[发明专利]手背静脉模式纹理提取方法

说明书

技术领域

本发明涉及的是一种生物特征的识别方法。

背景技术

人体手背静脉识别具有稳定性、唯一性、高防伪性、非接触性和精度高等优点，是模式识别领域的前沿课题。具有广泛的应用前景和经济价值。

目前提取静脉纹理的方法主要有两种：

1、基于静脉纹理区域像素灰度值分布的统计特性的方法：通过静脉纹理区域像素灰度值分布的统计特性确定区域阈值，对静脉样本图像进行二值分割，得到一幅能够区分静脉纹理区域和背景区域的二值图像，如图1(A)所示。这种方法优点是简单快速，但对静脉样本的质量要求较高。

2、基于静脉纹理横断面最小灰度值点跟踪的方法：对静脉纹理横断面最小灰度值点进行“重复线形跟踪”，从某一端点进行横断面最小灰度值点跟踪，形成横断面最小灰度值线，一个端点跟踪结束后，从另外一个端点进行同样的跟踪操作，最后得到的横断面最小灰度值点形成的曲线将重叠，形成静脉纹理特征，如图1(B)所示。在跟踪时记下横断面最小灰度值点被遍历的次数，以区分噪声点和静脉点，噪声点被遍历的几率要比静脉点小。该方法相对第一种方法而言，其提取效果有一定的改善。

在静脉识别领域还没有讨论基于图像的二阶微分结构特性提取静脉纹理的相关文献，但是在医学图像处理领域研究得比较多^[1-3]，其中大多数方法以文献^[1]提出的模型为基础，文献^[1]基于纹理二阶微分结构的特征值，提出一了血管度计算模型，但直接利用该模型处理静脉图像时，存在两个问题：1、对静脉图像中细纹理不敏感；2、对血管交叉处纹理表现不明显。

与本发明相关的公开报道有：

[1]A.Frangi，W.Niessen，K.Vincken，and M.Viergever，Multiscale vessel enhancement filtering，Medical Image Computing and Computer-Assisted Interventation in 1998，1998，pp.130-137.

[2]C.Ca ero and P.Radeva，Vesselness enhancement diffusion，Pattern Recognition Letters，vol.24，2003，pp.3141-3151.

[3]R.Manniesing，M.Viergever，and W.Niessen，Vessel enhancing diffusion::Ascale space representation of vessel structures，Medical Image Analysis，vol.10，2006，pp.815-825.

发明内容

本发明的目的在于提供能够区分静脉纹理与背景区域、能够得到静脉纹理的方向和尺度信息的手背静脉模式纹理提取方法。

本发明的目的是这样实现的：

本发明手背静脉模式纹理提取方法，其特征是：

(1)建立静脉纹理局部二阶微分结构模型-VLSDM模型：VLSDM模型由静脉纹理局部曲面形状约束模型和静脉纹理的显著二阶微分结构特征量组成，根据静脉纹理局部曲面形状约束索引值不同的特点、结合采样定理及加权融合的方法得到融合形状约束索引值计算模型-SICM模型，选取曲面最大主曲率作为VLSDM模型中的静脉纹理的显著二阶微分结构特征量，采用基于最大似然估计模型改进的组合方式将SICM模型与显著二阶微分结构特征量进行融合，从而形成VLSDM模型；

(2)采用基于多尺度分析的噪声滤去方法对多尺度VLSDM模型滤波响应进行处理，从而得到最后的手背静脉模式纹理。

本发明还可以包括：

1、所述的SICM模型的建立方法是：采用采样函数Shannon对形状索引值SapeIndex进行采样，形成像素点邻域曲面与采样目标纹理曲面形状索引值shape_D相似度计算公式，采用加权融合的方法，将与交叉静脉纹理和暗脊形静脉纹理得相似度融合形成最后的静脉形状约束模型。

2、所述的像素点邻域曲面与采样目标纹理曲面形状索引值shape_D相似度计算公式数学表达式为：

式中，α表示Shannon函数的衰减系数，shapeness表示像素点邻域曲面与shape_D所表示的纹理曲面形状相似度。

3、所述的加权融合的方法数学表达式为：