[发明专利]一种掌静脉图像纹理滤波增强方法

说明书

技术领域

本发明涉及人体生物特征识别技术领域，具体来说是一种掌静脉图像纹理滤波增强方法。

背景技术

近年来，生物特征识别技术一直受到广泛关注，生物特征识别是指运用人体本身所独有的生理特性和行为特征来进行人体身份鉴定。传统的身份认证有钥匙，集成电路卡和密码等，现代生物特征识别有指纹识别、声纹识别、脸部识别、步态识别、和虹膜识别等，现代生物特征识别相对于传统身份识别具有不会丢失遗忘，防伪系数更高等特点，所以，现代生物特征识别在很多领域得到了广泛的应用。

现代生物特征识别技术中的各个识别技术有着不同的优缺点：指纹识别因其研究最早，技术相对成熟，目前占据市场较多，但指纹识别最大的缺点是可复制性高，容易被伪造，所以在安防等级要求高的场所不能被应用；声纹识别成本较低，获取语音信息简单，但人的声音具有易变性，很容易受到个人情绪，身体状况的变化而改变，同时随着年龄的增长，声音特征也会变化，多人混合说话和环境噪音都会影响系统的识别性能，故阻碍着声纹识别的发展与推进；虹膜识别准确率较高，但佩戴眼镜和美瞳会对识别有一定影响，所以用户体验并不好；步态识别因采集较为繁琐，所以并不能很好的占据市场。

掌纹掌静脉识别技术是利用人掌纹特征和掌静脉特征融合实现身份认证，掌纹具有终身不变性，同时掌静脉是人体的内生理特征，不会磨损，认证需要活体认证，无法复制，故安全性较高，现有技术中掌静脉的识别存在着以下缺陷：由于每个人的掌静脉的粗细和位于皮下深度的多样性，使得在短时间内采集到非常清晰理想的掌静脉非常困难，现有技术采集到的掌静脉所拥有特征信息少，而且现有的非接触式掌静脉图像容易受到环境光噪声干扰，导致稳定的静脉纹线提取困难，如何快速的对静脉图像纹理滤波进行增强已成为当前重要的课题之一。

发明内容

本发明所要解决的技术问题是为了克服现有的非接触式掌静脉图像容易受到环境光噪声干扰而导致稳定的静脉纹线提取困难的缺陷，而提供一种掌静脉图像纹理滤波增强方法。

本发明公开了一种掌静脉图像纹理滤波增强方法，具体步骤如下：

(1)、利用双边滤波思路，构建依赖于邻域像素的值的滤波器组合：

(1.1)、构建滤波器如下所述：

其中

其中的c即为基于空间距离的高斯权重，而k_d(x)用来对结果进行单位化；

(1.2)、通过高斯滤波处理静脉纹中不稳定的细小纹理或者光线导致的噪声，同时考虑了像素间的空间位置上的关系，滤波中对于边缘的保持通过像素差值的强度来实现：

其中的s为基于像素间相似程度的高斯权重，k_r(x)为对结果单位化因子，对两者进行结合即可以得到基于空间距离、相似程度综合考量滤波器：

上式中的单位化分部k(x)综合了两种高斯权重于一起而得到，其中的c与s计描述如下：

d(ξ，x)＝d(ξ-x)＝||ξ-x||

σ(φ，f)＝σ(φ-f)＝||φ-f||

其中，利用上述滤波器构建区域上离散化滤波单元，通过滑动滤波窗口进行滤波处理；

(2)、通过Laplacian of Gaussian滤波器进行边缘增强处理，为了加快运算过程，方法利用高斯差分来近似计算，以此对滤除杂波之后的结果图进行边缘增强处理，得到处理后的静脉纹理图；

(3)、根据Retinex理论继续消除光照不均问题，构建理论方程：

I(x,y)＝L(x,y)*R(x,y)

I(x,y)代表被观察或照相机接收到的图像信号；L(x,y)代表环境光的照射分量；R(x,y)表示携带图像细节信息的目标物体的反射分量，即为实际需要的剔除光照不均匀问题的完美图片信息，为提取R(x,y)，对公式两边取对数，得到：

Log[R(x,y)]＝Log[I(x,y)]-Log[L(x,y)]；

此处以图像中的灰度亮度值的高斯模糊值作为实际环境光照射分量，求得对数空间下的剔除环境光照不均匀干扰的静脉图；

进一步利用公式对对数空间中的像素进行重建，得到最终的增强后的静脉纹线图。

作为优选，所述的步骤(1.2)中，通过滑动滤波窗口进行滤波处理的具体形式为

作为优选，所述的步骤(2)中，所述的Laplacian of Gaussian滤波器的定义为：