[发明专利]基于细节点区域匹配的手指静脉识别方法及系统

权利要求书

1.一种基于细节点区域匹配的手指静脉识别方法，其特征在于，包括：

预处理手指静脉图像，得到尺寸大小及灰度均归一化的感兴趣区域；

划分感兴趣区域为若干个区域块，根据每个区域块的Hessian矩阵的特征值来确定相应细节点位置，并赋予细节点特征描述子；

利用赋予的细节点特征描述子，选定两幅手指静脉图像中一对细节点，匹配两幅手指静脉图像中该对细节点对应的一定邻域内的所有细节点，当匹配成功的细节点对数最多，则当前两幅手指静脉图像中选定的一对细节点匹配成功；

计算两幅手指静脉图像中匹配成功的细节点对数与区域块数量的比值并作为匹配分，若匹配分最大，则判定当前两幅手指静脉图像匹配成功；

所述赋予的细节点特征描述子包括两部分特征，第一部分特征为细节点邻域像素Hessian矩阵的特征值组成的特征向量；第二部分特征为细节点邻域像素Hessian矩阵中次对角线元素之和组成的特征向量；

所述一对细节点匹配成功，其过程包括：

在图像A和图像B的匹配过程中，图像A中的细节点t(x，y)和图像B中位置(x，y)一定邻域内的细节点利用所述第一部分特征进行匹配，一定邻域内匹配成功的细节点对数最多，也就是在图像B中与细节点t′(x′，y′)有最高匹配分，此时完成了第一阶段的匹配；

在此匹配的基础上，图像B中的细节点t′(x′，y′)与图像A中位置(x′，y′)一定邻域内的细节点就所述第二部分特征进行匹配，若一定邻域内匹配成功的细节点对数最多，也就是t′(x′，y′)也与t(x，y)有最高的匹配分，那么这两个细节点匹配成功，否则，认为t(x，y)没有相匹配的细节点。

2.如权利要求1所述的一种基于细节点区域匹配的手指静脉识别方法，其特征在于，在预处理手指静脉图像的过程中，检测手指的边缘，找出手指边缘的内切线，再根据手指区域的灰度变化确定手指的关节位置，从而确定手指静脉信息丰富的感兴趣区域。

3.如权利要求1所述的一种基于细节点区域匹配的手指静脉识别方法，其特征在于，若当前区域块的Hessian矩阵的特征值差值的绝对值是极大值，则该极大值对应的点确定为相应细节点位置。

4.一种基于细节点区域匹配的手指静脉识别系统，其特征在于，包括：

预处理模块，其用于预处理手指静脉图像，得到尺寸大小及灰度均归一化的感兴趣区域；

细节点提取模块，其用于划分感兴趣区域为若干个区域块，根据每个区域块的Hessian矩阵的特征值来确定相应细节点位置，并赋予细节点特征描述子；

匹配模块，其用于利用赋予的细节点特征描述子，选定两幅手指静脉图像中一对细节点，匹配两幅手指静脉图像中该对细节点对应的一定邻域内的所有细节点，当匹配成功的细节点对数最多，则当前两幅手指静脉图像中选定的一对细节点匹配成功；

匹配分计算模块，其用于计算两幅手指静脉图像中匹配成功的细节点对数与区域块数量的比值并作为匹配分，若匹配分最大，则判定当前两幅手指静脉图像匹配成功；

所述赋予的细节点特征描述子包括两部分特征，第一部分特征为细节点邻域像素Hessian矩阵的特征值组成的特征向量；第二部分特征为细节点邻域像素Hessian矩阵中次对角线元素之和组成的特征向量；所述一对细节点匹配成功，其过程包括：

在图像A和图像B的匹配过程中，图像A中的细节点t(x，y)和图像B中位置(x，y)一定邻域内的细节点利用所述第一部分特征进行匹配，一定邻域内匹配成功的细节点对数最多，也就是在图像B中与细节点t′(x′，y′)有最高匹配分，此时完成了第一阶段的匹配；

在此匹配的基础上，图像B中的细节点t′(x′，y′)与图像A中位置(x′，y′)一定邻域内的细节点就所述第二部分特征进行匹配，若一定邻域内匹配成功的细节点对数最多，也就是t′(x′，y′)也与t(x，y)有最高的匹配分，那么这两个细节点匹配成功，否则，认为t(x，y)没有相匹配的细节点。

5.如权利要求4所述的一种基于细节点区域匹配的手指静脉识别系统，其特征在于，在所述预处理模块中，检测手指的边缘，找出手指边缘的内切线，再根据手指区域的灰度变化确定手指的关节位置，从而确定手指静脉信息丰富的感兴趣区域。