[发明专利]一种基于多指标融合预评价的指静脉图像识别方法

权利要求书

1.一种基于多指标融合预评价的指静脉图像识别方法，其特征在于，包括如下具体步骤：

S1，根据数据库中指静脉图像特点选取等效视数、信息熵、灰度标准差和对比度四种评价指标，并通过所述四种评价指标对待测图像进行质量评价，获得四个初始质量评价指标分数；

S2，对得到的四个初始质量评价指标分数进行归一化处理，统一量纲；

S3，将归一化后的四个质量评价指标分数分别作为SVM分类器输入样本向量的一个分量；

S4，确定SVM分类器的核函数以及其他的核心参数，根据这些参数通过训练样本生成SVM分类器；

S5，将采集到的待检测指静脉图像输入SVM分类器得到图像质量评价结果，保留高质量指静脉图像作为识别数据库，删除低质量的指静脉图像；

S6，对采集到的指静脉预处理；

S7，利用方向梯度直方图(HOG)特征提取算法对指静脉图像进行特征提取，同时利用灰度共生矩阵(GLDM)计算指静脉图像的对比度、熵和相关性，并计算这些特征量的标准差和均值，形成另一个六维的特征向量；

S8，利用PCA对提取到的HOG特征向量进行降维，再与灰度共生矩阵提取的特征向量进行加权融合形成融合特征向量HOG-G；

S9，进行特征匹配，通过则身份认证成功，不通过则身份认证失败。

2.如权利要求1的一种基于多指标融合预评价的指静脉图像识别方法，其特征在于：步骤S1具体包括：

S11、获取指静脉原始图像，得到指静脉原始图像的灰度图像P₁；任意取指静脉灰度图像其中两个点(x，y)和(x+a，y+b)，设定该点对的值为(i，j)，令点(x，y)在整个图像上扫描，则会形成各种(i，j)值；记录下每一种(i，j)出现的个数，然后将其排列成矩灰度共生矩阵；

S12、所述等效视数，用以下公式表示：

其中μ为静脉图像灰度均值，σ为静脉图像灰度标准差；

用等效视数这一指标可以很好的反应静脉图像纹理的清晰性,体现整幅图像的灰度对比度,等效视数越大,对比度越小,图像越模糊,图像质量越差；

S13、所述信息熵，用以下公式表示：

其中p(i,j)指归一化后的灰度共生矩阵；

信息熵是图像所具有的信息量的度量，表征了图像中的纹理复杂程度，信息熵值越大表示图像的纹理越复杂，图像质量更好；

S14、所述灰度标准差，用以下公式表示：

其中mean指利用归一化后的灰度共生矩阵得到的灰度均值；

灰度标准差越大表示图像中灰度变化越大，对于指静脉而言，图像的纹理变化更加丰富；

S15、所述对比度，用以下公式表示：

对比度可以反映局部灰度变化总量，在一张图像中，如果局部像素的灰度差别越大，则图像的对比度越大，图像的视觉效果更加清晰，图像质量更好。

3.如权利要求1的一种基于多指标融合预评价的指静脉图像识别方法，其特征在于：步骤S2所述的归一化处理，是针对得到的四个质量评价指标的计算结果不完全在同一个数量级上，利用最大最小归一化方法对上述评价指标进行归一化处理。

4.如权利要求1的一种基于多指标融合预评价的指静脉图像识别方法，其特征在于：步骤S3所述的样本向量X的表达式：

X＝(Q_d，Q_s，Q_b，Q_c)^T     (3-1)

其中，Q_d表示指静脉图像的等效视数值，Q_s表示指静脉图像的信息熵值，Q_b表示指静脉图像的灰度标准差值，Q_c表示指静脉图像的对比度值；

同时给每一张图像的类别Y定义两个结果，-1表示该图像的质量低，为不合格图像；1则表示该图像的质量高，为合格图像。