一種基於二維高斯最大曲率的手指靜脈識別方法與流程

2023-11-09 21:18:58

本發明屬於生物特徵識別及信息安全技術領域，特別涉及一種基於二維高斯最大曲率的手指靜脈識別方法。

背景技術：

手指靜脈識別技術是一種新的生物特徵識別技術，它利用手指靜脈識別技術作為最先進的新興的第二代生物識別技術之一，因其安全等級高，穩定性高，普適性強及採集設備便捷成為國內外諸多學者的研究熱點。手指靜脈識別技術主要包括採集手指靜脈圖像，圖像預處理，提取特徵和匹配識別。目前，在採集手指靜脈圖像時採集設備不穩定，在低溫環境下手指中的靜脈收縮，以及部分女生手指靜脈比較細等因素，都會造成採集的靜脈圖像質量不夠理想。低質量靜脈圖像導致準確提取指靜脈特徵和匹配識別比較困難。因此，如何精確提取低質量指靜脈圖像的特徵，如何提高指靜脈圖像的識別率成為目前的研究難點。

王保生等人提出利用garbor濾波器提取靜脈圖像的靜脈紋路，王科俊等人提出利用方向濾波器組提取靜脈圖像的靜脈紋路，無論是garbor濾波器還是方向組濾波器對於低質量靜脈圖像提取的靜脈紋路精確相對較差。dubuisson等人提出的修正的hausdorff距離(modifiedhausdorffdistance,mhd)進行指靜脈認證識別，首先，將通過各種方法提取靜脈紋路的單像素寬的靜脈拓撲結構，然後，提取靜脈紋路拓撲結構的特徵點(端點和交叉點)，最後，利用mhd識別算法進行認證識別。

目前廣泛應用的mhd匹配算法是利用靜脈紋路拓撲結構，提取細化圖像的特徵點，根據特徵點的空間距離識別圖像。對於低質量圖像，由於偽靜脈的存在，產生偽特徵點，特徵點往往不能表徵圖像，且mhd識別算法對偽特徵點比較敏感。同時mhd識別算法僅僅利用了靜脈紋路的特徵，完全忽略了靜脈圖像的背景信息，這導致了基於特徵點mhd算法識別率低且容易產生誤識。

由於每個手指的厚度和組織結構不同，透射光線的能力不同，因此不同手指的靜脈圖像即使同是背景區域，他們的灰度分布特徵不同，同時相同手指的靜脈圖像靜脈區域和背景區域的灰度分布特徵都是相對穩定的。因此，靜脈圖像的靜脈紋路和背景共同決定了靜脈圖像的特性。

近年來，一些學者開始研究基於整幅靜脈圖像的識別算法，如林春漪等人提出了基於手指靜脈圖像梯度相關的認證識別算法，徐天楊等人提出基於小波灰度曲面的手指靜脈識別算法。其中基於手指靜脈圖像梯度相關的認證識別算法，首先，提取利用改進的匹配濾波器提取靜脈圖像的梯度圖，然後，計算不同靜脈圖像梯度圖之間的互相關係數，將互相關係數作為判決是否為同類靜脈圖像(相同手指採集的靜脈圖像)的依據。雖然處理過程簡單耗時短，但梯度是靜脈度圖像灰度值的差分，靜脈圖像的梯度圖直接受灰度值影響，不穩定。基於小波灰度曲面的手指靜脈識別算法利用靜脈圖像空間分布成灰度曲面特徵，通過小波分解降維，提取降維後不同分別率下靜脈圖像，然後融合成一幅特徵圖像，最後把將靜脈圖像的特徵圖像做差得到灰度曲面，計算灰度曲面的方差，並將其作為判決是否是同類靜脈圖像的依據，充分利用了整幅靜脈圖像的所有信息，但提取特徵圖像的處理複雜、耗時長。

技術實現要素：

對於低質量指靜脈圖像，為解決現有garbor濾波器、方向組濾波器和最大曲率算法提取的靜脈紋路準確性差問題，本發明提供了一種基於二維高斯最大曲率識別手指靜脈的方法。

本發明解決其技術問題所採用的技術方案包括以下步驟：

s1、構造一個(2×w+1)×(2×w+1)的窗口，作為二維高斯函數模板g(x,y)，二維高斯函數如公式1所示，其中x∈[-w,w],y∈[-w,w]，w為正整數。

s2、根據步驟s1構造的二維高斯函數g(x,y)，分別求出二維高斯函數水平方向一階導數gx(x,y)、垂直方向的一階導數gy(x,y)、水平方向二階偏導數gxx(x,y)、垂直方向二階偏導數gyy(x,y)和二階混合偏導數gxy(x,y)。如公式2-6所示：

s3、利用步驟s2得出的結果，求出二維高斯函數8個方向的一階方向導數gθ(x,y)、二階方向導數gθθ(x,y)，如公式7-8所示，其中x∈[-w,w],y∈[-w,w]，θ∈[0°，22.5°，45°，67.5°，90°，112.5°，135°，157.5°]

gθ(x,y)＝gx(x,y)cosθ+gy(x,y)sinθ(7)

s4、對像素大小為m×n的預處理後的手指靜脈圖像，按邊界像素值進行邊界擴充，擴充後的手指靜脈圖像的大小為(m+2w)×(n+2w)。

所述的預處理包括對原始手指靜脈圖像進行灰度歸一化、尺寸歸一化、圖像增強、圖像平滑等處理；

s5、根據曲率公式求出8個方向的曲率模板，其中x∈[-w,w],y∈[-w,w]，θ∈[0°，22.5°，45°，67.5°，90°，112.5°，135°，157.5°]。

s6、將步驟s5得出的8個方向的曲率模板，分別與步驟s4得出的擴充後的手指靜脈圖像上對應的窗口進行卷積，得到的卷積值記為ql(i,j)，ql(i,j)表示第l個方向位於兩個窗口中心點的曲率值，即曲率模板窗口與對應的手指靜脈圖像窗口中心處的曲率，其中l＝1,2，3…8。然後選取出q1,q2…q8中的最大曲率值，將該最大曲率值存入一個m×n的二維矩陣ⅰ，計算如公式10所示；同時將最大曲率值對應的是第幾個方向存入一個m×n的二維矩陣ⅱ；從而得到位於該窗口中心點的最大曲率和方向場值。

ⅰ(i,j)＝max[q1(i,j),q2(i,j),q3(i,j)…q8(i,j)](10)

所述的二維矩陣ⅰ與原始手指靜脈圖像大小對應，最大曲率值在二維矩陣ⅰ存入的位置與該最大曲率值對應的中心點位置相同；

所述的二維矩陣ⅱ與原始手指靜脈圖像大小對應，最大曲率值對應的是第幾個方向在二維矩陣ⅱ存入的位置，與該最大曲率值對應的中心點位置相同；

s7、根據步驟s6所述以8個方向的曲率模板為一次遍歷，對擴充後的手指靜脈圖像進行整個遍歷，得到大小為m×n的手指靜脈圖像曲率空間場圖，其的方向場值為1至8；同時得到大小為m×n的最大曲率圖像。

s8、將s7得到的手指靜脈圖像曲率空間場圖中每個點的值擴大10倍，使得其的方向場值10至80。

s9、計算待識別手指靜脈圖像的曲率空間場和資料庫中模板的曲率空間場的差值，即：

δd(m,n)＝abs(d(m,n)-di(m,n))(11)

s10、修正方向差能夠減小步驟s9計算出的兩幅手指靜脈圖像曲率空間場差值的誤差，因此對差值進行修正，即：

s11、將修正方向差後的均值作為兩幅手指靜脈圖像的相似度即：

s12、匹配識別，其中t為實驗得出的兩幅手指靜脈圖像的相似度閾值。小於t認為是同類手指靜脈圖像，否則認為是非同類手指靜脈圖像。

本發明有益效果如下：

相比於其他的手指靜脈識別算法，基於二維高斯最大曲率方法提取出的靜脈曲率空間場圖和曲率值圖像能夠更好地表徵該手指靜脈的信息。

對於低質量手指靜脈圖像，本發明提出從8個方向上提取靜脈特徵，相比於原始的最大曲率法從4個方向提取靜脈特徵，能夠更清晰的提取靜脈信息。

基於高斯曲率空間場的提取靜脈紋路的準確性更高，基於曲率空間場的識別算法，在誤識率一定情況下，識別性能明顯高於傳統的mhd識別算法。特別地，對於低質量靜脈圖像資料庫，基於特徵點的mhd算法性能明顯下降，本發明提出的基於靜脈圖像曲率空間場的識別算法性能下降不明顯。因此，基於手指靜脈曲率空間場的識別算法是一種有效的識別算法。

附圖說明

圖1為一幅預處理後的手指靜脈圖像；

圖2為圖1提取出的曲率空間場圖像；

圖3為一幅質量正常預處理後的手指靜脈圖像；

圖4為圖3基於最大曲率提取出的紋路；

圖5為圖3基於二維高斯的最大曲率算法提取出的紋路；

圖6為圖3基於方向組濾波提取出的紋路；

圖7為圖3基於garbor濾波器提取出的紋路；

圖8為一幅低質量預處理後的手指靜脈圖像；

圖9為圖8基於最大曲率提取出的紋路；

圖10為圖8基於二維高斯的最大曲率算法提取出的紋路；

圖11為圖8基於方向組濾波提取出的紋路；

圖12為圖8基於garbor濾波器提取出的紋路；

圖13為曲率空間場識別靜脈的合法匹配與非法匹配分布圖；

圖14為方向組濾波器mhd識別靜脈的合法匹配與非法匹配分布圖；

圖15為識別低質量靜脈資料庫不同算法roc曲線；

圖16為識別正常靜脈資料庫不同算法roc曲線；

具體實施方式

下面結合附圖對本發明的具體實施例作進一步的說明。

本實施例的手指靜脈快速識別方法，包括以下步驟：

s1、構造一個(2×8+1)×(2×8+1)的窗口的二維高斯函數模板g(x,y)，式2中x∈[-8,8],y∈[-8,8]，σ＝2，w＝8。

s2、根據步驟s1構造的高斯函數g(x,y)，分別求出二維高斯函數水平方向一階導數gx(x,y)、垂直方向的一階導數gy(x,y)、水平方向二階偏導數gxx(x,y)、垂直方向二階偏導數gyy(x,y)和二階混合偏導數gxy(x,y)。

s3、利用步驟s2得出的結果，求出二維高斯函數8個方向的一階方向導數gθ(x,y)、二階方向導數gθθ(x,y)。

s4、對像素大小為160×64的預處理後的圖像(如圖1所示)，按邊界值進行邊界擴充，擴充後的像素為176×80。

s5、根據離散點的曲率公式，求出8個方向的曲率模板。

s6、將步驟s5得出的8個方向的曲率模板，分別在步驟s4得出的擴充的圖像上依次划過，並計算兩個窗口的卷積值，記為ql，ql表示第l個方向位於該窗口中心處的曲率，其中l＝1,2，3…8。然後選取出q1,q2…q8中的最大值存入該點，並存下最大值對應的是第幾個方向，這樣就得到位於該窗口中心點的最大曲率，和方向場值。

s7、遍歷整個靜脈圖像，得到一幅大小為160×64的靜脈圖像曲率空間場圖，其值為1至8。一幅大小為160×64的靜脈圖像最大曲率值。

s8、將s7得到的靜脈圖像曲率空間場圖，圖中的每點的值擴大10倍，其值為10至80，如圖2所示。

以下對本發明的方法與其他的方法的效果作比較：

用採集設備在實驗內採集靜脈圖像建立低質量靜脈圖像資料庫和正常靜脈圖像資料庫。其中低質量靜脈圖像資料庫，包含在低溫環境下採集的靜脈圖像和女生靜脈比較細的靜脈圖像，共600組每組3幅圖像，1-2作為待匹配靜脈圖像，第3幅圖像作為模板。正常靜脈圖像資料庫共400組靜脈圖像，每組4幅靜脈圖像，其中1-3作為待匹配靜脈圖像，第4幅靜脈圖像作為模板。採集的圖像經過預處理後保存大小為160×64的特徵點圖和曲率空間場，仿真實驗用matlab2012b軟體編程，在內存4g，cpu主頻4ghz的window7平臺上進行。

1、不同算法提取靜脈紋路效果比較

最大曲率算法、方向組濾波器、garbor濾波器和基於二維高斯的最大曲率算法分別提取正常靜脈圖像圖3的靜脈紋路，各個算法提取的靜脈紋路如圖4至圖7所示。從圖4至圖7可以看出garbor濾波器提取的靜脈紋路不準確，一些背景區域被分割成靜脈，而且出現靜脈紋路的斷裂現象，方向組濾波器和最大曲率算法提取的靜脈紋路相對比較準確，但是也存在靜脈斷裂現象，本發明提取的二維高斯最大曲率算法提取的靜脈紋路不但可以準確提取低對比度區域的靜脈紋路，而且提取的靜脈紋路連續性好。

利用不同靜脈紋路提取算法提取低質量靜脈圖像的靜脈紋路，低質量靜脈圖像如圖8所示，各個算法提取的靜脈紋路如圖9至圖12所示。從圖9至圖12可以看出，garbor濾波器提取的靜脈紋路出現大量的偽靜脈，完全淹沒了圖像的靜脈紋路。方向組濾波器濾波器提取的靜脈紋路雖然比garbor濾波器較好一些，但是對於圖像上部的模糊區域出現很多偽靜脈，而且存在靜脈斷裂的現象。最大曲率算法提取的靜脈紋路偽靜脈相對較少，但一些靜脈的關鍵點(交叉點)出現斷裂現象。本發明提出的基於二維高斯函數的曲率算法，對模糊區域的提取效果很好，偽靜脈比較少，而且提取的靜脈連續性好沒有出現斷裂現象。

2、不同算法識別性能比較

圖13給出了低質量靜脈圖像資料庫曲率空間場識別算法的合法匹配曲線和非法匹配曲線，從圖13可以看出，合法曲線和非法曲線交叉部分極少，主峰相距較遠，是否是同類靜脈圖像有明顯的區分度。方向組濾波器提取低質量靜脈資料庫靜脈紋路，然後提取靜脈紋路特徵，利用mhd算法識別的合法匹配與非法匹配曲線如圖14，從圖14可以看出，合法匹配曲線和非法匹配曲線交叉部分較多，主峰相聚交近，同類靜脈圖像和非同類靜脈圖像的區分度不夠明顯。結合圖13，圖14可以看出曲率空間場識別算法的合法匹配與非法匹配曲線的交叉部分明顯小於mhd識別算法。因此，本發明提出的基於曲率空間場識別算法可以用於區分是否是同類靜脈圖像的效果明顯優於mhd識別算法。

方向組濾波器和基於二維高斯的最大曲率算法分別提取靜脈圖像的靜脈紋路，然後提取特徵點，進行mhd識別。提取靜脈圖像的曲率空間場，利用本發明提出的基於曲率空間場識別算法進行認證識別。對於低質量靜脈資料庫不同識別算法的roc曲線如圖15，對於正常靜脈資料庫，不同算法的roc曲線如圖15所示。

結合圖15和圖16可以看出無論是低質量靜脈資料庫還是正常靜脈資料庫，在誤識率相同時，二維高斯曲率提取的靜脈紋路進行mhd識別的拒識率都小於方向組濾波器提取靜脈紋路mhd識別算法。說明本發明提出的基於二維高斯最大曲率算法提取靜脈紋路更準確。本發明提出基於曲率空間場的識別算法的拒識率明顯小於mhd識別算法，說明本發明提出基於曲率空間場的識別算法性能明顯優於mhd識別算法。在誤識率一定情況下，從正常靜脈數據到低質量靜脈資料庫，mhd識別算法拒識率明顯提高，但本發明提出算法拒識率增加很少，因此mhd識別算法對於低質量靜脈圖像識別性能比較差，而本發明提出的基於靜脈圖像曲率空間場的識別算法即使是低質量靜脈圖像識別性能仍是比較好。

本發明提出一種基於指靜脈曲率空間場的識別算法，首先利用改進的基於二維高斯函數的最大曲率算法，提取手指靜脈圖像的靜脈紋路和曲率空間場，然後利用手指靜脈圖像的曲率空間場匹配識別。實驗表明，基於高斯曲率空間場的提取靜脈紋路的準確性更高，基於曲率空間場的識別算法，在誤識率一定情況下，識別性能明顯高於傳統的mhd識別算法。而且對於低質量靜脈圖像資料庫，基於特徵點的mhd算法性能明顯下降，本發明提出的基於靜脈圖像曲率空間場的識別算法性能下降很少。因此，基於手指靜脈曲率空間場的識別算法是一種有效的識別算法。

上面結合附圖對本發明的實施例作了詳細說明，但是本發明並不限於上述實施例，在本領域普通技術人員所具備的知識範圍內，還可以在不脫離本發明宗旨的前提下作出得各種變化，也應視為本發明的保護範圍。