[发明专利]基于灰度图像的识别方法

说明书

技术领域

本发明涉及图像识别，特别涉及一种基于灰度图像的识别方法。

背景技术

随着生物认证技术的发展，人脸和指纹识别已经不能满足日益增长的安全性需求。近年来，基于手掌静脉特征的身份识别在生物特征识别领域受到广泛重视。手掌静脉图像获取容易，占用存储空间小，其研究具有重要的应用价值。手掌静脉识别相关认证产品在网络安全认证方面必将发挥重要的作用。现有的手掌静脉识别系统只能对较好条件下的样本进行处理，而对于图像偏暗，清晰度不高的掌纹样本，识别率有所降低，同时，所应用的算法普遍计算量较大，使识别过程难以达到实时。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种基于灰度图像的识别方法，包括：

通过图像分割，将静脉纹理进行分离；

将分割后的图像进行增强处理；

提取经过增强处理后的图像特征，并基于所提取的特征完成手掌静脉灰度图像的识别。

优选地，所述通过图像分割，将静脉纹理进行分离，进一步包括：

计算手掌静脉图像F的方向分布图，确定滤波器方向的选择；每隔π/8的角度，预设8个方向的模板算子T_k(k＝l，...，8)，用F(i,j)表示原静脉图像(i,j)处的中心像素点灰度值，(i,j)为中心像素点的坐标，方向分布图计算如下：

(1)逐点计算出各像素点上的8个方向灰度卷积值：采用5x5的模板算子T_k计算像素点(i,j)处的灰度卷积和S_k(i,j)(k＝1，...，8)；在一个9×9块中使用公式：

Sk(i,j)=Σx=-44Σy=-44F(i+x,j+y)·Tk(x,y)]]>

获得该窗口中心像素(i,j)的8个方向灰度卷积和S_k；

其中，x、y为模板在图像中滑动的距离，即对应方向上模板的系数；

(2)从S_k(i,j)(k＝1，...，8)中的8个中心像素点的灰度卷积和取出最大的卷积和值，并取最大卷积和值的下标作为该中心像素点的方向：

S_kmax＝max(S_k(i,j))(k＝1，...，8)

k_max＝arg(S_kmax)

其中，max表示取一组灰度卷积和中的最大值，arg表示取S_kmax的下标值；

其中，滤波器的中心频率f和滤波器的尺寸δ_xδ_y满足：