[发明专利]一种基于滤波器以及主干边缘的指静脉识别方法及系统

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于滤波器以及主干边缘的指静脉识别方法及系统。

背景技术

手指静脉识别技术是生物识别家族中前景最为看好的重要成员之一，由于其高安全、防伪、活体性使得成为关注的研究方向。在确保100％注册率的条件下，拒真率小于0.01％，识假率小于0.00001％，但指静脉识别技术仍然存在着诸多不足。

指静脉多采用红外成像方式，采集到的图像光照变化幅度较大，对匹配识别造成很大困难。

手指静脉特征提取分为局部特征与全局特征两大类，其中，局部特征中最重要的一类便是最小特征点匹配，由于其运算量小、运算复杂度低、表达方便的特点，在指静脉研究中广泛使用。但是传统的最小特征点匹配受噪声影响严重，冗余性低。

现有的匹配方案有基于细节特征点的匹配，通过提取到细节特征点之后计算欧式距离进行匹配，但是基于细节特征点的匹配存在受旋转影响严重，且很不稳定，受噪声影响严重。

大多匹配识别率较高的识别系统进行特征提取与匹配需要涉及大量计算，在实验中要调整各项关键参数。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于滤波器以及主干边缘的指静脉识别方法及系统，可以有效提高指静脉的识别准确率。

为了解决上述技术问题，本发明实施例一种基于滤波器以及主干边缘的指静脉识别方法，所述方法包括：

对图像进行预处理，获取预处理后图像，所述预处理后图像为分割后图像；

对所述预处理后图像进行特征提取处理，获取所述预处理后图像主干边缘特征点；

采用所述预处理后图像主干边缘特征点与标准模板的点集进行比对，若两点集的匹配结果小于预设阈值，则判决两幅图像匹配成功，反之不成功。

优选地，所述对图像进行预处理包括：

对图像进行符合人眼特性的灰度化处理，获取灰度图像；

对所述灰度图像进行均值滤波降噪处理，获取降噪后灰度图像；

采用Canny检测算法对所述降噪后灰度图像进行边缘检测，获取边缘检测后图像，所述边缘检测后图像为强边缘边界灰度图像；

对边缘检测后图像进行图像感兴趣区域提取处理，获取感兴趣区域图像；

对所述感兴趣区域图像进行旋转处理，获取旋转后感兴趣区域图像；

对所述旋转后感兴趣区域图像进行归一化处理，获取归一化后灰度图像，所述归一化处理包括灰度值归一化处理和尺寸归一化处理；

对所述归一化后图像进行八方向滤波处理，获取八方向滤波后灰度图像；

采用NiBlack算法对所述八方向滤波后灰度图像进行分割处理，获取分割后图像。

优选地，所述采用Canny检测算法对所述降噪后灰度图像进行边缘检测包括：

对降噪后灰度图像进行高斯核滤波以及应用高斯滤波器对图像进行卷积处理，获取消除高斯噪声和平滑处理后灰度图像；

采用Prewitt算子对所述消除高斯噪声和平滑处理后灰度图像进行处理，获取强度梯度图像；

采用非最大抑制比较所述强度梯度图像像素的边缘强度与正负梯度方向上的边缘强度，若是最大则保留，否则抑制，获取非最大抑制后灰度图像；

对所述非最大抑制后灰度图像进行双阈值与边缘追踪处理，获取强边缘边界灰度图像。

优选地，所述对边缘检测后图像进行图像感兴趣区域提取处理包括对强边缘边界灰度图像进行前景区和背景区分割处理以及从所述强边缘边界灰度图像的竖直方向按照角度使用边缘追踪，通过选取关键点的位置和指关节在手指根附近的纹理去除两端阴影区，获取图像感兴趣区域。

优选地，所述对所述旋转后感兴趣区域图像进行归一化处理包括：

通过对所述旋转后感兴趣区域图像进行灰度值归一化，选取最大最小值，使所述旋转后感兴趣区域图像的每个像素点的灰度值到[0,255]，灰度值归一化公式如下：

其中，x、y表示像素的坐标；

采用双线性插值法对所述旋转后感兴趣区域图像进行尺寸归一化处理，遍历所述旋转后感兴趣区域图像图上每个点，对x、y方向都进行插值与取整。

优选地，所述对所述归一化后图像进行八方向滤波处理包括采用一种通过滤波器提取静脉图像的滤波器设计准则，计算归一化后图像每一个像素点周围每个点与八方向滤波器组的卷积和，卷积函数公式如下：