一种手指静脉识别方法及系统技术方案

本发明专利技术公开了一种手指静脉识别方法及系统，包括：确定手指区域的上下边缘点集，细化边缘到一个像素宽度；从细化后的边缘点集中选取合适的点进行边缘扩展，获得真实边缘点集；根据获得像素点坐标，对手指的旋转进行矫正，并将背景灰度值置0；获得ROI，宽度选择为原始图像0.73倍，上边缘截取时选择最下面的边缘坐标，下边缘截取时选择最上面的边缘坐标进行高度截取；对ROI进行直方图均衡化、Gabor滤波；对总计3816张636类静脉图像提取ROI后进行保存；匹配时使用one vs n的方法，使用零均值归一化的方向计算两张ROI图像的相似度分数，范围为0到1，数值越接近1代表相似程度越高，与待匹配图像相似程度最高的那张图像所属主体即判断为待匹配图像主体。

A finger vein recognition method and system

【技术实现步骤摘要】
一种手指静脉识别方法及系统
本专利技术涉及图像处理以及生物特征识别
，具体涉及一种手指静脉识别方法及系统。
技术介绍
指静脉识别是生物特征识别技术的一种，指静脉识别技术是依据血液流动可以吸收特点波长关系的特性，使用近红外光线照射手指，可以拍摄到侵袭的指静脉图像。由于指静脉特征难以被复制，并且每个人的指静脉特征都不相同，同时随年龄增长几乎不会发生变化，因此指静脉识别技术具有活体识别、安全性高、唯一性等特点，在公司门禁、酒店管理、政府机构、监狱门禁、医学鉴定等方面有着巨大的应用前景。在指静脉识别或者验证过程中，采集静脉图像时由于光照不稳定，手指的旋转可能导致采集的图像质量参差不齐，所以需要一种对于光照以及手指旋转带来的误差比较鲁棒的算法使得指静脉识别能够在实际生活中应用。
技术实现思路
本专利技术要解决的技术问题在于，针对目前指静脉识别算法的不足，提供了一种手指静脉识别方法及系统来解决上述问题。一种手指静脉识别方法，包括：S1、在原始图像中确定手指区域的上下边缘点集，细化边缘到一个像素宽度，所述原始图像中的手指区域水平放置；S2、从细化后的边缘点集中选取合适的点进行边缘扩展，获得真实边缘点集；S3、对手指旋转进行矫正，并根据真实边缘点集，将非手指区域灰度值置0；S4、对经过S3处理的图像进行裁剪，宽度选择为原始图像的0.73±5％倍，优选为0.73倍，上边缘截取时选择最下面的边缘坐标、下边缘截取时选择最上面的边缘坐标进行高度截取，得到静脉感兴趣区域ROI；S5、对静脉感兴趣区域ROI进行直方图均衡化和Gabor滤波，得到图像增强后的静脉感兴趣区域ROI，待匹配使用；S6、对预设的多个类别的多张静脉图像使用S1-S5的步骤处理提取静脉感兴趣区域ROI并进行保存；S7、静脉识别匹配采用onevsn的方法，使用零均值归一化的方法计算每两张静脉感兴趣区域ROI图像的相似度分数，根据相似度分数识别出属于同一类别的静脉感兴趣区域ROI图像。进一步的，步骤S1中，具体包括：S11、获得边缘点集a，当前像素点灰度值与其上方距离2个坐标的像素点灰度值相差超过33则认定该像素点为边缘点；S12、获得边缘点集b，使用Sobel算子计算整幅图像的梯度，当前像素点梯度超过梯度方向相邻两个像素梯度值时则认定该像素点为边缘点；S13、对边缘点集a和边缘点集b做交集运算，获得所需的边缘点集，但是只保留横坐标频数前15的像素点，对边缘进行细化，即每个纵坐标下至多只有一个上边缘点和一个下边缘点；S14、边缘点集在图像中表示为厚度不均匀的横向曲线，对其进行细化处理，将边缘细化至一个像素宽度。进一步的，步骤S2中，在上下边缘点集中分别选择一个纵坐标最接近中心的点作为起始点扩展边缘，设该点(x，y)，向该点左边扩展时若相邻的三个坐标(x-1，y-1)，(x-1，y)，(x-1，y+1)有一个灰度值为255，则把这个相邻点设置为边缘点，继续向左扩展，若没有一个灰度值为255，则取这三个坐标在S1中计算出的梯度最大的点作为边缘点，通过不断地扩展获得完整手指轮廓。进一步的，步骤S3中，在0.23宽度和0.77宽度处选择四个边缘点(x1，y1),(x2，y1),(x3，y2),(x4，y2)，计算手指旋转的角度：根据计算出的旋转角度将图像旋转至水平，并把背景灰度值置0。进一步的，步骤S4中，具体包括：S41、使用宽度为50的矩形窗，从静脉的中间坐标开始往右移动，每移动一个坐标计算窗口灰度平均值，返回灰度平均值最大的5个窗口坐标，从这5个中选择坐标最小的作为纵坐标基线，往左截取原始图像0.73倍宽度的静脉感兴趣区域ROI；S42、宽度截取完成后进行高度截取，图像上边缘点集选择最下面的边缘坐标，下边缘点集选择最上面的边缘坐标进行高度截取，获得静脉感兴趣区域ROI。进一步的，步骤S5中，具体包括：S51、对截取得到的ROI进行直方图均衡化，具体地，使用一种限制对比度自适应直方图均衡化算法；S52、对直方图均衡化后的ROI进行0°，45°，90°，135°的Gabor四方向滤波。进一步的，步骤S7中，具体包括：S71、首先对所有静脉图像进行类别的编码；S72、选取一张作为待匹配图像，将待匹配图像与候选图像分成8个矩形区域，计算每对位置对应的矩形区域的ZNCC值，计算两张图像的平均ZNCC值作为相似度衡量值，ZNCC的计算需要两张图片的平方差之和，各自的灰度平均值，标准差，设两个对应矩形区域的尺寸为(2n+1)×(2n+1)，中心坐标分别为(u1,v1),(u2,v2),平方差之和为灰度平均值为：标准差为：ZNCC为：取8个矩形区域的平均ZNCC值作为相似度度量标准，ZNCC取值范围为0到1，数值越接近1代表相似程度越高，与待匹配图像相似程度最高的那张图像所属类即判断为待匹配图像所属类；S73、计算待匹配图像与数据库内剩余图像的相似度并排序，选择相似度最大的图像所在类作为预测类，与实际类进行比较，若相等，则预测正确，反之预测错误；S74：匹配时预测正确的次数/匹配总次数即为算法的准确率。一种手指静脉识别系统，包括：处理器及存储设备；所述处理器加载并执行所述存储设备中的指令及数据用于实现权利要求1～7所述的任意一种手指静脉识别方法。本专利技术的有益效果在于：本手指静脉识别方法采用边缘扩展的方式，能够十分准确地提取到静脉图案的ROI，同时对图像采集过程中手指可能产生的旋转进行了矫正，采用了一种直方图均衡化方法，使得图像在匹配过程中对光照更加鲁棒，采用了四方向的Gabor滤波器，增强了静脉的纹理特征，使用ZNCC这一图匹配的方法，在山东大学公开的手指静脉数据库上达到了98.7％的准确率。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1为本专利技术手指静脉识别方法的ROI提取流程图；图2为本专利技术手指静脉识别方法的认证匹配流程图；图3为本专利技术手指静脉识别方法的ROI提取时静脉图像的变化过程；图4为本专利技术手指静脉识别方法的等错误率曲线；图5为本专利技术手指静脉识别方法的准确率曲线。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地描述。如图1、图2所示，一种手指静脉识别方法，包括如下步骤：S1、在原始图像中确定手指区域的上下边缘点集，细化边缘到一个像素宽度，所述原始图像中的手指区域水平放置；具体过程如下：S11、获得边缘点集a，当前像素点灰度值与其上方距离2个像素点的灰度值相差超过33则认定该像素点为边缘点。S12、获得边缘点集b，使用Sobel算子计算整幅图像的梯度，当前像素点梯度超过梯度方向相邻两个像素梯度值时则认定该像素点为边缘点。S13、对边缘点集a和边缘点集b做交集运算，获得所需的边缘点集，但是只保留横坐标频数前15的像素点，对边缘进行细化，即每个纵坐标下至多只有一个上边缘点和一个下边缘点。S14、边缘点集在图像中表示为厚度不均匀的横向曲线，对其进行细化处理，将边缘细化至一个像素宽度。S2、从细化后的边缘点集中选取合适的点进行边缘扩展，获得真实边缘点集；具体过程如下：在上下边缘点集中分别选择一个纵坐标最接近中心的点作为起始点扩展边缘，设该点(x，y)，向该点左边扩展时若相邻的三个坐标(x-1，y-1)，(x-1本文档来自技高网...

【技术保护点】
1.一种手指静脉识别方法，其特征在于，包括：S1、在原始图像中确定手指区域的上下边缘点集，细化边缘到一个像素宽度，所述原始图像中的手指区域水平放置；S2、从细化后的边缘点集中选取合适的点进行边缘扩展，获得真实边缘点集；S3、对手指旋转进行矫正，并根据真实边缘点集，将非手指区域灰度值置0；S4、对经过S3处理的图像进行裁剪，宽度选择为原始图像的0.73±5％倍，优选为0.73倍，上边缘截取时选择最下面的边缘坐标、下边缘截取时选择最上面的边缘坐标进行高度截取，得到静脉感兴趣区域ROI；S5、对静脉感兴趣区域ROI进行直方图均衡化和Gabor滤波，得到图像增强后的静脉感兴趣区域ROI，待匹配使用；S6、对预设的多个类别的多张静脉图像使用S1‑S5的步骤处理提取静脉感兴趣区域ROI并进行保存；S7、静脉识别匹配采用one vs n的方法，使用零均值归一化的方法计算每两张静脉感兴趣区域ROI图像的相似度分数，根据相似度分数识别出属于同一类别的静脉感兴趣区域ROI图像。

【技术特征摘要】
1.一种手指静脉识别方法，其特征在于，包括：S1、在原始图像中确定手指区域的上下边缘点集，细化边缘到一个像素宽度，所述原始图像中的手指区域水平放置；S2、从细化后的边缘点集中选取合适的点进行边缘扩展，获得真实边缘点集；S3、对手指旋转进行矫正，并根据真实边缘点集，将非手指区域灰度值置0；S4、对经过S3处理的图像进行裁剪，宽度选择为原始图像的0.73±5％倍，优选为0.73倍，上边缘截取时选择最下面的边缘坐标、下边缘截取时选择最上面的边缘坐标进行高度截取，得到静脉感兴趣区域ROI；S5、对静脉感兴趣区域ROI进行直方图均衡化和Gabor滤波，得到图像增强后的静脉感兴趣区域ROI，待匹配使用；S6、对预设的多个类别的多张静脉图像使用S1-S5的步骤处理提取静脉感兴趣区域ROI并进行保存；S7、静脉识别匹配采用onevsn的方法，使用零均值归一化的方法计算每两张静脉感兴趣区域ROI图像的相似度分数，根据相似度分数识别出属于同一类别的静脉感兴趣区域ROI图像。2.根据权利要求1所述的一种手指静脉识别方法，其特征在于，步骤S1中，具体包括：S11、获得边缘点集a，当前像素点灰度值与其上方距离2个坐标的像素点灰度值相差超过33则认定该像素点为边缘点；S12、获得边缘点集b，使用Sobel算子计算整幅图像的梯度，当前像素点梯度超过梯度方向相邻两个像素梯度值时则认定该像素点为边缘点；S13、对边缘点集a和边缘点集b做交集运算，获得所需的边缘点集，但是只保留横坐标频数前15的像素点，对边缘进行细化，即每个纵坐标下至多只有一个上边缘点和一个下边缘点；S14、边缘点集在图像中表示为厚度不均匀的横向曲线，对其进行细化处理，将边缘细化至一个像素宽度。3.根据权利要求1所述的一种手指静脉识别方法，其特征在于，步骤S2中，在上下边缘点集中分别选择一个纵坐标最接近中心的点作为起始点扩展边缘，设该点(x，y)，向该点左边扩展时若相邻的三个坐标(x-1，y-1)，(x-1，y)，(x-1，y+1)有一个灰度值为255，则把这个相邻点设置为边缘点，继续向左扩展，若没有一个灰度值为255，则取这三个坐标在S1中计算出的梯度最大的点作为边缘点，通过不断地扩展获得完整手指轮廓。4.根据权利要求1所述的一种手指静脉识别方法，其特征在于，步骤S...

【专利技术属性】
技术研发人员：黄田野，张科定，程卓，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北,42