[发明专利]一种指静脉图像的特征值提取和对比算法

权利要求书

1.一种指静脉图像的特征值提取和对比算法，其特征在于：包括以下步骤：

步骤1、ROI图提取：将指静脉采集装置拍摄的待识别的指静脉图像剔除背景后获得ROI图；

步骤2、GABOR滤波：将步骤1中得到的ROI图进行GABOR滤波处理获得GABOR图；

步骤3、LBP纹理特征提取：将步骤2中的GABOR图进行LBP滤波处理获得LBP图；

步骤4、生成骨干图：将步骤3中的LBP图进行归一化、二值化处理获得骨干图；

步骤5、特征值匹配：重复步骤1至步骤4，获取两张骨干图，将获取的两张骨干图进行特征值匹配获得指静脉图片，该方法可以精确的提取手指静脉特征和实现手指静脉特征的匹配。

2.根据权利要求1所述的指静脉图像的特征值提取和对比算法，其特征在于：所述步骤1中ROI图提取包括以下步骤：

步骤1.1、读取原图：读取指静脉终端设备采集到的原始指静脉图像；

步骤1.2、转灰度图：将读取的原始指静脉图像转换成单通道灰度图；

步骤1.3、提取轮廓：对单通道灰度图提取手指边缘轮廓，生成手指上下两条轮廓包络线；

步骤1.4、计算和旋转角度：计算手指边缘轮廓线的中心线和图像纵向中心线的夹角，并将手指轮廓线进行旋转，使得手指边缘轮廓线的中心线与图像纵向中心线重合；

步骤1.5、计算平移位置：对旋转后的手指轮廓线进行平移，使得手指轮廓线的中心与图像的中心重合；

步骤1.6、计算缩放比例：对手指轮廓线的进行缩放，使得手指轮廓线与图像采集窗口相适应；

步骤1.7、生成ROI矩阵：用设定的窗口对步骤1.6中的图像进行截取，并生成ROI图像矩阵；

步骤1.8、生成返回值。

3.根据权利要求1所述的指静脉图像的特征值提取和对比算法，其特征在于：所述步骤2中GABOR滤波采用OpenCV库中的GABOR滤波器，其包括以下步骤：

步骤2.1、对滤波器进行参数设置：对OpenCV库中的GABOR滤波器进行参数设置，设置的参数包括滤波器尺寸、带宽、弧度以及波长；

步骤2.2、滤波器内核的初始化：将步骤2.1中设置完参数的GABOR滤波器的内核进行初始化设置；

步骤2.3、循环滤波：利用GABOR滤波器对ROI图像进行多个方向的滤波分别得到对应方向的滤波后的图像，并将多个对应方向滤波后的图像进行比较，获得具有最小值的滤波图像矩阵；

步骤2.4、归一化：将步骤2.3中获得的具有最小值的滤波图像矩阵进行归一化处理获得归一化图像矩阵。

4.根据权利要求1所述的指静脉图像的特征值提取和对比算法，其特征在于：所述步骤3中LBP滤波采用OpenCV库中的LBP滤波器，其包括以下步骤：

步骤3.1、转换32位浮点数：将GABOR滤波后获得的灰度图矩阵进行32位浮点数类型转换，获得浮点型图像矩阵；

步骤3.2、构建垂直方向滤波因子：构建的垂直方向滤波因子为

其中，M为GABOR图的行数；

步骤3.3、利用垂直滤波因子滤波：利用步骤3.2中构建的垂直方向滤波因子对步骤3.1中的浮点型图像矩阵进行滤波获得垂直滤波后的图像矩阵；

步骤3.4、水平方向滤波因子：构建的水平方向滤波因子为

其中，M为GABOR图的行数；

步骤3.5、利用水平滤波因子滤波：利用步骤3.4中构建的水平方向滤波因子对步骤3.1中的浮点型图像矩阵进行滤波获得水平滤波后的图像矩阵；

步骤3.6、滤波结果求和：对步骤3.3中获得的垂直滤波后的图像矩阵与步骤3.5中的水平滤波后的图像矩阵相加求和；

步骤3.7、计算幅值向量：对步骤3.6中相加求和后的图像矩阵进行幅值向量计算；

步骤3.8、归一化：利用步骤3.7中计算的幅值向量对步骤3.6中相加求和后的图像矩阵进行归一化处理；

步骤3.9、生成灰度图。