一種基于八鄰域和二次匹配的手掌靜脈特征提取和匹配方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及接觸式生物特征身份識別技術(shù)領(lǐng)域，尤其是一種掌靜脈特征提取和匹 配方法。
【背景技術(shù)】
[0002] 計算機(jī)的普遍性和必要性是當(dāng)今信息技術(shù)發(fā)展的必然結(jié)果，致使整個社會成為信 息和網(wǎng)絡(luò)的結(jié)合體，如何進(jìn)一步加強(qiáng)社會信息化和網(wǎng)絡(luò)化的安全性成為如今迫切需要解決 問題的重中之重，而身份認(rèn)證就是古往今來所使用的一種基本方法。傳統(tǒng)的身份認(rèn)證有兩 種方式，一種是基于標(biāo)志物（鑰匙、證件）的身份認(rèn)證；另外一種是基于知識（密碼，卡號） 的身份認(rèn)證，但這兩者的缺陷都是通過"身外之物"進(jìn)行身份認(rèn)證，而這些身外之物容易被 偽造或者冒充，要消除這些隱患必須摒棄這些身外之物，尋求一種對個人自身獨(dú)有的特征 進(jìn)行認(rèn)證的識別技術(shù)，即生物識別技術(shù)。
[0003] 物識別技術(shù)是對人體自身所擁有的生物特征進(jìn)行自動身份識別的技術(shù)，生理特征 包括DNA、耳廓、人臉、虹膜、視網(wǎng)膜、掌紋、手型、手上的靜脈血管等，行為特征包括手寫簽 名、聲紋、步態(tài)等。行為特征不具備一定的精確度，并且容易被模仿和假冒，在實際使用中存 在一定的不安全性。虹膜、指紋等這些人體識別技術(shù)容易被仿冒且容易取得。因此靜脈特 征識別技術(shù)是一種安全性很高的身份識別技術(shù)。

【發(fā)明內(nèi)容】

[0004] 為了克服已有身份驗證方式的安全性較差的不足，本發(fā)明提供一種基于八鄰域和 二次匹配的手掌靜脈特征提取和匹配方法。
[0005] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：
[0006] -種基于八鄰域和二次匹配的手掌靜脈特征提取和匹配方法，所述方法包括以下 步驟：
[0007] 1)采集手掌靜脈圖像；
[0008] 2)對采集到的靜脈圖像進(jìn)行預(yù)處理；
[0009] 二值化提取出手掌，進(jìn)行手掌關(guān)鍵點(diǎn)定位，采用高斯濾波對圖像進(jìn)行去噪處理，采 用直方圖均衡化對圖像進(jìn)行增強(qiáng)；
[0010] 3)對增強(qiáng)后的靜脈圖像進(jìn)行細(xì)化裁剪
[0011] 用Niblack圖像閾值分割法進(jìn)行閾值分割，采用中值濾波進(jìn)行去噪處理，再進(jìn)行 圖像的細(xì)化和裁剪；
[0012] 4)對裁剪后的圖像在八鄰域中進(jìn)行特征點(diǎn)提取，采用局部結(jié)構(gòu)關(guān)系匹配和歐式距 離匹配相結(jié)合的匹配方式，過程如下：
[0013]采用八鄰域算法進(jìn)行特征點(diǎn)提取，在八鄰域中，當(dāng)前點(diǎn)P的八個鄰域點(diǎn)（Ρ1···Ρ8)， Ρι···ρ8表示Ρ1…Ρ8的灰度值，交叉數(shù)CJP)的定義為式（1):
[0014]
[0015] 以及在八鄰域中，紋線的點(diǎn)數(shù)Sn(p)定義為式（2):
[0016]
[0017] 特征點(diǎn)類型判別條件：
[0018] a)當(dāng)Cn⑵=1且Sn⑵=1，則P為端點(diǎn)；
[0019] b)當(dāng)Cn (P) = 3 且Sn (P) = 3,則P為三叉點(diǎn)；
[0020] c)當(dāng)Cn⑵=4且Sn⑵=4,則P為四叉點(diǎn)；
[0021] -個特征點(diǎn)包含以下信息：點(diǎn)的類型s，點(diǎn)的坐標(biāo)位置（i,j)，點(diǎn)在脊線上的方向 角度Θ，選取與中心特征點(diǎn)距離大于r的最近5個點(diǎn)（P1，P2，P3，P4，P5)作為此中心點(diǎn)的鄰 域特征點(diǎn)，利用這5個鄰域點(diǎn)和該中心點(diǎn)的距離信息、坐標(biāo)信息和角度信息一起構(gòu)造出局 部特征向量；
[0022] 在建立好局部特征向量之后，對特征向量進(jìn)行第一步匹配識別，假設(shè)待識別掌靜 脈圖像A，采集得到其特征點(diǎn)為A=(AidSuΘ丄--AN(iN,jN,sN,ΘN))表示掌靜脈A 上有N個特征點(diǎn)，與之匹配的模板中的任一掌靜脈B，其特征點(diǎn)為B=(BJLi，Sl，Θ丄.. ? ·BM (iM，jM，sM，θM))表示掌靜脈B中有M個特征點(diǎn)；
[0023] 匹配的過程為，將Β的Μ維向量組與Α的Ν維向量組進(jìn)行比較，把Α中的每個特征 點(diǎn)分別與B中的每個特征點(diǎn)進(jìn)行一一匹配，根據(jù)匹配結(jié)果，得到NXM個匹配值，將匹配值記 錄在矩陣FNXM中；
[0024] 計算完成之后，在矩陣F的每一行標(biāo)記出匹配值最大且不為0的元素，這些元素的 性質(zhì)保證特征點(diǎn)~和B;是一一對應(yīng)的關(guān)系，標(biāo)記出每一行的最大元素之后求其總和，將其 總和記為匹配值UAB;
[0025] 初步匹配的判決條件為Z= 100XUABXUAB/NXM，設(shè)置判決值上下限，即最低 下限2_和最高上限Z_，當(dāng)2〈2_時，則判定AB不匹配，無需再進(jìn)入第二步匹配；當(dāng) Z_<Z<Z_時，則進(jìn)入第二步的匹配，當(dāng)Z蘭Z_時，直接判定AB匹配成功；
[0026] 然后根據(jù)特征點(diǎn)的歐式距離進(jìn)行二次匹配，經(jīng)過初步匹配，不能確定是否匹 配的靜脈圖像A和B，A有N個特征點(diǎn)，B有Μ個特征點(diǎn)，圖像A的特征點(diǎn)坐標(biāo)表示為 廣/?,乂4)火'穴），B的特征點(diǎn)坐標(biāo)表示為5(4#)，將A的第一個點(diǎn) 你?)分別和B的Μ個點(diǎn)進(jìn)行距離的求解，得到Μ個距離值，取最小值記為d1];
[0027] 重復(fù)上述步驟，一共可以得到N個最小距離值，記為du...dNj (1彡j彡N)，在這 些最小值中，求其最大值d_，與求得的閾值D進(jìn)行比較，若D，則匹配成功，A和B為 同一類圖像，若D，則A與B屬不同類的圖像，結(jié)果為不匹配。
[0028] 更進(jìn)一步，所述步驟1)中，通過雙波長近紅外LED和高清C⑶的手掌靜脈前端采 集裝置采集到手掌靜脈圖像。
[0029] 再進(jìn)一步，所述步驟2)中，采用全局閾值法中的固定閾值進(jìn)行靜脈圖像的二值 化，將閾值定義為T，則灰度圖像f(x，y)二值化變換過程用式（3)所示：
[0030]
[0031] 所述步驟2)中，提出了局部求點(diǎn)的方法，求出每個邊緣點(diǎn)到圖像底部的距離，根 據(jù)距離求得圖像的極值點(diǎn)，根據(jù)極值點(diǎn)確定每個手指之間的交叉點(diǎn)；在實際的處理過程中， 截取了圖像上半部分進(jìn)行距離計算，摒棄了圖像大拇指到手掌底部的圖像信息，這些圖像 信息對處理并沒有什么影響。
[0032] 所述步驟2)中，找到小拇指和無名指之間的點(diǎn)P2與中指和食指之間的點(diǎn)P1，將 P1和P2連成一條線，獲得其與手腕的水平方向的夾角進(jìn)行圖像Θ角度，其中P1點(diǎn)坐標(biāo)為 (XP1，YP1)，P2點(diǎn)坐標(biāo)為（XP2，YP2)，旋轉(zhuǎn)的角度Θ如式所示⑷：
[0033]
[0034] 將整個掌靜脈圖像按照Θ角度旋轉(zhuǎn)，最終獲得R0I為矩形有效區(qū)域ΑΒ⑶。
[0035] 所述步驟2)中，尺寸歸一化矩陣方式如式（5)所示：
[0036]
[0037] 其中（u,V)表示縮放前的坐標(biāo)，（X，y)表示縮放后的坐標(biāo)，a表示的是橫坐標(biāo)的縮 放比，b表示縱坐標(biāo)的縮放比；a>l是指橫向放大，0〈a〈l是指橫向縮小；b>l是指縱向放大， 〇〈b〈l是指縱向縮小；a=b表示橫縱方向的縮放比相同，也就是變換后圖像沒有發(fā)生形變。
[0038] 所述步驟2)中，采用直方圖均衡化對圖像進(jìn)行增強(qiáng)，直方圖均衡化用式（6)表 示：
[0039]
[0040] 其中，r為轉(zhuǎn)換前的灰度值，T(r)為對灰度值r的直方圖均衡化函數(shù)，w為0到r 之間的變量，s為轉(zhuǎn)換后的灰度值，Pl^代表灰度r的概率分布函數(shù)。
[0041] 更進(jìn)一步，所述步驟3)中，用Niblack圖像閾值分割法進(jìn)行閾值分割，過程如下：
[0042] 對圖像的每個像素點(diǎn)，在它的RXR的鄰域內(nèi)計算出鄰域內(nèi)像素點(diǎn)的方差和均值， 然后根據(jù)式（7)進(jìn)行圖像二值化：
[0043]T(x,y) =m(x,y)+kXs(x,y) (7)
[0044] 其中結(jié)果T(x,y)為所求閾值，m(x,y)為該像素點(diǎn)在鄰域內(nèi)的灰度均值，k為預(yù)先 設(shè)定的修訂值，s(X，y)為該像素點(diǎn)鄰域內(nèi)的灰度標(biāo)準(zhǔn)方差，m(x,y)和s(X，y)的計算過程如 式⑶和（9)所示：
[0045]
[0046]
[0047] 其中f(i，j)為像素點(diǎn)（i，j)的灰度值。
[0048] 閾值分割后，用均值濾波除去少量的孤立噪點(diǎn)。
[0049] 所述步驟3)中，進(jìn)行圖像細(xì)化使圖像細(xì)化后的靜脈圖像脊線位于原始脊線的中 間位置，并且保持著脊線的連通性，細(xì)節(jié)信息和拓?fù)浣Y(jié)構(gòu)；
[0050] 采用條件細(xì)化算法細(xì)化圖像，對像素點(diǎn)建立3X3的模版，其中一共有9個相鄰的 像素點(diǎn)，將掌靜脈圖像中的血管點(diǎn)標(biāo)為1，背景點(diǎn)標(biāo)為〇,對模版中心點(diǎn)P5標(biāo)記為1，而鄰域 中的8個點(diǎn)至少有一個標(biāo)記為0的點(diǎn)進(jìn)行以下條件的判斷：
[0051]a)2 彡N彡 6;
[0052]b)S= 1；
[0053]c)P2XP4XP6 = 0 且P4XP6XP8 = 0 或者P2XP4XP8 = 0 且P2XP6XP8 = 0;
[0054] 其中N是鄰域中非0的點(diǎn)的個數(shù)，S是PL . . P4和P6. . . P9點(diǎn)從0到1變化的次 數(shù)，上述條件如果都滿足，則將P5刪去；從而達(dá)到了細(xì)化的目的。
[0055] 所述步驟3)中，進(jìn)行圖像裁剪，查找每個像素點(diǎn)的鄰域范圍，通過查找8鄰域中的 值為1的像素點(diǎn)個數(shù)，判斷該點(diǎn)是否為交叉點(diǎn)或端點(diǎn)，并標(biāo)記交叉點(diǎn)和端點(diǎn)位置；根據(jù)預(yù)先 認(rèn)定的裁剪的長度值和記錄該段分支中端點(diǎn)到交叉點(diǎn)之間的像素距離進(jìn)行比較，若距離小 于設(shè)定長度，則將端點(diǎn)到交叉點(diǎn)的整段靜脈紋路裁減。
[0056] 本發(fā)明的技術(shù)構(gòu)思為：生物識別技術(shù)是對人體生物特征（生理或行為特征）進(jìn)行 自動身份識別的技術(shù)，生理特征包括DNA、耳廓、人臉、虹膜、視網(wǎng)膜、掌紋、手型、手上的靜脈 血管等，這些生物特征擁有足夠的穩(wěn)定性，不會隨著年齡的增長，時間的改變而改變。行為 特征包括手寫簽名、聲紋、步態(tài)等。行為特征不具備一定的精確度，并且容易模仿和假冒，在 實際使用中存在一定的不安全性。虹膜、指紋、掌紋等這些人體識別技術(shù)卻容易被仿冒且容 易