[发明专利]红外图像识别方法

权利要求书

1.一种红外图像识别方法，用于对所采集的红外手掌静脉图像进行识别，其 特征在于，包括：

对红外手掌静脉图像进行二值化和增强处理；

通过提取图像特征来识别红外手掌静脉图像。

2.根据权利要求1所述的方法，其特征在于，所述通过提取图像特征来识 别红外手掌静脉图像，进一步包括：

将增强后的静脉图像进行分块，分为多个64×64大小的静脉子图像f(x， y)，首先对其进行以下变换：

F(u,v)=Σx=064-1Σy=064-1f(x,y)e-j2π(ux/64+vy/64)]]>

变换后，变换结果也为64×64大小的矩阵，同时把[0，2π)等分等分成126 段，对应126个方向角，采用线性插值方法对不同方向上的径向坐标进行估计：

F₁＝F_l,u(x_u-x)+F_l,d(x-x_d)

F₂＝F_r,u(x_u-x)+F_r,d(x-x_d)

F(i,j)＝F₁(y_u-y_ij)+F₂(y_ij-y_d)

这里，F(i,j)为i方向径向坐标第j个坐标的处的值，(u,l)、(d,l)、(u，r)，(d,r) 分别为坐标(x,y)左上、左下、右上、右下处的值；然后对F(i,j)，做逆傅里叶变 换，结果记为f’(i,j)，其中i＝l，2，…，126；j＝1，2，...，64，i为方向信息，j 为截距信息；

将训练集中所有样本相同区域的子图像分解系数集合形成样本矩阵：

式中，n为静脉图像样本库中样本数量，k_ij为第i个样本的第j个小波分解 系数；进行主分量分析，得到一组特征值向量(ω₁，ω₂，…，ω₁₂₆)，从126个分 量中找到p个分量，当其方差占总方差的比例大于某一值时，则选择前面的p 个分量作为主分量，主分量方差占全部方差的比例计算公式如下：

αp=Σi=1pωiΣi=1126ωi,]]>

经分析计算后的图像特征向量为

式中，C为综合因子，矩阵Y的第i列为第j主分量；当α_p大于且小于给 定阈值时，(y_i,1,y_i,2…y_i,p)^T，即作为第i幅图像的特征向量；

对手掌静脉图像样本库的静脉对象的特征向量进行分类，当获得新的静脉 图像后，对该位置的子图像进行分类，并记录分类后的该子图像属于样本库中 的所有对象的记录数，将记录数最多的对象作为该子图像的匹配结果；

将测试样本的Q个子图像分别按已知类别进行匹配后，得到不同位置子图 像的分类正确概率[R_A1，1，…R_Aq，q]，这里，A_i,j为测试样本被分割后(i,j)位置的子 图像，并且Q＝q²；

融合候选匹配静脉图像的所有子图像分类结果，识别该图像与库中哪类静 脉图像相匹配；

C_p＝ΣA_i,j

C_p为待匹配图像属于第p类图像的概率系数；设置合适阈值T，如果C_p>T， 确定待匹配图像属于第p类静脉图像；如果C_p＜T，确定待匹配图像为样本库中 不存在的新的静脉图像。