[发明专利]基于模糊聚类和SIFT的掌静脉图像匹配方法

说明书

本发明提出了一种基于模糊聚类和SIFT的掌静脉图像匹配方法。用于掌静脉图像特征匹配的方法包括：获取手掌图像，其中该手掌图像中包括手掌和背景；基于手掌图像中的各像素的灰度值，使用模糊聚类算法将手掌图像划分为对应于背景部分的背景区域、对应于掌静脉部分的稳定特征区域、以及介于背景区域和稳定特征区域之间的模糊区域；对稳定特征区域进行中值滤波；对模糊区域和经中值滤波的稳定特征区域进行均衡化处理；使用ROI提取算法将经均衡化处理后的模糊区域和稳定特征区域重新划分成特征区域和非特征区域，并移除非特征区域；以及基于特征区域进行掌静脉图像特征匹配。

技术领域

本申请涉及图像匹配方法和设备，并且更具体地涉及用于掌静脉图像特征匹配的方法和设备。

背景技术

生物识别技术是人工智能领域的一大热点，相对于传统身份认证方法而言，生物识别技术具有更高的安全性与便捷性。生物识别技术的唯一性、不易盗取、不易丢失能够满足日益发展的现代社会对信息安全的更高要求。人类生物特性中能够用来作为识别依据的特征有很多，常见的有指纹、瞳孔、人脸、静脉等。其中，静脉特征更是具有采集过程友好、设备简单、特征稳定不易损坏的优点，而且静脉特征只能在血液流通的情况下才能被采集，因而具有更高级别的安全性。

掌静脉识别技术凭借其静脉结构丰富、采集方便、设备简单等优点逐渐成为热门的生物识别技术之一，但是它的识别性能却受到图像质量和掌纹干扰的制约。为了降低这类制约因素带来的不利影响，本申请提出了一种基于模糊聚类(FCM)和尺度不变特征变换(SIFT)的掌静脉图像匹配方法，能够进一步增强掌静脉图像中的特征信息、降低噪声、非特征信息干扰，从而有利于图像特征匹配。

发明内容：

以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在标识出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以作为稍后给出的更加详细的描述之序。

为了解决上述问题，本方面提出了一种用于掌静脉图像特征匹配的方法和设备。

根据本发明一个方面，一种用于掌静脉图像特征匹配的方法包括：获取手掌图像，其中所述手掌图像中包括手掌和背景；基于所述手掌图像中的各像素的灰度值，使用模糊聚类算法将所述手掌图像划分为对应于背景部分的背景区域、对应于掌静脉部分的稳定特征区域、以及介于所述背景区域和所述稳定特征区域之间的模糊区域；对所述稳定特征区域进行中值滤波；对所述模糊区域和经中值滤波的稳定特征区域进行均衡化处理；使用ROI提取算法将经均衡化处理后的所述模糊区域和所述稳定特征区域重新划分成特征区域和非特征区域，并移除所述非特征区域；以及基于所述特征区域进行掌静脉图像特征匹配。

根据本发明进一步实施例，所述方法进一步包括：在对所述手掌图像进行划分之前，对所述手掌图像进行Gabor滤波。

根据本发明进一步实施例，所述均衡化处理为自适应直方图均衡化处理。

根据本发明进一步实施例，使用ROI提取算法将经均衡化处理后的所述模糊区域和所述稳定特征区域重新划分成特征区域和非特征区域包括：寻找手掌的内部中间分界线；使用所述内部中间分界线将手掌分为上下两个部分；利用上下两个水平边缘检测模板分别检测手掌区域的上下边缘；以及通过边缘位置标记得到所述手掌图像中的手掌区域作为所述特征区域。

根据本发明进一步实施例，基于所述目标区域进行掌静脉图像特征匹配进一步包括：利用SIFT算法来进行所述掌静脉图像特征匹配。