[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

说明书

一种基于多指标融合预评价的指静脉图像识别方法，包括：获得图像质量评价指标、对评价指标进行归一化处理、生成样本向量、确定分类器核心参数并生成SVM分类器、对图像进行评价并筛选图片生成数据库、对处理后的图像进行HOG特征提取与灰度共生矩阵特征提取、融合两种特征形成融合向量、身份匹配。本发明能够有效减少因为图像质量不均带来的识别率降低等问题。

技术领域

本发明属于信息安全中的生物特征识别技术领域，具体设计一种指静脉图像识别方法。

技术背景

人们在日常生活中会接触许多的生物识别设备，这些设备的安全性和准确性得到了广泛的关注。目前市面上应用到生物特征识别领域的特征包括指静脉、指纹、人脸、掌纹、虹膜等。而指静脉识别作为众多生物特征识别技术中的一种，逐渐成为当前研究的热点。

指静脉图像采集方式是利用静脉中的氧化红血素可吸收700nm～1000nm特殊波长的红外线原理，在特殊波长范围内的近红外光下实现非接触成像，这种识别方法安全性较高、过程便捷、非接触式操作更加卫生，用户更加容易接受。

指静脉设备采集图像的过程中，被采集者的手指按压力度、手指摆放位置、采集环境光照变化、周围环境温度等问题，都可能导致设备所采集到的指静脉图像质量不高，甚至出现无法识别匹配的情况。当采集到的手指数据库中低质量图片过多时，不仅降低了识别成功率，还增加了指静脉的对比时间，导致整体设备性能较低。

发明内容

针对上述存在的问题，本发明提出了一种基于多指标融合预评价的指静脉图像识别方法。

因为考虑到采集、识别过程中环境、使用者等因素变化，采集到的指静脉图像存在质量差异，为了提高后续识别的准确性，本发明提出了一种相对高效准确的基于图像质量评价的指静脉识别算法。本发明结合多种指静脉评价指标，首先将这些指标作为输入通过SVM算法进行融合进行图像采集的预评价，再根据筛选后的指静脉图像数据库进行特征提取并匹配得到最终结果。本发明提出的方法相比传统的指静脉识别算法，准确性更高，在一定程度上可以有效提高指静脉识别设备的性能。

为了达到上述目的，本发明提供的技术方案具体步骤如下：

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。

步骤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。

步骤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。

步骤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。

步骤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。

步骤S6，对采集到的指静脉预处理。

步骤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。

步骤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。

步骤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。

本发明的一种基于多指标融合预评价的指静脉图像识别方法，具有如下有益效果：

1、本发明结合多指标融合方法，提出一种新的指静脉识别方法，提高指静脉识别设别的性能。