检索方法

1.本发明涉及指静脉识别及信息安全的技术领域，尤其是指一种大规模指静脉图像实时检索方法。


背景技术：

2.指静脉识别是一种生物特征识别技术，它通过采集手指内部的静脉分布图像来进行身份识别。它具有活体检测、内部特征、非接触式、采集设备简单四个特征，因而难于被伪造、识别安全等级高，被广泛应用于安保系统、公共场所、社区门禁等生活、工作场所。
3.随着指静脉的广泛应用，在一些场合或者领域采集的指静脉数据库规模越来越大，对于待识别指静脉图像的识别匹配，要从大规模指静脉数据库中检索得到最相似的结果，意味着要与数据库中几千、几万张指静脉图像进行一一比对。由于指静脉数据规模庞大、指静脉图像提取特征耗时长、特征维度高，传统的指静脉识别的检索技术无法达到实时要求。更进一步，考虑到在某些场所或者领域，指静脉识别任务需要移植到嵌入式设备进行，而嵌入式设备算力较低，所需耗时更长，会进一步影响着用户的体验感。因此在大规模指静脉图像实现实时检索是亟待解决的问题。
4.综上，发明一种大规模指静脉图像实时检索方法，具有较高实际应用价值。


技术实现要素：

5.本发明的目的在于克服现有技术中大规模指静脉图像检索耗时长、无法达到实时性要求的问题，提出了一种大规模指静脉图像实时检索方法，以降低检索时间，达到实时性。
6.为实现上述目的，本发明所提供的技术方案为：一种大规模指静脉图像实时检索方法，包括以下步骤：
7.1)获取待识别和大规模指静脉数据库的指静脉图像，对图像进行归一化，得到图像大小为w
×
h，其中长为w，宽为h；
8.2)对步骤1)归一化后的指静脉图像进行图像增强处理；
9.3)由步骤2)得到增强处理后的待识别指静脉图像，以大小为的矩形遍历图像，获取特征信息最丰富区域，得到特征信息最丰富区域中心点(a,b)，对该区域进行水平投影和垂直投影得到区域灰度投影向量q；
10.4)以步骤3)的(a,b)为中心获取邻域范围，邻域范围中的点为(a0,b0)，其中获取步骤2)增强处理后的指静脉数据库的指静脉图像，在每一张图像中分别以大小为中心为(a0,b0)的矩形区域移动遍历并进行水平投影和垂直投影，得到每张图像的多个区域灰度投影向量pi；
11.5)将步骤4)得到的指静脉数据库的每一张指静脉图像的pi与步骤3)得到的q计算相似度，取每一张指静脉图像相似度最高的值进行排序；
12.6)根据步骤5)的排序结果，以排名小于阈值threshold的指静脉图像对应编号作为候选，选择经过步骤2)增强后的指静脉数据库的指静脉图像中编号为候选的图像，与经过步骤2)增强后的待识别指静脉图像，分别提取多尺度hog特征进行匹配，返回匹配程度最高的指静脉图像编号作为指静脉图像实时检索结果。
13.进一步，在步骤2)中，图像增强处理的步骤包括：
14.2.1)对归一化后的指静脉图像a采用限制对比度自适应直方图均衡化算法处理得到图像a1；
15.2.2)对步骤2.1)中的图像a1进行维纳滤波及中值滤波得到图像a2；
16.2.3)对步骤2.2)中的图像a2的每个像素点，在该像素点为中心的9
×
9窗口内，分别计算与之对应的8个方向算子的卷积响应，8个方向分别为0
°
、45
°
、90
°
、135
°
、180
°
、225
°
、270
°
、315
°
，然后以这8个方向上的最大卷积响应作为该像素点新的像素值，得到图像a3；
17.2.4)对步骤2.3)中的图像a3进行自适应阈值化得到图像a4；
18.2.5)对步骤2.4)中的图像a4进行开操作得到最终的指静脉增强图像。
19.进一步，所述步骤3)具体步骤包括：
20.3.1)以指静脉图像左上角像素点为原点，以水平向右为x轴，垂直向下为y轴，建立直角坐标系，以大小为的矩形遍历经过步骤2)处理的待识别指静脉图像，计算每个矩形区域内的像素点灰度值之和sum，取最大的sum对应的矩形区域为特征信息最丰富区域，此时的矩形区域中心为(a,b)；
21.sum计算公式为：sum＝∑fgray(m,n)
22.式中，(m,n)代表矩形区域内的像素点与矩形左上角像素点的相对坐标，fgray(m,n)代表(m,n)位置像素点对应的灰度值，sum代表矩形区域内的灰度值之和；
23.3.2)对步骤3.1)得到的特征信息最丰富区域，做水平、垂直方向的投影得到水平投影向量x和垂直投影向量y，串联得到区域灰度投影向量q，具体如下：
[0024][0025]
式中，xm代表第m行的水平投影向量；
[0026][0027]
式中，x0为m＝0时xm取值，为时xm取值；
[0028][0029]
式中，yn代表第n列的垂直投影向量；
[0030][0031]
式中，y0为n＝0时ym取值，为时ym取值；
[0032]
q＝[x,y]。
[0033]
进一步，在步骤5)中，将步骤4)得到的指静脉数据库的每一张指静脉图像的pi与步骤3)得到的q计算相似度dist(pi,q),取每张图像对应的最高dist(pi,q)进行排序；
[0034]
dist(pi,q)＝||p
i-q||
∞
[0035]
式中，||.||
∞
代表向量的无穷范数。
[0036]
进一步，在步骤6)中，选择经过步骤2)增强后的指静脉数据库的指静脉图像中编号为候选的图像，与经过步骤2)增强后的待识别指静脉图像，提取多尺度hog特征进行匹配，具体步骤包括：
[0037]
6.1)分别进行三线性插值缩放得到4种尺度的指静脉图像，4种尺度分别为w
×
h、
[0038]
6.2)对每个尺度的指静脉图像分别提取hog特征，并串联得到最终的多尺度hog特征；
[0039]
6.3)对多尺度hog特征进行匹配，返回匹配程度最高的指静脉图像编号作为待识别指静脉图像检索结果，实现大规模指静脉图像实时性检索。
[0040]
本发明与现有技术相比，具有如下优点与有益效果：
[0041]
1、本发明提出的大规模指静脉图像检索方法，在获取待识别指静脉图像的特征信息最丰富区域时，以区域内像素点灰度值之和为衡量标准，不仅计算简单，而且灰度信息能够很好反映指静脉图像的特征。
[0042]
2、本发明提出的大规模指静脉图像检索方法中对矩形区域进行水平、垂直方向投影得到区域灰度投影向量，区域灰度投影向量的计算简单、维度低，占用空间小，在计算相似度时能够加快检索速度，同时投影向量区域能充分考虑到水平、垂直方向的灰度及灰度变化信息，很好的反映指静脉特征。
[0043]
3、本发明提出的大规模指静脉图像检索方法中求取数据库中的大规模指静脉图区域灰度投影向量时，是在待识别指静脉图像特征信息最丰富区域的中心点邻域范围内移动，相比于在整张指静脉图像遍历移动，大大减少了计算量，同时也充分考虑到了指静脉图像可能出现的偏移现象。
[0044]
4、本发明提出的大规模指静脉图像检索方法中利用区域灰度投影向量的相似度选出候选编号，只需要对候选编号对应的指静脉图像采用多尺度hog进行进一步识别匹配，大大减少了求取多尺度hog的次数，极大提高了检索速度，可以实现实时性，同时也能保持检索的精度。
[0045]
5、本发明提出的大规模指静脉图像检索方法具有实现简单、计算量小，实时性强的优势，能够在各种应用场所上的嵌入式设备进行移植和部署。
附图说明
[0046]
图1为本发明方法的流程图。
[0047]
图2为本发明方法中归一化后的指静脉图像示意图。
[0048]
图3为本发明方法中图像增强后的指静脉图像示意图。
[0049]
图4为本发明方法中从指静脉图像中得到区域灰度投影向量过程的示意图。
具体实施方式
[0050]
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
[0051]
如图1至图4所示，本实施例提供了一种大规模指静脉图像实时检索方法，包括以下步骤：
[0052]
1)以山东大学指静脉数据集sdumla-hmt database为大规模指静脉数据库，共包含3816张指静脉图像，待识别指静脉图像为其中一张指静脉图像，对指静脉图像分别进行灰度归一化和尺度归一化，尺度归一化后图像大小为100
×
60，如图2所示。
[0053]
2)对进行归一化后的指静脉图像进行图像增强处理，增强后的指静脉图像如图3所示，步骤包括：
[0054]
2.1)对归一化后的指静脉图像a采用限制对比度自适应直方图均衡化算法处理得到图像a1；
[0055]
2.2)对步骤2.1)中的图像a1进行维纳滤波及中值滤波得到图像a2；
[0056]
2.3)对步骤2.2)中的图像a2的每个像素点，以该像素点为中心的9
×
9窗口内，分别计算与之对应的8个方向算子的卷积响应，8个方向分别为0
°
、45
°
、90
°
、135
°
、180
°
、225
°
、270
°
、315
°
，然后以这8个方向上的最大卷积响应作为该像素点新的像素值，得到图像a3；
[0057]
2.4)对步骤2.3)中的图像a3进行自适应阈值化得到图像a4；
[0058]
2.5)对步骤2.4)中的图像a4进行开操作得到最终的指静脉增强图像。
[0059]
3)获取待识别指静脉图像的区域灰度投影向量及得到中心点位置，如图4所示，具体步骤包括：
[0060]
3.1)以大小为50
×
30的矩形遍历经过步骤2)处理的待识别指静脉图像，计算每个矩形区域内的像素点灰度值之和sum，取最大的sum对应的矩形区域为特征信息最丰富区域，此时的矩形区域中心为(a,b)；
[0061]
sum计算公式为：sum＝∑fgray(m,n)
[0062]
式中，(m,n)代表矩形区域内的像素点与矩形左上角像素点的相对坐标，0＜＝m＜＝50，0＜＝n＜＝30，fgray(m,n)代表像素点对应的灰度值，sum代表矩形区域内的灰度值之和。
[0063]
3.2)对步骤3.1)得到的特征信息最丰富区域，做水平、垂直方向的投影得到水平投影向量x，垂直投影向量y，串联得到区域灰度投影向量q；
[0064][0065]
式中，xm代表第m行的水平投影向量；
[0066]
x＝[x0,...,x
29
]
[0067]
式中，x0为m＝0时xm取值，x
29
为m＝29时xm取值；
[0068][0069]
式中，yn代表第n列的垂直投影向量；
[0070]
y＝[y0,...,y
49
]
[0071]
其中y0为n＝0时ym取值，y
49
为n＝49时ym取值；
[0072]
q＝[x,y]，x的维度为30维，y的维度为50维，q的维度为80维。
[0073]
4)获取步骤2)增强处理后的指静脉数据库的指静脉图像，在每一张图像分别以大小为(50,30)、中心点为(a0,b0)的矩形区域移动遍历，得到多个区域灰度投影向量pi，其中a-25＜＝a0＜＝a+25，b-15＜＝b0＜＝b+15；
[0074]
5)将步骤4)得到的指静脉数据库的每一张指静脉图像的pi与步骤3)得到的q计算相似度dist(pi,q),取每张图像对应的最高dist(pi,q)进行排序；
[0075]
dist(pi,q)＝||p
i-q||
∞
[0076]
式中，||.||
∞
代表向量的无穷范数。
[0077]
6)以排名小于阈值0.05*3185的指静脉图像对应编号作为候选，选择经过步骤2)增强后的指静脉数据库的指静脉图像中编号与候选对应的图像，与经过步骤2)增强后的待识别指静脉图像，分别进行三线性插值缩放得到4种尺度的指静脉图像，4种尺度分别为(100,60)、(50,60)、(100,30)、(50,30)，对每个尺度的指静脉图像分别提取hog特征，并串联得到最终的多尺度hog特征，对多尺度hog特征进行匹配，返回匹配程度最高的指静脉图像编号作为待识别指静脉图像实时检索结果，实验流程结束。
[0078]
本示例的处理器为2.3ghz的core i5-6200，对整个大规模指静脉数据库的检索时间为5.4s，单次检索时间为1.72ms，相较与之前直接用多尺度hog特征进行检索的17.54ms，在检索速度上有较大提升，可以实现实时性。
[0079]
实例结果表明，本发明提供的大规模指静脉图像实时检索方法大大提高了检索速度，极大程度减少了检索时间，在兼顾精度的同时，可以实现大规模指静脉图像的实时检索，值得推广。
[0080]
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围。