[发明专利]低质量手指静脉图像增强方法

说明书

技术领域

本发明属于图像处理、计算机视觉、模式识别技术领域，特别涉及手指静脉识别方法。

背景技术

手指静脉识别是本世纪初日本学者提出的新一代生物特征识别方法，依据近红外线穿过手指时部分射线被血色素吸收的机理获取静脉图像，进行静脉特征提取和匹配。手指静脉识别的优势在于静脉藏匿于身体内部，属于人体的内部特征，不易受到外界干扰，难以被窃取或复制，可广泛应用于军事重地、金融单位、监狱、宾馆等场所的身份认证。

手指各静脉深浅、粗细差异明显，成像时受肌肉组织和噪声的干扰大，导致手指静脉图像清晰度低、不均匀，如何增强低质量手指静脉图像一直是手指静脉识别研究的热点和关键环节。

在手指静脉图像增强方面已有部分研究成果，包括重复线跟踪方法、直方图均衡方法和Gabor滤波方法等。依据增强图像的细节表现能力和信噪比两个指标进行评价，现有方法中的重复线跟踪方法性能最优。然而，该方法在自适应能力和运算效率方面还有待提高，表现在：

第一，该方法依赖于三个预设参数：宽度、距离和迭代次数，而针对静脉粗细和图像对比度差异较大的手指静脉图像，该方法在相同的预设参数下增强效果差异较大，也即自适应能力有待提高；

第二，一般情况下，该方法迭代次数设为3000以上时才能达到较好的增强效果，然而，迭代次数太多必然降低运算效率。

发明内容

本发明要解决的技术问题在于，针对现有手指静脉图像方法在增强效果、自适应能力和运算效率方面的不足，提出一种新的低质量手指静脉图像增强方法。

本发明解决其技术问题所采用的技术方案是：通过计算手指静脉平均宽度来修正方法中的宽度和距离参数，提高方法的自适应能力；基于手指静脉骨架图像求取起始跟踪点集，从而剔除迭代次数参数，同时剔除非静脉纹线上的线跟踪，提高方法的自适应能力和运算效率。

本发明所提出的低质量手指静脉图像增强方法，包括四个阶段：

Step1：图像预处理，包括目标定位与裁剪、目标尺寸归一化、图像滤波和图像旋转，目的是削弱采集装置差异对图像增强方法自适应能力的影响；

Step2：图像分割，包括自适应阈值图像分割、数学形态学滤波和图像细化，目的是得到手指静脉二值图像和骨架图像；

Step3：参数修正，依据手指静脉二值图像和骨架图像计算手指静脉平均宽度，并依据该宽度修正预设的宽度参数和距离参数，目的是削弱手指静脉分布的深浅差异和静脉管径的粗细差异对图像增强方法自适应能力的影响；

Step4：骨架线跟踪，包括起始跟踪点集获取、轨迹空间初始化、起始跟踪点选择、随机搜索方向生成和暗线跟踪，目的是快速、有效地增强低质量手指静脉图像。

实施本发明的低质量手指静脉图像增强方法，具有以下有益效果：增强低质量手指静脉图像，便于后续手指静脉特征的提取和匹配，有助于提高手指静脉识别方法的性能。同时，本发明所提出的方法自适应能力强、运算效率高，有利于不同采集设备、不同采集样本的自适应处理，有利于嵌入式平台实现，最终有利于手指静脉识别设备的小型化、通用化和模块化实现。

附图说明

图1为本发明实施例的流程图；

图2为本发明实施例输入的低质量手指静脉图像；

图3为本发明实施例的图像处理效果图；

图4为骨架线跟踪方法的流程图；

图5为本发明其他实施例的图像增强效果图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1给出了本实施例的流程图，详细描述如下：

(1)图像预处理

图像预处理阶段包括以下步骤：

Step1：目标定位与裁剪。如图2所示，图像中背景与手指在灰度分布上差异很大，可以采用固定阈值法(阈值设为80)分割手指图像，计算手指目标的平均宽度W₁和中心坐标(x，y)，以(x，y)为中心对称裁剪W₁×H₁的图像，得到手指静脉图像，其中H₁为原始图像高度；

Step2：目标尺寸归一化。将W₁调整到设定宽度W，按同样比例调整H₁，然后以(x，y)为中心对称裁剪W×H的图像，得到的归一化图像，其中H为设定的图像高度。在这一过程中削弱采集装置差异对图像增强方法自适应能力的影响；