[发明专利]一种手指静脉图像匹配方法

说明书

本发明公开了一种手指静脉图像匹配方法，包括如下步骤：采集手指静脉图像；使用最大曲率提取手指静脉图像中静脉的轮廓，得到静脉轮廓图；对静脉轮廓的细化获得静脉骨架图；在静脉骨架图上提取SURF特征点；对两幅图的SURF特征点使用L2距离进行距离计算，通过双向蛮力匹配完成手指静脉图像匹配。本方法在基于静脉的认证系统中具有认证率高和响应快的优点。

技术领域

本发明涉及生物特征识别领域，具体是一种手指静脉图像匹配方法。

背景技术

近些年来，各类生物特征，如指纹，人脸，虹膜，静脉等用于身份的认证。相对于IC卡，密码，钥匙等传统的身份认证方法，基于生物特征的认证具有不会遗忘及丢失，以及安全性高等优点，因此获得了迅速发展及应用。

由于人类手指中流动的血液可吸收特定波长的光线，因此在特定波长的近红外光源的照射下可以获得手指静脉血管的纹路与结构，形成手指静脉图。图1是采集设备的示意图和一张采集到的手指静脉图。除了生物特征所具有的优点以外，手指静脉图像还具有难以伪造，活体采集等优点。但相对于其他生物特征，手指静脉的研究和使用起步时间较晚，市场占有比例低，长远看，手指静脉具有巨大市场潜力。

发明内容

本发明的目的在于克服现有技术的不足，提供一种手指静脉图像匹配方法，包括如下步骤：第一步，采集手指静脉图像；第二步，使用最大曲率提取手指静脉图像中静脉的轮廓，得到静脉轮廓图；第三步，对静脉轮廓的细化获得静脉骨架图；第四步，在静脉骨架图上提取SURF特征点；第五步，对两幅图的SURF特征点使用L2距离进行距离计算，通过双向蛮力匹配完成手指静脉图像匹配。

进一步的，步骤二中所述的最大曲率为：

其中F(x,y)是手指静脉图像中像素点(x,y)的灰度值；P_f(z)是图像F(x,y)的行像素灰度值函数，公式为：

P_f(z)＝F(x,z)

同时P_f(z)映射到F(x,y)的公式为：

F(X，Z)＝T_rs(P_f(Z))。

进一步的，所述的函数P_f(z)的凸凹性由曲率k(z)的正负性决定，当曲线的曲率 k(z)为正时，函数曲线下凹，当曲线下凹至到最低点时，曲线的曲率取得局部最大值，该点即可能为手指静脉点z'_i，计算该点是手指静脉像素点的概率计算公式为：

S(z'_i)＝k(z'_i)×W(z'_i)

其中W(*)是曲率为正的位置的区域宽度，其值越大，静脉越宽；同时曲率k(*)越大，静脉越清晰，S(*)是手指静脉概率；使用公式：

F(X，Z)＝T_rs(P_f(Z))

将点z'_i映射到图像位置(x,y)上，生成概率平面图V(x,y)。

进一步的，步骤二中的静脉轮廓图生成包括如下过程：当像素点(x,y)的像素值小于或等于该点两侧的像素点的像素值时，则该点与两侧像素点均为静脉像素点，则保留；当像素点(x,y)像素值大于两侧的像素点的像素值，则该点为噪声点，将该点灰度值设置为零；连接静脉像素点，连接公式为：

C(x,y)＝min{max(V(x+1,y),V(x+2,y))+max(V(x-1,y),V(x-2,y))}；

连接形成静脉轮廓图，然后对轮廓图中的每一个像素值使用公式：

C(x,y)＝C(x,y)/max*20