[发明专利]一种基于KAZE特征的手背静脉识别方法

权利要求书

1.一种基于KAZE特征的手背静脉识别方法，其特征在于，包括以下步骤：

步骤一、对采集的手背静脉图像进行预处理，并基于KAZE算法对预处理后图像进行特征点提取；

步骤二、利用最近邻比值法对两幅图像中提取的特征点进行粗匹配得到粗匹配特征点；

步骤三、利用RANSAC算法对粗匹配特征点再次进行精匹配得到匹配点。

2.根据权利要求1所述的基于KAZE特征的手背静脉识别方法，其特征在于，在所述步骤一中，所述预处理具体包括：

步骤a、对采集的静脉图像进行二值化处理，

式中，I(x,y)为(x,y)位置的灰度值，thresh为预设阈值，f(x,y)为二值化后静脉图像(x,y)位置的灰度值；

步骤b、利用零阶矩和一阶矩获取手背区域的质心，其中，零阶矩M₀₀计算方法满足：

式中，m与n分别为二值化后静脉图像的行数与列数；

一阶矩M₁₀和M₀₁计算方法分别满足：

步骤c、获取手背质心位置为：

并基于矩形扩张策略获得感兴趣区域图像；

步骤d、对感兴趣区域图像分别进行取反与直方图均衡化操作，从而获得M×M像素大小的预处理的静脉图像L。

3.根据权利要求2所述的基于KAZE特征的手背静脉识别方法，其特征在于，所述步骤一中特征点提取具体包括：

步骤1、对预处理的静脉图像L进行高斯卷积滤波处理；

步骤2、求取滤波后图像所有像素梯度幅值的最大值；

步骤3、构建非线性尺度空间，该空间由N张图像构成，获得每一级图像的尺度参数σ_i：

σ_i(o,s)＝σ₀2^o+s/S

式中，o∈{0,1,...,O-1}，s∈{0,1,...S-1}，O表示父级数，S表示子级数；

以及进化时间t_i：

步骤4、基于加性算子分裂算法获取不同尺度空间下的图像：

式中，m＝4，表示上下左右四个方向，I为单位矩阵，τ为时间尺度差值，Lⁱ为i尺度下的图像矩阵，Q_xy(Lⁱ)为图像传导矩阵，g是传导函数，N为相邻像素集，h为相邻区域的大小，i∈{0,1,...,N-1}；

步骤5、求取每一层图像的Hessian矩阵

式中，为水平二阶导数，为垂直二阶导数，为交叉二阶导数；

并得到不同尺度下的静脉图像；

步骤6、在尺度空间中每一层图像中提取出具有极大响应值的像素点作为KAZE特征点；

步骤7、提取特征点的特征向量。

4.根据权利要求3所述的基于KAZE特征的手背静脉识别方法，其特征在于，所述步骤6中提取KAZE特征点的具体方法为：

在第i个尺度空间图像Lⁱ中，判断(x,y)位置像素点是否具有极大响应值：将Lⁱ⁺¹，Lⁱ，L^i-1三层进行联合查找，查找窗口大小为3×3，被查找点应与其26邻域点进行比较，即L^w(a,b)，这里i-1≤w≤i+1，x-1≤a≤x+1，y-1≤b≤y+1，(a,b)≠(x,y)，当Lⁱ(x,y)＞maxL^w(a,b)，则(x,y)位置像素点具有极大响应值，即Lⁱ(x,y)为KAZE特征点。