CN104573633B - 一种指静脉仿生纹理和线状纹理的匹配及识别方法 - Google Patents
一种指静脉仿生纹理和线状纹理的匹配及识别方法 Download PDFInfo
- Publication number
- CN104573633B CN104573633B CN201410778190.XA CN201410778190A CN104573633B CN 104573633 B CN104573633 B CN 104573633B CN 201410778190 A CN201410778190 A CN 201410778190A CN 104573633 B CN104573633 B CN 104573633B
- Authority
- CN
- China
- Prior art keywords
- textural characteristics
- linear
- image
- bionical
- texture
- 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.)
- Active
Links
- 210000003462 vein Anatomy 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 19
- 239000000284 extract Substances 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 4
- 241000208340 Araliaceae Species 0.000 claims 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 2
- 235000008434 ginseng Nutrition 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 4
- 210000000857 visual cortex Anatomy 0.000 abstract description 3
- 230000002411 adverse Effects 0.000 abstract 1
- 230000004927 fusion Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 229910052704 radon Inorganic materials 0.000 description 2
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种结合仿生纹理特征和线状纹理特征的手指静脉识别方法，该方法可以有效地利用了手指静脉的仿生纹理特征和线状纹理特征，克服噪声对识别精度带来的不利影响，提高了手指静脉识别系统的识别性能和鲁棒性。它分别提取手指静脉图像的仿生纹理特征和线状纹理特征：仿生纹理特征使用哺乳动物视觉皮层简单细胞接受场模型良好近似的Gabor滤波器提取，用其进行特征识别，效果类似人眼识别物体，具有良好的效果。
Description
技术领域
本发明涉及手指静脉识别领域，具体地说是一种指静脉仿生纹理和线状纹理的匹配及识别方法。
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。
传统的手指静脉识别方法在特征提取时，往往只提取单一的特征，并不完备，不能将手指静脉图像的特性很好的描述出来，这样，不完备的特征通常会导致识别率的降低。
发明内容
本发明的目的是为解决上述现有技术的不足，而提供一种提高手指静脉识别系统的识别性能和鲁棒性的指静脉仿生纹理和线状纹理的匹配及识别方法。
为实现上述目的，本发明提供的一种指静脉仿生纹理和线状纹理的匹配及识别方法，基于特征权及海明距离的匹配，通过计算特征向量之间的海明距离获得两幅手指静脉图像的特征相似度，但是由于图像采集装置的不同，在不同环境下仿生纹理特征和线状纹理特征对识别的重要程度不同，如图像的静脉清晰，线状纹理明显，特征向量中线状纹理特征Dnx更为重要，反之，则仿生纹理特征Dgx重要，所以为了提高识别率，采用分别计算海明距离，再加权的图像相似度Dista,b进行匹配，如式(7)所示：
其中，为异或操作，Dist(a，b)为手指静脉图像a和图像b的相似度，为手指静脉图像a的仿生纹理特征，为手指静脉图像b的仿生纹理特征，为手指静脉图像a的线状纹理特征，为手指静脉图像b的线状纹理特征。通常情况ωg＝ωn＝0.5，如手指静脉纹理清晰，则适当调大ωn；反之则调大ωg。
本发明提供的一种指静脉仿生纹理和线状纹理的匹配及识别方法，在应用中，先对训练图像进行预处理，然后，分别提取预处理后图像的仿生纹理和线状纹理特征，并将之融合成完备的手指静脉图像的特征，编码成特征向量，最后利用特征向量之间的海明距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。本发明的有益效果是：将基于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，采用了基于特征权及海明距离的匹配，可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。
具体实施方式
下面结合实施例对本发明做进一步说明。
本实施例提供的一种指静脉仿生纹理和线状纹理的匹配及识别方法，包括提取仿生纹理特征和线状纹理特征，并融合编码产生特征向量，存储在模板数据库中，识别过程中，首先对图像进行预处理，接着进行仿生纹理特征和线状纹理特征提取，最后，通过公式(7)计算与数据库模板之间的图像相似度Dist(a，b)，根据设定的阈值确定识别结果。所述的计算是通过计算特征向量之间的海明距离获得两幅手指静脉图像的特征相似度，但是由于图像采集装置的不同，在不同环境下仿生纹理特征和线状纹理特征对识别的重要程度不同，如图像的静脉清晰，线状纹理明显，特征向量中线状纹理特征更为重要，反之，则仿生纹理特征重要，所以为了提高识别率，采用分别计算海明距离，再加权的图像相似度Dist(a，b)进行匹配，如式(7)所示：
其中，⊕为异或操作，Dist(a，b)为手指静脉图像a和图像b的相似度，为手指静脉图像a的仿生纹理特征，为手指静脉图像b的仿生纹理特征，为手指静脉图像a的线状纹理特征，为手指静脉图像b的线状纹理特征。通常情况ωg＝ωn＝0.5，如手指静脉纹理清晰，则适当调大ωn；反之则调大ωg。其实施过程可以如下：
1.预处理
由于采集到的原始静脉的图像中存在一些无用的背景以及较多的噪声所以要先对原始图像进行预处理。本发明的预处理包括感兴趣区域提取，尺寸归一化，图像增强。感兴趣区域提取将富含大量有用信息的手指静脉区域提取出来，通过边缘检测检测出手指静脉的轮廓。尺寸归一化是将感兴趣区域线性拉伸成L*K像素大小的矩形区域，本发明M＝,96,N＝48。图像增强采用高斯滤波法。
2.特征提取
现有的手指静脉识别方法在特征提取时，往往只提取单一的特征，并不完备，不能将手指静脉图像的特性很好的描述出来。为解决这个问题，提供一种结合仿生纹理和线状纹理的手指静脉识别方法，该方法提取手指静脉图像的仿生纹理特征和线状纹理特征：仿生纹理特征使用哺乳动物视觉皮层简单细胞接受场模型良好近似的Gabor滤波器提取，用其进行特征识别，效果类似人眼识别物体，具有良好的完备性；同时，针对手指静脉图像中，静脉纹理通常为线状纹理的特点，还提出了基于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。
使用哺乳动物视觉皮层简单细胞接受场模型良好近似的Gabor滤波器提取仿生纹理特征，二维Gabor滤波器的函数形式可以表示为式(1)：
其中为给定位置的图像坐标；为滤波器的中心频率；α为滤波器提取纹理特征的方向；σ2为滤波器高斯包络的方差。为了让提取的仿生纹理不受图像灰度绝对数值的影响，并且对图像的光照变化不敏感。在二维Gabor滤波器的实部减去了如式(1)所示。
根据手指静脉图像尺寸与噪声情况，选择并固定适当的Gabor滤波器方差参数σ2，调节滤波器频率参数kv，和方向参数α，得到一组二维Gabor滤波器并用它们对预处理后的手指静脉图像进行卷积，如式(2)所示：
图像中的每一个点x0都能得到了多个Gabor滤波器响应Ji,jx0，取其中响应最强的频率参数kvi，和方向参数αj作为该点的仿生纹理特征，如式(3)所示：
则整张手指静脉图像的仿生纹理特征为频率参数kvi取8种可能(1，1/2，1/4，1/6，1/8，1/10，1/12，1/14；单位：1/像素)，方向参数αj取6种可能(0°，60°，120°，180°，240°，300°)。
采用线状纹理滤波器提取线状纹理特征。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：
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di，和角度参数θj作为该点的线状纹理特征，如式(5)所示：
则整张手指静脉图像的仿生纹理特征为线宽参数di取4种可能(1,2,4,8；单位：像素)，和角度参数θj取6种可能(0°，30°，60°，90°，120°，150°)。
3.特征融合及编码
单一的仿生纹理特征或者线状纹理特征都不够完备，融合它们能够得到完备的特征集
特征集中包括仿生纹理的频率参数和方向参数，及线状纹理的线宽参数和角度参数，将其编码成二进制码共96×48×(3+3+2+3)＝50688bit。然后融合编码产生特征向量，存储在模板数据库中，最后，通过公式(7)计算与数据库模板之间的图像相似度Dist(a，b)，根据设定的阈值确定识别结果。
Claims (1)
1.一种指静脉仿生纹理和线状纹理的匹配及识别方法，它包括采用指静脉仿生纹理特征和线状纹理特征，其特征是通过计算特征向量之间的海明距离获得两幅手指静脉图像的特征相似度，采用分别计算海明距离，再加权的图像相似度Dist(a，b)进行匹配，如式(7)所示：
其中，为异或操作，Dist(a，b)为手指静脉图像a和图像b的相似度，为手指静脉图像a的仿生纹理特征，为手指静脉图像b的仿生纹理特征，为手指静脉图像a的线状纹理特征，为手指静脉图像b的线状纹理特征；其中所述的仿生纹理特征满足二维Gabor滤波器的函数式(1)：
其中为给定位置的图像坐标；为滤波器的中心频率；α为滤波器提取纹理特征的方向；σ2为滤波器高斯包络的方差；根据手指静脉图像尺寸与噪声情况，选择并固定适当的Gabor滤波器方差参数σ2，调节滤波器频率参数kv，和方向参数α，得到一组二维Gabor滤波器并用它们对预处理后的手指静脉图像进行卷积，如式(2)所示：
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频率参数kvi，和方向参数αj作为该点的仿生纹理特征，如式(3)所示：
则整张手指静脉图像的仿生纹理特征为其中频率参数kvi可取8种可能，方向参数αj可取6种可能；
所述的线状纹理特征通过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：
图像中的每一个点都能得到了多个线状纹理滤波器响应取其中响应最强的线宽参数di，和角度参数θj作为该点的线状纹理特征，如式(5)所示：
则整张手指静脉图像的线状纹理特征为线宽参数di可取4种可能，和角度参数θj可取6种可能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410778190.XA CN104573633B (zh) | 2014-12-15 | 2014-12-15 | 一种指静脉仿生纹理和线状纹理的匹配及识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410778190.XA CN104573633B (zh) | 2014-12-15 | 2014-12-15 | 一种指静脉仿生纹理和线状纹理的匹配及识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104573633A CN104573633A (zh) | 2015-04-29 |
| CN104573633B true CN104573633B (zh) | 2019-06-18 |
Family
ID=53089656
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410778190.XA Active CN104573633B (zh) | 2014-12-15 | 2014-12-15 | 一种指静脉仿生纹理和线状纹理的匹配及识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104573633B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109446874A (zh) * | 2018-08-28 | 2019-03-08 | 五邑大学 | 一种指静脉采集识别系统 |
| CN112711748B (zh) * | 2021-01-15 | 2023-12-05 | 电子科技大学中山学院 | 一种指静脉身份认证方法、装置、电子设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101789076A (zh) * | 2010-01-27 | 2010-07-28 | 哈尔滨工程大学 | 一种提取相位及方向特征的手指静脉识别方法 |
| CN101901336A (zh) * | 2010-06-11 | 2010-12-01 | 哈尔滨工程大学 | 指纹与指静脉双模态识别决策级融合法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8872909B2 (en) * | 2010-06-10 | 2014-10-28 | The Hong Kong Polytechnic University | Method and apparatus for personal identification using finger imaging |
| CN103870808B (zh) * | 2014-02-27 | 2017-01-18 | 中国船舶重工集团公司第七一〇研究所 | 一种手指静脉识别方法 |
-
2014
- 2014-12-15 CN CN201410778190.XA patent/CN104573633B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101789076A (zh) * | 2010-01-27 | 2010-07-28 | 哈尔滨工程大学 | 一种提取相位及方向特征的手指静脉识别方法 |
| CN101901336A (zh) * | 2010-06-11 | 2010-12-01 | 哈尔滨工程大学 | 指纹与指静脉双模态识别决策级融合法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于方向特征的手掌静脉识别;周宇佳等;《中国图象图形学报》;20140228;第0243-0252页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104573633A (zh) | 2015-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108520216B (zh) | 一种基于步态图像的身份识别方法 | |
| CN104978550B (zh) | 基于大规模人脸数据库的人脸识别方法及系统 | |
| CN102521575B (zh) | 基于多方向Gabor和Adaboost虹膜识别方法 | |
| CN100514352C (zh) | 手指静脉认证系统的静脉特征提取方法 | |
| CN102779269B (zh) | 基于图像传感器成像系统的人脸识别算法 | |
| CN102411711B (zh) | 一种基于个性化权重的手指静脉识别方法 | |
| Kang et al. | Pose-invariant hand shape recognition based on finger geometry | |
| CN103886589A (zh) | 面向目标的自动化高精度边缘提取方法 | |
| CN103413119A (zh) | 基于人脸稀疏描述子的单样本人脸识别方法 | |
| CN106056046B (zh) | 从图像中提取特征的方法和装置 | |
| CN106503694B (zh) | 基于八邻域特征的数字识别方法 | |
| CN103218605A (zh) | 一种基于积分投影与边缘检测的快速人眼定位方法 | |
| CN105760841A (zh) | 一种身份识别方法及系统 | |
| CN106127193B (zh) | 一种人脸图像识别方法 | |
| CN102542243A (zh) | 一种基于lbp图像和分块编码的虹膜特征提取方法 | |
| CN103902992A (zh) | 人脸识别方法 | |
| CN104504370A (zh) | 一种结合仿生纹理特征和线状纹理特征的手指静脉识别方法 | |
| Xie et al. | Review of personal identification based on near infrared vein imaging of finger | |
| CN104573633B (zh) | 一种指静脉仿生纹理和线状纹理的匹配及识别方法 | |
| Hu et al. | Resolution-Aware 3D Morphable Model. | |
| Zhang et al. | Finger vein recognition based on Gabor filter | |
| Fernandez et al. | Fingerprint core point detection using connected component approach and orientation map edge tracing approach | |
| CN103218616A (zh) | 基于高斯-埃尔米特矩的图像轮廓特征提取方法 | |
| Li et al. | Finger-vein recognition based on improved Zernike moment | |
| Yiming et al. | Research on iris recognition algorithm based on hough transform |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20190520 Address after: 518000 Dalang Street Office, Longhua District, Shenzhen City, Guangdong Province, 01-08, 12th floor, Jiaanda Building, east of Huafang Road, Tongsheng Community Applicant after: Shenzhen Palm Zhifu Information Technology Co.,Ltd. Address before: 516000 No. 305, Tsinghua Court, No. 11 Huabian North Road, Huizhou City, Guangdong Province (Guangdong Zhiguan Information Technology Co., Ltd.) Applicant before: GUANGDONG WICROWN INFORMATION TECHNOLOGY Co.,Ltd. Applicant before: SHENZHEN YUNPAISI TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 518000 Dalang Street Office, Longhua District, Shenzhen City, Guangdong Province, 01-08, 12th floor, Jiaanda Building, east of Huafang Road, Tongsheng Community Patentee after: Shenzhen Hongjiexin Technology Co.,Ltd. Address before: 518000 Dalang Street Office, Longhua District, Shenzhen City, Guangdong Province, 01-08, 12th floor, Jiaanda Building, east of Huafang Road, Tongsheng Community Patentee before: Shenzhen Palm Zhifu Information Technology Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240102 Address after: 519075, 5th floor, 5-140 (centralized office area), Yunxi Valley Digital Industrial Park, No. 168 Tourist Road, Xiangzhou District, Zhuhai City, Guangdong Province (Meixi Commercial Plaza Block B) Patentee after: Yizhang Tong Digital Technology (Zhuhai) Co.,Ltd. Address before: 518000 Dalang Street Office, Longhua District, Shenzhen City, Guangdong Province, 01-08, 12th floor, Jiaanda Building, east of Huafang Road, Tongsheng Community Patentee before: Shenzhen Hongjiexin Technology Co.,Ltd. |
|
| TR01 | Transfer of patent right |