[发明专利]基于多模态融合的单幅近红外手掌图像识别方法

摘要

本发明公开了一种基于多模态融合的单幅近红外手掌图像识别方法。首先，采用分块模型去除图像中的掌静脉得到掌纹结构，通过自定义隶属度函数对掌纹结构进行模糊化，再进行反锐化掩模增强，突出掌纹结构信息；然后，使用边缘检测加权引导滤波对掌静脉结构进行增强，突出掌静脉结构；最后，将掌纹和掌静脉图像进行自适应融合。在近红外手掌图像识别中，使用香港理工大学提供的近红外掌纹图像数据库进行对比实验，实验结果显示，相比其他同类方法，本申请的方法具有更高的识别率，达到了99.81％。

主权项

1.一种基于多模态融合的单幅近红外手掌图像识别方法，其特征在于包括以下步骤：步骤1：输入原始近红外手掌图像并对图像尺寸进行归一化处理；步骤2：对处理后的图像使用分块增强模型提取掌纹的纹理结构同时去除掌静脉信息；步骤3：使用定义的隶属度函数，对步骤2提取的掌纹结构进行模糊反锐化增强得到增强的掌纹图像；步骤4：对步骤1处理后的近红外手掌图像使用自引导滤波去除掌纹信息，然后对掌静脉信息进行自适应滤波增强得到增强的掌静脉图像；步骤5：将步骤3、4得到的掌纹图像和掌静脉图像进行特征自适应融合，得到相似系数；步骤6：选取数据库的近红外手掌图像按照步骤1至5进行训练，获得加权后的相似系数，并将加权相似系数的最小值为识别阈值，对识别的样本的加权相似系数与训练样本的阈值进行比较，若识别的样本的加权相似系数≥训练样本的阈值，则识别正确。