[发明专利]一种基于二维高斯最大曲率的手指静脉识别方法

说明书

本发明公开了一种基于二维高斯最大曲率的手指静脉识别方法。本发明首先利用基于二维高斯函数的最大曲率算法，提取手指静脉图像的静脉纹路和曲率空间场，然后利用手指静脉图像的曲率空间场匹配识别。实验表明，基于高斯曲率空间场的提取静脉纹路的准确性更高，基于曲率空间场的识别算法，在误识率一定情况下，识别性能明显高于传统的MHD识别算法。对于低质量手指静脉图像，本发明提出从8个方向上提取静脉特征，相比于原始的最大曲率法从4个方向提取静脉特征，能够更清晰的提取静脉信息。本发明提出的基于静脉图像曲率空间场的识别算法性能下降不明显。能够更好地表征该手指静脉的信息。

技术领域

本发明属于生物特征识别及信息安全技术领域，特别涉及一种基于二维高斯最大曲率的手指静脉识别方法。

背景技术

手指静脉识别技术是一种新的生物特征识别技术，它利用手指静脉识别技术作为最先进的新兴的第二代生物识别技术之一，因其安全等级高，稳定性高，普适性强及采集设备便捷成为国内外诸多学者的研究热点。手指静脉识别技术主要包括采集手指静脉图像，图像预处理，提取特征和匹配识别。目前，在采集手指静脉图像时采集设备不稳定，在低温环境下手指中的静脉收缩，以及部分女生手指静脉比较细等因素，都会造成采集的静脉图像质量不够理想。低质量静脉图像导致准确提取指静脉特征和匹配识别比较困难。因此，如何精确提取低质量指静脉图像的特征，如何提高指静脉图像的识别率成为目前的研究难点。

王保生等人提出利用Garbor滤波器提取静脉图像的静脉纹路，王科俊等人提出利用方向滤波器组提取静脉图像的静脉纹路，无论是Garbor滤波器还是方向组滤波器对于低质量静脉图像提取的静脉纹路精确相对较差。Dubuisson等人提出的修正的Hausdorff距离(modified Hausdorffdistance,MHD)进行指静脉认证识别，首先，将通过各种方法提取静脉纹路的单像素宽的静脉拓扑结构，然后，提取静脉纹路拓扑结构的特征点(端点和交叉点)，最后，利用MHD识别算法进行认证识别。

目前广泛应用的MHD匹配算法是利用静脉纹路拓扑结构，提取细化图像的特征点，根据特征点的空间距离识别图像。对于低质量图像，由于伪静脉的存在，产生伪特征点，特征点往往不能表征图像，且MHD识别算法对伪特征点比较敏感。同时MHD识别算法仅仅利用了静脉纹路的特征，完全忽略了静脉图像的背景信息，这导致了基于特征点MHD算法识别率低且容易产生误识。

由于每个手指的厚度和组织结构不同，透射光线的能力不同，因此不同手指的静脉图像即使同是背景区域，他们的灰度分布特征不同，同时相同手指的静脉图像静脉区域和背景区域的灰度分布特征都是相对稳定的。因此，静脉图像的静脉纹路和背景共同决定了静脉图像的特性。

近年来，一些学者开始研究基于整幅静脉图像的识别算法，如林春漪等人提出了基于手指静脉图像梯度相关的认证识别算法，徐天杨等人提出基于小波灰度曲面的手指静脉识别算法。其中基于手指静脉图像梯度相关的认证识别算法，首先，提取利用改进的匹配滤波器提取静脉图像的梯度图，然后，计算不同静脉图像梯度图之间的互相关系数，将互相关系数作为判决是否为同类静脉图像(相同手指采集的静脉图像)的依据。虽然处理过程简单耗时短，但梯度是静脉度图像灰度值的差分，静脉图像的梯度图直接受灰度值影响，不稳定。基于小波灰度曲面的手指静脉识别算法利用静脉图像空间分布成灰度曲面特征，通过小波分解降维，提取降维后不同分别率下静脉图像，然后融合成一幅特征图像，最后把将静脉图像的特征图像做差得到灰度曲面，计算灰度曲面的方差，并将其作为判决是否是同类静脉图像的依据，充分利用了整幅静脉图像的所有信息，但提取特征图像的处理复杂、耗时长。

发明内容

对于低质量指静脉图像，为解决现有Garbor滤波器、方向组滤波器和最大曲率算法提取的静脉纹路准确性差问题，本发明提供了一种基于二维高斯最大曲率识别手指静脉的方法。

本发明解决其技术问题所采用的技术方案包括以下步骤：