基于局部三值模式的手指静脉识别方法

基于局部三值模式的手指静脉识别方法
(一)技术领域
1.本发明涉及的是一种基于局部三值模式的手指静脉识别方法，属于生物识别中的静脉图像识别技术领域。
(二)

背景技术：

2.身份识别是指通过一定的手段，完成对用户身份的鉴别。随着信息化时代的到来，受国家机密安全、个人财产安全及商业信息安全等领域大量需求驱动，身份识别已成为一个重要的研究领域。传统的借助于钥匙、卡片、密码、证件等媒介进行身份认证的方式由于容易被复制、伪造、泄密、丢失或遗忘等缺点，已经无法满足人们的需求，因此生物识别技术应运而生。生物识别技术主要是通过计算机与生物传感器等高科技手段相结合，利用人体生理特征(如指纹、指静脉、掌纹、人脸、虹膜等)或行为特征(语音等)来鉴别个人身份。基于生物特征的识别技术作为人工智能、机器学习及计算机视觉等学科的重要研究方向，凭借其不易被盗用和复制、安全性能高等优点而运用到身份识别这领域。目前，生物识别技术逐步走进大众视野，已发展为国内外的热门研究方向。
3.常见的生物识别技术有人脸识别、指纹识别、掌纹识别，虹膜识别和手指静脉识别等。但是，人脸识别容易受光照、姿势、衰老以及表情变化等的影响，识别的准确度受到很大影响；指纹易损害、易污染，使得后期的识别受到很大影响，且用指模可以很容易盗取他人指纹，指纹识别安全性低；由于掌纹面积较大，导致掌纹识别的数据量特别大，实时性受到了限制；虹膜识别安全性高，但是它对硬件要求非常高，价格昂贵、便携性差，还易引发人眼不适。而指静脉识别因其固有的优越性使得它在高度安全性和使用便捷性上远远超过其他生物识别技术。主要表现在以下几方面：
4.(1)唯一性和稳定性，每个人的手指静脉网络各不相同且终身不变，这为身份识别提供了可靠的依据。
5.(2)活体性和高防伪性，手指静脉属于人体内部特征，只有在血液流动的情况下才能够被采集，故只能在活体上采集，非活体的手指是得不到静脉图像特征而无法识别的，从而也就无法造假。
6.(3)非接触式，手指静脉图像可以通过近红外光照射手指，用ccd摄像头捕捉得到，具有非接触式的特点，安全便利。
7.(4)手指静脉位于表皮之下，手指表皮有破损和污渍都不会对手指静脉的采集造成影响。
8.基于上述优点，近年来手指静脉识别技术获得了越来越多的关注，成为研究与应用的热点。
9.手指静脉识别过程是运用近红外线图像采集装置获取手指静脉图像，然后经过手指静脉roi提取，图像特征提取，特征匹配识别对图像进行身份认证。
(三)

技术实现要素：

10.针对传统的基于局部二值模式的手指静脉识别方法识别率不高，且对光照不均匀的图像鲁棒性较差的问题，本发明提出一种基于局部三值模式的手指静脉识别方法。具体步骤如下：
11.step1：图像roi提取
12.手指静脉图像的感兴趣区域(roi)指的是包含了丰富手指静脉网络特征的手指区域。图像中包含指静脉信息特征少的区域对手指静脉识别起到的作用可以忽略不计，所以roi提取的目的是摒除图像背景中对指静脉识别无用的信息，保留有用的信息，进一步提高算法的识别能力。roi提取的步骤是：首先对采集的手指静脉图像的手指区域进行分割，然后进行图像方向校正，最后进行感兴趣区域检测。
13.step2：图像ltp特征向量提取。
14.ltp叫局部三值模式，是一种图像局部纹理描述符。对手指静脉roi图像进行ltp特征提取的步骤如下：
15.(1)以3*3矩阵窗口的第2行第2列作为像素中心，其灰度值记作pa，其邻域8个像素的灰度值分别记为xn(n＝0,1,2,3,4,5,6,7)，从左上角开始依次按照顺时针对其进行编码。
16.(2)设定一个阈值t(t＝5)，将中心像素与其邻域内8个像素点的灰度值差和阈值进行比较，若x
n-pa≥t，则把该邻域像素点的位置标记为1；若|x-pa|＜t，则把该相邻像素点的位置标记为0；若x-pa≤-t，则把该邻域像素点的位置标记为-1。周围相邻位置的标记(-1、0、1)按照既定的方向排列为八位的三进制数。这个三进制数就是中心像素的ltp编码。
17.(3)为了降低计算复杂度，将ltp编码进一步分为正、负两部分，分别称为ltp上模式和ltp下模式。ltp上模式：将原ltp编码中除1以外的部分全部重新标记为0，得到由0和1组成的八位二进制数；ltp下模式：将原ltp编码中除-1以外的部分全部重新标记为0，并将编码中值为-1的改为1，得到由0和1组成的八位二进制数。将ltp上模式和下模式获得的二进制数转化成十进制数，分别作为中心像素的特征值。
18.(4)对手指静脉图像上每个像素点重复执行上述三个操作，直到得到整个图像的ltp上模式特征纹理图和ltp下模式特征纹理图。
19.(5)将ltp上模式特征纹理图和下模式特征纹理图结合，计算其归一化统计直方图，把直方图转化为向量形式作为图像的ltp特征向量。
20.其中，步骤(2)中的ltp算子的局部邻域关系记为s(x,pa,t)，其可以用如下公式表示。
21.则窗口中心像素点的ltp特征值表示为：
22.其中，pa是中心像素的灰度值，x是其邻域像素的灰度值。
23.step3：图像匹配
24.采用欧式距离公式计算不同图像ltp特征向量间的距离，进行图像匹配，当距离小于设定的阈值时，图片匹配成功，当图片大于等于设定的阈值时，图像匹配失败。此处设定的阈值是一个经验值，可通过反复实验求出其最优值。
(四)附图说明
25.图1是本发明的流程图
26.图2是图像感兴趣区域提取示意图
27.图3是ltp编码
28.图4是ltp编码的上模式和下模式
29.图5是经过ltp编码后的手指静脉图像，其中(a)是手指静脉roi图像，(b)是手指静脉ltp上模式特征纹理图，(c)是手指静脉ltp下模式特征纹理图。
(五)具体实施方式
30.下面将结合具体实施例和说明书附图对本发明做进一步详细说明。
31.本发明的流程图如图1所示，下面结合流程图详细描述本发明的具体步骤:
32.1、图像感兴趣区域提取
33.首先利用边缘算子检测手指静脉图像中的两条手指边缘线，分割手指区域；然后进行方向校正，对分割后的图像进行旋转；最后以静脉图像第一指关节为参考线截取感兴趣区域的左右边界，再以手指上下边缘中线为水平参考线截取上下边界，由此可得到矩形感兴趣区域。对手指静脉图像进行感兴趣区域提取，结果如图2所示。
34.2、图像ltp特征向量提取
35.对手指静脉roi图像进行ltp特征提取的步骤如下：
36.(1)以3*3矩阵窗口的第2行第2列作为像素中心，其灰度值记作pa，其邻域8个像素的灰度值分别记为xn(n＝0,1,2,3,4,5,6,7)，从左上角开始依次按照顺时针对其进行编码。
37.(2)设定一个阈值t(t＝5)，将中心像素与其邻域内8个像素点的灰度值差和阈值进行比较，若x
n-pa≥t，则把该邻域像素点的位置标记为1；若|x-pa|＜t，则把该相邻像素点的位置标记为0；若x-pa≤-t，则把该邻域像素点的位置标记为-1。周围相邻位置的标记(-1、0、1)按照既定的方向排列为八位的三进制数。这个三进制数就是中心像素的ltp编码。
38.(3)为了降低计算复杂度，将ltp编码进一步分为正、负两部分，分别称为ltp上模式和ltp下模式。ltp上模式：将原ltp编码中除1以外的部分全部重新标记为0，得到由0和1组成的八位二进制数；ltp下模式：将原ltp编码中除-1以外的部分全部重新标记为0，并将编码中值为-1的改为1，得到由0和1组成的八位二进制数。将ltp上模式和下模式获得的二进制数转化成十进制数，分别作为中心像素的特征值。
39.(4)对手指静脉图像上每个像素点重复执行上述三个操作，直到得到整个图像的ltp上模式特征纹理图和ltp下模式特征纹理图。
40.(5)将ltp上模式特征纹理图和下模式特征纹理图结合，计算其归一化统计直方
图，把直方图转化为向量形式作为图像的ltp特征向量。
41.如图3所示，3*3窗口的中心像素灰度值为32，其邻域8个像素的灰度值从左上角开始分别为68、77、25、35、23、37、30、15邻域像素灰度值减去中心像素灰度值分为的差值分别为36、45、-7、3、-9、5、-2、-17，取阈值为5，当差值大于或等于5时，对应邻域被编码为1，当差值大于-5并小于5时，对应的邻域被编码为0，当差值小于或等于-5时，对应邻域被编码为-1，将编码按照既定的顺序排列得到11(-1)0(-1)10(-1)，进一步将11(-1)0(-1)10(-1)编码分成ltp上模式和ltp下模式。根据步骤(4)的编码方法可以得到ltp上模式编码为11000100，ltp下模式编码为00101001，将这两个八位二进制数转换成十进制数分别是196和40，将这两个十进制数分别当作ltp上模式和ltp下模式的中心像素特征值。对手指静脉图像上每个像素点的八邻域窗口重复上述操作，将得到所有像素点的ltp上模式特征值和ltp下模式特征值。将所有ltp上模式特征值按原像素位置组合成一幅新的图像，得到原图的ltp上模式特征纹理图；同理可以得到原图的ltp下模式特征纹理图，如图5所示。
42.3、图像匹配
43.采用欧式距离公式计算不同图像ltp特征向量间的距离，进行图像匹配，当距离小于设定的阈值时，图片匹配成功，当图片大于等于设定的阈值时，图像匹配失败。此处设定的阈值是一个经验值，可通过反复实验求出其最优值。
44.通过以上步骤可以精确的提取手指静脉特征和实现手指静脉图像匹配。
45.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。