CN102214297A - 用于特征提取的静脉图像质量检测方法 - Google Patents
用于特征提取的静脉图像质量检测方法 Download PDFInfo
- Publication number
- CN102214297A CN102214297A CN2011101587175A CN201110158717A CN102214297A CN 102214297 A CN102214297 A CN 102214297A CN 2011101587175 A CN2011101587175 A CN 2011101587175A CN 201110158717 A CN201110158717 A CN 201110158717A CN 102214297 A CN102214297 A CN 102214297A
- Authority
- CN
- China
- Prior art keywords
- finger
- vein image
- quality
- image
- finger vein
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种用于特征提取的静脉图像质量检测方法,包括四个处理阶段:手指静脉图像预处理、手指静脉图像区域划分、手指静脉图像一级质量判决和手指静脉图像二级质量判决。手指静脉图像预处理阶段首先采用固定阈值法定位目标位置,并裁剪目标区域;然后对目标进行尺寸归一化处理。手指静脉图像区域划分阶段沿手指静脉走向将手指静脉图像划分为多个区域,以利于后续显著性特征的提取。手指静脉图像一级质量判决阶段首先提取手指静脉图像的区域列平均梯度特征;然后用其判断手指静脉图像质量是否合格,对于一级判决不合格的手指静脉图像,进入手指静脉图像二级质量判决流程。手指静脉图像二级质量判决阶段首先提取手指静脉图像的纹理细节指数;然后用其判断手指静脉图像质量是否合格,对于质量不合格的手指静脉图像,提醒用户更换其它手指进行注册。本发明可以快速有效地检测手指静脉图像的质量,用于在用户注册时自动选择有效手指,能够遏制低质量静脉图像对手指静脉识别系统性能的不利影响。
Description
技术领域
本发明属于图像处理、计算机视觉、生物特征识别技术领域,特别涉及用于特征提取的静脉图像质量检测方法。
背景技术
手指静脉识别是新一代生物特征识别技术,其主要优势在于静脉藏匿于身体内部,不易窃取和复制,且只有活体才有静脉,相对于指纹等传统身份鉴别技术其安全性能更高,在安全门禁、信用卡验证、医学鉴定、罪犯识别与档案管理等方面具有巨大的应用前景。
手指静脉图像获取依据近红外线穿过手指时部分射线被血色素吸收的机理实现,在这一过程中,由于手指厚薄、静脉粗细差异明显,且成像时静脉脉络受肌肉、骨骼及其它噪声的干扰大,导致手指静脉图像清晰度低、不均匀。而质量太差的静脉图像不易提取特征,严重影响后续特征识别的性能。因此,在特征提取之前需要对静脉图像进行质量评价,以剔除质量太差不适合特征识别的静脉图像,保证后续特征识别的可靠性。
尽管目前图像质量检测的方法较多,如参考图像法、梯度法、纹理法以及针对手指静脉的特征(静脉长度、分叉数)判决方法,但是,现有方法都不能快速有效地检测手指静脉图像质量,要么误检率高(梯度法、纹理法),要么需要参考图像(参考图像法)、要么速度慢(纹理法、特征判决方法)。为此,本发明针对手指静脉识别系统的具体需求,提出了基于区域列平均梯度和纹理细节指数的两级质量检测方法,快速有效地检测手指静脉图像质量。
发明内容
本发明要解决的技术问题在于,针对现有手指静脉低质量图像严重影响后续特征识别性能的现象,提出一种新的手指静脉图像质量快速检测方法,拒绝不适合特征识别的手指注册。
本发明解决其技术问题所采用的技术方案是:首先将手指静脉图像进行分区;然后计算区域列平均梯度特征;依据该特征进行手指静脉图像一级质量判决,对于不满足一级质量判决条件的手指静脉图像,求取手指静脉图像的纹理细节指数,依据该特征进行二级质量判决,对于不满足二级质量判决条件的手指静脉图像,不允许其注册,提示用户更换其它手指进行注册。
本发明所提出的手指静脉图像质量快速检测方法,包括四个处理阶段:手指静脉图像预处理、手指静脉图像区域划分、手指静脉图像一级质量判决、手指静脉图像二级质量判决。手指静脉图像预处理阶段首先采用固定阈值法定位目标位置,并裁剪目标区域,然后对目标进行尺寸归一化处理;手指静脉图像区域划分阶段沿手指静脉走向将手指静脉图像划分为多个区域,以利于后续显著性特征的提取;手指静脉图像一级质量判决阶段首先提取手指静脉图像的区域列平均梯度特征,然后用其判断手指静脉图像质量是否合格。对于一级质量判决不合格的手指静脉图像,进入手指静脉图像二级质量判决流程;手指静脉图像二级质量判决阶段首先提取手指静脉图像的纹理细节指数,然后用其判断手指静脉图像质量是否合格,对于质量不合格的手指静脉图像,提醒用户更换其它手指进行注册。
实施本发明的手指静脉图像质量快速检测方法,具有以下有益效果:快速检测手指静脉图像质量,用于在用户注册时自动选择有效手指,有效遏制低质量静脉图像对手指静脉识别系统性能的不利影响。
附图说明
图1为本发明实施例的流程图;
图2为本发明实施例原始的手指静脉图像;
图3为本发明实施例归一化后的手指静脉图像;
图4为本发明实施例的手指静脉图像分区示意图;
图5为本发明实施例的手指静脉图像灰度轮廓单元;
图6为本发明实施例的不同等级的手指静脉图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。
图1给出了本实施例的流程图,详细描述如下:
(1)手指静脉图像预处理
手指静脉图像预处理阶段包括以下步骤:
Step1:目标定位与裁剪。如图2所示,手指静脉图像中背景与手指在灰度分布上差异很大,可以采用固定阈值法(阈值设为80)分割手指图像,计算手指目标的平均宽度W1和中心坐标(x,y),以(x,y)为中心对称裁剪W1×H1的图像,得到手指静脉图像,其中H1为原始图像高度,这里H1=576。
Step2:目标尺寸归一化。将W1调整到固定宽度W(单位:像素),这里,W=360;按同样比例调整H1,然后以(x,y)为中心对称裁剪W×H的图像,得到的归一化图像,如图3所示。其中,H为设定的图像高度(单位:像素),这里,H=96。
(2)手指静脉图像区域划分
在手指静脉识别系统的实际应用中,人们关注的主要是静脉图像中脉络的丰富性及其分布情况。如图4所示,典型的脉络主要沿水平方向分布,并且脉络的分布并不均匀,有的区域(如图4中的区域1,2,3)的列方向甚至几乎不存在脉络,而有些区域(如图4中的区域4,5,6,7,8,9)则存在比较丰富的脉络。由此可见,求全局特征不能很好地衡量手指静脉图像的脉络丰富性和显著性。为此,需要对图像进行分区,这里采用等间距区域划分,分区如图4所示,分区数N的取值由后续特征提取的效果决定,经实验统计,取N=9。
(3)手指静脉图像一级质量判决
对于一幅灰度图像,某一方向上的灰度级变化率越大,对应的梯度值就越大。平均梯度值是指所有像素X方向和Y方向梯度值的平均值,用于反映整幅图像的灰度平均变化率,用公式描述为:
其中,f(i,j)表示像素点(i,j)的灰度值。
针对手指静脉图像的特点,我们提出一种基于区域的列平均梯度特征(记为Grad)。首先将手指静脉图像等分为N个区域,分别计算各个区域的列平均梯度GR,第k个区域的列平均梯度GRk为:
然后求取整幅图像的区域列平均梯度特征Grad:
得到区域列平均梯度特征Grad后,即可进行一级质量判决。设判决阈值为T1,如果Grad>T1,则图像质量判为A级,进入手指静脉注册过程;否则,进入二级质量判决过程。这里,经实验统计,取T1=12.192。
(4)手指静脉图像二级质量判决
对于不满足一级质量判决条件的手指静脉图像,提取手指静脉图像的纹理细节指数,进行二级质量判决。
纹理细节指数用于反映图像中由像素灰度值所形成的灰度轮廓,以及由其轮廓间距和峰谷所形成的几何形状特征,其抗干扰能力强于梯度特征,但运算效率低于梯度特征,因此将其用于二级质量判决,用于减少一级判决引起的误判现象。图5所示为静脉图像第j列像素中的一个图像灰度轮廓单元,其中M为静脉图像某列像素的平均灰度值,Hp为轮廓峰高,Hv为轮廓谷深,Hc轮廓高度,Wc为轮廓宽度,轮廓单元与中线M的交点为过中线点P(如图5中的点A、B、C均为过中线点),该列中所有的轮廓单元数记为PRj。
本发明所用的纹理细节指数特征包括轮廓高度均值Hcmean、轮廓最大高度均值Hcmax以及列方向平均轮廓数PRmean。轮廓高度均值与轮廓最大高度均值用于反映图像列方向的灰度落差,可以表征手指静脉脉络的显著性;列方向平均轮廓数是本发明提出的一个特征参数,用于反映图像列方向的灰度起伏,可以表征手指静脉脉络的丰富性。用公式表示为:
其中,Hck表示第j列像素中的第k个灰度轮廓单元,max(Hcj)表示第j列像素中的最大轮廓高度均值。
对上述三个纹理细节指数参数,通过加权求和得到融合后的纹理细节指数特征,称之为纹理细节指数F:
F=w1·Hcmean+w2·Hcmax+w3·PRmean
权值依据三个参数所占的比重设置,这里w1=0.336,w2=0.105,w3=0.559。
得到纹理细节指数F后,即可进行二级质量判决。设判决阈值为T2,如果F>T2,则图像质量判为B级,进入手指静脉注册过程;否则,拒绝该手指注册,提醒用户更换手指。这里,经实验统计,取T2=0.564。
本发明采用基于区域列平均梯度和纹理细节指数的两级质量检测方法,对1200幅手指静脉图像(主观评价A级图像840幅,B级图像248幅,C级图像112幅,图6为三级图像的部分示例)进行质量检测,测试结果如下:A、B两级图像之间误判率为3.75%,A、B两级与C级图像之间误判率为0.17%,说明该方法可以有效检测不适合注册的C级图像,相对于单独采用区域列平均梯度的质量检测方法大幅降低了误检率。就运算效率而言,在PC平台(CPU:3.3GHz,Memory:1G,Operating system:Windows XP,Software:Visual C++6.0)测试,采用区域列平均梯度方法平均耗时14ms,采用纹理细节指数方法平均耗时为620ms,采用本发明方法平均耗时60ms,说明本发明所提出的质量检测方法速度快,不会对手指静脉识别系统的注册时间要求造成影响。综上所述,本方法可以快速有效地检测手指静脉图像质量。
Claims (4)
1.用于特征提取的静脉图像质量检测方法,其特征在于,首先将手指静脉图像进行分区,然后计算区域列平均梯度特征,依据该特征进行一级判决,对于不满足一级判决条件的静脉图像,求取图像的纹理细节指数,依据该特征进行二级判决,对于不满足判决条件的手指静脉图像,不允许其注册,提示用户更换其它手指进行注册;
具体包括以下步骤:
Step1:手指静脉图像预处理,包括目标定位与裁剪、目标尺寸归一化,目的是得到手指静脉感兴趣区域图像;
Step2:手指静脉图像区域划分,沿手指静脉走向将手指静脉图像划分为多个区域,目的是利于后续显著性特征的提取;
Step3:手指静脉图像一级质量判决,提取手指静脉图像的区域列平均梯度特征,用其判断手指静脉图像质量是否合格;
Step4:手指静脉图像二级质量判决,对于不满足一级判决条件的手指静脉图像,提取手指静脉图像的纹理细节指数,用其判断手指静脉图像质量是否合格,对于质量不合格的手指静脉图像,提醒用户更换其它手指进行注册。
2.根据权利要求1所述的用于特征提取的静脉图像质量检测方法,其特征在于,对手指静脉图像进行分区,采用等间距区域方法进行划分。
4.根据权利要求1所述的用于特征提取的静脉图像质量检测方法,其特征在于,进行手指静脉图像二级质量判决:设判决阈值为T2,如果纹理细节指数F>T2,其中F=w1·Hcmean+w2·Hcmax+w3·PRmean,Hcmean为轮廓高度均值,Hcmax为轮廓最大高度均值,PRmean为列方向平均轮廓数,w1=0.336,w2=0.105,w3=0.559,则图像质量判为B级,进入手指静脉注册过程;否则,拒绝该手指注册,提醒用户更换其它手指。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101587175A CN102214297B (zh) | 2011-06-14 | 2011-06-14 | 用于特征提取的静脉图像质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101587175A CN102214297B (zh) | 2011-06-14 | 2011-06-14 | 用于特征提取的静脉图像质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102214297A true CN102214297A (zh) | 2011-10-12 |
CN102214297B CN102214297B (zh) | 2012-11-28 |
Family
ID=44745597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011101587175A Expired - Fee Related CN102214297B (zh) | 2011-06-14 | 2011-06-14 | 用于特征提取的静脉图像质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102214297B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104615915A (zh) * | 2015-01-15 | 2015-05-13 | 于飞 | 一种针对医疗放射影像的计算机辅助图像质量分析控制方法及系统 |
CN106355132A (zh) * | 2015-07-17 | 2017-01-25 | 科沃斯机器人股份有限公司 | 人脸静态皮肤区域自动识别检测方法及其系统 |
CN106990518A (zh) * | 2017-04-17 | 2017-07-28 | 深圳大学 | 一种血涂片自聚焦显微成像方法 |
CN107657209A (zh) * | 2017-07-07 | 2018-02-02 | 杭州电子科技大学 | 一种基于手指静脉图像质量的模板图像注册机制 |
CN108734069A (zh) * | 2017-04-24 | 2018-11-02 | 广州广电运通金融电子股份有限公司 | 一种指静脉图像的质量分数计算方法及装置 |
CN110192843A (zh) * | 2019-05-31 | 2019-09-03 | Oppo广东移动通信有限公司 | 信息推送方法及相关产品 |
CN111652088A (zh) * | 2020-05-15 | 2020-09-11 | 圣点世纪科技股份有限公司 | 一种基于视频选优机制的指静脉注册方法及注册装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105975974A (zh) * | 2016-05-10 | 2016-09-28 | 深圳市金脉智能识别科技有限公司 | 一种手指静脉识别中提取roi图像的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004789A (zh) * | 2006-01-17 | 2007-07-25 | 郭岳衡 | 手指静脉图像识别装置 |
JP2007287080A (ja) * | 2006-04-20 | 2007-11-01 | Hitachi Information & Control Solutions Ltd | 指静脈認証装置および指静脈認証方法 |
CN101777117A (zh) * | 2010-01-26 | 2010-07-14 | 哈尔滨工程大学 | 一种手指静脉特征提取于匹配识别方法 |
-
2011
- 2011-06-14 CN CN2011101587175A patent/CN102214297B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004789A (zh) * | 2006-01-17 | 2007-07-25 | 郭岳衡 | 手指静脉图像识别装置 |
JP2007287080A (ja) * | 2006-04-20 | 2007-11-01 | Hitachi Information & Control Solutions Ltd | 指静脈認証装置および指静脈認証方法 |
CN101777117A (zh) * | 2010-01-26 | 2010-07-14 | 哈尔滨工程大学 | 一种手指静脉特征提取于匹配识别方法 |
Non-Patent Citations (2)
Title |
---|
《信号处理》 20090131 谢剑斌等 一种基于优化区域的静脉图像分割算法 第87-89页 1-4 第25卷, 第1期 * |
《信息与控制》 20090228 康文雄等 基于最大邻域点跟踪的静脉图像细化算法 第49-54页 1-4 第38卷, 第1期 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104615915A (zh) * | 2015-01-15 | 2015-05-13 | 于飞 | 一种针对医疗放射影像的计算机辅助图像质量分析控制方法及系统 |
CN106355132A (zh) * | 2015-07-17 | 2017-01-25 | 科沃斯机器人股份有限公司 | 人脸静态皮肤区域自动识别检测方法及其系统 |
CN106355132B (zh) * | 2015-07-17 | 2019-07-30 | 科沃斯机器人股份有限公司 | 人脸静态皮肤区域自动识别检测方法及其系统 |
CN106990518A (zh) * | 2017-04-17 | 2017-07-28 | 深圳大学 | 一种血涂片自聚焦显微成像方法 |
CN108734069A (zh) * | 2017-04-24 | 2018-11-02 | 广州广电运通金融电子股份有限公司 | 一种指静脉图像的质量分数计算方法及装置 |
CN108734069B (zh) * | 2017-04-24 | 2020-01-24 | 广州广电运通金融电子股份有限公司 | 一种指静脉图像的质量分数计算方法及装置 |
CN107657209A (zh) * | 2017-07-07 | 2018-02-02 | 杭州电子科技大学 | 一种基于手指静脉图像质量的模板图像注册机制 |
CN107657209B (zh) * | 2017-07-07 | 2020-07-28 | 杭州电子科技大学 | 一种基于手指静脉图像质量的模板图像注册机制 |
CN110192843A (zh) * | 2019-05-31 | 2019-09-03 | Oppo广东移动通信有限公司 | 信息推送方法及相关产品 |
CN111652088A (zh) * | 2020-05-15 | 2020-09-11 | 圣点世纪科技股份有限公司 | 一种基于视频选优机制的指静脉注册方法及注册装置 |
CN111652088B (zh) * | 2020-05-15 | 2023-06-20 | 圣点世纪科技股份有限公司 | 一种基于视频选优机制的指静脉注册方法及注册装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102214297B (zh) | 2012-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102214297A (zh) | 用于特征提取的静脉图像质量检测方法 | |
CN105303676B (zh) | 一种纸币的版本识别方法和系统 | |
CN101923640B (zh) | 基于鲁棒纹理特征和机器学习对伪造虹膜图像判别的方法 | |
CN104239769B (zh) | 基于手指静脉特征的身份识别方法及系统 | |
CN102254188B (zh) | 掌纹识别方法及装置 | |
CN106056046B (zh) | 从图像中提取特征的方法和装置 | |
Park | Finger vein recognition by combining global and local features based on SVM | |
CN103761507B (zh) | 一种基于韦伯法则的局部多值模式的人脸识别方法 | |
CN101710383A (zh) | 一种身份认证的方法及认证装置 | |
CN102509044B (zh) | 一种基于鼠标行为特征的密码认证方法 | |
CN103729625A (zh) | 一种人脸识别的方法 | |
US8385612B2 (en) | Fingerprint image background detection apparatus and detection method | |
CN101359365A (zh) | 一种基于最大类间方差和灰度信息的虹膜定位方法 | |
CN103679118A (zh) | 一种人脸活体检测方法及系统 | |
CN102567733B (zh) | 一种微波图像非合作情况下人体隐私部位检测与遮挡方法 | |
CN102629319A (zh) | 基于特定边界检测子的鲁棒虹膜区域分割方法 | |
CN106778636A (zh) | 身份验证方法及装置 | |
CN103824060A (zh) | 指纹细节点的提取方法 | |
CN103049788A (zh) | 基于计算机视觉的待过行人数目的检测系统及方法 | |
CN108108740B (zh) | 一种主动毫米波人体图像性别识别方法 | |
CN105740752A (zh) | 敏感图片过滤方法和系统 | |
CN104463175B (zh) | 手指静脉特征匹配方法和装置 | |
CN106898081B (zh) | 一种折角纸币的提取方法及装置 | |
CN107679862A (zh) | 一种欺诈交易模型的特征值确定方法及装置 | |
CN109767543B (zh) | 一种纸币检测方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20121128 |