CN104504371A - 一种手指静脉图像的线状纹理特征提取方法 - Google Patents

Abstract

本发明公开了一种手指静脉图像的线状纹理特征提取方法，针对手指静脉图像中，静脉纹理通常为线状纹理的特点，提出了基于Radon变换的线状纹理特征，将之融合到手指静脉图像的特征向量中，进一步提高了特征向量的完备性；同时，在特征匹配阶段，可采用基于特征权及海明距离的匹配，针对在不同运行环境下，调整特征权，达到最佳的匹配效果，从而，提高了手指静脉识别系统的识别性能和鲁棒性。

Description

一种手指静脉图像的线状纹理特征提取方法

技术领域

本发明涉及手指静脉识别领域，具体地说是一种手指静脉图像的线状纹理特征提取方法。

背景技术

手指静脉识别是一种新兴的具有较好发展前途的生物特征识别技术，手指静脉识别的关键在于如何准确提取静脉网络，在此基础上进行特征提取和匹配。为了克服低质量手指静脉图像对识别结果的影响，结合仿生纹理特征和线状纹理特征的手指静脉识别方法被提出。其基本原理是首先对采集的手指静脉图像做一定的预处理，包括图像增强、尺寸归一化等，然后对预处理后的图像提取结合仿生纹理和线状纹理的特征，并融合编码产生特征向量。最后利用特征向量之间的海明距离计算两幅手指静脉图像的特征相似度，根据设定的特征权及阈值进行匹配，验证二者是否来自同一枚手指，为了满足两种特征图像的融合与结合，特此提出适合这种结合的手指静脉图像的线状纹理特征提取方法。

发明内容

本发明的额目的是为克服上述现有技术的不足而提供一种能融合到手指静脉图像的特征向量中，进一步提高特征向量的完备性，从而，提高了手指静脉识别系统的识别性能和鲁棒性的手指静脉图像的线状纹理特征提取方法。

为实现上述目的，本发明采用如下技术方案：采用线状纹理滤波器提取，并调节滤波器线宽参数d，和角度参数θ,得到一组线状纹理滤波器并用对预处理后的手指静脉图像进行卷积，如式(4)所示：

$L_{i,j}\left(\stackrel{\→}{x}\right)=\∫I\left({\stackrel{\→}{x}}^{\′}\right)H_{d_i,{\mathrm{\θ}}_j}(\stackrel{\→}{x}-{\stackrel{\→}{x}}^{\′})d^2{\stackrel{\→}{x}}^{\′}---\left(4\right)$

图像中的每一个点都能得到了多个Gabor滤波器响应取其中响应最强的线宽参数d_i，和角度参数θ_j作为该点的线状纹理特征，如式(5)所示：

$D_n\left({\stackrel{\→}{x}}_0\right)=\arg {\max }_{i,j}\left(L_{i,j}\left({\stackrel{\→}{x}}_0\right)\right)---\left(5\right)$

则整张手指静脉图像的线状纹理特征为

本发明的有益效果是：本发明提供的手指静脉图像的线状纹理特征提取方法，针对手指静脉图像中，静脉纹理通常为线状纹理的特点，提出了基于Radon变换的线状纹理特征，将之融合到手指静脉图像的特征向量中，进一步提高了特征向量的完备性；同时，在特征匹配阶段，可采用基于特征权及海明距离的匹配，针对在不同运行环境下，调整特征权，达到最佳的匹配效果，从而，提高了手指静脉识别系统的识别性能和鲁棒性。

附图说明

图l为线状纹理滤波器(宽度d为2，角度θ分别为0°，30°，60°，90°，120°，150°)。

具体实施方式

下面结合附图与实施例对本发明做进一步说明。

本实施例提供的一种手指静脉图像的线状纹理特征提取方法，采用线状纹理滤波器提取线状纹理特征，并调节滤波器线宽参数d，和角度参数θ,得到一组线状纹理滤波器并用对预处理后的手指静脉图像进行卷积，如式(4)所示：

$L_{i,j}\left(\stackrel{\→}{x}\right)=\∫I\left({\stackrel{\→}{x}}^{\′}\right)H_{d_i,{\mathrm{\θ}}_j}(\stackrel{\→}{x}-{\stackrel{\→}{x}}^{\′})d^2{\stackrel{\→}{x}}^{\′}---\left(4\right)$

图像中的每一个点都能得到了多个Gabor滤波器响应取其中响应最强的线宽参数d_i，和角度参数θ_j作为该点的线状纹理特征，如式(5)所示：

$D_n\left({\stackrel{\→}{x}}_0\right)=\arg {\max }_{i,j}\left(L_{i,j}\left({\stackrel{\→}{x}}_0\right)\right)---\left(5\right)$

则整张手指静脉图像的线状纹理特征为线宽参数d_i取4种可能(1,2,4,8；单位：像素)，和角度参数θ_j取6种可能(0°，30°，60°，90°，120°，150°)。

Claims (1)

1.一种手指静脉图像的线状纹理特征提取方法，它包括使用线状纹理滤波器，其特征是采用调节滤波器线宽参数d，和角度参数θ,得到一组线状纹理滤波器并用对预处理后的手指静脉图像进行卷积，如式(4)所示：

$L_{i,j}\left(\stackrel{\→}{x}\right)=\∫I\left({\stackrel{\→}{x}}^{\′}\right)H_{d_i,{\mathrm{\θ}}_j}(\stackrel{\→}{x}-{\stackrel{\→}{x}}^{\′})d^2{\stackrel{\→}{x}}^{\′}---\left(4\right)$

图像中的每一个点都能得到了多个Gabor滤波器响应取其中响应最强的线宽参数d_i，和角度参数θ_j作为该点的线状纹理特征，如式(5)所示：

$D_n\left({\stackrel{\→}{x}}_0\right)=\arg {\max }_{i,j}\left(L_{i,j}\left({\stackrel{\→}{x}}_0\right)\right)---\left(5\right)$

则整张手指静脉图像的线状纹理特征为线宽参数d_i取4种可能，和角度参数θ_j取6种可能。