CN108734069A - 一种指静脉图像的质量分数计算方法及装置 - Google Patents

Abstract

本申请提供了一种指静脉图像的质量分数计算方法，通过获取待质量判断的指静脉图像的归一化图像以及二值化图像，并获取二值化图像中每根指静脉的边界点以及中间点，然后获取边界点以及中间点在归一化图像中的灰度值，并计算中间点与边界点的平均灰度差，且，根据平均灰度差，创建中间点与边界点的平均灰度差数组，然后，计算平均灰度差数组中大于预设阈值的点数，最后将不同预设阈值的点数进行加和，得到不同阈值时的点数累加和，对点数累加和进行归一化处理，获取指静脉图像的质量分数。可见，本方案得到高质量的指静脉图像，准确率高，进而进行身份认证，认证效率高。

Description

一种指静脉图像的质量分数计算方法及装置

技术领域

本申请涉及生物特征识别技术领域，更具体地说，涉及一种一种指静脉图像的质量分数计算方法及装置。

背景技术

随着科技的不断发展，传统的通过用户名、密码等方式进行用户身份识别和验证的方式不足以满足日益发展的网络支付的需求。生物特征识别凭借其唯一性，得到了快速的发展。具体的，生物特征识别技术是利用人体生物特征或者行为特征进行个人身份认证，其中，生物特征可以包括指纹、掌型、虹膜、脸型等，行为特征可以包括动作、声音、签名等。

静脉识别技术是生物识别技术中的一种，其通过对手指或手掌中静脉图像进行活体识别来达到识别认证的目的，具有高度防伪、活体检测、精准度高、便于操作等特性。然而，手指静脉图像的质量直接影响指静脉识别的准确度。

但发明人发现，目前，手指静脉图像的质量判断的准确率较低，身份认证精度和效率低，因此，如何提供一种指静脉图像的质量分数计算方法及装置成为当前亟待解决的一大问题。

发明内容

有鉴于此，本申请提供了一种指静脉图像的质量分数计算方法及装置，通过计算指静脉图像的质量分数，得到高质量的指静脉图像，准确率高，进而进行身份认证，认证效率高。

为了实现上述目的，现提出的方案如下：

一种指静脉图像的质量分数计算方法，包括：

获取待质量判断的指静脉图像的归一化图像以及二值化图像；

获取所述二值化图像中每根指静脉的边界点以及中间点；

获取所述边界点以及所述中间点在所述归一化图像中的灰度值，并计算所述中间点与所述边界点的平均灰度差；

根据所述平均灰度差，创建所述中间点与所述边界点的平均灰度差数组；

计算所述平均灰度差数组中大于预设阈值的点数；

将不同所述预设阈值的所述点数进行加和，得到不同所述阈值时的点数累加和；

对所述点数累加和进行归一化处理，获取所述指静脉图像的质量分数。

优选的，所述获取所述二值化图像中每根指静脉的边界点以及中间点，包括：

垂直扫描所述二值化图像的每一列，分别获取每根指静脉的边界点以及中间点。

优选的，所述计算所述中间点与所述边界点的平均灰度差，包括：

根据公式计算得到所述平均灰度差，其中，MeanGraz为所述平均灰度差，Ggra1为gz1和gzm之间的灰度差，Ggra2为gz2和gzm之间的灰度差，gz1、gz2以及gzm分别为所述上边界点、下边界点和中间点的灰度值。

优选的，所述将不同所述预设阈值的所述点数进行加和，得到不同所述阈值时的点数累加和，包括：

根据公式计算得到所述点数累加和，其中，Numk为所述平均灰度差数组中大于预设阈值的点数，MeanGraA为所述中间点与所述边界点的平均灰度差数组，Tk为所述预设阈值，n为设定不同阈值的次数，通常情况下n＝10。

优选的，所述获取待质量判断的指静脉图像的归一化图像以及二值化图像，包括：

获取所述待质量判断的指静脉图像的感兴趣区域，并对所述感兴趣区域进行归一化处理，得到归一化图像；

对所述归一化图像进行二值化处理，得到二值化图像。

一种指静脉图像的质量分数计算装置，包括：

第一获取模块，用于获取待质量判断的指静脉图像的归一化图像以及二值化图像；

第二获取模块，用于获取所述二值化图像中每根指静脉的边界点以及中间点；

第三获取模块，用于获取所述边界点以及所述中间点在所述归一化图像中的灰度值，并计算所述中间点与所述边界点的平均灰度差；

创建模块，用于根据所述平均灰度差，创建所述中间点与所述边界点的平均灰度差数组；

计算模块，用于计算所述平均灰度差数组中大于预设阈值的点数；

加和模块，用于将不同所述预设阈值的所述点数进行加和，得到不同所述阈值时的点数累加和；

第四获取模块，用于对所述点数累加和进行归一化处理，获取所述指静脉图像的质量分数。

优选的，所述第二获取模块包括：

扫描单元，用于垂直扫描所述二值化图像的每一列，分别获取每根指静脉的边界点以及中间点。

优选的，所述第三获取模块包括：

计算单元，用于根据公式计算得到所述平均灰度差，其中，MeanGraz为所述平均灰度差，Ggra1为gz1和gzm之间的灰度差，Ggra2为gz2和gzm之间的灰度差，gz1、gz2以及gzm分别为所述上边界点、下边界点和中间点的灰度值。

优选的，所述加和模块包括：

加和单元，用于根据公式计算得到所述点数累加和，其中，Numk为所述平均灰度差数组中大于预设阈值的点数，MeanGraA为所述中间点与所述边界点的平均灰度差数组，Tk为所述预设阈值，n为设定不同阈值的次数，通常情况下n＝10。

优选的，所述第一获取模块包括：

获取单元，用于获取所述待质量判断的指静脉图像的感兴趣区域，并对所述感兴趣区域进行归一化处理，得到归一化图像；

处理单元，用于对所述归一化图像进行二值化处理，得到二值化图像。

从上述的技术方案可以看出，本申请提供了一种指静脉图像的质量分数计算方法，通过获取待质量判断的指静脉图像的归一化图像以及二值化图像，并获取二值化图像中每根指静脉的边界点以及中间点，然后获取边界点以及中间点在归一化图像中的灰度值，并计算中间点与边界点的平均灰度差，且，根据平均灰度差，创建中间点与边界点的平均灰度差数组，然后，计算平均灰度差数组中大于预设阈值的点数，最后将不同预设阈值的点数进行加和，得到不同阈值时的点数累加和，对点数累加和进行归一化处理，获取指静脉图像的质量分数。可见，本方案得到高质量的指静脉图像，准确率高，进而进行身份认证，认证效率高。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本实施例提供的一种指静脉图像的质量分数计算方法的流程示意图；

图2为本实施例提供的一种指静脉图像的质量分数计算装置的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请提供了一种指静脉图像的质量分数计算方法，通过获取待质量判断的指静脉图像的归一化图像以及二值化图像，并获取二值化图像中每根指静脉的边界点以及中间点，然后获取边界点以及中间点在归一化图像中的灰度值，并计算中间点与边界点的平均灰度差，且，根据平均灰度差，创建中间点与边界点的平均灰度差数组，然后，计算平均灰度差数组中大于预设阈值的点数，最后将不同预设阈值的点数进行加和，得到不同阈值时的点数累加和，对点数累加和进行归一化处理，获取指静脉图像的质量分数。可见，本方案得到高质量的指静脉图像，准确率高，进而进行身份认证，认证效率高。

请参阅图1，为本实施例提供的一种指静脉图像的质量分数计算方法的流程图，包括步骤：

S1、获取待质量判断的指静脉图像的归一化图像以及二值化图像。

S2、获取所述二值化图像中每根指静脉的边界点以及中间点。

S3、获取所述边界点以及所述中间点在所述归一化图像中的灰度值，并计算所述中间点与所述边界点的平均灰度差。

S4、根据所述平均灰度差，创建所述中间点与所述边界点的平均灰度差数组。

S5、计算所述平均灰度差数组中大于预设阈值的点数。

S6、将不同所述预设阈值的所述点数进行加和，得到不同所述阈值时的点数累加和。

S7、对所述点数累加和进行归一化处理，获取所述指静脉图像的质量分数。

具体的，步骤S2是通过垂直扫描所述二值化图像BinF的每一列，分别获取每根指静脉的边界点pz1和pz2(z＝1,2,....)以及中间点pzm，其中，z表示每一列静脉的序号。步骤S3中所述计算所述中间点与所述边界点的平均灰度差是根据公式计算得到所述平均灰度差，其中，MeanGraz为所述平均灰度差，Ggra1为gz1和gzm之间的灰度差，Ggra2为gz2和gzm之间的灰度差，gz1、gz2以及gzm分别为所述上边界点、下边界点和中间点的灰度值。

步骤S6是根据公式计算得到所述点数累加和，其中，Numk为所述平均灰度差数组中大于预设阈值的点数，MeanGraA为所述中间点与所述边界点的平均灰度差数组，Tk为所述预设阈值。

步骤S1可以是首先获取所述待质量判断的指静脉图像的感兴趣区域，并对所述感兴趣区域进行归一化处理，得到归一化图像；然后对所述归一化图像进行二值化处理，得到二值化图像。

具体的，本实施例还提供了一种步骤S1的具体实现方式，如下：

步骤1：采集指静脉图像，具体采集过程如下：

(1)用户将手指放置在指静脉识别装置预设的位置，手指压触感应单元2感应到用户手指的压力，通过线缆B通知到控制单元5；

(2)控制单元5通过线缆A控制光源1开启或关闭，同时控制单元5通过线缆C控制CMOS图像采集单元4的开启，获取指静脉图像；

(3)CMOS图像采集单元4在控制单元5的控制下按照时序将采集的图像传输到图像存储单元6。

步骤2：从指静脉存储单元中获取一张需要评判质量的指静脉图像f；该过程主要有两个步骤：

(1)获取指静脉图像的中心子区域(窗口大小为w*w)的像素平均值MeanValue；

(2)将像素平均值MeanValue在预设区间(80<MeanValue<150)的指静脉图像f输出，以该图像作为后期质量判断的输入图像。

步骤3：提取指静脉图像的感兴趣区域：为了降低数据处理量，需要将手指的感兴趣区域提取出来，进行归一化处理得到归一化图像；具体步骤如下：

(1)获取指静脉图像f的水平旋转角度θ和水平平移大小d，并且获取校正图像F；

根据改进的Sobel算子，提取手指区域的边界，获取两条边界之间的一系列中点X＝{(xi,yi)|i＝1,....n}，并且通过直线拟合的方法获取直线的倾斜角度θ；

计算图像区域的中心C，根据改进的Sobel算子，提取手指区域的边界，求取这两条边界围成区域的重心G，采用欧式距离计算两点的距离d(该距离作为指静脉图像f的平移距离)；

根据θ和d，进行指静脉图像f的旋转和平移，获得校正图像F。

(2)在校正图像F上，获取感兴趣区域图像SubF,具体骤如下：

在校正图像F，根据改进的Sobel算子，提取手指区域的边界l1和l2；

对围成的区域进行垂直投影，获取像素值累计直方图，在直方图中获取最大值对应的横坐标Coh,并且令l3＝Coh，l4＝l3+n，其中n为预先定义的常数；

根据l1、l2、l3和l4，获取获取感兴趣区域图像SubF。

(3)根据双线性插值技术，对感兴趣区域图像SubF进行归一处理，获取大小为w*h的归一化图像NorF；

步骤4：归一化图像的二值化处理：为了有效的消除背景区域的干扰，并且有效定位指静脉的边界点和中心点，需要进行二值化处理；具体步骤如下：

(1)获取归一化图像NorF(存在大量的噪声)，通过各项异性滤波消除噪声，获取的图像为NoNoseF；

(2)由于静脉图像与背景之间的对比度相对比较低，本专利采用脊线检测和模糊增强，获取增强的静脉图像EnF；

(3)采用局部二值化方法，从增强的静脉图像EnF中获取二值化图像BinF。

综上，本申请提供了一种指静脉图像的质量分数计算方法及装置，通过计算指静脉图像的质量分数，得到高质量的指静脉图像，准确率高，进而进行身份认证，认证效率高。

在上述实施例的基础上，本实施例还提供了一种指静脉图像的质量分数计算装置，如图2所示，包括：

第一获取模块10，用于获取待质量判断的指静脉图像的归一化图像以及二值化图像；

第二获取模块20，用于获取所述二值化图像中每根指静脉的边界点以及中间点；

第三获取模块30，用于获取所述边界点以及所述中间点在所述归一化图像中的灰度值，并计算所述中间点与所述边界点的平均灰度差；

创建模块40，用于根据所述平均灰度差，创建所述中间点与所述边界点的平均灰度差数组；

计算模块50，用于计算所述平均灰度差数组中大于预设阈值的点数；

加和模块60，用于将不同所述预设阈值的所述点数进行加和，得到不同所述阈值时的点数累加和；

第四获取模块70，用于对所述点数累加和进行归一化处理，获取所述指静脉图像的质量分数。

其中，所述第二获取模块包括：

扫描单元，用于垂直扫描所述二值化图像的每一列，分别获取每根指静脉的边界点以及中间点。

优选的，所述第三获取模块包括：

计算单元，用于根据公式计算得到所述平均灰度差，其中，MeanGraz为所述平均灰度差，Ggra1为gz1和gzm之间的灰度差，Ggra2为gz2和gzm之间的灰度差，gz1、gz2以及gzm分别为所述上边界点、下边界点和中间点的灰度值。

优选的，所述加和模块包括：

加和单元，用于根据公式计算得到所述点数累加和，其中，Numk为所述平均灰度差数组中大于预设阈值的点数，MeanGraA为所述中间点与所述边界点的平均灰度差数组，Tk为所述预设阈值。

优选的，所述第一获取模块包括：

获取单元，用于获取所述待质量判断的指静脉图像的感兴趣区域，并对所述感兴趣区域进行归一化处理，得到归一化图像；

处理单元，用于对所述归一化图像进行二值化处理，得到二值化图像。

其工作原理参见方法实施例。

综上，本申请提供了一种指静脉图像的质量分数计算方法，通过获取待质量判断的指静脉图像的归一化图像以及二值化图像，并获取二值化图像中每根指静脉的边界点以及中间点，然后获取边界点以及中间点在归一化图像中的灰度值，并计算中间点与边界点的平均灰度差，且，根据平均灰度差，创建中间点与边界点的平均灰度差数组，然后，计算平均灰度差数组中大于预设阈值的点数，最后将不同预设阈值的点数进行加和，得到不同阈值时的点数累加和，对点数累加和进行归一化处理，获取指静脉图像的质量分数。可见，本方案得到高质量的指静脉图像，准确率高，进而进行身份认证，认证效率高。

对于装置实施例而言，由于其基本相应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种指静脉图像的质量分数计算方法，其特征在于，包括：

获取待质量判断的指静脉图像的归一化图像以及二值化图像；

获取所述二值化图像中每根指静脉的边界点以及中间点；

获取所述边界点以及所述中间点在所述归一化图像中的灰度值，并计算所述中间点与所述边界点的平均灰度差；

根据所述平均灰度差，创建所述中间点与所述边界点的平均灰度差数组；

计算所述平均灰度差数组中大于预设阈值的点数；

将不同所述预设阈值的所述点数进行加和，得到不同所述阈值时的点数累加和；

对所述点数累加和进行归一化处理，获取所述指静脉图像的质量分数。

2.根据权利要求1所述的质量分数计算方法，其特征在于，所述获取所述二值化图像中每根指静脉的边界点以及中间点，包括：

垂直扫描所述二值化图像的每一列，分别获取每根指静脉的边界点以及中间点。

3.根据权利要求1所述的质量分数计算方法，其特征在于，所述计算所述中间点与所述边界点的平均灰度差，包括：

根据公式计算得到所述平均灰度差，其中，MeanGraz为所述平均灰度差，Ggra1为gz1和gzm之间的灰度差，Ggra2为gz2和gzm之间的灰度差，gz1、gz2以及gzm分别为所述上边界点、下边界点和中间点的灰度值。

4.根据权利要求1所述的质量分数计算方法，其特征在于，所述将不同所述预设阈值的所述点数进行加和，得到不同所述阈值时的点数累加和，包括：

根据公式计算得到所述点数累加和，其中，Numk为所述平均灰度差数组中大于预设阈值的点数，MeanGraA为所述中间点与所述边界点的平均灰度差数组，Tk为所述预设阈值，n为设定不同阈值的次数，通常情况下n＝10。

5.根据权利要求1所述的质量分数计算方法，其特征在于，所述获取待质量判断的指静脉图像的归一化图像以及二值化图像，包括：

获取所述待质量判断的指静脉图像的感兴趣区域，并对所述感兴趣区域进行归一化处理，得到归一化图像；

对所述归一化图像进行二值化处理，得到二值化图像。

6.一种指静脉图像的质量分数计算装置，其特征在于，包括：

第一获取模块，用于获取待质量判断的指静脉图像的归一化图像以及二值化图像；

第二获取模块，用于获取所述二值化图像中每根指静脉的边界点以及中间点；

第三获取模块，用于获取所述边界点以及所述中间点在所述归一化图像中的灰度值，并计算所述中间点与所述边界点的平均灰度差；

创建模块，用于根据所述平均灰度差，创建所述中间点与所述边界点的平均灰度差数组；

计算模块，用于计算所述平均灰度差数组中大于预设阈值的点数；

加和模块，用于将不同所述预设阈值的所述点数进行加和，得到不同所述阈值时的点数累加和；

第四获取模块，用于对所述点数累加和进行归一化处理，获取所述指静脉图像的质量分数。

7.根据权利要求6所述的质量分数计算方法，其特征在于，所述第二获取模块包括：

扫描单元，用于垂直扫描所述二值化图像的每一列，分别获取每根指静脉的边界点以及中间点。

8.根据权利要求6所述的质量分数计算方法，其特征在于，所述第三获取模块包括：

计算单元，用于根据公式计算得到所述平均灰度差，其中，MeanGraz为所述平均灰度差，Ggra1为gz1和gzm之间的灰度差，Ggra2为gz2和gzm之间的灰度差，gz1、gz2以及gzm分别为所述上边界点、下边界点和中间点的灰度值。

9.根据权利要求6所述的质量分数计算方法，其特征在于，所述加和模块包括：

加和单元，用于根据公式计算得到所述点数累加和，其中，Numk为所述平均灰度差数组中大于预设阈值的点数，MeanGraA为所述中间点与所述边界点的平均灰度差数组，Tk为所述预设阈值，n为设定不同阈值的次数，通常情况下n＝10。

10.根据权利要求6所述的质量分数计算方法，其特征在于，所述第一获取模块包括：

获取单元，用于获取所述待质量判断的指静脉图像的感兴趣区域，并对所述感兴趣区域进行归一化处理，得到归一化图像；

处理单元，用于对所述归一化图像进行二值化处理，得到二值化图像。