CN115311696B - 一种基于静脉纹理特征的手指区域检测方法 - Google Patents
一种基于静脉纹理特征的手指区域检测方法 Download PDFInfo
- Publication number
- CN115311696B CN115311696B CN202211237289.XA CN202211237289A CN115311696B CN 115311696 B CN115311696 B CN 115311696B CN 202211237289 A CN202211237289 A CN 202211237289A CN 115311696 B CN115311696 B CN 115311696B
- Authority
- CN
- China
- Prior art keywords
- finger vein
- image
- finger
- original
- vein image
- 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 276
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 238000001914 filtration Methods 0.000 claims description 41
- 238000000034 method Methods 0.000 claims description 18
- 230000037303 wrinkles Effects 0.000 claims description 11
- 244000060701 Kaempferia pandurata Species 0.000 claims description 9
- 235000016390 Uvaria chamae Nutrition 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 9
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 101100083337 Schizosaccharomyces pombe (strain 972 / ATCC 24843) pic1 gene Proteins 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/54—Extraction of image or video features relating to texture
Abstract
本发明公开了一种基于静脉纹理特征的手指区域检测方法,属于生物特征识别领域,其包括以下步骤:采集用户的原始指静脉图像;判定原始指静脉图像中指静脉网格是否明显;判定原始指静脉图像是否具有纹理特征;判定原始指静脉图像是否存在关节褶皱;依据指静脉网格是否明显、指纹纹理特征及指纹褶皱的分布情况,判断采集到的指静脉图像为手指的指尖区域或指中区域或指根区域。采用本发明涉及的基于静脉纹理特征的手指区域检测方法,当采集到的指静脉图像为手指的指尖区域或指根区域时,进行提示并重新采集指静脉图像,以此提高静脉识别成功率。
Description
技术领域
本发明属于生物特征识别领域,尤其涉及一种基于静脉纹理特征的手指区域检测方法。
背景技术
现有的指静脉识别一般是采集手指的指中区域进行指静脉图像预处理、ROI截取、静脉特征提取和识别比对。比如授权公告号为CN106096569B的中国专利提供了一种手指静脉识别方法,包括如下步骤:(1)采集近红外光下的手指图像;(2)对采集到的手指图像进行预处理与去噪,再采用OSTU大津法阈值化对手指图像进行阈值处理或ROI定位,获取手指二值图像;(3)判断手指二值图像是否有旋转扭曲干扰,若存在则进行校正变换;(4)用局部自适应阈值进行手指二值图像的静脉特征提取,获取静脉二值图像;(5)计算输入静脉二值图像与注册静脉二值图像之间的匹配距离;(6)利用K近邻算法计算识别结果。
然而,因指静脉采集过程中,手指位置不固定,用户放置任意性较强,有可能采集的指静脉图像是指尖或者指根区域,而不是指中区域,从而影响静脉特征的提取和识别比对。因此,如何区分用户放置的手指区域,准确的采集到用户的指中区域的指静脉图像是亟需解决的问题。
发明内容
本发明提供了一种基于静脉纹理特征的手指区域检测方法,以解决传统指静脉识别过程中因无法辨认采集到的指静脉是否为指中区域而影响识别比对的问题。
为了解决上述技术问题,本发明提供的技术方案为:
本发明涉及一种基于静脉纹理特征的手指区域检测方法,其包括以下步骤:
S1.采集用户的原始指静脉图像;
S2.不断调整原始指静脉图像的平均灰度值,获取每次调整平均灰度值后的指静脉二值图,基于各指静脉二值图中每个像素点的连续性和方向性判定原始指静脉图像是否具备指静脉网络,并依据原始指静脉图像的平均灰度值与调整后的指静脉图像的平均灰度值的比值判断指静脉网格是否明显;
S3.对原始指静脉图像进行指纹增强处理,对增强后的指静脉图像进行二值化处理得到指纹二值图,基于指纹二值图判断原始指静脉图像是否具有纹理特征;
S4.基于原始指静脉图像的连续曲线获取原始指静脉图像中存在的关节褶皱;
S5.基于指静脉网格是否明显、指纹纹理特征及指纹褶皱的分布情况,判断采集到的指静脉图像为手指的指尖区域或指中区域或指根区域。
当步骤S5判定采集到的指静脉图像为手指的指尖区域或指根区域,则进行提示要求用户调整手指摆放位置或/和旋转手指摆放角度,重新采集指静脉图像。
优选地,所述的步骤S2判断指静脉网格是否明显的具体步骤为:
S2.1.获取原始指静脉图像的平均灰度值ori_grey,不断调整原始指静脉图像的平均灰度值,依次获取每次调整后的指静脉图像的平均灰度值out_grey,并且对每次调整平均灰度值后的指静脉图像进行二值化处理,得到相应的指静脉二值图;
S2.2.判断每幅指静脉二值图中每个像素点的连续性和方向性,基于像素点的连续性和方向性判定指静脉二值图是否具备指静脉网络,并依据原始指静脉图像的平均灰度值与调整后的指静脉图像的平均灰度值的比值判断指静脉网格是否明显。
优选地,所述的步骤S2.1中调整指静脉图像的平均灰度值的调整范围为80~180,调整的顺序是从低灰度值向高灰度值调整,每次调整的间隔为20;利用卷积核对每次调整平均灰度值后的指静脉图像进行二值化处理,二值化处理的分割阈值和每次调整的指静脉图像平均灰度值out_grey成正比;在得到相应的指静脉二值图后,对指静脉二值图进行边缘提取和去噪处理。
优选地,所述的步骤S2.2中判定指静脉二值图是否具备指静脉网络的具体步骤为:
S2.2.1.计算每个像素点的方向,寻找方向与水平轴的夹角在45度范围内的像素点;
S2.2.2.统计长度大于等于1/3指静脉二值图长度的像素点连线的数量;
S2.2.3.若方向与水平轴的夹角在45度范围内的像素点占指静脉二值图所有像素点的比例大于50%,且长度大于等于1/3指静脉二值图长度的像素点连线的数量在2~20之间,则判定指静脉二值图具备指静脉网络,否则,指静脉二值图不具备指静脉网络。
优选地,当所述的步骤S2.2.3中判断指静脉网格是否明显的具体步骤为:
S2.2.4.计算具备指静脉网络的指静脉二值图所对应的调整平均灰度值后的指静脉图像的平均灰度值out_grey与原始指静脉图像的平均灰度值ori_grey的比值,若该比值小于等于1.5,则认定指静脉网络明显。
优选地,所述的步骤S3中采用高斯滤波、均值滤波、引导滤波相结合的复合式增强算法对于原始指静脉图像进行指纹增强处理,其具体步骤为:
S3.1.采用高斯滤波对原始指静脉图像进行平滑处理;
S3.2.采用均值滤波对经过高斯滤波处理后的原始指静脉图像进行平滑处理;
S3.3.采用引导滤波对原始指静脉图像进行平滑处理;
S3.4.基于步骤S3.1~ S3.3获得的图像分别获取不同滤波处理后的细节图像,通过细节图像对指纹轮廓图进行增强。
优选地,所述的步骤S3.4中通过细节图像对指纹轮廓图进行增强的公式为:
公式中,Pic为最终增强的指静脉图像,Pic0为原始指静脉图像,Pic1为高斯滤波处理后的指静脉图像,Pic2为均值滤波处理后的指静脉图像,Pic3为引导滤波处理后的指静脉图像,a表示高斯滤波处理后的指静脉图像的细节图像的调整系数,b表示均值滤波处理后的指静脉图像的细节图像的调整系数,c表示引导滤波处理后的指静脉图像的细节图像的调整系数。
优选地,所述的步骤S3中基于指纹二值图判断原始指静脉图像具有纹理特征的具体步骤为:
S3.5. 构建检测线,将检测线在指纹二值图上按列的方向从左至右进行划线操作,依次计算检测线和纹理的交点的数量,若交点的数量大于20并且该交点在原始指静脉图像对应像素点的平均灰度值大于30,则认为该检测线为指纹检测线,该检测线所在的区域为指纹纹理区域;
S3.6. 统计指纹检测线的数量,若数量大于30,则。
优选地,所述的步骤S4基于原始指静脉图像的连续曲线获取原始指静脉图像中存在的关节褶皱的具体方法是:
S4.1.遍历确认连续曲线长度大于等于指静脉图像宽度50%的曲线;
S4.2.选取连续曲线中行坐标最大的像素点和行坐标最小的像素点,计算其行坐标的差值,若其差值小于等于20,则认为存在关节褶皱。
优选地,所述的步骤S5判断采集到的原始指静脉图像为手指的指尖区域或指中区域或指根区域的步骤为:
S5.1.若步骤S3中判断原始指静脉图像具备纹理特征,则进一步计算指纹纹理区域的面积,若指纹纹理区域的面积大于指纹二值图面积的50%,则采集到的原始指静脉图像为指尖区域,反之若指纹纹理区域的面积小于指纹二值图面积的50%,则采集到的原始指静脉图像为指中区域;
S5.2.若步骤S3中判断原始指静脉图像不具备纹理特征,且步骤S4判断原始指静脉图像中存在关节褶皱,进一步判定原始指静脉图像的前30%和后30%是否同时存在关节褶皱,若是,则采集到的原始指静脉图像为指中区域,否则进行步骤S5.3;
S5.3.若步骤S3中判断原始指静脉图像不具备纹理特征,步骤S4判断原始指静脉图像中也不存在关节褶皱,则考虑步骤S2中判定的指静脉网格是否明显,若指静脉网格明显,则认为采集到的原始指静脉图像为指中区域,否则为指根区域。
采用本发明提供的技术方案,与现有技术相比,具有如下有益效果:
本发明涉及的基于静脉纹理特征的手指区域检测方法判定原始指静脉图像中指静脉网格是否明显、是否具有纹理特征和是否存在关节褶皱,依据指静脉网格是否明显、指纹纹理特征及指纹褶皱的分布情况,判断采集到的指静脉图像为手指的指尖区域或指中区域或指根区域,当采集到的指静脉图像为手指的指尖区域或指根区域时,进行提示并重新采集指静脉图像,以此提高静脉识别成功率。
具体实施方式
为进一步了解本发明的内容,结合实施例对本发明作详细描述,以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明涉及一种基于静脉纹理特征的手指区域检测方法,其包括以下步骤:
S1.采集用户的原始指静脉图像;
S2.不断调整原始指静脉图像的平均灰度值,获取每次调整平均灰度值后的指静脉二值图,基于各指静脉二值图中每个像素点的连续性和方向性判定原始指静脉图像是否具备指静脉网络,并依据原始指静脉图像的平均灰度值与调整后的指静脉图像的平均灰度值的比值判断指静脉网格是否明显,其具体步骤为:
S2.1.获取原始指静脉图像的平均灰度值ori_grey,不断调整原始指静脉图像的平均灰度值,调整指静脉图像的平均灰度值的调整范围为80~180,调整的顺序是从低灰度值向高灰度值调整,每次调整的间隔为20;依次获取每次调整后的指静脉图像的平均灰度值out_grey,并且利用卷积核对每次调整平均灰度值后的指静脉图像进行二值化处理,得到相应的指静脉二值图,二值化处理的分割阈值和每次调整的指静脉图像平均灰度值out_grey成正比,得到相应的指静脉二值图后,对指静脉二值图进行边缘提取和去噪处理;
S2.2.判断每幅指静脉二值图中每个像素点的连续性和方向性,基于像素点的连续性和方向性判定指静脉二值图是否具备指静脉网络,具体步骤为:
S2.2.1.计算每个像素点的方向,寻找方向与水平轴的夹角在45度范围内的像素点;
S2.2.2.统计长度大于等于1/3指静脉二值图长度的像素点连线的数量;
S2.2.3.若方向与水平轴的夹角在45度范围内的像素点占指静脉二值图所有像素点的比例大于50%,且长度大于等于1/3指静脉二值图长度的像素点连线的数量在2~20之间,则判定指静脉二值图具备指静脉网络,否则,指静脉二值图不具备指静脉网络;
S2.2.4.依据原始指静脉图像的平均灰度值与调整后的指静脉图像的平均灰度值的比值判断指静脉网格是否明显:计算具备指静脉网络的指静脉二值图所对应的调整平均灰度值后的指静脉图像的平均灰度值out_grey与原始指静脉图像的平均灰度值ori_grey的比值,若该比值小于等于1.5,则认定指静脉网络明显。
S3. 采用高斯滤波、均值滤波、引导滤波相结合的复合式增强算法对原始指静脉图像进行指纹增强处理,其具体步骤为:
S3.1.采用高斯滤波对原始指静脉图像进行平滑处理;
S3.2.采用均值滤波对经过高斯滤波处理后的原始指静脉图像进行平滑处理;
S3.3.采用引导滤波对原始指静脉图像进行平滑处理;
S3.4.基于步骤S3.1~ S3.3获得的图像分别获取不同滤波处理后的细节图像,通过细节图像对指纹轮廓图进行增强,其公式为:
公式中,Pic为最终增强的指静脉图像,Pic0为原始指静脉图像,Pic1为高斯滤波处理后的指静脉图像,Pic2为均值滤波处理后的指静脉图像,Pic3为引导滤波处理后的指静脉图像,a表示高斯滤波处理后的指静脉图像的细节图像的调整系数,b表示均值滤波处理后的指静脉图像的细节图像的调整系数,c表示引导滤波处理后的指静脉图像的细节图像的调整系数;
对增强后的指静脉图像进行二值化处理得到指纹二值图,基于指纹二值图判断原始指静脉图像是否具有纹理特征,其具体步骤为:
S3.5.构建检测线,将检测线在指纹二值图上按列的方向从左至右进行划线操作,依次计算检测线和纹理的交点的数量,若交点的数量大于20并且该交点在原始指静脉图像对应像素点的平均灰度值大于30,则认为该检测线为指纹检测线,该检测线所在的区域为指纹纹理区域;
S3.6.统计指纹检测线的数量,若数量大于30,则认为原始指静脉图像具有纹理特征。
S4.基于原始指静脉图像的连续曲线获取原始指静脉图像中存在的关节褶皱,其具体步骤为:
S4.1.遍历确认连续曲线长度大于等于指静脉图像宽度50%的曲线;
S4.2.选取连续曲线中行坐标最大的像素点和行坐标最小的像素点,计算其行坐标的差值,若其差值小于等于20,则认为存在关节褶皱。
S5.基于指静脉网格是否明显、指纹纹理特征及指纹褶皱的分布情况,判断采集到的指静脉图像为手指的指尖区域或指中区域或指根区域,其具体步骤为:
S5.1.若步骤S3中判断原始指静脉图像具备纹理特征,则进一步计算指纹纹理区域的面积,若指纹纹理区域的面积大于指纹二值图面积的50%,则采集到的原始指静脉图像为指尖区域,反之若指纹纹理区域的面积小于指纹二值图面积的50%,则采集到的原始指静脉图像为指中区域;
S5.2.若步骤S3中判断原始指静脉图像不具备纹理特征,且步骤S4判断原始指静脉图像中存在关节褶皱,进一步判定原始指静脉图像的前30%和后30%是否同时存在关节褶皱,若是,则采集到的原始指静脉图像为指中区域,否则进行步骤S5.3;
S5.3.若步骤S3中判断原始指静脉图像不具备纹理特征,步骤S4判断原始指静脉图像中也不存在关节褶皱,则考虑步骤S2中判定的指静脉网格是否明显,若指静脉网格明显,则认为采集到的原始指静脉图像为指中区域,否则为指根区域。
当步骤S5判定采集到的指静脉图像为手指的指尖区域或指根区域,则进行提示要求用户调整手指摆放位置或/和旋转手指摆放角度,重新采集指静脉图像。
以上结合实施例对本发明进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍属于本发明的专利涵盖范围之内。
Claims (7)
1.一种基于静脉纹理特征的手指区域检测方法,其特征在于:其包括以下步骤:
S1.采集用户的原始指静脉图像;
S2.不断调整原始指静脉图像的平均灰度值,获取每次调整平均灰度值后的指静脉二值图,基于各指静脉二值图中每个像素点的连续性和方向性判定原始指静脉图像是否具备指静脉网络,并依据原始指静脉图像的平均灰度值与调整后的指静脉图像的平均灰度值的比值判断指静脉网格是否明显;
S3.对原始指静脉图像进行指纹增强处理,对增强后的指静脉图像进行二值化处理得到指纹二值图,基于指纹二值图判断原始指静脉图像是否具有纹理特征,其具体步骤为:
S3.5.构建检测线,将检测线在指纹二值图上按列的方向从左至右进行划线操作,依次计算检测线和纹理的交点的数量,若交点的数量大于20并且该交点在原始指静脉图像对应像素点的平均灰度值大于30,则认为该检测线为指纹检测线,该检测线所在的区域为指纹纹理区域;
S3.6.统计指纹检测线的数量,若数量大于30,则认为原始指静脉图像具有纹理特征;
S4.基于原始指静脉图像的连续曲线获取原始指静脉图像中存在的关节褶皱,其具体方法是:
S4.1.遍历确认连续曲线长度大于等于指静脉图像宽度50%的曲线;
S4.2.选取连续曲线中行坐标最大的像素点和行坐标最小的像素点,计算其行坐标的差值,若其差值小于等于20,则认为存在关节褶皱;
S5.基于指静脉网格是否明显、指纹纹理特征及指纹褶皱的分布情况,判断采集到的指静脉图像为手指的指尖区域或指中区域或指根区域,其具体步骤为:
S5.1.若步骤S3中判断原始指静脉图像具备纹理特征,则进一步计算指纹纹理区域的面积,若指纹纹理区域的面积大于指纹二值图面积的50%,则采集到的原始指静脉图像为指尖区域,反之若指纹纹理区域的面积小于指纹二值图面积的50%,则采集到的原始指静脉图像为指中区域;
S5.2.若步骤S3中判断原始指静脉图像不具备纹理特征,且步骤S4判断原始指静脉图像中存在关节褶皱,进一步判定原始指静脉图像的前30%和后30%是否同时存在关节褶皱,若是,则采集到的原始指静脉图像为指中区域,否则进行步骤S5.3;
S5.3.若步骤S3中判断原始指静脉图像不具备纹理特征,步骤S4判断原始指静脉图像中也不存在关节褶皱,则考虑步骤S2中判定的指静脉网格是否明显,若指静脉网格明显,则认为采集到的原始指静脉图像为指中区域,否则为指根区域。
2.根据权利要求1所述的基于静脉纹理特征的手指区域检测方法,其特征在于:所述的步骤S2判断指静脉网格是否明显的具体步骤为:
S2.1.获取原始指静脉图像的平均灰度值ori_grey,不断调整原始指静脉图像的平均灰度值,依次获取每次调整后的指静脉图像的平均灰度值out_grey,并且对每次调整平均灰度值后的指静脉图像进行二值化处理,得到相应的指静脉二值图;
S2.2.判断每幅指静脉二值图中每个像素点的连续性和方向性,基于像素点的连续性和方向性判定指静脉二值图是否具备指静脉网络,并依据原始指静脉图像的平均灰度值与调整后的指静脉图像的平均灰度值的比值判断指静脉网格是否明显。
3.根据权利要求2所述的基于静脉纹理特征的手指区域检测方法,其特征在于:所述的步骤S2.1中调整指静脉图像的平均灰度值的调整范围为80~180,调整的顺序是从低灰度值向高灰度值调整,每次调整的间隔为20;利用卷积核对每次调整平均灰度值后的指静脉图像进行二值化处理,二值化处理的分割阈值和每次调整的指静脉图像平均灰度值out_grey成正比;在得到相应的指静脉二值图后,对指静脉二值图进行边缘提取和去噪处理。
4.根据权利要求2所述的基于静脉纹理特征的手指区域检测方法,其特征在于:所述的步骤S2.2中判定指静脉二值图是否具备指静脉网络的具体步骤为:
S2.2.1.计算每个像素点的方向,寻找方向与水平轴的夹角在45度范围内的像素点;
S2.2.2.统计长度大于等于1/3指静脉二值图长度的像素点连线的数量;
S2.2.3.若方向与水平轴的夹角在45度范围内的像素点占指静脉二值图所有像素点的比例大于50%,且长度大于等于1/3指静脉二值图长度的像素点连线的数量在2~20之间,则判定指静脉二值图具备指静脉网络,否则,指静脉二值图不具备指静脉网络。
5.根据权利要求4所述的基于静脉纹理特征的手指区域检测方法,其特征在于:当所述的步骤S2.2.3中判断指静脉网格是否明显的具体步骤为:
S2.2.4.计算具备指静脉网络的指静脉二值图所对应的调整平均灰度值后的指静脉图像的平均灰度值out_grey与原始指静脉图像的平均灰度值ori_grey的比值,若该比值小于等于1.5,则认定指静脉网络明显。
6.根据权利要求1所述的基于静脉纹理特征的手指区域检测方法,其特征在于:所述的步骤S3中采用高斯滤波、均值滤波、引导滤波相结合的复合式增强算法对于原始指静脉图像进行指纹增强处理,其具体步骤为:
S3.1.采用高斯滤波对原始指静脉图像进行平滑处理;
S3.2.采用均值滤波对经过高斯滤波处理后的原始指静脉图像进行平滑处理;
S3.3.采用引导滤波对原始指静脉图像进行平滑处理;
S3.4.基于步骤S3.1~ S3.3获得的图像分别获取不同滤波处理后的细节图像,通过细节图像对指纹轮廓图进行增强。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211237289.XA CN115311696B (zh) | 2022-10-11 | 2022-10-11 | 一种基于静脉纹理特征的手指区域检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211237289.XA CN115311696B (zh) | 2022-10-11 | 2022-10-11 | 一种基于静脉纹理特征的手指区域检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115311696A CN115311696A (zh) | 2022-11-08 |
CN115311696B true CN115311696B (zh) | 2023-02-28 |
Family
ID=83867900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211237289.XA Active CN115311696B (zh) | 2022-10-11 | 2022-10-11 | 一种基于静脉纹理特征的手指区域检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115311696B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116884048B (zh) * | 2023-09-08 | 2023-12-12 | 江苏圣点世纪科技有限公司 | 一种基于边缘形态的异常静脉图像检测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615249A (zh) * | 2008-06-27 | 2009-12-30 | 株式会社日立制作所 | 指静脉认证装置 |
JP2013145566A (ja) * | 2013-02-22 | 2013-07-25 | Hitachi Ltd | 個人認証装置及び方法 |
WO2013145386A1 (ja) * | 2012-03-26 | 2013-10-03 | 日立オムロンターミナルソリューションズ株式会社 | 静脈認証システム、静脈認証装置および静脈認証方法 |
JP2015057724A (ja) * | 2014-11-07 | 2015-03-26 | 富士通株式会社 | 生体認証装置 |
CN105975974A (zh) * | 2016-05-10 | 2016-09-28 | 深圳市金脉智能识别科技有限公司 | 一种手指静脉识别中提取roi图像的方法 |
WO2018032861A1 (zh) * | 2016-08-17 | 2018-02-22 | 广州广电运通金融电子股份有限公司 | 一种手指静脉识别方法及装置 |
CN111310688A (zh) * | 2020-02-25 | 2020-06-19 | 重庆大学 | 一种基于多角度成像的手指静脉识别方法 |
CN112699845A (zh) * | 2021-01-14 | 2021-04-23 | 浙江德菲洛智能机械制造有限公司 | 一种在线非接触手掌静脉感兴趣区域提取方法 |
CN113269020A (zh) * | 2021-03-08 | 2021-08-17 | 重庆邮电大学 | 一种指尖静脉图像特征识别定位方法及其系统 |
CN114898413A (zh) * | 2022-07-15 | 2022-08-12 | 山东圣点世纪科技有限公司 | 一种复杂背景下的基于图像轮廓方向场的静脉识别方法 |
CN115082972A (zh) * | 2022-07-27 | 2022-09-20 | 山东圣点世纪科技有限公司 | 一种基于纹理rgb图像和静脉灰度图像的活体检测方法 |
Family Cites Families (3)
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 |
CN104933432B (zh) * | 2014-03-18 | 2020-04-14 | 北京细推科技有限公司 | 一种指腹折痕和指静脉图像的处理方法 |
US10820640B2 (en) * | 2015-04-24 | 2020-11-03 | Summit Glove Inc. | Glove with differently textured fingertip regions |
-
2022
- 2022-10-11 CN CN202211237289.XA patent/CN115311696B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615249A (zh) * | 2008-06-27 | 2009-12-30 | 株式会社日立制作所 | 指静脉认证装置 |
WO2013145386A1 (ja) * | 2012-03-26 | 2013-10-03 | 日立オムロンターミナルソリューションズ株式会社 | 静脈認証システム、静脈認証装置および静脈認証方法 |
JP2013145566A (ja) * | 2013-02-22 | 2013-07-25 | Hitachi Ltd | 個人認証装置及び方法 |
JP2015057724A (ja) * | 2014-11-07 | 2015-03-26 | 富士通株式会社 | 生体認証装置 |
CN105975974A (zh) * | 2016-05-10 | 2016-09-28 | 深圳市金脉智能识别科技有限公司 | 一种手指静脉识别中提取roi图像的方法 |
WO2018032861A1 (zh) * | 2016-08-17 | 2018-02-22 | 广州广电运通金融电子股份有限公司 | 一种手指静脉识别方法及装置 |
CN111310688A (zh) * | 2020-02-25 | 2020-06-19 | 重庆大学 | 一种基于多角度成像的手指静脉识别方法 |
CN112699845A (zh) * | 2021-01-14 | 2021-04-23 | 浙江德菲洛智能机械制造有限公司 | 一种在线非接触手掌静脉感兴趣区域提取方法 |
CN113269020A (zh) * | 2021-03-08 | 2021-08-17 | 重庆邮电大学 | 一种指尖静脉图像特征识别定位方法及其系统 |
CN114898413A (zh) * | 2022-07-15 | 2022-08-12 | 山东圣点世纪科技有限公司 | 一种复杂背景下的基于图像轮廓方向场的静脉识别方法 |
CN115082972A (zh) * | 2022-07-27 | 2022-09-20 | 山东圣点世纪科技有限公司 | 一种基于纹理rgb图像和静脉灰度图像的活体检测方法 |
Non-Patent Citations (4)
Title |
---|
Finger Vein Image Inpainting With Gabor Texture Constraints;Huang Yang et al;《IEEE》;20200428;全文 * |
基于多模式LBP与深度森林的指静脉识别;刘广东等;《计算机技术与发展》;20180307(第07期);全文 * |
指节纹识别综述;陆劲挺等;《模式识别与人工智能》;20170715(第07期);全文 * |
面向模糊图像的指静脉识别关键技术探究;李凡;《中国优秀硕士学位论文全文数据库》;20210215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115311696A (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107680054B (zh) | 雾霾环境下多源图像融合方法 | |
WO2021227331A1 (zh) | 一种基于地形凹凸特性的指静脉机器学习识别方法及装置 | |
CN115311696B (zh) | 一种基于静脉纹理特征的手指区域检测方法 | |
CN104657728B (zh) | 基于计算机视觉的条码识别系统 | |
CN108520214A (zh) | 一种基于多尺度hog和svm的手指静脉识别方法 | |
CN109325498B (zh) | 基于窗口动态阈值改进Canny算子的叶脉提取方法 | |
Yang et al. | Superpixel based finger vein ROI extraction with sensor interoperability | |
CN114118144A (zh) | 抗干扰的航空遥感图像阴影精准检测方法 | |
CN106991380A (zh) | 一种基于掌静脉图像的预处理方法 | |
CN115223211A (zh) | 一种将静脉图像转化为指纹图像的识别方法 | |
CN111222456B (zh) | 一种指静脉超大用户量下的高速检索算法 | |
CN112883824A (zh) | 一种用于智能采血的手指静脉特征识别装置及其识别方法 | |
CN107516083B (zh) | 一种面向识别的远距离人脸图像增强方法 | |
CN115512379A (zh) | 一种识别提取纸质文本中复选框勾选结果的方法及系统 | |
CN105373781A (zh) | 用于身份认证的二值图像处理方法 | |
CN112102189B (zh) | 一种线结构光光条中心线提取方法 | |
CN116665258B (zh) | 一种手掌图像指缝分割方法 | |
CN115994870B (zh) | 一种用于增强去噪的图像处理方法 | |
CN113936305B (zh) | 一种手掌识别过程中的中指位置确认方法及特征提取方法 | |
CN116309780A (zh) | 一种基于目标检测的水尺水位识别方法 | |
CN110956200A (zh) | 一种轮胎花纹相似度检测方法 | |
CN111209851B (zh) | 一种基于指腹静脉和指背静脉深度融合的指静脉识别方法 | |
CN112465906B (zh) | 一种基于显微操作系统的斑马鱼姿态检测方法及系统 | |
CN110378354B (zh) | 一种基于组织滤波算法的提花织物图片颜色提取方法 | |
CN112085683A (zh) | 一种显著性检测中的深度图可信度检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |