专利名称：手背静脉模式纹理提取方法
技术领域：
本发明涉及的是一种生物特征身份识别技术领域的生物特征提取方法。
背景技术：
基于手部静脉模式特征进行身份识别技术的研究，是近几年生物特征身份识别技术领域研究的热点。鉴于手部静脉模式固有的特点，通常采用近红外装置进行模式样本采集，采集到样本图像的特点是对比度低、灰度值范围窄且分布极不均勻，如果直接进行处理，后续相关算法的可操作性、准确性、稳定性都会受到很大的影响，因此导致手背静脉模式纹理提取困难，解决这一问题的过程在生物特征身份识别技术领域属于样本模式提取。Gabor滤波器是一种强大的纹理分析工具，其主要优势是可让信号空域局部特性与其频域局部特性的对应关系达到最优化，即采用Gabor滤波器对信号进行分析时，能获得很好的尺度和方向选择性。这正是静脉纹理所具有的特点，但由于静脉纹理尺度和方向并不单一，因此需要利用多尺度和不同方向的Gabor滤波器来对静脉纹理进行分析，这些不同尺度和不同方向的Gabor滤波器就形成了滤波组。在应用Gabor滤波组对纹理进行分析时，首先遇到的一个问题就是如何设计合适的滤波器参数。关于Gabor滤波组参数的选取现有文献中有一些探讨，但这些探讨有一定的限制要么只讨论了部分参数之间的关系、要么只针对特定的问题进行了讨论。目前选取滤波器参数最常用的做法是根据已有文献中给出的部分参数参数值，再结合具体的问题， 进行实验获得经验参数。在应用Gabor滤波组对纹理进行分析时，遇到的另一个问题是如何处理Gabor滤波组所得到的一组响应。本发明将结合静脉纹理的横断面数学模型解决运用Gabor滤波组分析静脉纹理时所要遇到的上述两个问题，以实现提取静脉模式纹理的目的。与本发明申请的内容相关的公开报道包括[1]J.Daugman, Uncertainty relation for resolution in space， spatial frequency, and orientation optimized by two-dimensional visual cortical filters，Journal of the Optical Society of America A, vol. 2,1985, pp.1160-1169.[2]M. Webster and R. De Valois, Relationship between spatial-frequency and orientation tuning of striate-cortex cells, Journal of the Optical Society of America A，vol. 2，1985，pp.1124-1132.[3]J. Daugman,High cofidence visual recognition of persons by a test of statistical independence， in IEEE Transaction on Pattern Analysis and Machine Intelligence 1993，pp.1148—1161.[4]R. De Valois, D. Albrecht,and L Thorell，Spatial frequency selectivity of cells in macaque visual cortex, Vision Research, vol. 22,1982,pp.545-559.[5]T.Lee, Image representation using 2D Gabor wavelets, in IEEE Trans. Pattern Anal. Mach. Intell.，1996，pp. 959—971.
[6]K. Namuduri,R. Mehrotra,and N. Ranganathan,Edge detection models based on Gabor filters, 2002, pp.729-732.[7]B. Manjunath and W. Ma, Texture features for browsing and retrieval of image data, Pattern Analysis and Machine Intelligence, IEEE Transactions on, vol. 18，2002，pp.837-842.[8]J. Kamarainen, V. Kyrki, and H. Kalviainen, Invariance properties of Gabor filter-based features-overview and applications, Image Processing, IEEE Transactions on, vol. 15,2006, pp.1088-1099.[9]X. Wang, X. Ding,and C. Liu,Gabor filters-based feature extraction for character recognition, Pattern Recognition, vol. 38,2005, pp.369-379.
发明内容
本发明的目的在于提供能够解决存在对比度低、灰度值窄、灰度值分布不均勻、纹理模糊、纹理边缘较弱、交叉纹理粘连等问题的手背静脉模式纹理提取方法。本发明的目的是这样实现的本发明手背静脉模式纹理提取方法，采用Gabor滤波器组进行提取，其特征是(1)设计Gabor滤波器组参数令Gabor滤波器的调制波长λ与高斯包络在θ方向的标准偏差O1之间的比例系数k满足关系式k μ 2，以保证Gabor滤波器实部组件脉冲响应纹理形状与静脉纹理形状相似；令高斯有效包的椭圆率Γ σ2/σι取为1，使得Gabor滤波器即保持了各向同性；方向轴上空间频域支撑性约束关系
IjkJ^25 f V 2，r ι~τ“广V^rQ「I) t s 表示尺度空间
中尺度参数的渐变因子；Pl表示(iaobor滤波器方向轴上两条相邻的高斯包络曲线的相交幅度值，渐变因子s的选取和(iaobor滤波器方向轴的尺度参数σ工的最大值σΓ"、最小值
^mm尺度空间的采样数M存在Μ(ι 则
权利要求
1.手背静脉模式纹理提取方法，采用Gabor滤波器组进行提取，其特征是 (1)设计Gabor滤波器组参数令Gabor滤波器的调制波长λ与高斯包络在θ方向的标准偏差01之间的比例系数k 满足关系式k > 2，以保证Gabor滤波器实部组件脉冲响应纹理形状与静脉纹理形状相似； 令高斯有效包的椭圆率r =。2/ ο工取为1，使得Gabor滤波器即保持了各向同性； 方向轴上空间频域支撑性约束关系
2.根据权利要求1所述的手背静脉模式纹理提取方法，其特征是所述的方向空间最优滤波响应是其针对静脉纹理滤波响应中的每个像素点(χ，y)及尺度参数在尺度空间中每个采样值σ丨来定义的，用符号^Ci(XjV)表示，其实部和虚部分别用和 / i—i^XJ;/)表示，其实部数学表达式如下
3.根据权利要求1或2所述的手背静脉模式纹理提取方法，其特征是所述的方向空间最优滤波响应在尺度空间的静脉混合矩是结合一阶矩对静脉纹理的保持特性和二阶矩对背景噪声的抑制特性，将一阶矩和二阶矩进行融合，形成静脉纹理混合矩，用VCRM(x，y) 表示，其数学表达式如下VCRM(x, y) = (1-m) RM1 (χ, y)+mXRM2(x, y),式中RM1U, y)、RM2(x，y)分别表示方向空间最优滤波响应AJ^i(XAz)在尺度空间分布的的一阶矩、二阶矩；m表示二阶矩对静脉纹理混合矩的影响系数且m e
。
全文摘要
本发明的目的在于提供手背静脉模式纹理提取方法，采用Gabor滤波器组进行提取，包括以下步骤设计Gabor滤波器组参数，在方向空间对滤波响应进行统计，得到方向空间最优滤波响应；计算方向空间最优滤波响应在尺度空间的静脉混合矩，可得到最后的手背静脉模式纹理。本发明能够解决对比度低、灰度值窄、灰度值分布不均匀、纹理模糊、纹理边缘较弱、交叉纹理粘连等问题。
文档编号G06K9/46GK102393905SQ20111019554
公开日2012年3月28日 申请日期2011年7月13日 优先权日2011年7月13日
发明者付斌, 冯伟兴, 刘静宇, 唐墨, 崔建文, 杜同春, 熊新炎, 王科俊 申请人:哈尔滨工程大学