[发明专利]一种手指静脉网络精确提取方法

说明书

技术领域

本发明属于计算机识别技术领域，特别是涉及一种手指静脉网络精确提取方法。

背景技术

由于手指静脉位于皮肤下部，因此需要采用透射的方式进行成像。但是，在成像过程中，由于骨骼、肌肉、血管组织液和皮肤等生物组织对近红外光有吸收、反射、散射和折射等作用，从而导致近红外光透过手指后产生能量衰减，结果致使采集到的手指静脉图像是一种严重退化模糊的低质量图像，不能清晰地反应出静脉网络。因此，为了准确地提取出结构特征，需要对原始的静脉图像进行一系列的处理以得到清晰可靠的静脉网络。

目前对于低质静脉图像提取方法的研究较少，多采取分割或特征提取的方式，主要有传统的阈值分割法、最大主曲率法、重复线性跟踪法等。很显然，包括重复线性跟踪算法在内的传统图像分割方法都无法准确表示手指静脉网络，而且也不能挖掘出较细的静脉。

发明内容

为了解决上述问题，本发明的目的在于提供一种手指静脉网络精确提取方法。

为了达到上述目的，本发明提供的手指静脉网络精确提取方法包括按顺序执行的下列步骤：

1）对原始手指静脉图像进行增强；

2）将步骤1）得到的增强图像利用自动标记算法进行处理，得到trimap图像；

3）以步骤2）得到的trimap图像为约束，采用图像抠取算法提取清晰的手指静脉网络。

所述的步骤1）中对原始手指静脉图像进行增强的方法是利用去雾处理算法进行散射噪声去除，获得原始去雾图像R(x,y)，再经多尺度偶Gabor滤波增强算子得到增强图像E(x,y)。

所述的步骤2）中利用自动标记算法对步骤1）得到的增强图像进行处理，得到trimap图像的方法是，以步骤1）得到的增强图像E(x,y)为基础，利用K-means对增强图像进行聚类划分，通过类别标记逐层生成临时前景和背景的二值图，再利用动态二值图像，经二值操作算子生成互不交叉重叠的前景像素集合的标记图ζ_f(x,y)和背景像素集合的标记图ζ_b(x,y)，之后以前景像素集合的标记图ζ_f(x,y)和背景像素集合的标记图ζ_b(x,y)为约束在原始图像上生成涂鸦区，即得到约束图像C(x,y)。

所述的步骤3）中利用图像抠取算法对步骤2）得到的trimap图像进行提取的方法是先以约束图像C(x,y)估计得到遮罩α，然后再以遮罩α为约束通过优化迭代方法提取前景图，由此得到清晰的手指静脉网络。

本发明提供的手指静脉网络精确提取方法能够准确表示手指静脉网络，而且能挖掘出较细的静脉。因此，本方法对于手指静脉网络的表示来说具有重要的意义。

附图说明

图1为本发明提供的手指静脉网络精确提取方法的工作流程图。

图2为空间频率域轮廓相切示意图。

图3为一组偶对称Gabor滤波器的空域响应。

具体实施方式

下面结合附图和具体实施例对本发明提供的手指静脉网络精确提取方法进行详细说明。

如图1所示，本发明提供的手指静脉网络精确提取方法包括按顺序执行的下列步骤：

1）对原始手指静脉图像进行增强；

由于吸收、反射、散射等外在因素的影响，使得采集到的手指静脉图像对比度较低，静脉结构难以辨别，因此，需要首先进行图像增强；图像增强的目的主要有两个方面：一、改善图像的视觉效果，提高图像的清晰度；二、有选择地突出人们感兴趣的信息，抑制无用信息，从而提高图像的使用价值，并将图像转换为一种更适合人或者机器处理的形式。本发明使用去雾算法实现第一个目的，使用本发明人设计的一组特殊的偶Gabor滤波器实现第二个目的。

医学研究表明，手指的骨骼、肌肉、血管组织液以及皮肤组织对近红外光具有吸收、反射、折射、散射等作用。这就类似于，在雾天由于大气粒子的散射作用使得成像场景可见性急剧降低这一现象。因此，由于生物组织的强散射特性导致手指静脉图像退化的现象是不可避免的。那么，毫无疑问，我们就可以采用去除散射噪声的方法来重建图像，提高图像质量。

目前，在多项应用中，基于Koschmieder定律的图像去雾技术被证明是一种能够有效去除散射噪声的方法。假设I(x,y)为我们拍摄得到的图像，R(x,y)为原始去雾图像，ρ(λ)代表大气的消光系数，d(x,y)为场景深度，则根据Koschmieder定律可以得到：