本發(fā)明屬于生物特征識別領(lǐng)域，具體涉及一種基于脈向檢測的指靜脈識別技術(shù)。
背景技術(shù)：
：當(dāng)今社會互聯(lián)網(wǎng)技術(shù)快速發(fā)展，人們生活與互聯(lián)網(wǎng)緊密相連，信息安全顯示出前所未有的重要性。而在金融、國家安全、司法、電子商務(wù)、電子政務(wù)等應(yīng)用領(lǐng)域，都需要準(zhǔn)確的身份鑒定，因此身份鑒定是保證系統(tǒng)安全的必要環(huán)節(jié)。當(dāng)前個人身份鑒別的主要依靠IDcard(如身份證、工作證、智能卡、計(jì)算機(jī)標(biāo)識卡和儲蓄卡等)和密碼手段。然而這些手段存在攜帶不便，容易遺漏或者用于使用過多或不當(dāng)而損壞、不可讀和密碼泄露等諸多問題。因此，目前廣泛使用的傳統(tǒng)身份認(rèn)證方法面臨著嚴(yán)峻的挑戰(zhàn)，并線的越來越不適應(yīng)現(xiàn)代科技的發(fā)展和社會的進(jìn)步。人們希望有一種更加方便可靠的辦法來進(jìn)行身份認(rèn)證，生物特征識別技術(shù)給這一切帶來了可能。生物識別技術(shù)是一種安全、可靠、不易泄露、不會遺忘的識別方法。在眾多生物識別方案中，有指紋識別、人臉識別、虹膜識別、步態(tài)識別等多種方式。而眾多技術(shù)中，指紋、掌紋容易被破壞和偽造；耳廓不易活體檢測；虹膜不易接受，不便捷。這些檢測技術(shù)僅僅停留在觀察人的表面生物特征上，安全系數(shù)相對較低。在眾多識別方案中，指紋識別技術(shù)是目前最方便、可靠、非侵害和技術(shù)上相對成熟的生物識別技術(shù)。然而，指紋識別也有其自身的缺點(diǎn)：(1)自動指紋識別系統(tǒng)的犯罪指紋數(shù)據(jù)庫在全球司法實(shí)踐中的廣泛應(yīng)用使得人們對其懷有戒心；(2)每一次使用指紋時都會在指紋采集器上留下用戶的指紋印痕，而這些指紋痕跡存在著被用來復(fù)制指紋的可能性；(3)部分使用者由于指紋磨而無法使用指紋認(rèn)證。技術(shù)實(shí)現(xiàn)要素：針對上述存在問題或不足，為解決傳統(tǒng)的生物特征識別技術(shù)所面臨的諸多難題，本發(fā)明提供了一種基于脈向檢測的指靜脈識別技術(shù)。具體技術(shù)方案如下：步驟1、將圖像轉(zhuǎn)為灰度圖像，然后進(jìn)行中值濾波；步驟2、用邊緣檢測算子提取圖像邊緣；步驟3、對圖像進(jìn)行霍夫直線檢測，再取檢測出的直線中的兩條距離最近的直線，作為圖像兩個邊緣，獲得圖像的寬；然后取所有直線水平距離最遠(yuǎn)的兩點(diǎn)分別作切線，獲得圖像的長，從而獲得圖像的感興趣區(qū)域；步驟4、對圖像進(jìn)行歸一化處理；步驟5、對圖像效果進(jìn)行增強(qiáng)；步驟6、首先對圖像每個像素點(diǎn)進(jìn)行脈向檢測，采取4至方向15算子進(jìn)行脈向檢測，得到每個像素點(diǎn)的總值pixel_total：再對圖像進(jìn)行量化，則新的圖像每個像素點(diǎn)為：pixel_new=pixel_total,pixel>00,pixel<0---(1)]]>最后經(jīng)過脈向檢測后得到的歸一化圖像；步驟7、對圖像進(jìn)行二值化處理；首先根據(jù)步驟6歸一化的像素值求圖像的灰度均值：Gmean=1N×NΣ1NΣ1Npixel_total---(2)]]>再進(jìn)行二值化：pixel_new=1,pixel_new≥Gmean0,pixel_new<Gmean---(3)]]>步驟8、用形態(tài)學(xué)操作對圖像去除空洞和毛刺；步驟9、對圖像進(jìn)行細(xì)化；步驟10、進(jìn)行尺度不變特征提??；步驟11、根據(jù)提取特征進(jìn)行匹配：采用兩向量內(nèi)積最大值為最匹配的點(diǎn)，設(shè)定一閾值，只有當(dāng)這個最大值大于該閾值方可認(rèn)為兩特征點(diǎn)匹配。ROI即感興趣區(qū)域：在圖像處理領(lǐng)域是從圖像中選擇的一個圖像區(qū)域，這個區(qū)域是目標(biāo)圖像分析所關(guān)注的重點(diǎn)。圈定該區(qū)域以便進(jìn)行進(jìn)一步處理，從而降低處理區(qū)域大小，減少處理時間，增加精度。再對ROI進(jìn)行預(yù)處理，以便后續(xù)對圖像的特征提取與匹配。本發(fā)明通過對圖像進(jìn)行預(yù)處理之后，使用方向算子對手指的靜脈紋路進(jìn)行檢測。在對靜脈進(jìn)行檢測時，能夠很好地將靜脈紋路得到，并且能對不同走向的靜脈都能進(jìn)行相應(yīng)操作，然后再通過算子處理后的新圖像進(jìn)行閾值分割。綜上所述，本發(fā)明能對不同指靜脈圖像進(jìn)行脈象檢測從何獲得最佳分割閾值，得到清晰的目標(biāo)圖像以便特征提取與匹配。附圖說明圖1、實(shí)施例采用的指靜脈原始圖像；圖2、實(shí)施例指靜脈進(jìn)行ROI提取結(jié)果圖；圖3、實(shí)施例ROI區(qū)域進(jìn)行脈向檢測后得到的歸一化目標(biāo)圖；圖4、實(shí)施例進(jìn)行二值化得到的靜脈二值圖；圖5、實(shí)施例去除空洞與毛刺的圖像；圖6、實(shí)施例進(jìn)行靜脈細(xì)化的結(jié)果圖；圖7、實(shí)施例同一手指不同采集方向的原始靜脈圖像；圖8、與實(shí)施例不同的手指靜脈采集圖；圖9、是圖7與圖1的正確匹配圖；圖10、是圖8與圖1不同手指得到的錯誤匹配圖。具體實(shí)施方式下面在matlab2014a環(huán)境下進(jìn)行仿真，結(jié)合附圖和實(shí)施例進(jìn)一步對本發(fā)明詳細(xì)說明。本實(shí)施例指靜脈原始圖像如圖1所示。步驟1、將實(shí)施例原始圖像轉(zhuǎn)為灰度圖像，然后進(jìn)行中值濾波。步驟2、用sobel算子提取圖像邊緣。步驟3、對圖像進(jìn)行霍夫直線檢測，再取檢測出的直線中的兩條距離最近的直線，作為圖像兩個邊緣，獲得圖像的寬；然后取所有直線水平距離最遠(yuǎn)的兩點(diǎn)分別作切線，獲得圖像的長。從而獲得圖像的感興趣區(qū)域，如圖2所示。步驟4、對圖像進(jìn)行歸一化處理。步驟5、進(jìn)行直方圖均衡化，增強(qiáng)圖像效果。步驟6、對圖像每個像素點(diǎn)進(jìn)行脈向檢測。用8個分別從0到180度，每次增加22.5度的方向算子進(jìn)行方向檢測，每個算子計(jì)算后得到8個值分別為：(pixel1,pixel2,pixel3,pixel4,pixel5,pixel6,pixel7,pixel8)(4)每個像素點(diǎn)的總值如下：pixel_total=pixel1+pixel2+pixel3+pixel4+pixel5+pixel6+pixel7+pixel8---(5)]]>對圖像進(jìn)行量化，則新的圖像每個像素點(diǎn)為：pixel_new=pixel_total,pixel>00,pixel<0---(1)]]>經(jīng)過脈向檢測后得到的歸一化圖像如圖3所示。步驟7、對圖像進(jìn)行二值化處理；首先根據(jù)上一步新的像素值求圖像的灰度均值：Gmean=1N×NΣ1NΣ1Npixel_total---(2)]]>再進(jìn)行二值化：pixel_new=1,pixel_new≥Gmean0,pixel_new<Gmean---(3)]]>從而得到圖像如圖4所示。步驟8、對圖像去除空洞和毛刺，先進(jìn)行閉操作，再進(jìn)行濾波，得到圖像如圖5所示。步驟9、對圖像進(jìn)行細(xì)化，得到如圖6所示。步驟10、進(jìn)行尺度不變特征提取，采用快速魯棒性尺度不變特征提取(SpeededUpRobustFeatures，SURF)算法。步驟11、提取出特征點(diǎn)的特征向量，采用兩向量內(nèi)積最大值為最匹配的點(diǎn)，設(shè)定一閾值，只有當(dāng)這個最大值大于該閾值方可認(rèn)為兩特征點(diǎn)匹配。圖7為與原始圖同一手指不同采集方向的原始圖；圖8為不同手指的原始圖；圖9為正確匹配圖；圖10為錯誤匹配圖。通過仿真結(jié)果可見，本方法的處理的結(jié)果能很好的將圖像分割，得到更清晰的靜脈圖，能為特征提取提供良好的基礎(chǔ)以便提高指靜脈的識別率。無論指靜脈圖如何復(fù)雜，基于脈向檢測的指靜脈識別方法都能獲得很好的分割閾值，便于靜脈圖進(jìn)行二值化處理，從而進(jìn)行特征提取與匹配。靜脈識別最重要的就是對靜脈圖提取特征，然后進(jìn)行匹配。本方法將圖像進(jìn)行灰度化后，對于不同的靜脈圖使用8個算子進(jìn)行檢測，均可以很好的將手指靜脈檢測出來，得到清晰的經(jīng)脈圖后能夠使得提取出來的特征更具有特點(diǎn)。同時本方法能夠?qū)Χ祷蟮撵o脈圖像進(jìn)行很好的去除空洞和毛刺，減小圖像噪聲，得到清晰的靜脈細(xì)化圖。進(jìn)行識別時，提取出特征點(diǎn)的特征向量，采用兩向量內(nèi)積最大值為最匹配的點(diǎn)，設(shè)定一閾值，只有當(dāng)這個最大值大于該閾值方可認(rèn)為兩特征點(diǎn)匹配。當(dāng)前第1頁1 2 3