[发明专利]一种基于八邻域和二次匹配的手掌静脉特征提取和匹配方法

摘要

一种基于八邻域和二次匹配的手掌静脉特征提取和匹配方法，包括以下步骤：1)采集手掌静脉图像；2)对采集到的静脉图像进行预处理：二值化提取出手掌，进行手掌关键点定位，归一化后采用直方图均衡化对静脉图像进行增强；3)对增强后的静脉图像采用Niblack阈值分割法提取静脉轮廓；4)用八邻域算法提取特征点，采用局部邻域匹配和欧式距离匹配相结合的匹配方法。本发明提供一种安全性较高的基于八邻域和二次匹配的手掌静脉特征提取和匹配方法。

主权项

1.一种基于八邻域和二次匹配的手掌静脉特征提取和匹配方法，其特征在于：所述方法包括以下步骤：1)采集手掌静脉图像；2)对采集到的静脉图像进行预处理二值化提取出手掌，进行手掌关键点定位，采用高斯滤波对图像进行去噪处理，采用直方图均衡化对图像进行增强；3)对增强后的静脉图像进行细化裁剪用Niblack图像阈值分割法进行阈值分割，采用中值滤波进行去噪处理，再进行图像的细化和裁剪；4)对裁剪后的图像在八邻域中进行特征点提取，采用局部结构关系匹配和欧式距离匹配相结合的匹配方式，过程如下：采用八邻域算法进行特征点提取，在八邻域中，当前点P的八个邻域点(P1…P8)，p1…p8表示P1…P8的灰度值，交叉数Cn(P)的定义为式(1)：以及在八邻域中，纹线的点数Sn(P)定义为式(2)：特征点类型判别条件：a)当Cn(P)＝1且Sn(P)＝1，则P为端点；b)当Cn(P)＝3且Sn(P)＝3，则P为三叉点；c)当Cn(P)＝4且Sn(P)＝4，则P为四叉点；一个特征点包含以下信息：点的类型s，点的坐标位置(i,j)，点在脊线上的方向角度θ，选取与中心特征点距离大于ro的最近5个点(P1,P2,P3,P4,P5)作为此中心点的邻域特征点，利用这5个邻域点和该中心点的距离信息、坐标信息和角度信息一起构造出局部特征向量；在建立好局部特征向量之后，对特征向量进行第一步匹配识别，假设待识别掌静脉图像A，采集得到其特征点为A＝(A1(i1,j1,s1,θ1),....AN(iN,jN,sN,θN))表示掌静脉A上有N个特征点，与之匹配的模板中的任一掌静脉B，其特征点为B＝(B1(i1,j1,s1,θ1),....BM(iM,jM,sM,θM))表示掌静脉B中有M个特征点；匹配的过程为：将B的M维向量组与A的N维向量组进行比较，把A中的每个特征点分别与B中的每个特征点进行一一匹配，根据匹配结果，得到N×M个匹配值，将匹配值记录在矩阵FN×M中；计算完成之后，在矩阵F的每一行标记出匹配值最大且不为0的元素，这些元素的性质保证特征点Ai和Bj是一一对应的关系，标记出每一行的最大元素之后求其总和，将其总和记为匹配值UAB，初步匹配的判决条件为Z＝100×UAB×UAB/N×M，设置判决值上下限，即最低下限Zmin和最高上限Zmax，当ZB的特征点坐标表示为将A的第一个点分别和B的M个点进行距离的求解，得到M个距离值，取最小值记为d_1j，重复上述步骤，一共得到N个最小距离值，记为d_1j,...d_Nj(1≤j≤N)，在这些最小值中，求其最大值d_max，与设定的阈值D进行比较，若d_max≤D，则匹配成功，A和B为同一类图像，若d_max≥D，则A与B属不同类的图像，结果为不匹配。