[发明专利]一种手指静脉图像识别方法

摘要

一种手指静脉图像识别方法。其包括将手指静脉ROI图像分为训练和测试样本；将图像尺寸归一化为46*102像素；利用Gabor滤波器进行增强；将每个像素点进行比较选择后得到ROI增强图像；采用PCA对ROI增强图像进行降维；将降维后的ROI增强图像进行超球粒化，得到新粒集；计算测试样本中每一张手指静脉ROI图像与新粒集中每个大超球粒的距离而进行识别等步骤。本发明通过将PCA与超球粒化相结合方法把属于同一个体的所有手指静脉ROI图像粒化融合成一个大超球粒，更好地描述了来自于不同时间采集的同一个体样本的共性。识别时，只需将待测试样本也处理为超球粒，与融合后的所有大超球粒进行距离比对即可。

主权项

1.一种手指静脉图像识别方法，其特征在于：所述的手指静脉图像识别方法包括按顺序进行的下列步骤：1)将所有待检测的手指静脉ROI图像分为两部分，一部分作为训练样本，一部分作为测试样本，然后将上述所有图像进行分类，并给定类别标签，如果某些图像来自于同一根手指，则类别标签相同；2)将上述所有手指静脉ROI图像的尺寸归一化为46*102(4692)像素，得到ROI归一化静脉图像；3)利用Gabor滤波器对上述所有ROI归一化静脉图像进行Gabor增强，分别获得8个方向即0°,22.5°,45°,67.5°,90°,112.5°,135°和157.5°的ROI特征图像；4)将上述每一个8个方向的ROI特征图像中相同位置的像素点灰度值一一进行比较，将最大灰度值对应的ROI特征图像的方向作为ROI增强图像像素点的方向特征，这样依次将每个像素点进行比较选择后，得到ROI增强图像，并将每个ROI增强图像表示成ROI增强图像矩阵A46*102；5)采用PCA对所有ROI增强图像进行降维，并获取主成分特征，通过调节主成分特征占整个特征空间的贡献率，将ROI增强图像降到不同的维数；6)将每一个降维后的ROI增强图像都用降维后的样本特征向量来表征，即将每一个降维后的ROI增强图像用高维空间中的一个超球粒来表示，超球粒的球心即为降维后的样本特征向量，半径设为0，这样每个降维后的ROI增强图像都被抽象为高维空间中具有球心和半径的一个原粒，然后对其进行超球粒化而得到x个大超球粒，由此得到一个新的粒集；7)利用欧氏距离公式计算测试样本中每一张手指静脉ROI图像Gt与上述新的粒集中每个大超球粒的距离，选出和其距离最小的那个大超球粒Gm，那么大超球粒Gm的类别即为测试样本中该手指静脉ROI图像Gt的类别；在步骤6)中，所述的对降维后的ROI增强图像进行超球粒化的具体步骤如下：(1)以所有训练样本中降维后的ROI增强图像作为操作对象；(2)利用下面式(3)所示的欧氏距离公式计算训练样本中某个原粒Gj与所有原粒Gi的距离dji，其中i∈[1,n]，并记录下来，按从小到大的顺序保存在矩阵中的第j列中，直到计算完最后一个原粒Gn，由此得到一个n×n的矩阵D；欧氏距离公式如下：d(Gi,Gj)＝||Ci‑Cj||2‑ri‑rj   (3)其中，Gi＝(Ci,ri)，Gj＝(Cj,rj)，Ci，Cj分别为Gi，Gj的球心，ri，rj分别为Gi，Gj的半径；(3)将矩阵D中第y+1行的最大值设为阈值ρ，y为同一个体的训练样本数，假定某个粒Gj与其它原粒Gi(i∈[1,n],i≠j)的距离为dji，将这些距离依次与阈值进行比较，即将第j列中的所有距离值与阈值比较，若满足d≤ρ，说明这两个原粒的特征较为相似，很可能是同一类粒，则将原粒Gi挑选出来保存在第j个元胞里，这样最后会得到n个元胞，每个元胞里包含若干个可能与原粒Gj为同一类的原粒；然后将第j个元胞里保存的所有原粒的类别标签与第j个原粒的类别标签作对比，如果一致，则说明它与第j个原粒是同一类，将继续保留在第j个元胞里，如果不一致，则说明与第j个原粒不是一类，则将其第j个元胞里剔除；最后便得到了新的元胞集，里面含有n个元胞；(4)将所含相同原粒的元胞统计出来，只保留一个，其余删除，最后从n个元胞中选出x个元胞，x即为最后划分出的类别数，如果分类没有任何错误，则x即为真实类别数，如果出现错误，则x接近真实类别数，这样就将训练样本集分成了x类；(5)分别将上述x类中每一类里的原粒采用式(4)进行融合，得到x个大超球粒，由此得到一个新的粒集；融合公式为：其中，P＝Ci‑ri(Cij/||Cij||),Q＝Cj+rj(Cij/||Cij||)，Cij是由Ci指向Cj的向量，Cij＝Cj‑Ci，C是融合后大超球粒的圆心，R是融合后大超球粒的半径。