[发明专利]一种基于KAZE特征的手背静脉识别方法

说明书

本发明公开了一种基于KAZE特征的手背静脉识别方法，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。本发明提供了一种KAZE特征的手背静脉识别方法，可以显著降低误识率与识别时间，具有良好识别准确性与实时性。

技术领域

涉及图像识别领域，尤其涉及一种KAZE特征的手背静脉识别方法。

背景技术

目前，关于静脉识别的研究主要基于灰度图像多尺度特征与二值图像特 征两方面展开。其中，具有代表性的灰度图像多尺度特征包括二阶小波变换， 条带波(Bandelet)分解轮廓波(Curvelet)分解，Gabor分解，Gabor变换编码， SIFT特征点，SURF特征点等；而二值图像特征主要包括交叉点与端点位置， 特征点间结构关系，二值静脉曲线信息编码等。基于以上两种思想识别算法 均在不同程度上取得了一定的识别效果。

由相关研究可以看出，基于特征点的识别算法可同时较好的满足识别准 确性与实时性的要求，但针对图像质量较差，清晰度较低的手背静脉图像， 如何在处理过程中保留图像的细节信息，从而获得较为准确的特征点仍需进 一步改进。

发明内容

本发明为解决目前的技术不足之处，提供了一种KAZE特征的手背静脉 识别方法，通过显著降低误识率与识别时间以得到手部静脉的精确匹配点， 同时具有良好识别准确性与实时性。

本发明提供的技术方案为：一种基于KAZE特征的手背静脉识别方法， 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。

优选的是，

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。

优选的是，

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；