本發(fā)明屬于生物特征識別及信息安全技術(shù)領(lǐng)域，特別涉及一種基于二維高斯最大曲率的手指靜脈識別方法。

背景技術(shù)：

手指靜脈識別技術(shù)是一種新的生物特征識別技術(shù)，它利用手指靜脈識別技術(shù)作為最先進(jìn)的新興的第二代生物識別技術(shù)之一，因其安全等級高，穩(wěn)定性高，普適性強(qiáng)及采集設(shè)備便捷成為國內(nèi)外諸多學(xué)者的研究熱點(diǎn)。手指靜脈識別技術(shù)主要包括采集手指靜脈圖像，圖像預(yù)處理，提取特征和匹配識別。目前，在采集手指靜脈圖像時(shí)采集設(shè)備不穩(wěn)定，在低溫環(huán)境下手指中的靜脈收縮，以及部分女生手指靜脈比較細(xì)等因素，都會造成采集的靜脈圖像質(zhì)量不夠理想。低質(zhì)量靜脈圖像導(dǎo)致準(zhǔn)確提取指靜脈特征和匹配識別比較困難。因此，如何精確提取低質(zhì)量指靜脈圖像的特征，如何提高指靜脈圖像的識別率成為目前的研究難點(diǎn)。

王保生等人提出利用garbor濾波器提取靜脈圖像的靜脈紋路，王科俊等人提出利用方向?yàn)V波器組提取靜脈圖像的靜脈紋路，無論是garbor濾波器還是方向組濾波器對于低質(zhì)量靜脈圖像提取的靜脈紋路精確相對較差。dubuisson等人提出的修正的hausdorff距離(modifiedhausdorffdistance,mhd)進(jìn)行指靜脈認(rèn)證識別，首先，將通過各種方法提取靜脈紋路的單像素寬的靜脈拓?fù)浣Y(jié)構(gòu)，然后，提取靜脈紋路拓?fù)浣Y(jié)構(gòu)的特征點(diǎn)(端點(diǎn)和交叉點(diǎn))，最后，利用mhd識別算法進(jìn)行認(rèn)證識別。

目前廣泛應(yīng)用的mhd匹配算法是利用靜脈紋路拓?fù)浣Y(jié)構(gòu)，提取細(xì)化圖像的特征點(diǎn)，根據(jù)特征點(diǎn)的空間距離識別圖像。對于低質(zhì)量圖像，由于偽靜脈的存在，產(chǎn)生偽特征點(diǎn)，特征點(diǎn)往往不能表征圖像，且mhd識別算法對偽特征點(diǎn)比較敏感。同時(shí)mhd識別算法僅僅利用了靜脈紋路的特征，完全忽略了靜脈圖像的背景信息，這導(dǎo)致了基于特征點(diǎn)mhd算法識別率低且容易產(chǎn)生誤識。

由于每個(gè)手指的厚度和組織結(jié)構(gòu)不同，透射光線的能力不同，因此不同手指的靜脈圖像即使同是背景區(qū)域，他們的灰度分布特征不同，同時(shí)相同手指的靜脈圖像靜脈區(qū)域和背景區(qū)域的灰度分布特征都是相對穩(wěn)定的。因此，靜脈圖像的靜脈紋路和背景共同決定了靜脈圖像的特性。

近年來，一些學(xué)者開始研究基于整幅靜脈圖像的識別算法，如林春漪等人提出了基于手指靜脈圖像梯度相關(guān)的認(rèn)證識別算法，徐天楊等人提出基于小波灰度曲面的手指靜脈識別算法。其中基于手指靜脈圖像梯度相關(guān)的認(rèn)證識別算法，首先，提取利用改進(jìn)的匹配濾波器提取靜脈圖像的梯度圖，然后，計(jì)算不同靜脈圖像梯度圖之間的互相關(guān)系數(shù)，將互相關(guān)系數(shù)作為判決是否為同類靜脈圖像(相同手指采集的靜脈圖像)的依據(jù)。雖然處理過程簡單耗時(shí)短，但梯度是靜脈度圖像灰度值的差分，靜脈圖像的梯度圖直接受灰度值影響，不穩(wěn)定?；谛〔ɑ叶惹娴氖种胳o脈識別算法利用靜脈圖像空間分布成灰度曲面特征，通過小波分解降維，提取降維后不同分別率下靜脈圖像，然后融合成一幅特征圖像，最后把將靜脈圖像的特征圖像做差得到灰度曲面，計(jì)算灰度曲面的方差，并將其作為判決是否是同類靜脈圖像的依據(jù)，充分利用了整幅靜脈圖像的所有信息，但提取特征圖像的處理復(fù)雜、耗時(shí)長。

技術(shù)實(shí)現(xiàn)要素：

對于低質(zhì)量指靜脈圖像，為解決現(xiàn)有g(shù)arbor濾波器、方向組濾波器和最大曲率算法提取的靜脈紋路準(zhǔn)確性差問題，本發(fā)明提供了一種基于二維高斯最大曲率識別手指靜脈的方法。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案包括以下步驟：

s1、構(gòu)造一個(gè)(2×w+1)×(2×w+1)的窗口，作為二維高斯函數(shù)模板g(x,y)，二維高斯函數(shù)如公式1所示，其中x∈[-w,w],y∈[-w,w]，w為正整數(shù)。

s2、根據(jù)步驟s1構(gòu)造的二維高斯函數(shù)g(x,y)，分別求出二維高斯函數(shù)水平方向一階導(dǎo)數(shù)gx(x,y)、垂直方向的一階導(dǎo)數(shù)gy(x,y)、水平方向二階偏導(dǎo)數(shù)gxx(x,y)、垂直方向二階偏導(dǎo)數(shù)gyy(x,y)和二階混合偏導(dǎo)數(shù)gxy(x,y)。如公式2-6所示：

s3、利用步驟s2得出的結(jié)果，求出二維高斯函數(shù)8個(gè)方向的一階方向?qū)?shù)gθ(x,y)、二階方向?qū)?shù)gθθ(x,y)，如公式7-8所示，其中x∈[-w,w],y∈[-w,w]，θ∈[0°，22.5°，45°，67.5°，90°，112.5°，135°，157.5°]

gθ(x,y)＝gx(x,y)cosθ+gy(x,y)sinθ(7)

s4、對像素大小為m×n的預(yù)處理后的手指靜脈圖像，按邊界像素值進(jìn)行邊界擴(kuò)充，擴(kuò)充后的手指靜脈圖像的大小為(m+2w)×(n+2w)。

所述的預(yù)處理包括對原始手指靜脈圖像進(jìn)行灰度歸一化、尺寸歸一化、圖像增強(qiáng)、圖像平滑等處理；

s5、根據(jù)曲率公式求出8個(gè)方向的曲率模板，其中x∈[-w,w],y∈[-w,w]，θ∈[0°，22.5°，45°，67.5°，90°，112.5°，135°，157.5°]。

s6、將步驟s5得出的8個(gè)方向的曲率模板，分別與步驟s4得出的擴(kuò)充后的手指靜脈圖像上對應(yīng)的窗口進(jìn)行卷積，得到的卷積值記為ql(i,j)，ql(i,j)表示第l個(gè)方向位于兩個(gè)窗口中心點(diǎn)的曲率值，即曲率模板窗口與對應(yīng)的手指靜脈圖像窗口中心處的曲率，其中l(wèi)＝1,2，3…8。然后選取出q1,q2…q8中的最大曲率值，將該最大曲率值存入一個(gè)m×n的二維矩陣ⅰ，計(jì)算如公式10所示；同時(shí)將最大曲率值對應(yīng)的是第幾個(gè)方向存入一個(gè)m×n的二維矩陣ⅱ；從而得到位于該窗口中心點(diǎn)的最大曲率和方向場值。

ⅰ(i,j)＝max[q1(i,j),q2(i,j),q3(i,j)…q8(i,j)](10)

所述的二維矩陣ⅰ與原始手指靜脈圖像大小對應(yīng)，最大曲率值在二維矩陣ⅰ存入的位置與該最大曲率值對應(yīng)的中心點(diǎn)位置相同；

所述的二維矩陣ⅱ與原始手指靜脈圖像大小對應(yīng)，最大曲率值對應(yīng)的是第幾個(gè)方向在二維矩陣ⅱ存入的位置，與該最大曲率值對應(yīng)的中心點(diǎn)位置相同；

s7、根據(jù)步驟s6所述以8個(gè)方向的曲率模板為一次遍歷，對擴(kuò)充后的手指靜脈圖像進(jìn)行整個(gè)遍歷，得到大小為m×n的手指靜脈圖像曲率空間場圖，其的方向場值為1至8；同時(shí)得到大小為m×n的最大曲率圖像。

s8、將s7得到的手指靜脈圖像曲率空間場圖中每個(gè)點(diǎn)的值擴(kuò)大10倍，使得其的方向場值10至80。

s9、計(jì)算待識別手指靜脈圖像的曲率空間場和數(shù)據(jù)庫中模板的曲率空間場的差值，即：

δd(m,n)＝abs(d(m,n)-di(m,n))(11)

s10、修正方向差能夠減小步驟s9計(jì)算出的兩幅手指靜脈圖像曲率空間場差值的誤差，因此對差值進(jìn)行修正，即：

s11、將修正方向差后的均值作為兩幅手指靜脈圖像的相似度即：

s12、匹配識別，其中t為實(shí)驗(yàn)得出的兩幅手指靜脈圖像的相似度閾值。小于t認(rèn)為是同類手指靜脈圖像，否則認(rèn)為是非同類手指靜脈圖像。

本發(fā)明有益效果如下：

相比于其他的手指靜脈識別算法，基于二維高斯最大曲率方法提取出的靜脈曲率空間場圖和曲率值圖像能夠更好地表征該手指靜脈的信息。

對于低質(zhì)量手指靜脈圖像，本發(fā)明提出從8個(gè)方向上提取靜脈特征，相比于原始的最大曲率法從4個(gè)方向提取靜脈特征，能夠更清晰的提取靜脈信息。

基于高斯曲率空間場的提取靜脈紋路的準(zhǔn)確性更高，基于曲率空間場的識別算法，在誤識率一定情況下，識別性能明顯高于傳統(tǒng)的mhd識別算法。特別地，對于低質(zhì)量靜脈圖像數(shù)據(jù)庫，基于特征點(diǎn)的mhd算法性能明顯下降，本發(fā)明提出的基于靜脈圖像曲率空間場的識別算法性能下降不明顯。因此，基于手指靜脈曲率空間場的識別算法是一種有效的識別算法。

附圖說明

圖1為一幅預(yù)處理后的手指靜脈圖像；

圖2為圖1提取出的曲率空間場圖像；

圖3為一幅質(zhì)量正常預(yù)處理后的手指靜脈圖像；

圖4為圖3基于最大曲率提取出的紋路；

圖5為圖3基于二維高斯的最大曲率算法提取出的紋路；

圖6為圖3基于方向組濾波提取出的紋路；

圖7為圖3基于garbor濾波器提取出的紋路；

圖8為一幅低質(zhì)量預(yù)處理后的手指靜脈圖像；

圖9為圖8基于最大曲率提取出的紋路；

圖10為圖8基于二維高斯的最大曲率算法提取出的紋路；

圖11為圖8基于方向組濾波提取出的紋路；

圖12為圖8基于garbor濾波器提取出的紋路；

圖13為曲率空間場識別靜脈的合法匹配與非法匹配分布圖；

圖14為方向組濾波器mhd識別靜脈的合法匹配與非法匹配分布圖；

圖15為識別低質(zhì)量靜脈數(shù)據(jù)庫不同算法roc曲線；

圖16為識別正常靜脈數(shù)據(jù)庫不同算法roc曲線；

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明的具體實(shí)施例作進(jìn)一步的說明。

本實(shí)施例的手指靜脈快速識別方法，包括以下步驟：

s1、構(gòu)造一個(gè)(2×8+1)×(2×8+1)的窗口的二維高斯函數(shù)模板g(x,y)，式2中x∈[-8,8],y∈[-8,8]，σ＝2，w＝8。

s2、根據(jù)步驟s1構(gòu)造的高斯函數(shù)g(x,y)，分別求出二維高斯函數(shù)水平方向一階導(dǎo)數(shù)gx(x,y)、垂直方向的一階導(dǎo)數(shù)gy(x,y)、水平方向二階偏導(dǎo)數(shù)gxx(x,y)、垂直方向二階偏導(dǎo)數(shù)gyy(x,y)和二階混合偏導(dǎo)數(shù)gxy(x,y)。

s3、利用步驟s2得出的結(jié)果，求出二維高斯函數(shù)8個(gè)方向的一階方向?qū)?shù)gθ(x,y)、二階方向?qū)?shù)gθθ(x,y)。

s4、對像素大小為160×64的預(yù)處理后的圖像(如圖1所示)，按邊界值進(jìn)行邊界擴(kuò)充，擴(kuò)充后的像素為176×80。

s5、根據(jù)離散點(diǎn)的曲率公式，求出8個(gè)方向的曲率模板。

s6、將步驟s5得出的8個(gè)方向的曲率模板，分別在步驟s4得出的擴(kuò)充的圖像上依次劃過，并計(jì)算兩個(gè)窗口的卷積值，記為ql，ql表示第l個(gè)方向位于該窗口中心處的曲率，其中l(wèi)＝1,2，3…8。然后選取出q1,q2…q8中的最大值存入該點(diǎn)，并存下最大值對應(yīng)的是第幾個(gè)方向，這樣就得到位于該窗口中心點(diǎn)的最大曲率，和方向場值。

s7、遍歷整個(gè)靜脈圖像，得到一幅大小為160×64的靜脈圖像曲率空間場圖，其值為1至8。一幅大小為160×64的靜脈圖像最大曲率值。

s8、將s7得到的靜脈圖像曲率空間場圖，圖中的每點(diǎn)的值擴(kuò)大10倍，其值為10至80，如圖2所示。

以下對本發(fā)明的方法與其他的方法的效果作比較：

用采集設(shè)備在實(shí)驗(yàn)內(nèi)采集靜脈圖像建立低質(zhì)量靜脈圖像數(shù)據(jù)庫和正常靜脈圖像數(shù)據(jù)庫。其中低質(zhì)量靜脈圖像數(shù)據(jù)庫，包含在低溫環(huán)境下采集的靜脈圖像和女生靜脈比較細(xì)的靜脈圖像，共600組每組3幅圖像，1-2作為待匹配靜脈圖像，第3幅圖像作為模板。正常靜脈圖像數(shù)據(jù)庫共400組靜脈圖像，每組4幅靜脈圖像，其中1-3作為待匹配靜脈圖像，第4幅靜脈圖像作為模板。采集的圖像經(jīng)過預(yù)處理后保存大小為160×64的特征點(diǎn)圖和曲率空間場，仿真實(shí)驗(yàn)用matlab2012b軟件編程，在內(nèi)存4g，cpu主頻4ghz的window7平臺上進(jìn)行。

1、不同算法提取靜脈紋路效果比較

最大曲率算法、方向組濾波器、garbor濾波器和基于二維高斯的最大曲率算法分別提取正常靜脈圖像圖3的靜脈紋路，各個(gè)算法提取的靜脈紋路如圖4至圖7所示。從圖4至圖7可以看出garbor濾波器提取的靜脈紋路不準(zhǔn)確，一些背景區(qū)域被分割成靜脈，而且出現(xiàn)靜脈紋路的斷裂現(xiàn)象，方向組濾波器和最大曲率算法提取的靜脈紋路相對比較準(zhǔn)確，但是也存在靜脈斷裂現(xiàn)象，本發(fā)明提取的二維高斯最大曲率算法提取的靜脈紋路不但可以準(zhǔn)確提取低對比度區(qū)域的靜脈紋路，而且提取的靜脈紋路連續(xù)性好。

利用不同靜脈紋路提取算法提取低質(zhì)量靜脈圖像的靜脈紋路，低質(zhì)量靜脈圖像如圖8所示，各個(gè)算法提取的靜脈紋路如圖9至圖12所示。從圖9至圖12可以看出，garbor濾波器提取的靜脈紋路出現(xiàn)大量的偽靜脈，完全淹沒了圖像的靜脈紋路。方向組濾波器濾波器提取的靜脈紋路雖然比garbor濾波器較好一些，但是對于圖像上部的模糊區(qū)域出現(xiàn)很多偽靜脈，而且存在靜脈斷裂的現(xiàn)象。最大曲率算法提取的靜脈紋路偽靜脈相對較少，但一些靜脈的關(guān)鍵點(diǎn)(交叉點(diǎn))出現(xiàn)斷裂現(xiàn)象。本發(fā)明提出的基于二維高斯函數(shù)的曲率算法，對模糊區(qū)域的提取效果很好，偽靜脈比較少，而且提取的靜脈連續(xù)性好沒有出現(xiàn)斷裂現(xiàn)象。

2、不同算法識別性能比較

圖13給出了低質(zhì)量靜脈圖像數(shù)據(jù)庫曲率空間場識別算法的合法匹配曲線和非法匹配曲線，從圖13可以看出，合法曲線和非法曲線交叉部分極少，主峰相距較遠(yuǎn)，是否是同類靜脈圖像有明顯的區(qū)分度。方向組濾波器提取低質(zhì)量靜脈數(shù)據(jù)庫靜脈紋路，然后提取靜脈紋路特征，利用mhd算法識別的合法匹配與非法匹配曲線如圖14，從圖14可以看出，合法匹配曲線和非法匹配曲線交叉部分較多，主峰相聚交近，同類靜脈圖像和非同類靜脈圖像的區(qū)分度不夠明顯。結(jié)合圖13，圖14可以看出曲率空間場識別算法的合法匹配與非法匹配曲線的交叉部分明顯小于mhd識別算法。因此，本發(fā)明提出的基于曲率空間場識別算法可以用于區(qū)分是否是同類靜脈圖像的效果明顯優(yōu)于mhd識別算法。

方向組濾波器和基于二維高斯的最大曲率算法分別提取靜脈圖像的靜脈紋路，然后提取特征點(diǎn)，進(jìn)行mhd識別。提取靜脈圖像的曲率空間場，利用本發(fā)明提出的基于曲率空間場識別算法進(jìn)行認(rèn)證識別。對于低質(zhì)量靜脈數(shù)據(jù)庫不同識別算法的roc曲線如圖15，對于正常靜脈數(shù)據(jù)庫，不同算法的roc曲線如圖15所示。

結(jié)合圖15和圖16可以看出無論是低質(zhì)量靜脈數(shù)據(jù)庫還是正常靜脈數(shù)據(jù)庫，在誤識率相同時(shí)，二維高斯曲率提取的靜脈紋路進(jìn)行mhd識別的拒識率都小于方向組濾波器提取靜脈紋路mhd識別算法。說明本發(fā)明提出的基于二維高斯最大曲率算法提取靜脈紋路更準(zhǔn)確。本發(fā)明提出基于曲率空間場的識別算法的拒識率明顯小于mhd識別算法，說明本發(fā)明提出基于曲率空間場的識別算法性能明顯優(yōu)于mhd識別算法。在誤識率一定情況下，從正常靜脈數(shù)據(jù)到低質(zhì)量靜脈數(shù)據(jù)庫，mhd識別算法拒識率明顯提高，但本發(fā)明提出算法拒識率增加很少，因此mhd識別算法對于低質(zhì)量靜脈圖像識別性能比較差，而本發(fā)明提出的基于靜脈圖像曲率空間場的識別算法即使是低質(zhì)量靜脈圖像識別性能仍是比較好。

本發(fā)明提出一種基于指靜脈曲率空間場的識別算法，首先利用改進(jìn)的基于二維高斯函數(shù)的最大曲率算法，提取手指靜脈圖像的靜脈紋路和曲率空間場，然后利用手指靜脈圖像的曲率空間場匹配識別。實(shí)驗(yàn)表明，基于高斯曲率空間場的提取靜脈紋路的準(zhǔn)確性更高，基于曲率空間場的識別算法，在誤識率一定情況下，識別性能明顯高于傳統(tǒng)的mhd識別算法。而且對于低質(zhì)量靜脈圖像數(shù)據(jù)庫，基于特征點(diǎn)的mhd算法性能明顯下降，本發(fā)明提出的基于靜脈圖像曲率空間場的識別算法性能下降很少。因此，基于手指靜脈曲率空間場的識別算法是一種有效的識別算法。

上面結(jié)合附圖對本發(fā)明的實(shí)施例作了詳細(xì)說明，但是本發(fā)明并不限于上述實(shí)施例，在本領(lǐng)域普通技術(shù)人員所具備的知識范圍內(nèi)，還可以在不脫離本發(fā)明宗旨的前提下作出得各種變化，也應(yīng)視為本發(fā)明的保護(hù)范圍。