一种手指静脉图像匹配方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110147769A(43)申请公布日2019.08.20(21)申请号201910432010.5(22)申请日2019.05.22(71)申请人成都艾希维智能科技有限公司地址610000四川省成都市天府新区湖畔路北段366号1栋3楼1号(72)发明人王晓东张海生(74)专利代理机构成都时誉知识产权代理事务所(普通合伙)51250代理人何悦(51)Int.Cl.G06K9/00(2006.01)权利要求书3页说明书6页附图2页(54)发明名称一种手指静脉图像匹配方法(57)摘要本发明公开了一种手指静脉图像匹配方法，包括如下步骤：采集手指静脉图像；使用最大曲率提取手指静脉图像中静脉的轮廓，得到静脉轮廓图；对静脉轮廓的细化获得静脉骨架图；在静脉骨架图上提取SURF特征点；对两幅图的SURF特征点使用L2距离进行距离计算，通过双向蛮力匹配完成手指静脉图像匹配。本方法在基于静脉的认证系统中具有认证率高和响应快的优点。CN110147769ACN110147769A权利要求书1/3页1.一种手指静脉图像匹配方法，其特征在于，包括如下步骤：步骤一，采集手指静脉图像；步骤二，使用最大曲率提取手指静脉图像中静脉的轮廓，得到静脉轮廓图；步骤三，对静脉轮廓的细化获得静脉骨架图；步骤四，在静脉骨架图上提取SURF特征点；步骤五，对两幅图的SURF特征点使用L2距离进行距离计算，通过双向蛮力匹配完成手指静脉图像匹配。2.根据权利要求1所述的一种手指静脉图像匹配方法，其特征在于，步骤二中所述的最大曲率为：其中F(x,y)是手指静脉图像中像素点(x,y)的灰度值；Pf(z)是图像F(x,y)的行像素灰度值函数，公式为：Pf(z)＝F(x,z)。3.根据权利要求2所述的一种手指静脉图像匹配方法，其特征在于，所述的函数Pf(z)的曲线下凹至到最低点时，曲线的曲率取得局部最大值，该点即可能为手指静脉点z'i，计算该点是手指静脉像素点的概率计算公式为：S(z'i)＝k(z'i)×W(z'i)其中W(*)是曲率为正的位置的区域宽度，其值越大，静脉越宽；同时曲率k(*)越大，静脉越清晰，S(*)是手指静脉概率；使用公式：F(X，Z)＝Trs(Pf(Z))将点z'i映射到图像位置(x,y)上，生成概率平面图V(x,y)。4.根据权利要求1所述的一种手指静脉图像匹配方法，其特征在于，步骤二中的静脉轮廓图生成包括如下过程：当像素点(x,y)的像素值小于或等于该点两侧的像素点的像素值时，则该点与两侧像素点均为静脉像素点，均保留；当像素点(x,y)像素值大于两侧的像素点的像素值，则该点为噪声点，将该点灰度值设置为零；连接静脉像素点，连接公式为：C(x,y)＝min{max(V(x+1,y),V(x+2,y))+max(V(x-1,y),V(x-2,y))}；连接形成静脉轮廓图，然后对轮廓图中的每一个像素点的像素值使用公式：C(x,y)＝C(x,y)/max*20进行灰度值拉伸，提高图像对比度；分别在多个方向上完成静脉轮廓图提取，分别生成静脉轮廓图C1(x,y)、C2(x,y)、C3(x,y)…C4(x,y)；同时每一个像素点的像素值，从C1，C2，C3和C4上取最大值，获得最终静脉轮廓图Cfinal(x,y)，公式为：Cfinal＝max(C1(x,y),C2(x,y),C3(x,y),C4(x,y))。5.根据权利要求1所述的一种手指静脉图像匹配方法，其特征在于，步骤三中的所述的对静脉轮廓的细化是保持原图像拓扑结构，抽出一个单像素骨架；具体过程为：手指静脉的像素点的值为1，背景点的值为0；轮廓点是值为1，并且在8个邻域点钟至少有一个值为0的点,细化的步骤如下：步骤一：公式中(a)到(d)同时满足，则轮廓点p1要删除，反之，则保留；2CN110147769A权利要求书2/3页其中N(p1)＝4，T(p1)＝4，这里N(p1)是p1的非零相邻点的数目，T(p1)是以p2，p3，··，p8，p9，p2轮转时，从0到1的变化次数；步骤二：条件(a)和条件(b)与步骤一中相同，条件(c)和条件(d)变为：公式中(a)到(d)同时满足，则轮廓点p1要删除，反之，则保留；迭代执行以上两个步骤直到没有可以删除的点，生成手指静脉的骨架图。6.根据权利要求1所述的一种手指静脉图像匹配方法，其特征在于，所述的第四步中的SURF特征点提取包括如下过程，由公式：计算静脉骨架图，得到积分图I(x,y)；在尺度σ下由公式：获得Hessian矩阵H(I,σ)；其中L**(I,σ)是积分图像与二阶偏导数的卷积，G(I,σ)是高斯函数，计算公式如下：使用Hessian矩阵行列式来表述图像中元素响应值，获得特征点检测的响应图像，对响