CN116188024A - 一种医疗安全支付系统 - Google Patents

Abstract

本发明涉及用于图像数据处理技术领域，具体涉及一种医疗安全支付系统，包括：通过对采集的支付指纹图像进行分析处理获取图像中的边缘断点和完整边缘线，通过分析图像中的边缘断点与完整边缘线获得伪点距离和伪点斜率，进一步在支付指纹图像中插入伪点，并获得多个可能性特征以获取图像中用来匹配的特征点，根据特征点对图像进行旋转匹配获得特征点相似性和指纹相似性实现指纹认证。本发明通过对指纹残缺区域的补充，增加了特征点的数量并增强了特征点的可靠性，提高了利用特征点进行形状上下文算法的匹配准确率。

Description

一种医疗安全支付系统

技术领域

本发明涉及图像数据处理技术领域，具体涉及一种医疗安全支付系统。

背景技术

随着移动互联网技术的发展，智能手机的普及给传统的生活带来了巨变，现在手机付款也越来越受到欢迎。由于智能手机中存储了大量的私人信息，所以随之而来的就是支付环境安全性的研究，为了提高手机支付的安全性，许多学者和企业都进行了深入的研究。指纹识别技术是目前应用在智能手机上相对成熟的一种身份认证方式，指纹以其人人都有，人各不同，无法伪造，安全性高的特点，越来越被大众所接受，并逐渐成为二十一世纪个人身份鉴别发展的趋势。只有将指纹识别技术发展好了，才能极大的提高网上信息的安全性，使得网络商业行为得到安全保障。

指纹识别技术一般包括：指纹采集，指纹预处理，特征提取，特征匹配以及识别分类，其中，指纹的预处理是非常关键的一步，会直接影响到后续操作的性能。虽然指纹识别技术这些年得到了长期的研究和发展，但是影响指纹识别效率的问题并没有得到根本的解决，例如：图像质量的可靠性，特征提取算法的有效性，以及指纹分类和识别的准确性等。综上，现在需要一种通过对支付指纹图像预处理阶段的技术进行改进的指纹识别技术，从而提高手机支付过程中的准确性和安全性。

发明内容

本发明提供一种医疗安全支付系统，以解决现有的问题。

本发明的一种医疗安全支付系统采用如下技术方案：

本发明一个实施例提供了一种医疗安全支付系统，该方法包括以下步骤：

指纹采集模块，利用智能移动手机采集获得支付指纹图像，获得预先录入的支付指纹图像和进行支付采集的支付指纹图像，分别记为标准支付指纹图像和支付指纹图像；

指纹预处理模块，获取支付指纹图像中的边缘像素点，根据边缘像素点的邻域像素点数量获得边缘断点和完整边缘线；

根据边缘断点与完整边缘线之间的距离占比获得第一伪点距离因子，将距离当前边缘断点距离最远的完整边缘线到当前边缘断点的最短距离方向上每个完整边缘线与其相邻的完整边缘线的距离作为第二伪点距离因子，根据第一伪点距离因子和第二伪点距离因子的乘积获得伪点距离；获取边缘像素点的切线斜率以及斜率变化率，利用切线斜率和斜率变化率相加获得伪点斜率；

根据伪点距离和伪点斜率获得伪点位置信息，并根据伪点位置信息在支付指纹图像中插入伪点获得第二支付指纹图像；

指纹预验证模块1，获取第二支付指纹图像的角点以及角点值，并利用离群点检测算法获取角点的离群程度并将离群程度最小的区域作为角点最密集区域，将角点最密集区域中角点值最大的角点记为方向点，利用方向点对图像进行方向矫正；

指纹预验证模块2，根据边缘像素点、邻域内边缘像素点分别与相邻最近边缘线之间的平均距离差异获得第一可能性，根据边缘像素点与邻域内相邻边缘像素点的灰度共生矩阵的相对偏差获得第二可能性；

根据第一可能性和第二可能性的加权融合结果获得第三可能性，将第三可能性大于阈值的像素点或伪点作为特征点；

指纹验证模块，根据特征点在邻域内各区域的数量获得特征点相似性，根据所有特征点相似性获取最短距离作为指纹相似性，根据指纹相似性完成指纹认证；

支付模块：将认证结果反馈至服务器，服务器根据认证结果反馈是否支付成功。

进一步的，所述边缘断点和完整边缘线，获取方法如下：

利用Canny边缘检测获取支付指纹图像中的边缘像素点，构建以边缘像素点为中心的3阶矩阵窗口，当3阶矩阵窗口内像素点数量为2时，记矩阵窗口中心的边缘像素点为边缘断点，当矩阵窗口内像素点数量为3时，判断位于矩阵窗口中心的边缘像素点分别与另外2个像素点形成的直线的角度差异，差异小于等于45度时，记矩阵窗口中心的边缘像素点为边缘断点；

另外，在边缘断点预设区域内，将边缘断点的数量为0的边缘线记为完整边缘线。

进一步的，所述第一伪点距离因子，获取方法如下：

第一伪点距离因子

：

其中，N表示边缘像素点在圆形邻域中完整边缘线的数量，

表示当前第i个完整边 缘线到边缘断点的距离。

进一步的，所述伪点距离，获取方法如下：

伪点距离d：

第二伪点距离因子

表示距离当前边缘断点距离最远的完整边缘线到当前边缘断 点的最短距离方向上第i个完整边缘线与其相邻的完整边缘线的距离。

进一步的，所述伪点斜率，获取方法如下：

根据连续相邻的边缘像素点在图像中的坐标位置获得各个相邻的边缘像素点的切线斜率以及斜率变化率；

伪点斜率：

其中，p表示边缘断点相邻第p个边缘像素点，

表示第i个相邻的边缘像素点的斜 率，

表示第i个相邻的边缘像素点的斜率变化率，伪点斜率k表示将要插入伪点所对应的 斜率。

进一步的，所述利用方向点对图像进行方向矫正，包括的具体步骤如下：

利用SUSAN角点检测算法获取第二支付指纹图像中的角点以及角点的角度大小，将角点的角度大小记为角点值，利用LOF算法获取角点的离群程度，获得图像中离群程度最小的角点所在区域作为角点最密集区域，将角点最密集区域中角点值最大的角点记为方向点；

以方向点为圆心，对预设区域进行角度和半径的划分，将第二支付指纹图像根据方向矫正模型进行固定角度地旋转获得方向矫正后的支付指纹图像，所述方向矫正模型：

其中，

表示获取括号内数组序列的最小值，

表示智能移动手机在进行支 付时采集的支付指纹图像中以方向点划分后第（i,j）个区域内角点数量，

表示预先录 入的支付指纹图像以方向点划分后第（i,j）个区域内角点数量，n表示根据角度划分后获取 的区域个数，m表示根据半径划分后获取的区域个数。

进一步的，所述第二可能性，获取方法如下：

第二可能性R：

其中，将任意一个边缘像素点作为当前边缘像素点，t表示当前边缘像素点在5*5 邻域内边缘像素点的数量，将灰度共生矩阵获得的逆方差记为第二可能性因子，则

表示 支付指纹图像中当前边缘像素点的第二可能性因子，

表示当前边缘像素点在5*5邻域内 第y个边缘像素点的第二可能性因子，第二可能性R表示边缘像素点为用于指纹验证匹配的 特征点的可能性。

进一步的，所述第三可能性，获取方法如下：

第三可能性B：

其中，D表示当前边缘像素点到最近特征点的距离，S表示邻域范围内特征点数量；E表示第一可能性；R表示第二可能性。

进一步的，所述根据指纹相似性完成指纹认证，包括的具体步骤如下：

根据形状上下文算法对支付指纹图像中的特征点与标准指纹图像进行匹配，获得特征点相似性T：

其中，

表示当前伪点特征点与支付指纹图像中边缘像素点之间的距离，

为人为 设定参数，

表示以当前特征点构建圆形邻域中第

个区域内特征点数量，

表示预 录支付指纹图像对应特征点构建圆形邻域中第

个区域内特征点数量；

利用所有特征点的特征点相似性T构建形状上下文算法中的距离矩阵，根据所构 建的距离矩阵获得最短距离作为指纹相似性

，利用人为设定阈值的方法，将指纹相似性

大于阈值时的情况，认定为指纹认证成功，完成指纹认证。

本发明的技术方案的有益效果是：在利用指纹验证支付时，本发明通过插入伪点以及选取图像中更可靠的特征点，避免了特征点选取错误造成的指纹匹配验证错误的问题，在减少匹配难度的同时根据指纹特征来选择特征点，并增加疑似残缺区域所补充插入伪点部分的可靠性，并减少形状上下文算法计算相似性的匹配时间。不仅大大减少了指纹认证所需时间，在指纹局部扭曲或缺失时，使用该算法也可获得较好的指纹验证匹配准确率。

附图说明

为了更清楚地说明本发明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发明的一些实施例，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为本发明一种医疗安全支付系统的步骤流程图；

图2为支付指纹图像；

图3为指纹脊线之间的距离；

图4为方向点。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种应用于安全运维系统的数据管理方法一种医疗安全支付系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种医疗安全支付系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种医疗安全支付系统的步骤流程图，该方法包括以下步骤：

指纹采集模块，利用智能移动手机采集支付指纹图像信息并对支付指纹图像预处理获得指纹脊线部分的图像。

使用智能移动手机的指纹采集系统，对用户进行指纹采集获得支付指纹图像，获得的支付指纹图像分为预先录入的支付指纹图像和进行支付采集的支付指纹图像，分别记为标准指纹图像和支付指纹图像。

并将在支付时获取的支付指纹图像输入至手机系统内的指纹对比程序中，与预先录入的支付指纹图像进行对比。

本实施例中二值化处理使用大津阈值法对支付指纹图像灰度值进行分割，首先利用大津阈值法获得分割阈值，将支付指纹图像中灰度值低于分割阈值的像素值置为0，将灰度值高于分割阈值的像素值置为1，获得支付指纹图像的二值图像。根据指纹采集过程可知，灰度值为0的区域即为指纹脊线，如图2所示，将二值化处理后获得的指纹二值化图像也作为支付指纹图像，后续步骤中对二值化后的支付指纹图像进行处理分析。

对支付指纹图像进行缺失判断，并根据已有指纹对原有指纹进行补充，根据补充好的指纹信息结合指纹特征与已采集好的指纹进行比对，根据比对结果获取支付结果。

由于采集指纹信息可能由于手指蜕皮、受伤、沾水等情况，导致手指指纹信息在采集时，并不能获取完整指纹信息，在对残缺指纹进行验证时，其验证准确率便会下降。故需要在采集到的指纹信息时，判断指纹是否缺失，进而根据已有纹理对缺失纹理进行补充。

需要说明的是，当出现手指蜕皮、受伤、沾水时会对指纹出现遮挡或破坏，在二值化后的指纹图像中，指纹缺失区域的指纹信息要么全为0，要么全为1，且缺失区域的连通域相比较正常指纹的连通域更接近于正方形，利用连通域检测获取支付指纹图像中的连通域，对面积最大连通域区域进行最小外接矩形拟合，获得最小外接矩形的边长分别为a、b。

根据矩形区域的边长获取边长比例关系Q，即当前指纹区域缺失指纹信息的可能性：

其中，a表示拟合矩形宽度，b表示拟合矩形长度，即所求边长比例关系Q反映了拟 合的最小外接矩形的宽长比，比值Q的值越大，说明连通域的外形更接近正方形，当前拟合 矩形对应连通域越可能为指纹信息不完整区域。设置经验阈值

，将获取边长比例关 系Q与阈值μ进行比较，当其比阈值大时，便可认为连通域为指纹缺失区域。

获取指纹缺失区域的面积，即连通域内像素点数量，设置阈值

，即当所求 连通域内像素点数量大于阈值时，说明指纹残缺区域过大，现有指纹信息不足以完成指纹 验证，需要重新采集完整指纹信息。否则，可以对残缺区域根据指纹纹理加入伪点模拟真实 指纹纹理。

至此，通过对指纹信息的验证初处理，获取指纹是否残缺，以及残缺区域是否可以继续进行指纹识别的判别。

指纹预处理模块，根据指纹图像中的断点预测需要插入的伪点，对指纹图像进行伪点插入预处理。

由于采集图像缺失部分指纹信息，故可以根据现有纹理对残缺纹理进行补充。本实施例利用Canny边缘检测获取图像中的边缘信息，得到边缘像素点。另外，构建3×3矩阵窗口，以边缘像素点为矩阵窗口中心，当矩阵窗口内边缘像素点数量为2时，记矩阵窗口中心的边缘像素点为边缘断点，当矩阵窗口内边缘像素点数量为3时，判断位于矩阵窗口中心的边缘像素点分别与另外2个像素点形成的直线的角度差异，差异小于等于45度时，认为是边缘断点。另外，在边缘断点的半径为r（取经验值r=15）区域大小内，不存在边缘断点的边缘线，记为完整边缘线。

首先获取不连续边缘，根据边缘斜率变化趋势，以及相邻边缘线变化趋势获取当前边缘变化趋势，进而对获取的边缘插入伪点，以达到补充指纹信息的目的。具体如下：

获取指纹脊线之间的距离：

通过获取当前指纹脊线之间的距离，从而可以更好的预测真实指纹在图像中的位置。由于指纹之间存在扭曲变形的情况，故虽然真实情况下，指纹脊线之间的距离是相近的，但是由于上述原因，导致采集时脊线之间的距离是不均衡的，但是相邻脊线之间的距离还是很具有参考意义的，故本实施例通过参考相邻脊线之间的距离变化。

首先，将任意一个边缘断点作为当前边缘断点，以当前边缘断点为中心构建半径为r（取经验值r=15）的圆形邻域，通过对邻域内边缘线的分析获取当前指纹纹理伪像素点的斜率和距离进而确定其位置。

首先，伪点距离d：

其中，如图3，N表示边缘断点在圆形邻域中包含完整边缘线数量，第二伪点距离因 子

表示距离当前边缘断点距离最远的完整边缘线到当前边缘断点的最短距离方向上第i 个完整边缘线与其相邻的完整边缘线的距离，

表示第i个完整边缘线到当前边缘断点的距 离，第一伪点距离因子

表示在半径为r的圆形邻域内第i个完整边缘线与当前边缘断点的 距离的相关权值，相比于其他完整边缘线，第i个完整边缘线与当前边缘断点越接近时，其 权值越大。

根据相邻完整边缘线之间的距离获取当前边缘线伪点所在大致距离。

根据当前脊线趋势，预测伪点斜率：

根据当前边缘断点所在位置，计算所在边缘线的斜率以及斜率变化，根据斜率以及斜率变化趋势获取当前边缘断点相邻伪点可能存在的位置，在伪点可能存在斜率和伪点可能距离相邻边缘断点的距离，插入伪点。

伪点斜率k：

其中，p表示与边缘断点相邻的p个边缘像素点，本实施例中p=5，

表示相邻第i个 边缘像素点斜率，

表示相邻第i个边缘像素点斜率变化率；即根据相邻像素点斜率及其变 化率预测下一像素点斜率；其中斜率获取方式为根据相邻边缘像素点之间的坐标位置关系 获得其切线斜率；斜率变化率由相邻像素点与当前边缘像素点斜率差异的平均值获取，伪 点斜率k表示将要插入伪点所对应的斜率。

插入伪点：

根据相对于当前边缘断点的伪点斜率以及距离最近边缘距离获得将要插入伪点的位置，将插入的伪点在图像中标记出来。重复当前步骤，获取所有伪点。当伪点插入至另一端点像素点旁，停止插入。或当在所给方向上找不到对应像素点与最近边缘的预测距离时，也停止插入伪点。

至此，残缺指纹信息通过伪点预测插入处理，得到补全后的支付指纹图像。

指纹预验证模块1，根据角点信息获得方向点，利用方向点对获得的支付指纹图像进行旋转矫正。

对获取的图像需要与先前采集的支付指纹图像进行比较。而在进行比较时，由于角度等因素，在进行指纹验证前，需要对图像角度进行矫正。

1.方向点的获取以及图像方向矫正。

方向点获取：

需要说明的是，在手指指纹信息分布最密集区域，即指纹信息中心区域内，由于中心区域是指纹理变化最集中的区域，故其内纹理复杂，边缘像素点角点值大，故对获取的边缘进行角点检测，获取角点最密集区域，将其中角点值最大的角点记为方向点，所述角点值是角点检测算法中获取的判断角点的参数，该参数越大，对应的角越尖锐。本实施例中角点检测使用SUSAN角点检测算法。使用LOF算法获取角点离群程度，其中离群程度最小的角点即为密集区域角点。

方向矫正：

如图4，根据获取的方向点，以方向点为圆心，r=30为半径，构建n*m个扇形区域。其中n表示根据角度划分后获取的区域个数，m表示根据半径划分后获取的区域个数。本实施例中圆n=12,m=5。即获取各个区域内角点数量。并将获取的数量标记在对应区域内。则根据各个区域内角点数量，对图像进行旋转。即若两支付指纹图像相似，但角度不对，则在旋转一定角度时，各个区域内角点数量应该相近。故使用此方法对获取第二支付指纹图像进行方向矫正，方向矫正模型如下：

其中，

表示获取括号内数组序列的最小值，

表示验证支付指纹图像以方 向点划分后第（i,j）个区域内角点数量，

表示预先录入的支付指纹图像以方向点划分 后第（i,j）个区域内角点数量。即当所求两图像对应所求各个区域内角点数量差异越小，则 说明对应角度越相近。对获取的图像进行旋转，每次旋转

，计算获取对应P最小时，对应的 角度，对图像进行旋转，完成方向矫正。

指纹预验证模块2，获取支付指纹图像中的特征点。

根据上述获取的角点，对图像进行旋转矫正。根据角点特征，对获取指纹信息进行比对。由于在对图像匹配时，使用形状上下文算子时，容易因为匹配像素点数量过多，使得在进行计算时，计算量过大，故需要在进行形状匹配时，进行特征点的筛选，从中选择较为重要的特征点进行匹配。从而达到减少计算量，增强指纹认证速度的目的。

由于指纹信息复杂，若要完成较为准确的认证，仅仅依靠支付指纹图像中的角点是不够的。其中，指纹图像中会出现边缘断点，将图像中的边缘断点记为特征点。

则通过对中较为突出的边缘点进行分析，获取图像中其它特征点。

根据像素点到最近边缘线距离差异筛选：

将任意一个边缘像素点作为当前边缘像素点，对获取的图像进行分析时，可知图像中像素点所在区域，根据选取各个像素点所在区域，对像素点所在边缘线与相邻边缘像素点之间的距离，获取边缘像素点为特征点的可能性，记为第一可能性E：

其中，v表示当前边缘像素点周围5*5邻域获取的所有边缘像素点数量，

表示当 前边缘像素点在5*5邻域中第u个边缘像素点到其相邻最近边缘线的距离。

表示当前边缘 像素点到最近的边缘线之间的距离，当所求当前边缘线到相邻边缘距离与其相邻边缘像素 点到最近边缘线的距离的平均差异

越大，则说明当前边缘像素点越可能为特征 点，即第一可能性E表示边缘像素点为用于指纹验证匹配的特征点的可能性。

根据纹理之间相对位置变化获取：

由于选择特征点是为了更好的对指纹特征进行描述，故选择的像素点对应构建的纹理信息与其周围纹理信息的差异越大，则该像素点越可能为特征点。

本实施例在进行纹理匹配时，根据获取的特征点周围构建灰度共生矩阵，根据灰度共生矩阵描述算子，对特征点周围纹理进行描述，故对获取的特征点根据其5*5邻域构建灰度共生矩阵，根据纹理描述算子获取像素点为特征点可能性，记为第二可能性R：

其中，t表示当前边缘像素点在5*5邻域内边缘像素点的数量，将灰度共生矩阵获 得的逆方差记为第二可能性因子，则

表示支付指纹图像中当前边缘像素点的第二可能 性因子，

表示当前边缘像素点在5*5邻域内第y个边缘像素点的第二可能性因子，根据灰 度共生矩阵获取逆方差的方法为现有公知，本实施例不再赘述，图像纹理的不同区域间较 均匀，变化缓慢，逆方差会较大，即当所求当前边缘像素点所在邻域纹理变化越不均匀，即 所求

越大，与其相邻像素点周围纹理差异越大，即所求

越大，则说明当前边缘 像素点越可能为特征点，即第二可能性R表示边缘像素点为用于指纹验证匹配的特征点的 可能性。

根据上述因素获取当前边缘像素点为特征点的第三可能性B:

其中，D表示当前边缘像素点到最近特征点的距离，S表示10*10邻域范围内特征点 数量，即当所求D越大，像素点周围特征点数量越少，第一可能性E与第二可能性R越大，则说 明当前边缘像素点为特征点可能性越大。设置阈值

，即当所求归一化后像素点为特 征点的第三可能性指标B大于阈值

时，便可将此像素点记为特征点。

指纹验证模块，根据支付指纹图像中的特征点利用形状上下文算法进行图像匹配。

根据形状上下文算法，对获取的指纹信息进行匹配，获取特征点相似性T。其中形状上下文算子计算方法如下：

其中，

为与伪点相关参数，即当前特征点为上述伪点时，伪点与实际的边缘像素 点距离越近，那么这个伪点就可以作为特征点，利用该伪点进行匹配的结果就越可信，

的 值越接近1，对于属于实际边缘像素点的像素点，将对应的

直接赋值为

。

表示当前伪点 特征点与支付指纹图像中边缘像素点之间的距离，即当其距离真实像素点距离越近，则其 匹配准确性越大，根据所给exp()函数所设分母参数

表示，当X小于10时，伪点特征 点均较为可信；特征点相似性T表示标准指纹图像和支付指纹图像中特征点的相似程度。

本实施例中形状上下文使用与上述一样大小的m*n对图像进行划分，

表示以 当前特征点构建圆形邻域中第

个区域内特征点数量，

表示预录支付指纹图像对应 特征点构建圆形邻域中第

个区域内特征点数量。即当所求各个对应区域特征点数量相 近，即所求特征点相似性T越小，说明特征点越对应相似。

至此，获得标准指纹图像和支付指纹图像中所有特征点的相似程度，即特征点相似性T。

支付模块，完成支付指纹图像信息的认证，确定支付是否成功。

利用所有特征点的特征点相似性T构建形状上下文算法中的距离矩阵，形状上下 文算法能够根据所构建的距离矩阵获得最短距离，将最短距离作为指纹相似性

。设置阈 值

，当所求指纹相似性

大于阈值

时，便可认为此时指纹认证成功，在智能移动手 机上完成指纹认证，并将认证结果反馈至服务器，服务器根据认证结果反馈是否支付成功。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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。

Claims (9)

1.一种医疗安全支付系统，其特征在于，该系统包括以下模块：

指纹采集模块，利用智能移动手机采集获得支付指纹图像，获得预先录入的支付指纹图像和进行支付采集的支付指纹图像，分别记为标准支付指纹图像和支付指纹图像；

指纹预处理模块，获取支付指纹图像中的边缘像素点，根据边缘像素点的邻域像素点数量获得边缘断点和完整边缘线；

根据边缘断点与完整边缘线之间的距离占比获得第一伪点距离因子，将距离当前边缘断点距离最远的完整边缘线到当前边缘断点的最短距离方向上每个完整边缘线与其相邻的完整边缘线的距离作为第二伪点距离因子，根据第一伪点距离因子和第二伪点距离因子的乘积获得伪点距离；获取边缘像素点的切线斜率以及斜率变化率，利用切线斜率和斜率变化率相加获得伪点斜率；

根据伪点距离和伪点斜率获得伪点位置信息，并根据伪点位置信息在支付指纹图像中插入伪点获得第二支付指纹图像；

指纹预验证模块1，获取第二支付指纹图像的角点以及角点值，并利用离群点检测算法获取角点的离群程度并将离群程度最小的区域作为角点最密集区域，将角点最密集区域中角点值最大的角点记为方向点，利用方向点对图像进行方向矫正；

指纹预验证模块2，根据边缘像素点、邻域内边缘像素点分别与相邻最近边缘线之间的平均距离差异获得第一可能性，根据边缘像素点与邻域内相邻边缘像素点的灰度共生矩阵的相对偏差获得第二可能性；

根据第一可能性和第二可能性的加权融合结果获得第三可能性，将第三可能性大于阈值的像素点或伪点作为特征点；

指纹验证模块，根据特征点在邻域内各区域的数量获得特征点相似性，根据所有特征点相似性获取最短距离作为指纹相似性，根据指纹相似性完成指纹认证；

支付模块：将认证结果反馈至服务器，服务器根据认证结果反馈是否支付成功。

2.根据权利要求1所述一种医疗安全支付系统，其特征在于，所述边缘断点和完整边缘线，获取方法如下：

利用Canny边缘检测获取支付指纹图像中的边缘像素点，构建以边缘像素点为中心的3阶矩阵窗口，当3阶矩阵窗口内像素点数量为2时，记矩阵窗口中心的边缘像素点为边缘断点，当矩阵窗口内像素点数量为3时，判断位于矩阵窗口中心的边缘像素点分别与另外2个像素点形成的直线的角度差异，差异小于等于45度时，记矩阵窗口中心的边缘像素点为边缘断点；

另外，在边缘断点预设区域内，将边缘断点的数量为0的边缘线记为完整边缘线。

3.根据权利要求1所述一种医疗安全支付系统，其特征在于，所述第一伪点距离因子，获取方法如下：

第一伪点距离因子

：

其中，N表示边缘像素点在圆形邻域中完整边缘线的数量，

表示当前第i个完整边缘线到边缘断点的距离。

4.根据权利要求1所述一种医疗安全支付系统，其特征在于，所述伪点距离，获取方法如下：

伪点距离d：

第二伪点距离因子

表示距离当前边缘断点距离最远的完整边缘线到当前边缘断点的最短距离方向上第i个完整边缘线与其相邻的完整边缘线的距离。

5.根据权利要求1所述一种医疗安全支付系统，其特征在于，所述伪点斜率，获取方法如下：

根据连续相邻的边缘像素点在图像中的坐标位置获得各个相邻的边缘像素点的切线斜率以及斜率变化率；

伪点斜率：

其中，p表示边缘断点相邻第p个边缘像素点，

表示第i个相邻的边缘像素点的斜率，

表示第i个相邻的边缘像素点的斜率变化率，伪点斜率k表示将要插入伪点所对应的斜率。

6.根据权利要求1所述一种医疗安全支付系统，其特征在于，所述利用方向点对图像进行方向矫正，包括的具体步骤如下：

利用SUSAN角点检测算法获取第二支付指纹图像中的角点以及角点的角度大小，将角点的角度大小记为角点值，利用LOF算法获取角点的离群程度，获得图像中离群程度最小的角点所在区域作为角点最密集区域，将角点最密集区域中角点值最大的角点记为方向点；

以方向点为圆心，对预设区域进行角度和半径的划分，将第二支付指纹图像根据方向矫正模型进行固定角度地旋转获得方向矫正后的支付指纹图像，所述方向矫正模型：

其中，

表示获取括号内数组序列的最小值；/>

表示智能移动手机在进行支付时采集的支付指纹图像中以方向点划分后第（i,j）个区域内角点数量，/>

表示预先录入的支付指纹图像以方向点划分后第（i,j）个区域内角点数量，n表示根据角度划分后获取的区域个数，m表示根据半径划分后获取的区域个数。

7.根据权利要求1所述一种医疗安全支付系统，其特征在于，所述第二可能性，获取方法如下：

第二可能性R：

其中，将任意一个边缘像素点作为当前边缘像素点，t表示当前边缘像素点在5*5邻域内边缘像素点的数量，将灰度共生矩阵获得的逆方差记为第二可能性因子，则

表示支付指纹图像中当前边缘像素点的第二可能性因子，/>

表示当前边缘像素点在5*5邻域内第y个边缘像素点的第二可能性因子，第二可能性R表示边缘像素点为用于指纹验证匹配的特征点的可能性。

8.根据权利要求1所述一种医疗安全支付系统，其特征在于，所述第三可能性，获取方法如下：

第三可能性B：

其中，D表示当前边缘像素点到最近特征点的距离，S表示邻域范围内特征点数量；E表示第一可能性；R表示第二可能性。

9.根据权利要求1所述一种医疗安全支付系统，其特征在于，所述根据指纹相似性完成指纹认证，包括的具体步骤如下：

根据形状上下文算法对支付指纹图像中的特征点与标准指纹图像进行匹配，获得特征点相似性T：

其中，

表示当前伪点特征点与支付指纹图像中边缘像素点之间的距离，/>

为人为设定参数，/>

表示以当前特征点构建圆形邻域中第/>

个区域内特征点数量，/>

表示预录支付指纹图像对应特征点构建圆形邻域中第/>

个区域内特征点数量；

利用所有特征点的特征点相似性T构建形状上下文算法中的距离矩阵，根据所构建的距离矩阵获得最短距离作为指纹相似性

，利用人为设定阈值的方法，将指纹相似性/>

大于阈值时的情况，认定为指纹认证成功，完成指纹认证。/>

Images