紅外圖像識別方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明涉及圖像識別，特別涉及一種紅外圖像識別方法。
【背景技術(shù)】
[0002] 隨著生物認證技術(shù)的發(fā)展，人臉和指紋識別已經(jīng)不能滿足日益增長的安全性需 求。近年來，基于手掌靜脈特征的身份識別在生物特征識別領(lǐng)域受到廣泛重視。手掌靜脈圖 像獲取容易，占用存儲空間小，其研究具有重要的應(yīng)用價值。手掌靜脈識別相關(guān)認證產(chǎn)品在 網(wǎng)絡(luò)安全認證方面必將發(fā)揮重要的作用?，F(xiàn)有的手掌靜脈識別系統(tǒng)只能對較好條件下的樣 本進行處理，而對于圖像偏暗，清晰度不高的掌紋樣本，識別率有所降低，同時，所應(yīng)用的算 法普遍計算量較大，使識別過程難以達到實時。

【發(fā)明內(nèi)容】

[0003] 為解決上述現(xiàn)有技術(shù)所存在的問題，本發(fā)明提出了一種紅外圖像識別方法，包括：
[0004] 對紅外手掌靜脈圖像進行二值化和增強處理；
[0005] 通過提取圖像特征來識別紅外手掌靜脈圖像。
[0006] 優(yōu)選地，所述通過提取圖像特征來識別紅外手掌靜脈圖像，進一步包括：
[0007] 將增強后的靜脈圖像進行分塊，分為多個64X64大小的靜脈子圖像f(x，y)，首先 對其進行以下變換：
[0008]
[0009]變換后，變換結(jié)果也為64X64大小的矩陣，同時把[0,2jt)等分等分成126段，對應(yīng) 126個方向角，采用線性插值方法對不同方向上的徑向坐標進行估計：
[0010] Fi = Fi,u(xu-x)+Fi,d(x-Xd)
[0011] F2 = Fr,u(Xu-x)+Fr,d(x-Xd)
[0012] F(i, j)=Fi(yu-yij)+F2(yij-yd)
[0013] 這里，F(xiàn)(i , j)為i方向徑向坐標第j個坐標的處的值，（u,l)、（d,l)、（u，r)，（d,r)分 別為坐標(x，y)左上、左下、右上、右下處的值;然后對F(iJ)，做逆傅里葉變換，結(jié)果記為f' (1，」），其中1 = 1，2，~，126;]_ = 1，2，...，64，1為方向信息，]_為截距信息；
[0014] 將訓(xùn)練集中所有樣本相同區(qū)域的子圖像分解系數(shù)集合形成樣本矩陣：
[0015]
[0016] 式中，η為靜脈圖像樣本庫中樣本數(shù)量，ku為第i個樣本的第j個小波分解系數(shù);進 行主分量分析，得到一組特征值向量（ω 1，ω2,…，ω 126)，從126個分量中找到p個分量，當其 方差占總方差的比例大于某一值時，則選擇前面的Ρ個分量作為主分量，主分量方差占全部 方差的比例計算公式如下：
[0017] i=l
[0018] 經(jīng)分析計算后的圖像特征向量為
[0019]
[0020] 式中，C為綜合因子，矩陣Y的第i列為第j主分量；當％大于且小于給定閾值時， ^,1，7^"71,1)) 1'，即作為第：[幅圖像的特征向量；
[0021] 對手掌靜脈圖像樣本庫的靜脈對象的特征向量進行分類，當獲得新的靜脈圖像 后，對該位置的子圖像進行分類，并記錄分類后的該子圖像屬于樣本庫中的所有對象的記 錄數(shù)，將記錄數(shù)最多的對象作為該子圖像的匹配結(jié)果；
[0022] 將測試樣本的Q個子圖像分別按已知類別進行匹配后，得到不同位置子圖像的分 類正確概率[1^1,1，一1^ (1,(1]，這里41」為測試樣本被分割后（1，」）位置的子圖像，并且〇 = q2；
[0023] 融合候選匹配靜脈圖像的所有子圖像分類結(jié)果，識別該圖像與庫中哪類靜脈圖像 相匹配；
[0024] CP= ΣΑ?, j
[0025] CP為待匹配圖像屬于第ρ類圖像的概率系數(shù);設(shè)置合適閾值T，如果CP>T，確定待匹 配圖像屬于第P類靜脈圖像;如果C P<T，確定待匹配圖像為樣本庫中不存在的新的靜脈圖 像。
[0026] 本發(fā)明相比現(xiàn)有技術(shù)，具有以下優(yōu)點：
[0027] 本發(fā)明提出了一種紅外圖像識別方法，對于質(zhì)量較低的采集圖像，有效提高了識 別范圍，識別速度和精度。
【附圖說明】
[0028] 圖1是根據(jù)本發(fā)明實施例的紅外圖像識別方法的流程圖。
【具體實施方式】
[0029] 下文與圖示本發(fā)明原理的附圖一起提供對本發(fā)明一個或者多個實施例的詳細描 述。結(jié)合這樣的實施例描述本發(fā)明，但是本發(fā)明不限于任何實施例。本發(fā)明的范圍僅由權(quán)利 要求書限定，并且本發(fā)明涵蓋諸多替代、修改和等同物。在下文描述中闡述諸多具體細節(jié)以 便提供對本發(fā)明的透徹理解。出于示例的目的而提供這些細節(jié)，并且無這些具體細節(jié)中的 一些或者所有細節(jié)也可以根據(jù)權(quán)利要求書實現(xiàn)本發(fā)明。
[0030] 本發(fā)明的一方面提供了一種紅外圖像識別方法。圖1是根據(jù)本發(fā)明實施例的紅外 圖像識別方法流程圖。
[0031] 手掌靜脈圖像利用的是人體靜脈的血紅蛋白對近紅外光的吸收特性。手掌靜脈采 集設(shè)備中采用的是波長范圍在700-1100近紅外發(fā)光二極管作為光源，因為該波段的光容易 穿透手掌骨骼和肌肉組織，然后采用高感光度的圖像傳感器。在手掌靜脈圖像的采集過程 中，如果手掌放置的位置太偏，可能會造成手掌靜脈圖像中手掌邊界的梯度場小，從而導(dǎo)致 手掌靜脈的邊界提取不完整，影響手掌靜脈ROI(ROI)區(qū)域的截取。
[0032 ]手掌靜脈圖像識別可選地包括如下過程：
[0033] 手掌靜脈圖像分割，將靜脈圖像中的靜脈紋理從背景區(qū)域中分離出來，以提高圖 像特征提取的正確率和特征提取的速度。
[0034] 手掌靜脈圖像增強，用于突出圖像的靜脈紋理信息。
[0035]特征提取，通過對預(yù)處理過的圖像進行特征提取，得到手掌靜脈圖像的幾何特征 模板或數(shù)據(jù)特征模板。
[0036] 匹配識別，通過采集的用戶手掌靜脈圖像，獲得樣本模板，與之前數(shù)據(jù)庫中的注冊 模板進行匹配，以識別用戶身份標識。
[0037] 進一步地，對于上述圖像分割，本發(fā)明采用以下過程:根據(jù)方向分布選擇方向個 數(shù)，通過靜脈圖像橫截面的灰度和曲率分布確定濾波器的尺寸和頻率范圍，然后針對手掌 靜脈每個方向的圖像信息只構(gòu)造一個濾波器，通過對各個方向濾波之后的濾波子圖的權(quán)值 系數(shù)的設(shè)定，對濾波之后的子圖進行重建，最后計算重建圖像4方向鄰域均值，得到的均值 圖像與重建圖像差值比較之后得到分割圖像。
[0038]首先，針對手掌靜脈圖像的特點，本發(fā)明計算手掌靜脈圖像的方向分布圖，分析原 圖像的方向分布，根據(jù)分布特點來確定濾波器方向的選擇。每隔V8的角度，預(yù)設(shè)8個方向的 模板算子Tk(k = l，...，8)。假設(shè)一幅的手掌靜脈圖像F，（i，j)為中心像素點的坐標，F(xiàn)(i，j) 為原靜脈圖像(i，j)處的中心像素點灰度值。
[0039]方向分布圖計算方法如下：
[0040] (1)逐點計算出各像素點上的8個方向灰度卷積值。采用5x5的模板算子Tk計算像 素點（i，j)處的灰度卷積和31 5(1，」）仏=1，...，8)。在一個辦9塊中使用下面的公式獲得該 窗口中心像素(i，j)的8個方向灰度卷積和：
[0041]
[0042]其中，x、y為模板在圖像中滑動的距離，代表著對應(yīng)方向上模板的系數(shù)，Sk(x，y)是 卷積運算之后的中心像素點值，這里定義為中心像素點的灰度卷積和。
[0043] (2)從51{(1，」）仏=1，...，8)中的8個中心像素點的灰度卷積和取出最大的卷積和 值，并取最大卷積和值的下標作為該中心像素點的方向：
[0044] Skmax=max(Sk(i , j)) (k= 1,...,8)
[0045] kmax = arg(Skmax)
[0046] 其中，max表示取一組灰度卷積和中的最大值，arg表示取Skmax的下標值。
[0047] 濾波器的中心頻率和包絡(luò)標準方差決定了手掌靜脈圖像的濾波效果，手掌靜脈紋 理之間的距離決定了濾波器中心頻率f，靜脈紋理的寬度決定了濾波器的尺寸大小心心，為 了減少由^取值不同對圖像增強帶來的影響，本發(fā)明取以下標準方差，即濾波器的尺寸s =33[=5\。并且5和打茜足以下關(guān)系：
[0048]
[0049] 其中，B表示濾波器的空域帶寬，且在[0.5，2.5 ]之間取值。
[0050] (3)對濾波之后的8幅圖像進行重建。定義一組加權(quán)值A(chǔ)ke[0，l];8幅圖像的重建 過程可以定義為：
[0051]
[0052] R表示重建之后的圖像。
[0053] (4)采用4方向均值模板對重建圖像R進行平滑處理。定義一個7x7大小的4方向均 值模板Ta，從水平位置開始，每隔;V4確定一個方向。模板計算的方向角范圍為[0，π)。計算 方法如下：
[0054]首先計算每個像素點在以中心像素為中心的4個方向上的像素灰度平均值辦（1取 1-4)。并將4方向的灰度均值之和求平均值，過程可定義為：
[0055]
[0056] 其中?代表二維卷積運算，R '表示4方向均值圖像。
[0057] (5)圖像分割。為了簡化二值化的過程，將重建圖像R和4方向均值圖像R'的差值比 較作為分割的標準，圖像的分割過程可以定義為：
[0058]
[0059] R(i，j)表不里建圖像R在（
i，j)處的灰度值，R' (i，j)表示4方向均值圖像R'在（i， j)處的灰度值，E為分割之后的圖像。
[0060] 獲得分割后的二值化圖像之后，進一步地，在上述圖像增強中，本發(fā)明采用以下過 程對圖像進行細化，以突出掌紋圖像的特征：
[0061] (1)將迭代次數(shù)標記N設(shè)置初始值為1，根據(jù)不同的N值，當滿足以下過程1至過程4 相應(yīng)的門限條件時，選擇執(zhí)行過程1至過程4以分別對圖像左上邊界、右下邊界、左下邊界、 右上邊界執(zhí)行細化，若Nmod4 = 1，執(zhí)行過程1;若NmodA = 2，執(zhí)行過程2;若Nmod4 = 3，執(zhí)行過 程3;若Nmod4 = 0，執(zhí)行過程4;其中過程1至過程4各自的門限條件為：
[0062]過程1的門限條件為：
[0063] 2<A(P) <6；
[0064] Ρ2·Ρ4·Ρ8 = 1;
[0065] Ρ2·Ρ4·Ρ6 = 1;
[0066] 其中A (Ρ)表示當前像素點Ρ周圍8個像素點中值為1的個數(shù);Ρ2、Ρ4、Ρ6、Ρ8分別為當