[发明专利]一种基于多尺度HOG的手指静脉识别方法

权利要求书

1.一种基于多尺度HOG的手指静脉识别方法，用于识别两幅原始手指静脉图像是否取自同一人，其特征在于，包括如下步骤：

S1.采集两幅原始手指静脉图像；

S2.对两幅原始手指静脉图像分别进行感兴趣区域提取，并对感兴趣区域进行预处理，以减弱背景信息得到预处理后的图像F₁及F₂，其中感兴趣区域为包含手指静脉信息的图像；

S3.对经过预处理后的两幅图像F₁及F₂分别进行图像分割处理得到增强后的图像P₁及P₂；

S4.对图像P₁及P₂进行图像匹配处理，获得最大匹配响应值maxValue，设置阈值T；

若maxValueT，利用匹配结果计算两幅图像的相似度S，S＝maxValue²；

若maxValueT，对图像P₁及P₂分别进行相同的多种尺度变换处理，分别对每种尺度变换后的图像提取HOG特征，并将与图像P₁及P₂对应的HOG特征分别串联起来得到相应的特征向量X及Y，计算两个特征向量的相似度T(X,Y)，并计算两幅图像的相似度S，S＝T(X,Y)×maxValue。

2.根据权利要求1所述的一种基于多尺度HOG的手指静脉识别方法，其特征在于，步骤S2中感兴趣区域提取及对提取的感兴趣区域的预处理包括如下步骤：

S21.对两幅原始手指静脉图像分别进行边缘检测处理，并根据边缘图像完成手指倾斜检测及校正处理；

S22.对经过边缘检测处理、手指倾斜检测处理及校正处理后的两幅图像分别截取感兴趣区域ROI；

S23.对两个ROI区域进行尺寸归一化、灰度归一化及高斯滤波处理，以得到图像F₁及F₂。

3.根据权利要求2所述的一种基于多尺度HOG的手指静脉识别方法，其特征在于，步骤S21中使用扩展的水平边缘检测方法对两幅原始手指静脉图像分别进行边缘检测处理。

4.根据权利要求1所述的一种基于多尺度HOG的手指静脉识别方法，其特征在于，步骤S3中使用静脉特征提取和多阈值模糊增强算法相结合的分割方法对两幅图像F₁及F₂分别进行图像分割处理得到增强后的图像P₁及P₂。

5.根据权利要求4所述的一种基于多尺度HOG的手指静脉识别方法，其特征在于，步骤S3中的图像分割处理包括如下步骤：

S31.提取静脉特征图像；对于经过预处理后的两幅图像F₁及F₂中的每个像素，在以该像素为中心的9x9的窗口内，分别计算与之对应的8个方向上算子的卷积响应，然后以这8个方向上的最大卷积响应作为该点新的像素值，以获取与两幅图像F₁及F₂对应的静脉特征图像；

S32.模糊增强处理；对于每个静脉特征图像，先定义一个隶属度函数，计算静脉特征图像的隶属度以获得隶属度矩阵，然后以隶属度矩阵的邻域均值作为阈值，调整隶属度，获得新的隶属度矩阵，最后根据隶属度函数，对新的隶属度矩阵进行逆变换，以获得增强后的图像P₁及P₂；其中选取不同的邻域时，邻域均值不同。

6.根据权利要求1所述的一种基于多尺度HOG的手指静脉识别方法，其特征在于，步骤S4中，使用归一化相关系数匹配法对图像P₁及P₂进行图像匹配处理。

7.根据权利要求1所述的一种基于多尺度HOG的手指静脉识别方法，其特征在于，步骤S4中，阈值T为0.7。