[发明专利]一种基于结构编码特征和纹理编码特征融合的手背静脉识别方法

说明书

技术领域

本发明涉及一种基于结构编码特征和纹理编码特征融合的手背静脉识别方法，属于计算机视觉中的智能监控技术领域，特别涉及生物特征识别技术领域。

背景技术

生物特征识别是基于计算机系统进行身份识别的重要技术。相对于传统的认证方法如密码、磁卡等，具有不会遗忘、不易伪造或被盗，随身“携带”和随时随地可用等优点，更具安全、保密和方便性，渐渐得到政府、军队、银行等方面的广泛应用。目前常见的生物特征识别方法有人脸、指纹、手形、脚形、耳形、牙齿、虹膜、声音、笔迹、步态等。其中人脸、指纹等已开展多年，而静脉图像识别是近年来得到重视的一项新技术。静脉图像识别主要基于手掌，手指或手背，其中，基于手背静脉的身份识别有如下特点：

1.所有的人手背静脉都不同，即使双胞胎的手背静脉亦不同。

2.手背静脉随年龄的增长不会有大的变化，除风湿类疾病等极少数情况外，它具有永久性。

3.手背静脉不可仿造，难以通过手术改变。

4.手背静脉识别不具侵犯性，使测试者最大限度的感觉舒适方便，不产生抵触情绪，而且对于湿度、汗水、污物、笔痕和小损伤方面的鲁棒性优于其他生物识别系统。

5.设备成本可以降低，采集方式为非接触式，采集过程也简单快捷。

总之，手背静脉识别满足了一种优秀的生物特征识别方法所应具备的各种要求。这些要求包括鲁棒性，唯一性，采集方便性，侵犯性和有效性。同时，手背静脉识别有其特殊优点。它没有虹膜识别的侵犯性，没有指纹识别和掌纹识别对手表面洁净度的要求，又不会像人脸、笔迹、声音、步态识别受各个方面干扰大。其本身的识别率非常稳定，据相关报道，其出错率仅为百万分之一。手背静脉识别的成本也是优势之一，不需要昂贵的采集设备，利用常见器件即可采集可用的图像。

目前手背静脉识别方法主要有两大类：基于结构特征的识别方法和基于纹理特征的识别方法。

1、基于结构特征的手背静脉识别方法：

基于结构特征的手背静脉识别方法在经过分割、细化后的手背静脉图像中检测端点及交叉点，利用这些关键点的数量、坐标、相对位置等信息作为特征进行识别。

2、基于纹理特征的识别方法：

基于纹理特征的手背静脉识别方法是指在灰度图像上通过纹理描述算子提取静脉特征进行识别。

但是基于结构特征的手背静脉识别方法总是存在对图像畸变以及误分割的鲁棒性不高的问题，而基于纹理特征的手背静脉识别方法对于图像分辨率变化以及光照变化鲁棒性不高。

发明内容

针对现有技术中存在的问题，本发明提出一种基于结构编码特征和纹理编码特征融合的手背静脉识别方法，提高手背静脉识别系统的识别率。

为了达到上述目的，本发明的技术解决方案提供了一套手背静脉识别的方法，由图像采集和图像预处理、二值图像下结构编码特征提取、灰度图像下纹理编码特征提取、特征融合以及分类器识别组成。图像采集指手背图像获取。图像预处理指手背静脉区域的提取、对比度约束的直方图均衡以及边缘保留的高斯滤波。二值图像下结构编码特征提取包括对手背静脉区域的分割、细化、特征点的检测、结构特征的提取及二值化编码。灰度图像下纹理编码特征提取是指将手背静脉图像归一化到M*M像素尺寸，将其等分成N子块，对每个子块提取旋转不变一致性模式的LBP特征，将其连接起来形成1×10N维的纹理特征向量并进行二值化编码。特征融合是指对于提取的结构编码特征和纹理编码特征使用按位异或的方法进行融合。分类器识别是指使用最近邻分类器对融合特征进行识别，得到识别结果。

本发明提出的一种基于结构编码特征和纹理编码特征融合的手背静脉识别方法，包括以下几个步骤：

步骤一：图像采集和图像预处理；

使用图像采集设备采集手背静脉图像，使用质心自适应方法提取手背静脉图像上的手背区域，并采用对比度约束的局部直方图均衡方法和边缘保留的高斯滤波方法，完成对提取的手背区域的手背静脉图像的预处理，得到预处理的手背区域图像。

步骤二：提取结构编码特征；

(1)对从步骤一中得到的预处理的手背区域图像使用梯度增强的图像分割算法进行二值化，得到二值图像；

(2)在二值图像上进行形态学滤波和细化，得到骨架化的手背静脉图像；