[发明专利]基于改进局部二值模型的指静脉识别方法及装置

摘要

本发明公开一种基于改进局部二值模型的指静脉识别方法及装置，能够克服噪声的影响，提高识别的准确度且易于并行化实现。S1、获取待识别的指静脉图像，定位指静脉特征点位置，并基于改进的局部二值模型计算各个特征点的LmTP特征；S2、借助于融合距离和LmTP特征的相似度对所述指静脉特征点和预设的模板图像的指静脉特征点进行匹配；S3、根据匹配的结果，计算匹配点对的全局相似度；S4、根据所述全局相似度对所述指静脉图像进行指静脉识别。

主权项

1.一种基于改进局部二值模型的指静脉识别方法，其特征在于，包括：S1、获取待识别的指静脉图像，定位指静脉特征点位置，并基于改进的局部二值模型计算各个特征点的LmTP特征；S2、借助于融合距离和LmTP特征的相似度对所述指静脉特征点和预设的模板图像的指静脉特征点进行匹配；S3、根据匹配的结果，计算匹配点对的全局相似度；S4、根据所述全局相似度对所述指静脉图像进行指静脉识别；其中，所述基于改进的局部二值模型计算各个特征点的LmTP特征，包括：对于每一个特征点，计算和将所述和连接起来得到一个行向量，作为该特征点的LmTP特征，其中，a₀至a₇依次为所述预处理得到的图像中以该特征点为中心的3*3窗口中从左上角位置开始，沿着窗口外围顺时针分布的像素点的灰度值，b₀至b₁₅依次为所述预处理得到的图像中以该特征点为中心的5*5窗口中从左上角位置开始，沿着窗口外围顺时针分布的像素点的灰度值，c₀至c₂₃依次为所述预处理得到的图像中以该特征点为中心的7*7窗口中从左上角位置开始，沿着窗口外围顺时针分布的像素点的灰度值，i∈(1,2,…,7)，m为该特征点的灰度值，其中“&”定义如下t为预设的数值，取值为5；其中，所述S2，包括：S20、判断当前循环次数是否达到第二数值；S21、若达到所述第二数值，则保存最佳匹配点对以及最佳仿射变换参数S、T，执行步骤S32，否则，则执行步骤S22；S22、根据所述指静脉图像的端点和所述模板图像的端点确定出从所述指静脉图像到所述模板图像的仿射变换参数；S23、判断所述仿射变换参数是否在预设的范围内，若在所述范围内，则执行步骤S24，否则，则执行步骤S20；S24、通过仿射变换参数，对所述指静脉图像的特征点进行仿射变换，变换后的特征点的位置记为(f′_xi,f′_yi)，i＝1,…,n₁，n₁为所述指静脉图像的特征点数量；S25、使用距离信息计算(f′_xi,f′_yi)和(g_xj,g_yj)的最佳匹配点对，其中，(g_xj,g_yj)为所述模板图像的特征点位置，j＝1,…,n₂，n₂为所述模板图像的特征点数量；S26、计算当前匹配点对的基于距离的局部相似度S1；S27、判断所述基于距离的局部相似度S1是否小于第三数值；S28、若小于所述第三数值，则更新S为所述仿射变换参数，更新最佳匹配点对为所述最佳匹配点对，更新所述第三数值为S1，并执行步骤S29，否则，直接执行步骤S29，d_l为第l个最佳匹配点对的欧氏距离，M为最佳匹配点对的数量；S29、计算当前匹配点对的基于LmTP特征的局部相似度Similarity_L；S30、判断所述基于LmTP特征的局部相似度Similarity_L是否大于第四数值；S31、若大于所述第四数值，则更新T为所述仿射变换参数，更新最佳匹配点对为所述最佳匹配点对，更新所述第四数值为Similarity_L，并执行步骤S20，否则，直接执行步骤S20；S32、利用计算到的最佳仿射变换参数S、T分别对所述指静脉图像的分支点进行仿射变换，并将每一次变换后的分支点和所述模板图像的分支点进行匹配，得到匹配点对