基于手指折痕的手指静脉图像特征的提取方法.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CN108520211A(43)申请公布日2018.09.11(21)申请号201810253681.0(22)申请日2018.03.26(71)申请人天津大学地址300072天津市南开区卫津路92号(72)发明人路志英张建峰李敏(74)专利代理机构天津市北洋有限责任专利代理事务所12201代理人刘国威(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06K9/38(2006.01)权利要求书2页说明书7页附图6页(54)发明名称基于手指折痕的手指静脉图像特征的提取方法(57)摘要本发明属于图像处理领域，为实现手指目标区域的准确定位，手指静脉图像的快速增强以及手指静脉拓扑结构的精准获取，为后续手指静脉的匹配识别提供清晰可靠的图像。为此，本发明基于手指折痕的手指静脉图像特征的提取方法，步骤如下：步骤1提取手指折痕信息：步骤2提取手指静脉图像感兴趣区域：步骤3利用手指轮廓进行平面旋转角度校准：步骤4手指静脉图像增强：步骤5手指静脉纹路——骨架特征提取。本发明主要应用于图像处理场合。CN108520211ACN108520211A权利要求书1/2页1.一种基于手指折痕的手指静脉图像特征的提取方法，其特征是，步骤如下：步骤1提取手指折痕信息：采集装置采集同一时刻同一根手指的手指折痕图像和手指静脉图像，保证其具有一一对应的关系定位手指静脉图像中的目标区域；步骤2提取手指静脉图像感兴趣区域：将静脉图像二值化，通过Canny算子获取手指精确轮廓图，二值图与轮廓图做代数减法运算，分离手指区域和背景区域，求取其最大连通域，进而获取手指区域，即手指掩膜图像，掩膜图像与静脉图像做代数乘法运算即获得感兴趣区域ROI的手指静脉图像；步骤3利用手指轮廓进行平面旋转角度校准：采用最小二乘直线拟合方法校准手指轮廓位置；步骤4手指静脉图像增强：采用模块化自适应直方图均衡化算法对图像进行增强，综合考虑了运算速度和图像质量，在减少时间消耗的同时有效抑制图像噪声，增强图像对比度；步骤5手指静脉纹路——骨架特征提取：在提取静脉纹路特征时，首先使用多尺度的Gabor滤波器削弱静脉周围的噪声点，进而采用自适应阈值分割算法提取出完整的静脉纹路结构，最后采用形态学方法进一步过滤纹路图像中遗留的噪声点并填补空洞；在提取静脉骨架特征时，采用形态学法和最大曲率法相融合的静脉骨架提取算法。2.如权利要求1所述的基于手指折痕的手指静脉图像特征的提取方法，其特征是，一个实例中具体步骤如下：步骤1提取手指折痕信息：采用动态阈值分割法获取手指折痕二值图像，凸显手指轮廓及折痕信息，采用边缘检测去除手指轮廓，仅保留手指折痕，利用获取的手指折痕信息，定位手指静脉目标区域的位置，去除图像两端高噪声、低信息量的部分；步骤2提取手指静脉图像感兴趣区域：(1)手指静脉图像二值化：手指静脉图像中研究对象手指和其周围背景的灰度值有明显差异，因而采用Otsu算法自动获取阈值对图像进行二值化，从而粗略地得到手指的位置和大体形状；(2)Canny算子提取手指边缘：用Canny算子对手指静脉图像进行边缘检测，所用的高、低阈值分别为50和10，得到手指的精确轮廓图；(3)差值图像：手指静脉二值图像减去轮廓图像，彻底分开手指区域和背景；(4)获得掩模图像：对(3)结果求各个连通域的面积，保留最大的连通域部分，去除其他部分信息，从而得到手指的区域，即手指掩模图像；(5)获取感兴趣区域(ROI)的手指静脉图像：利用(4)得到的掩模图像与手指静脉图像相乘，从而得到后续图像处理的研究对象；步骤3利用手指轮廓进行平面旋转角度校准：采用最小二乘法对手指的轮廓图进行直线拟合，拟合直线即代表手指的方向，设定水平方向为标准方向，拟合直线同水平方向的夹角代表手指的偏移角度，根据该角度对手指静脉图像进行校正，进而克服采集过程中存在的旋转干扰；2CN108520211A权利要求书2/2页步骤4手指静脉图像增强：给定模块大小为A×B的子块，循环遍历整幅图，每个子块根据其灰度概率分布得到对应的累积分布函数，然后根据该函数将每个子块中心区域a×b的像素进行均衡化。假设输入图像f的灰度级范围为[fmin，fmax]，子块像素总数为N，nk为子块内灰度级k的像素个数，则概率密度p(k)和对应的累积分布函数C(k)分别如下式：p(k)＝nk/N(1)则输出子块的像素灰度值为：ga×b＝int[gmin+(gmax-gmin)×C(fA×B)+0.5](3)其中，int[·]为取整符号，[gmin，gmax]为输出图像g的灰度级范围，具体步骤描述如下：(i)选取大小为A×B的子块作为移动模块，并将X放到输入图像的左上角；(ii)将输入图像中被X