发明内容
本发明的目的在于提供一种指腹折痕和指静脉图像的处理方法,采用双模态生物特征,丰富了生物特征的数量,并通过评估简单明显的指腹折痕图像,获取手指姿态参数,进而对指静脉图像进行校正,减少由于单一生物特征信息量少和手指姿态变化等原因引起的错误辨识,有效地提高身份识别的准确率。
为实现上述目的,本发明提供的指腹折痕和指静脉图像的处理方法为:通过合理设计图像采集设备的结构,用同一台摄像机分别获取手指的指腹折痕和指静脉纹理图像;采用canny算子提取手指的边缘,获取手指轮廓;采用最小二乘法拟合轮廓中点,获取手指的方向,建立手指的基准坐标系;采用单向最大曲率算法获取指腹折痕的特征图像;以第一关节和第二关节的纹线之间的区域,为指静脉的感兴趣区(ROI);依据指腹折痕的纹线特征估算手指的姿态参数,并用该参数对指静脉图像进行校正,消除因手指姿态变化对特征图像的影响。
所述合理设计图像采集设备的结构,是将图像采集设备分为上下两部分:上部为半开放的弧形顶盖,顶盖的中央沿手指方向为6个850nm波长的近红外光LED阵列;手指定位槽左右两边倾斜挡板位于摄像机中心与弧形顶盖两边的连线内部,这样能有效地遮蔽可见光对红外静脉图像的影响;下部为处理器单元、摄像机(具有红外成像功能)和两组蓝光LED。通过处理器单元控制近红外光LED阵列、两组蓝光LED和摄像机进行相关操作。点亮两组蓝光LED,获取指腹折痕特征图像;然后关闭蓝光LED,点亮近红外光LED阵列,获取指静脉纹理特征图像。采用同一台摄像机在极短时间间隔(小于30ms)分别获取指腹折痕和指静脉纹理图像,由于采集指腹折痕图像和指静脉纹理图像时间间隔很短,可以认为在拍摄两幅图像时手指姿态固定不变,简化了两幅图像的配准过程。
所述采用canny算子提取手指的边缘,获取手指轮廓,是基于指腹折痕特征明显、易于辨识、稳定性高等特点,对指腹折痕灰度图像进行处理,具体步骤为:
1)采用高斯滤波器对指腹折痕灰度图像进行低通滤波。高斯滤波器记为G(x,y),滤波模板可以通过如下公式获得:
其中D(x,y)是距离中心原点的距离,本发明采用5*5大小的模板,δ取0.5。设指腹折痕原始的灰度图像为f(x,y),滤波后的图像为f1(x,y),则:
f1(x,y)=f(x,y)*G(x,y)
其中‘*’表示卷积计算,在指腹折痕图像进行滤波去噪后,就可以进行手指边缘的提取。
2)采用2x2邻域一介偏导数的有限差分计算平滑后的图像f1(x,y)的梯度幅值M(x,y)及梯度方向H(x,y):
其中,dG/dx和dG/dy是Gauss滤波器分别沿x,y方向进行偏导数的结果。
3)对梯度幅值进行非极大值抑制。仅仅得到全局的梯度并不足以确定边缘,因此为确定边缘,必须保留局部梯度最大的点,而抑制非极大值。先将梯度的方向角:θ(x,y)的范围划分为四个扇区,那么对于源图像中的某个像素点(x,y),其梯度方向所属扇区编号由下式给出:
ε(x,y)=Sect(θ(x,y)) ε(x,y)=0,1,2,3
在幅值图像M(x,y)上操作每一个点时,先取其3x3的邻域点集合,再以此点(x,y)为中心的邻域中,每个邻域点必在某个扇区内。由上式计算出中心点(x,y)梯度方向所在扇区的编号,找到对应编号扇区中的两个邻域点的梯度幅值,将这两个梯度幅值与中心点(x,y)的梯度幅值相比较。如果中心像素点的梯度幅值没有这两个梯度幅值大,则认为点(x,y)为非边缘点,M(x,y)赋值0,否则点(x,y)为候选边缘点,M(x,y)的值不变。经过非极大值抑制后的图像为:
N(x,y)=NMS(M(x,y),ε(x,y))
4)用双阀值算法检测和连接边缘。双阈值算法对非极大值抑制图像作用两个阈值τ1和τ2,且2τ1≈τ2,从而可以得到两个阈值边缘图像N1(x,y)和N2(x,y)。由于N2(x,y)使用高阈值得到,因而含有很少的假边缘,但有间断(不闭合)情况。双阈值法要在N2(x,y)中把边缘连接成轮廓,当到达轮廓的端点时,该算法就在N1(x,y)的8邻点位置寻找可以连接到轮廓上的边缘,这样,算法不断地在N1(x,y)中收集边缘,直到将N2(x,y)连接起来为止。
在使用canny算子进行边缘提取后,再去除背景中的边缘噪声,可以得到完整的手指轮廓。
所述采用最小二乘法拟合轮廓中点,获取手指的方向,建立手指的基准坐标系是以所采集的原始指腹折痕灰度图像的左下角为原点O,水平方向为X轴(近似平行于手指指尖方向),垂直方向为Y轴,根据上面获取的手指轮廓,沿X轴方向计算在手指轮廓Y方向的中点,然后采用最小二乘法拟合所有的中点,获取基准线,作为校正后手指的方向X’,记X’轴与X轴的夹角为a,过X’与灰度图像左右两边界的交点的中点且垂直于X’的方向为Y’,建立手指图像基准坐标系I’。则经过图像的旋转变换,获取基准坐标系I’中的灰度图像为F(x’,y’),其坐标变换可采用如下公式:
其中,c,d为基准坐标系的坐标原点I’在原始图像中的坐标。
所述采用单向最大曲率算法获取指腹折痕的特征图像,是由于指腹折痕的纹络具有很强的方向性,在手指图像基准坐标系I’中,沿X’方向对指腹折痕原始的灰度图像采用单向最大曲率算法,分别获取指腹折痕的第一、第二关节的折痕纹络,具体方法为:
设基准坐标系中指腹折痕的灰度图像为F(x’,y’),Fy‘(x’)为灰度图像中第y’行沿x’方向上各像素的灰度值。图像中各点处灰度曲线的曲率为Cy’(x’):
每一行中,局部曲率为正的最大值的点可能为折痕纹路上的点。根据指腹折痕的连通性规则,分别根据各点(x’,y’)处的曲率值检查周围相邻的8个像素点的曲率值,剔除噪声点,依据阀值分割算法,对图像进行二值化,获取指腹折痕的纹络曲线。
所述以第一关节和第二关节的纹线之间的区域,为指静脉的感兴趣区(ROI),是分别过指腹折痕纹络曲线上最左边和最右边(x’坐标最小和最大)的点,做垂直于X‘轴的直线,两条直线之间的区域定为手指图像的感兴趣区。
所述依据指腹折痕的纹线特征估算手指的姿态参数,是将获取的指腹折痕纹络特征与模板库中的指腹折痕特征进行匹配,根据配准差异,估算出手指的姿态,进而计算出手指姿态的校正参数。
1)计算采集图像的感兴趣区的宽度d1与模板库中模板图像的宽度d2的比值,估算手指的俯仰参数,进而对指腹折痕图像进行伸缩变换。
2)根据指腹折痕纹络中特征点在Y’方向上的坐标位置,与模板库中相应特征点在Y’方向的差异,估算出手指沿X’轴方向的旋转角度。
所述利用手指姿态参数对指静脉图像进行校正,消除因手指姿态变化对特征图像的影响,是根据指腹折痕特征图像获取的手指姿态校正参数,包括手指轮廓、基准线、旋转角度、伸缩比例等参数,对指静脉纹理特征图像进行旋转、俯仰和平移操作,获取经过校正的的指静脉纹理特征图像。
本发明利用特征明显的指腹折痕图像计算手指姿态校正参数,并依此对指静脉纹理图像进行校正,为特征提取和识别过程提供了更高质量的图像,能有效地提高生物特征识别的准确率。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
图1为根据本发明的指腹折痕和指静脉图像采集设备结构示意图。指腹折痕和指静脉图像采集设备的结构分为上下两部分:上部为半开放的弧形顶盖,顶盖的中央沿手指方向为6个850nm波长的近红外光LED阵列;手指定位槽左右两边倾斜挡板位于摄像机中心与弧形顶盖两边的连线内部,这样能有效地遮蔽可见光对红外静脉图像的影响;下部为处理器单元、摄像机(具有红外成像功能)和两组蓝光LED。
图2为根据本发明的指腹折痕和指静脉图像采集过程示意图。采集设备接通电源后,处理器首先对摄像机、近红外LED阵列、两组蓝光LED及其它部件进行初始化;手指到位后,首先点亮两组蓝光LED,获取指腹折痕特征图像;延迟10ms,然后关闭两组蓝光LED,点亮近红外LED阵列,获取指静脉纹理特征图像。采用同一台摄像机在极短时间间隔(小于10ms)分别获取指腹折痕和指静脉纹理图像,由于采集指腹折痕图像和指静脉纹理图像时间间隔很短,可以认为在拍摄两幅图像时手指姿态固定不变,图像已经完成配准。
图3为根据本发明的指腹折痕和指静脉图像配准效果图,其中上面的图为指静脉纹理图像,下面的图为指腹折痕图像,采集两幅图像的间隔为10ms,从图中可以看出,两幅图像的手指姿态是基本一致,无需再进行配准。
图4为根据本发明的指腹折痕和指静脉图像的处理方法流程图,首先采用同一台摄像机分别获取手指的指腹折痕和指静脉纹理图像;采用canny算子提取手指的边缘,获取手指轮廓;采用最小二乘法拟合轮廓中点,获取手指的方向,建立手指的基准坐标系;采用单向最大曲率算法获取指腹折痕的纹络;以第一关节和第二关节的纹线之间的区域,定位手指的感兴趣区(ROI);依据指腹折痕的纹线特征估算手指的姿态参数,并用该参数对指静脉图像进行校正,获取经过校正的指腹折痕和指静脉图像。
图5为根据本发明的基于指腹折痕图像的手指轮廓和基准线示意图,水平线即为原始指腹折痕图像的水平线,中线即为通过最小二乘法获取的基准线,也就是手指方向,基准线和图像X方向夹角为a。
图6为根据本发明的基于指腹折痕图像获取的感兴趣区(ROI)示意图。采用单向最大曲率算法获取指腹折痕的第一、第二关节的特征纹络曲线,以垂直于X’轴且与第一、二关节折痕外侧纹络相切的直线对手指图像进行切割,两条切割线之间的区域定为手指图像的感兴趣区(ROI)。
图7为根据本发明的基于指腹折痕图像获取手指姿态示意图。沿X’轴方向,通过待测手指的感兴趣区的宽度与手指指腹折痕的模板宽度进行对比,根据其比值,获取手指的俯仰角度。沿Y’轴方向,根据手指指腹折痕的特征点与模板中相应特征点的偏移量,估算手指的旋转角度。通过这些角度来获取手指姿态参数。
本发明根据从指腹折痕图像中获取的手指轮廓、手指基准线、感兴趣区、手指俯仰角、旋转角度等参数,对指静脉灰度图像进行校正处理,获取相对准确的经过校准的指静脉灰度图像,为接下来的特征提取和匹配算法提供了高质量的特征图像,能有效地提高身份认证的准确率。
本领域普通技术人员可以理解:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。