[发明专利]一种融合基本特征和形变特征的手指静脉识别方法及系统

权利要求书

1.一种融合基本特征和形变特征的手指静脉识别方法，其特征是，包括如下步骤：

步骤1：采集待识别用户的手指静脉图像，对手指静脉图像进行预处理，获得预处理后的图像；

步骤2：提取预处理后的图像的基本特征，计算基于基本特征的基本特征匹配分；

步骤3：构建匹配目标函数，利用图像的基本特征矩阵进行优化匹配，获取目标函数值和形变矩阵；

步骤4：根据获得的形变矩阵提取形变特征；

步骤5：将基本特征匹配分、目标函数值和形变特征作为融合特征，输入通过融合特征进行训练的支持向量机模型进行识别处理，识别所述待识别用户的身份信息；

基于基本特征的匹配分Score_lgp通过如下公式计算：

其中，待识别的手指静脉图像定义为图像1，标准手指静脉图像定义为图像2，LGP₁代表待识别的手指静脉图像1的基本特征矩阵,LGP₂代表标准手指静脉图像2的基本特征矩阵；lgp₁和lgp₂分别代表各图像位置(i,j)处的基本特征向量，match()函数是特征向量的匹配函数，统计两个特征向量中二值化特征相同的数目，用异或函数xnor()实现；h和w分别代表图像在竖直和水平方向的像素数目；

根据形变矩阵提取形变特征具体为提取图像的纹理特征，提取的形变特征包括平滑性、一致性、均值和标准偏差。

2.如权利要求1所述的一种融合基本特征和形变特征的手指静脉识别方法，其特征是：所述步骤1中，对采集的手指静脉图像进行预处理，包括：

11)提取手指图像的感兴趣区域；

12)对感兴趣区域进行图像增强处理获得预处理后的图像。

3.如权利要求1所述的一种融合基本特征和形变特征的手指静脉识别方法，其特征是：步骤2中提取预处理后的图像的基本特征，包括：

采用数值卷积算法提取每一像素的特征向量；

对特征向量进行二值化处理，得到图像的基本特征矩阵。

4.如权利要求1所述的一种融合基本特征和形变特征的手指静脉识别方法，其特征是，步骤3中目标函数具体为：

其中，α＝0.5,d＝2，lg p₁和lg p₂分别代表来自待识别的手指静脉图像和标准手指静脉图像(i,j)点处的基本特征向量，p＝(x,y)是形变矩阵D中的元素，元素p＝(x,y)的位移为d(p)＝(Δx(p),Δy(p))，β为位移项的权重，ε代表搜索的区域。

5.如权利要求1所述的一种融合基本特征和形变特征的手指静脉识别方法，其特征是，输入通过融合特征进行训练的支持向量机模型进行识别处理，具体为：将融合参数输入支持向量机，获得融合参数匹配分；设定融合参数匹配分的阈值，如果大于设定的阈值，待识别用户的身份正确，否则身份错误。

6.如权利要求1所述的一种融合基本特征和形变特征的手指静脉识别方法，其特征是，通过融合特征进行训练的支持向量机模型的训练步骤包括：

步骤(1)：采集待训练用户的手指静脉图像，对手指静脉图像进行预处理，获得预处理后的图像；

步骤(2)：提取预处理后的图像的基本特征，计算基于基本特征匹配分；

步骤(3)：构建匹配目标函数，利用图像的基本特征矩阵进行优化匹配，获取目标函数值和形变矩阵；

步骤(4)：根据获得的形变矩阵提取形变特征；

步骤(5)、将获得的融合特征采用支持向量机进行训练，获得融合参数，根据融合参数建立支持向量机模型。