[发明专利]一种基于二维高斯最大曲率的手指静脉识别方法

摘要

本发明公开了一种基于二维高斯最大曲率的手指静脉识别方法。本发明首先利用基于二维高斯函数的最大曲率算法，提取手指静脉图像的静脉纹路和曲率空间场，然后利用手指静脉图像的曲率空间场匹配识别。实验表明，基于高斯曲率空间场的提取静脉纹路的准确性更高，基于曲率空间场的识别算法，在误识率一定情况下，识别性能明显高于传统的MHD识别算法。对于低质量手指静脉图像，本发明提出从8个方向上提取静脉特征，相比于原始的最大曲率法从4个方向提取静脉特征，能够更清晰的提取静脉信息。本发明提出的基于静脉图像曲率空间场的识别算法性能下降不明显。能够更好地表征该手指静脉的信息。

主权项

一种基于二维高斯最大曲率识别手指静脉的方法，其特征在于包括如下步骤：S1、构造一个(2×w+1)×(2×w+1)的窗口，作为二维高斯函数模板G(x,y)，二维高斯函数如公式1所示，其中x∈[‑w,w],y∈[‑w,w]，w为正整数G(x,y)=12πσ2e-(x2+y2)2σ2---(1)]]>S2、根据步骤S1构造的二维高斯函数G(x,y)，分别求出二维高斯函数水平方向一阶导数Gx(x,y)、垂直方向的一阶导数Gy(x,y)、水平方向二阶偏导数Gxx(x,y)、垂直方向二阶偏导数Gyy(x,y)和二阶混合偏导数Gxy(x,y)；S3、利用步骤S2得出的结果，求出二维高斯函数8个方向的一阶方向导数Gθ(x,y)、二阶方向导数Gθθ(x,y)，S4、对像素大小为M×N的预处理后的手指静脉图像，按边界像素值进行边界扩充，扩充后的手指静脉图像的大小为(M+2w)×(N+2w)；S5、根据曲率公式求出8个方向的曲率模板；S6、将步骤S5得出的8个方向的曲率模板，分别与步骤S4得出的扩充后的手指静脉图像上对应的窗口进行卷积，得到的卷积值记为ql，ql表示第l个方向两个窗口中心点的曲率值，即曲率模板窗口与对应的手指静脉图像窗口中心处的曲率；其中l＝1,2，3…8；然后选取出q1,q2…q8中的最大曲率值，将该最大曲率值存入一个M×N的二维矩阵Ⅰ；同时将最大曲率值对应的是第几个方向存入一个M×N的二维矩阵Ⅱ；从而得到位于该窗口中心点的最大曲率和方向场值；S7、根据步骤S6所述以8个方向的曲率模板为一次遍历，对扩充后的手指静脉图像进行整个遍历，得到大小为M×N的手指静脉图像曲率空间场图，其的方向场值为1至8；同时得到大小为M×N的最大曲率图像；S8、将S7得到的手指静脉图像曲率空间场图中每个点的值扩大10倍，使得其的方向场值10至80；S9、计算待识别手指静脉图像的曲率空间场和数据库中模板的曲率空间场的差值；S10、修正方向差能够减小步骤S9计算出的两幅手指静脉图像曲率空间场差值的误差，因此对差值进行修正；S11、将修正方向差后的均值作为两幅手指静脉图像的相似度；S12、匹配识别，其中T为实验得出的两幅手指静脉图像的相似度阈值；小于T认为是同类手指静脉图像，否则认为是非同类手指静脉图像；