CN104123547A - 基于改进的方向滤波与柔性匹配的识别方法 - Google Patents

Abstract

本发明涉及一种基于改进的方向滤波与柔性匹配的识别方法。由于近红外光条件下采集到的手指静脉图像血管与背景的灰度差别很小，存在对比度低的问题，进而影响手指静脉图像后续的匹配识别。一种基于改进的方向滤波与柔性匹配的识别方法，首先对读取的手指静脉图像利用静脉纹路的方向特性设计出适合指静脉图像每个像素点的邻域方向构成方向模板，利用该模板求取静脉图像的方向图，再针对像素点的方向对图像进行方向滤波，在此基础上，提取出图像的细节特征点，利用柔性匹配的思想，取极角范围为1-4°极半径范围为1-4个像素点，内实现特征点集间的匹配识别。本发明用于模式识别技术领域。

Description

基于改进的方向滤波与柔性匹配的识别方法

技术领域：

本发明涉及一种基于改进的方向滤波与柔性匹配的识别方法。

背景技术：

由于近红外光条件下采集到的手指静脉图像血管与背景的灰度差别很小，存在对比度低的问题，进而影响手指静脉图像后续的匹配识别。

生物特征识别技术利用人体固有的特征来进行个人身份认证，具有普遍性、稳定性、唯一性、方便性、准确性等性质。在众多生物特征识别技术中，指纹识别技术是目前应用最早、也是研究最为成熟的一项生物特征识别技术。但指纹识别的准确率易受手指表面情况影响，且存在易被窃取的弊端。人脸识别技术也是最常用的生物识别方法之一，但是由于光照强度、表情以及角度的变化，使得人脸识别的准确程度受到一定程度的限制，其准确率低于指纹、虹膜识别。虹膜识别是通过辨识人眼虹膜区域纤维组织而进行身份验证，但其采集较难，并且采集设备昂贵，眼睛又是人体的敏感部位，对其进行特征识别，用户接受度很低，不易推广。静脉识别技术不存在上述指纹识别技术的局限性，是一种新兴的生物特征识别技术，具有巨大的潜力和应用前景。手指静脉识别是利用近红外光穿透手指后获得的静脉纹路来进行个人身份识别的，具有精度高、速度快、非接触式等诸多优点，是一种高度可靠的生物

特征识别方法。

Miura等提出了一种基于重复线跟踪的方法进行静脉提取,该方法的静脉提取效果较好，但图像质量对识别结果影响较大。Badawi等对经过预处理的静脉图像采用逐点像素比对的方法进行静脉匹配，这种逐点像素匹配的方式也使得算法的运算量过大。余成波等利用Hausdorff距离对静脉图像的细节点特征进行识别，虽然减少了计算量，但识别结果受细节点集提取的准确度影响较大。

发明内容：

本发明目的是提供一种基于改进的方向滤波与柔性匹配的识别方法。

上述的目的通过以下的技术方案实现：

 一种基于改进的方向滤波与柔性匹配的识别方法，首先对读取的手指静脉图像利用静脉纹路的方向特性设计出适合指静脉图像每个像素点的邻域方向构成方向模板，利用该模板求取静脉图像的方向图，再针对像素点的方向对图像进行方向滤波；在此基础上，提取出图像的细节特征点，利用柔性匹配的思想，取极角范围为1-4°，极半径范围为1-4个像素点，内实现特征点集间的匹配识别。

所述的基于改进的方向滤波与柔性匹配的识别方法，所述的手指静脉图像像素点邻域方向滤波模板，所述的方向滤波模板将每个像素点的邻域设置为8个以该像素点为中心的离散方向，基准像素点位于所述的方向滤波模板的中心，所述的方向滤波模板上的数值1-8分别对应代表8个离散方向，即从水平位置开始，按逆时针方向，每隔22.5°确定一个方向，所述的方向滤波模板的方向角范围为〔0，п)且模板在1、2、3、7、8五个趋于水平方向上取的邻域像素点较多，而在4、5、6三个趋于垂直方向上取的邻域像素点较少，这样的所述的方向滤波模板设计更符合手指静脉纹路大致向手指两端延伸、方向变化平缓的特点。

所述的基于改进的方向滤波与柔性匹配的识别方法，所述的扩展的方向滤波模板，针对由旋转水平方向模板求取其他方向模板时产生的模板溢出问题，本发明将传统的7×7模板扩展成大小为9×9的模板，扩展后的模板最外一圈的系数均为0，利用此模板求取其他方向模板时，只对该模板中心的7×7范围内的系数进行坐标旋转，旋转后的模板中无系数的位置用0表示，这样就避免了模板旋转溢出时舍弃系数的情况，不会破坏系数分布规律。

本发明的有益效果：

1. 本发明在充分考虑手指静脉图像特点，提出一种基于改进的方向滤波与柔性匹配的手指静脉识别方法，即根据指静脉图像具有的方向特性设计邻域方向模板及方向滤波器模板对图像进行滤波增强处理后，利用柔性匹配的思想实现特征点集间的匹配，以期获得一种具有使用价值高的、可靠性高的智能身份识别方法。

2. 本发明手指静脉识别是利用近红外光穿透手指后获得的静脉纹路来进行个人身份识别的，具有精度高、速度快、非接触式等诸多优点，是一种高度可靠的生物特征识别方法。静脉血管纹路大体上呈网状结构, 向手指两端延伸，不同个体的血管纹路差异较大，这些特点决定了其识别方法的特殊性。

3. 本发明方向滤波模板将每个像素点的邻域设置为8个以该像素点为中心的离散方向，基准像素点位于所述的方向滤波模板的中心，方向滤波模板上的数值1-8分别对应代表8个离散方向，即从水平位置开始，按逆时针方向，每隔22.5°确定一个方向，方向滤波模板的方向角范围为〔0，п)且模板在1、2、3、7、8五个趋于水平方向上取的邻域像素点较多，而在4、5、6三个趋于垂直方向上取的邻域像素点较少，这样的方向滤波模板设计更符合手指静脉纹路大致向手指两端延伸、方向变化平缓的特点。

4. 本发明针对由旋转水平方向模板求取其他方向模板时产生的模板溢出问题，将传统的7×7模板扩展成大小为9×9的模板，扩展后的模板最外一圈的系数均为0，利用此模板求取其他方向模板时，只对该模板中心的7×7范围内的系数进行坐标旋转，旋转后的模板中无系数的位置用0表示，这样就避免了模板旋转溢出时舍弃系数的情况，不会破坏系数分布规律。

5. 本发明针对静脉纹路大致向手指两端延伸、方向变化平缓的特点设计出适合指静脉图像的模板，在此基础上利用柔性匹配的思想实现特征点集间的匹配，这种基于特征点集的匹配方式，不需要将全部静脉特征信息用于匹配识别，减少了计算量，并且在计算时不要求两幅图像特征点间存在严格的一一对应关系，具有一定的抗噪声与图像几何形变的能力。

6. 本发明主要针对静脉血管纹路大体上呈网状结构, 向手指两端延伸，不同个体的血管纹路差异较大的特点，提出一种基于改进的方向滤波与柔性匹配的识别方法。

7．本发明在提取出静脉区域基础上充分地利用了静脉纹路的方向信息进行滤波增强，并将柔性匹配的思想引入到静脉识别中，不要求对应细节点完全重合，有效地处理了图像之间的非线性形变，提高了识别系统的精度。

8. 本发明是利用手指静脉识别，近红外光穿透手指后获得的静脉纹路来进行个人身份识别的，具有精度高、速度快、非接触式等诸多优点，是一种高度可靠的生物特征识别方法，静脉血管纹路大体上呈网状结构, 向手指两端延伸，不同个体的血管纹路差异较大，这些特点决定了其识别方法的特殊性。

附图说明：

附图1是本发明的基于改进的方向滤波与柔性匹配的手指静脉识别方法流程图。

附图2是本发明的计算像素点方向的9×9邻域模板。

附图3是本发明的手指静脉的方向场图像。

附图4是本发明的水平方向模板。

附图5是本发明的旋转后的水平方向模板。

附图6是本发明的方向滤波处理后的图像。

附图7是本发明的使用方向滤波分割去噪后的图像。

附图8是本发明的直接Niblack分割去噪后的图像。

附图9是本发明的本发明方法分割后细化图像。

附图10是本发明的直接Niblack分割后细化图像。

附图11是本发明的特征点提取的8领域模板。

附图12是本发明的本发明方法分割后细节特征提取效果图。

附图13是本发明的直接Niblack分割后细节特征提取效果图。

附图14是本发明的柔性范围示意图。

附图15是本发明的平移测试结果。

附图16是本发明的旋转测试结果。

具体实施方式：

实施例1：

一种基于改进的方向滤波与柔性匹配的识别方法，首先对读取的手指静脉图像利用静脉纹路的方向特性设计出适合指静脉图像每个像素点的邻域方向构成方向模板，而对方向滤波模板的设计则将传统的7×7模板扩展成大小为9×9的模板，以解决由旋转水平方向模板求取其他方向模板时产生的模板溢出问题；在此基础上，利用柔性匹配的思想，在一定的角度与半径范围内实现细节特征点集间的匹配识别。如图1所示

从手指静脉的拓扑结构可知，其静脉纹路朝着特定方向延伸，具有明显的方向性，而传统的滤波器没有考虑到静脉的方向信息，从而其滤波增强效果不理想。本发明充分考虑静脉纹路的这一特点，对静脉图像采用方向滤波增强处理,即求取静脉图像中每个像素点的邻域方向构成方向图并设计多个方向的滤波器模板组成方向滤波器，滤波时根据像素点的方向选择相应方向的滤波器对图像进行滤波操作。

实施案例2：

根据实施例1所述基于改进的方向滤波与柔性匹配的识别方法，所述的手指静脉图像像素点邻域方向滤波模板，所述的方向滤波模板将每个像素点的邻域设置为8个以该像素点为中心的离散方向，基准像素点位于所述的方向滤波模板的中心，所述的方向滤波模板上的数值1-8分别对应代表8个离散方向，即从水平位置开始，按逆时针方向，每隔22.5°确定一个方向，所述的方向滤波模板的方向角范围为〔0，п)且模板在1、2、3、7、8五个趋于水平方向上取的邻域像素点较多，而在4、5、6三个趋于垂直方向上取的邻域像素点较少，这样的所述的方向滤波模板设计更符合手指静脉纹路大致向手指两端延伸、方向变化平缓的特点。如图2所示

像素点具体方向的确定:像素点与其同一方向纹路上的点之间的灰度差别最小，而与之垂直方向上的灰度差别最大，依此原理利用上述邻域模板求出每个像素点在以该点为中心的 8 个方向上的像素灰度平均值，并将按两两垂直的方向分成 4 组，分别计算每组中两个平均值差的绝对值，即

                           (1)

上式中，为静脉纹路方向。

其中使为最大值的方向组中的两个方向和+4为像素点可能的纹线方向。取和+4中灰度平均值与的灰度值接近的方向为的纹线方向，即：

                 (2)

如上所述，求出每个像素点的方向，即可得到静脉图像的方向图。为了减少噪声的影响，保证方向场估计的准确性，对点方向图采用8×8滑动窗进行平滑处理，得到连续的平滑方向图，如图3所示。

方向滤波器是一系列与像素点方向有关的滤波器，本发明借鉴O’Gorman等[13]设计方向滤波器的原则进行滤波器系数的设计。由于手指静脉纹路方向主要向两端延伸，此处对滤波器的系数进行修改，使其从中心向两端衰减，同时，针对由旋转水平方向模板求取其他方向模板时产生的模板溢出问题，将传统的模板扩展成大小为的模板，水平方向的滤波模板，如图4所示，该模板最外一圈新扩展的系数均为0，利用此模板求取其他方向模板时，只对该模板中心的范围内的系数进行坐标旋转，旋转后的模板中无系数的位置用0表示，如图5所示，这样就避免了模板旋转溢出时舍弃系数的情况，不会破坏系数分布规律。

在得到八个方向滤波模板后，对静脉图像进行方向滤波操作。滤波时根据方向图得出某一块区域的方向特征，从一系列滤波器中选择一个相应方向的滤波器对这一块进行滤波，从而获得方向滤波增强后的图像，如图6所示，

实施案例3：

根据实施例1或2所述的基于改进的方向滤波与柔性匹配的识别方法，所述的扩展的方向滤波模板，针对由旋转水平方向模板求取其他方向模板时产生的模板溢出问题，本发明将传统的7×7模板扩展成大小为9×9的模板，扩展后的模板最外一圈的系数均为0，利用此模板求取其他方向模板时，只对该模板中心的7×7范围内的系数进行坐标旋转，旋转后的模板中无系数的位置用0表示，这样就避免了模板旋转溢出时舍弃系数的情况，不会破坏系数分布规律。

实施案例4：

根据实施例1或2、3所述的基于改进的方向滤波与柔性匹配的识别方法，用图像细化与特征点提取：

二值化后的静脉图像其纹路仍有一定的宽度，为进一步压缩数据，需要对其进行细化处理。本发明采用王科俊等[1]改进的条件细化算法进行细化，该方法在传统的条件细化算法的基础上，加入了模板算法以去除八种非单像素点。对上如图7及图8所示进行细化，修复后的图像如图9及图10所示。

对细化后的图像采用基于8领域的细节特征提取方法来提取特征点即端点和交叉点。所用细节点提取的领域模板如图11所示。

  其中，为待检测的像素点，是该像素点的8个领域点，分别为像素点的灰度值(细化图像中前景像素点灰度值为1，背景点灰度值为0)。则有：

，                      (3)

若，为端点；若，为交叉点。

通过上述方法得到的特征点集如图12及图13所示，其中端点用圆圈标记出，交叉点用方框标记。如图13所示，该图像存在纹路断开的情况，对其进行细节点提取，出现了丢失真正特征点、产生伪特征点的情况；而图12使用方向滤波的图像，纹路连通性较好，其细节点提取准确，误识情况较少，从而说明方向滤波方法的有效性。

实施案例5：

根据实施例1或2、3、4所述的基于改进的方向滤波与柔性匹配的识别方法，

1. 用柔性匹配识别方法：

在实际应用中，由于采集时指静脉图像受光线及传感器噪声等因素影响，导致匹配的细节点对之间通常都存在相对位置和角度偏差，针对这一问题，本发明采用柔性匹配范围的思想来解决对应点间的形变，柔性匹配即不要求对应细节点完全重合，只要对应细节点的位置和角度等特征的偏差小于给定的阈值范围即认为匹配。     

指静脉图像的细节特征点匹配是指其特征点拓扑结构的匹配，若模板指静脉图像的特征点拓扑结构与待匹配指静脉图像的特征点拓扑结构大致相同，则判定两幅图像匹配；反之，则判定两幅图像不匹配，而图像间特征点拓扑结构大致相同的描述可转化为特征点相似的描述，从而得到相似度的计算公式为：        

                                             (4)

其中 M是模板指静脉图像上的一个特征点和待匹配之静脉图像上的对应特征点匹配成功的记录，若匹配成功，则M的值相应增加；为总特征点数即两个进行比对的样本特征点数之和；为最大相似特征点数。若相似度大于某个合格阈值，则两个指静脉图像相似。

上述描述中，提到的特征点相同的判定方法如下：设模板静脉图像的某一个特征点为，待匹配静脉图像的某一特征点为。若和完全一样，则，也就是说两个点集中的元素对应相等。但在实际情况中，由于误差的存在，若和一样，则数学描述应为，即，其中的大小就是柔性匹配范围的大小。

柔性匹配范围的思想具体是指在细节特征点周围划取一个可变大小的范围，这个范围由四条边组成，其中一对边由两极半径组成，另一对边由两个极角边组成；两个极角边的差表示柔性匹配范围的宽度，两个极半径的差表示柔性匹配范围的高度，而柔性匹配范围由和决定。

由于和的值随着细节特征点极半径大小的改变而改变，若特征点极半径值较大，则它的值较大而的值较小，因此柔性匹配范围的大小也是变化的，如图14所示，图中表示柔性匹配范围的角度变化范围，表示柔性匹配范围的半径变化范围。

细节点极半径为时的计算公式如下：

                           (5)

                                            (6)

细节点极半径为时的计算公式如下：

                           (7)

                                            (8)

式中，、、、分别是和的上界和下界，和为常数。

柔性匹配阈值由实验确定，其中极角范围为4°，极半径范围为4个像素点。

综上所述，指静脉图像柔性匹配范围算法的具体步骤如下：

读入模板特征点和样本特征点，判断和是否满足，如不成立则重复此步骤，读入另一对特征点，否则转向步骤2)，直至所有细节点对均完成比较，转到最后一步；

2. 累加分数、相似特征点个数；

根据相似度计算公式计算匹配相似度，与合格阈值进行比较，判断匹配是否成功。

实施案例6：

根据实施例1或2、3、4、5所述的基于改进的方向滤波与柔性匹配的识别方法，实验结果分析：

本发明提供了两组实验来验证上述方法的有效性，实验数据库采集了300

个样本的食指静脉图像，其中每个样本采集图像5幅，原始图像大小为320×240。

1. 匹配性能分析实验

为了验证本文方法性能并与传统的基于细节特征点的匹配方法进行比

较，这里分别对这三种方法进行1:1认证实验及1:n识别实验。实验时从每个人的5幅静脉图像中，任选一幅(共300幅图像)作为待识别样本构成验证库，其余4幅(共幅图像)构成模板库，实验结果如表1及表2所示。

 

                  表1

                 表2

2.     旋转平移分析实验

我们将数据库中的图像分别在1~5个像素范围内进行均匀平移组成平移测试库，及在1°~+5°的角度范围内进行均匀旋转组成旋转测试库，对上述数据库中图像使用本发明方法分别进行识别实验，实验结果如图15及图16所示，图中横坐标为旋转的像素个数，纵坐标为平移或旋转不同像素数时对应的识别率。

实验结果表明，指静脉图像平移像素数在1~5之间时，平移后的图像的拒识率与原始图像相差不是很大，表明本方法具有一定的抗平移能力；而图像旋转角度在1~+4°之间时，旋转后的图像的拒识率与原始图像相差不大，所以本方法的抗旋转能力为4°，从而验证了本发明方法具有一定的抗平移与旋转变换的能力。

使用本发明改进的方向滤波操作对指静脉图像处理后，其提取出的静脉纹路光滑、清晰，提取出的特征点集更为准确，克服了预处理后的图像质量问题对提取细节特征的影响，在此基础上利用柔性匹配的思想，在一定的角度与半径范围内实现细节特征点集间的匹配识别，不仅具有一定的抗平移与旋转变换的能力，而且提高了系统的识别精度。

Claims (3)

1.一种基于改进的方向滤波与柔性匹配的识别方法，其特征是：该方法包括如下步骤：首先对读取的手指静脉图像利用静脉纹路的方向特性设计出适合指静脉图像每个像素点的邻域方向构成方向模板，利用该模板求取静脉图像的方向图，再针对像素点的方向对图像进行方向滤波；在此基础上，提取出图像的细节特征点，利用柔性匹配的思想，取极角范围为1-4°，极半径范围为1-4个像素点，内实现特征点集间的匹配识别。

2.根据权利要求1所述的基于改进的方向滤波与柔性匹配的识别方法，其特征是：所述的手指静脉图像的像素点邻域方向滤波模板，所述的方向滤波模板将每个像素点的邻域设置为8个以该像素点为中心的离散方向，基准像素点位于所述的方向滤波模板的中心，所述的方向滤波模板上的数值1-8分别对应代表8个离散方向，从水平位置开始， 按逆时针方向，每隔22.5°确定一个方向， 所述的方向滤波模板的方向角范围为0，п，且模板在1、2、3、7、8五个趋于水平方向上取的邻域像素点较多，而在4、5、6三个趋于垂直方向上取的邻域像素点较少，这样的所述的方向滤波模板设计更符合手指静脉纹路大致向手指两端延伸、方向变化平缓的特点。

3.根据权利要求1或2所述的基于改进的方向滤波与柔性匹配的识别方法，其特征是：所述的扩展的方向滤波模板，针对由旋转水平方向模板求取其他方向模板时产生的模板溢出问题，本发明将传统的7×7模板扩展成大小为9×9的模板，扩展后的模板最外一圈的系数均为0，利用此模板求取其他方向模板时，只对该模板中心的7×7范围内的系数进行坐标旋转，旋转后的模板中无系数的位置用0表示，这样就避免了模板旋转溢出时舍弃系数的情况，不会破坏系数分布规律。