r>[0069] 计算每个像素点8个方向上的像素灰度平均值Gl化取1-8)。
[0070] 将Gl按两两垂直的方向分成4组，其中Gk与Gk+4为一组，K取1-4。求解各组方向灰度 均值与中屯、点像素的灰度值的灰度变化值Τκ和Τκ+4，其中G是中屯、点的灰度值，
[0071] Tk=|G-Gk
[007^ Tk+4=|G-Gk+4
[0073] 求Τκ和Τκ+4两个灰度变化值之比Tkr;Tkr越大，说明称为脊线方向的概率越大。
[0074] 通过计算绝对值Δ Τκ= I 1-Tkr I判断灰度均值Gk与Gk+4和与中屯、像素点灰度值接近 的那个灰度均值，然后取A Τκ的最大值，即找到两个最可能的脊线方向；
[00对如果TkrM，中屯、像素点的方向取argmax( ΔΤκ)+4;当Tkr<1，中屯、像素点的方向取 argmax(Δ Τκ)。
[0076] 为了减少噪声的影响，将图像分成wXw大小的块，对块中的每个点进行平滑处理， 计算的块区域中的灰度直方图中的峰值并将它设为中屯、点的方向，得到点方向修正后的块 方向。得到修正后的块方向图后，为增强静脉纹理和背景的对比度，根据每幅手掌静脉图像 的方向图，用对应的方向滤波模板对手掌静脉图像进行方向滤波。首先设置水平方向模板 如下：
[0077]
[007引其中各系数满足如下关系：u〉x〉y〉0，z〉0，u+2x+巧-2z = 0，
[0079] 在得到水平方向模板之后，为了得到其他7个方向的滤波模板，可由水平方向的滤 波模板通过Ξ角函数旋转相应的角度得到。水平模板旋转Φ后，得到的旋转之后的滤波模 板上的坐标位置与水平方向滤波模板上的坐标位置(i，j)之间有如下关系：
[0080]
[0081 ]其中，Φ =(m-l)V8为滤波器旋转的角度，m取2-7。
[0082] 在新的方向滤波模板上，（i，j)位置的系数g*(i*，j*)相等于水平滤波器上go(i, j)位置的系数。所W点（i，j)上的系数g4(i*，j*)用其周围点系数进行插值得到，设水平方 向滤波模板上（i，j)周围4个坐标的系数分别为go(iL，jL)，go(iL，ju)，go(iu，jL)，go(iu，ju)， 此处^。。11，北^<扣、则插值表达为
[0083] g*(i*，j*) = ( ju-j)(iu-i)go(iL, jL) + ( ju-j)(i-iL)go(iL, ju) + (iu-i)( j-jL)go(iu, jL) + (i-iL)( j-jL)go(iu, ju)
[0084] 通过上式可得到其余7个方向滤波模板的系数。
[0085] W当前像素点为中屯、，将周围的8个点的灰度值与对应的方向滤波模板做卷积运 算，然后将卷积值赋给当前像素点，作为滤波过程的最终灰度值。
[0086] 手掌静脉图像经过滤波处理之后，成为一幅质量较高的静脉特征二值化图像。但 是所提取的手掌静脉纹理的粗细不一，对匹配过程中的识别率的准确性影响较大，因此对 手掌静脉图像进行细化，提取的手掌静脉图像的单像素宽度的中央走向部分：
[0087] 对于图像中像素值为1的点X，记录X为中屯、的周围的8个点满足的灰度顺序，运一 顺序一共有28 = 256种，W8位二进制表示的顺序值查询细化表中的对应的值，若查询的值 为1，则删掉该点，否则保留该点。当对整幅手掌静脉图像进行细化时，遍历水平方向上的像 素点，然后遍历垂直方向的像素点，直到所有点都已判断。
[0088] 经过细化的手掌静脉图像中有两种特征点，一个是交点，另一个是端点。为了提取 运些特征点，本发明定义一个3X3的区域。细化图像上每个像素点的8邻域，在顺时针遍历8 个像素点的过程中，计算像素值0和1的累积变换次数化;若Ντ=1，则当前像素点为端点；若 化>3,则为分叉点。
[0089] 获得手掌静脉图像特征之后，进一步地，在上述图像特征进行匹配识别的过程中， 本发明采用W下过程：
[0090] Wx种光强对y种旋转角度的Ζ种分辨率对同一静脉对象进行采集，因此静脉样本 库中的每一个静脉对象都由xXyXz个样本来描述，称为该静脉样本库的一个静脉图像子 空间，对于采集到的表示该静脉对象的静脉图像，其特征向量可W由该子空间中静脉图像 的特征向量线性组合来表示。
[0091 ] P，=Ti,i,iPi,i,i+Ti,i,2Pl,l,2+..-+Tx'y'zPx'y'z
[0092] 式中，P'为采集图像的特征向量，τι,川为线性表示时基向量Pij,k的系数。
[0093] 对于第η个静脉对象迭代执行如下步骤，将静脉样本库中所有静脉图像子空间中 的特征向量一一作为基向量，第η个静脉对象的特征向量子空间为：
[0094] Φη= [Ρη, (1,1,1) ^Ρη, (1,1,2) J ???Ρη, (x,y,z)]
[009引式中，Pi, j为表示第i个静脉对象中第j幅静脉样本的特征向量。
[0096] 将采集到的静脉图像与样本库中每一个静脉对象对比，计算W第η个静脉图像子 空间基的系数向量μη
[0097] μη=巫 η-1 巫 ηΤρ'
[0098] 判断相似度ζη与相似度阔值e的关系：
[0099]
[0100] 如果ζη大于阔值e则迭代结束，得到系数向量为μη;如果ζη小于阔值e，则η增1，继续 上述迭代，直至后ζη小于阔值e。对于经过有限次迭代后Cn值小于预设阔值e的静脉对象，选 取具有最小1范数系数向量的静脉对象作为最终的识别结果;否则，可认为采集到的新的静 脉图像与静脉样本库中任一静脉对象都不匹配。
[0101] 综上所述，本发明提出了一种基于生理特征的图像处理方法，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。
[0102] 显然，本领域的技术人员应该理解，上述的本发明的各模块或各步骤可W用通用 的计算系统来实现，它们可W集中在单个的计算系统上，或者分布在多个计算系统所组成 的网络上，可选地，它们可W用计算系统可执行的程序代码来实现，从而，可W将它们存储 在存储系统中由计算系统来执行。运样，本发明不限制于任何特定的硬件和软件结合。
[0103] 应当理解的是，本发明的上述【具体实施方式】仅仅用于示例性说明或解释本发明的 原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何 修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨 在涵盖落入所附权利要求范围和边界、或者运种范围和边界的等同形式内的全部变化和修 改例。
【主权项】
1. 一种基于生理特征的图像处理方法，用于处理采集的手掌静脉图像，其特征在于，包 括： 获取红外设备照射得到的手掌静脉图像，对获取的静脉图像进行增强；提取增强后的 图像特征以对手掌静脉图像进行身份识别。2. 根据权利要求1所述的方法，其特征在于，所述对获取的静脉图像进行增强，进一步 包括： 计算每个像素点8个方向上的像素灰度平均值Gl，其中L取1 -8; 将Gl按两两垂直的方向分成4组，其中Gk与Gk+4为一组，K取1-4;求解各组方向灰度均值 与中心点像素的灰度值的灰度变化值Tk和Τκ+4， Tk= |G-Gk Tk+4= |G-Gk+4 其中G是中心点的灰度值； 求Tk和Τκ+4两个灰度变化值之比TKR;计算绝对值Δ Tk= I I-Tkr I判断灰度均值Gk与Gk+4和 与中心像素点灰度值接近的灰度均值，然后取A Tk的最大值，即找到两个最可能的脊线方 向； 如果Tkr2 1，中心像素点的方向取argmax( ΔΤκ)+4; 如果Tkr<1，中心像素点的方向取argmax( Δ Τκ); 将图像分成w X w大小的块，对块中的每个点进行平滑处理，计算的块区域中的灰度直 方图中的峰值并设为中心点的方向，得到点方向修正后的块方向；得到修正后的块方向图 后，根据每幅手掌静脉图像的方向图，用对应的方向滤波模板对手掌静脉图像进行方向滤 波，首先设置水平方向模板如下：其中各系数满足如下关系:u>x>y>0，z>0，u+2x+2y_2z = O， 在得到水平方向模板之后，由水平方向的滤波模板通过三角函数旋转相应的角度得到 其他7个方向的滤波模板，即水平模板旋转Φ后，得到滤波模板上的坐标位置（i*，j*)与水 平方向滤波模板上的坐标位置(i，j)之间有如下关系：其中，φ = (m-l)jr/8为滤波器旋转的角度，m取2-7; 在新的方向滤波模板上，（i，j)位置的系数相等于水平滤波器上g〇(i，j)位置 的系数；点（i，j)上的系数J*)用其周围点系数进行插值得到，设水平方向滤波模板 上（i，j)周围4个坐标的系数分别为go(iL, j_l)，go(iL, ju)，go(iu, j_l)，go(iu, ju)，此处iL〈i〈iu， jL〈j〈jLI、则插值表达为 g4>(i*，j*) = ( ju-j)(iu-i)go(iL，jL) + ( ju-j)(i-iL)go(iL，ju) + (iu_i)( j-jL)go(iu，jL) + (i-iL)( j_jL)go(iu，ju) 通过上式可得到其余7个方向滤波模板的系数； 以当前像素点为中心，将周围的8个点的灰度值与对应的方向滤波模板做卷积运算，然 后将卷积值赋给当前像素点，作为滤波过程的最终灰度值； 通过以下过程对手掌静脉图像进行细化提取:对于图像中像素值为1的点X，记录X为中 心的周围的8个点满足的灰度顺序，利用8位二进制表示的顺序值来查询细化表中的对应的 值，若查询到的值为1，则删掉该点X，否则保留该点；当对整幅手掌静脉图像进行细化时，遍 历水平方向上的像素点，然后遍历垂直方向的像素点，直到已判断所有点； 定义一个3X3的区域，细化图像上每个像素点的8邻域，在顺时针遍历8个像素点的过 程中，计算像素值〇和1的累积变换次数Nt ;若Nt = 1，则当前像素点为端点；若Nt 2 3，则为分 叉点。
【专利摘要】本发明提供了一种基于生理特征的图像处理方法，该方法包括：获取红外设备照射得到的手掌静脉图像，对获取的静脉图像进行增强；提取增强后的图像特征以对手掌静脉图像进行身份识别。本发明提出了一种人体身份特征图像处理方法，对于质量较低的手掌静脉采集图像，有效提高了识别范围，识别速度和精度。
【IPC分类】G06K9/00
【公开号】CN105488460
【申请号】CN201510821346
【发明人】赖真霖, 文君
【申请人】成都四象联创科技有限公司
【公开日】2016年4月13日
【申请日】2015年11月24日