本发明涉及一种利用双指静脉和指形特征进行身份认证的方法,首选注册存储用户双指的静脉特征和指形特征的信息,然后采集、提取认证客户双指的静脉特征和指形特征的信息,分别将提取的双指静脉特征和指形特征与存储的双指静脉特征和指形特征的信息进行比对,作决策级融合。其中,采集手形和手指静脉的图像,以两指间交叉点为原点建立直角坐标系,确定感兴趣区域ROI;最后分别提取静脉特征和指形特征与存储的双指静脉和指形特征的信息进行比对,做决策级融合。本发明可以从一幅图像中分别提取到静脉和指形两种信息,并进行融合;以两指交叉点为原点引入坐标系,不仅提高了定位精度,同时方便了用户使用;双特征融合有效地提高了系统性能。
1.一种从静脉灰度图像提取静脉特征的方法,其特征在于,在采集的静脉灰度图像上对应感兴趣区域ROI做N×N矩阵图,将外圈所有点以中心点为对称点两两分组,共分为2N-2组点,将每组点与中心点的灰度值比较;在2N-2组点中,如果有M组点的灰度值均大于中心点的灰度值,则窗口中心点为静脉特征点,得到的所有特征点构成静脉网络图像;对所得的静脉网络图像做骨架化,得到单像素点网络特征,再做二维DCT变换,提取二维DCT变换的低频部分作为静脉网络的特征。
2.一种利用双指静脉和指形特征进行身份认证的方法,其特征在于,首先注册存储用户双指图像感兴趣区域ROI的静脉特征和指形特征的信息,然后采集认证客户的双指图像感兴趣区域ROI的静脉特征和指形特征的信息,将采集的静脉特征与存储的静脉特征和采集的指形特征与存储的指形特征分别进行比对,作决策级融合。
3.根据权利要求2所述的一种利用双指静脉和指形特征进行身份认证的方法,其特征在于,存储、采集时,对所述采集到的V形放置的双指的图像进行预处理。
4.根据权利要求3所述的一种利用双指静脉和指形特征进行身份认证的方法,其特征在于,对所述采集到的双指图像采用中值滤波和直方图变换进行预处理。
5.根据权利要求2或4所述的一种利用双指静脉和指形特征进行身份认证的方法,其特征在于,存储、采集时,采用如权利要求1所述的方法提取静脉特征。
6.根据权利要求5所述的一种利用双指静脉和指形特征进行身份认证的方法,其特征在于,在所述采集到的双指图像中分别提取静脉特征和指形特征两种信息,包括如下步骤:1)用边缘提取算法提取手指轮廓;2)以两指间极值点作为两指交叉点,以该交叉点为坐标原点建立直角坐标系,确定静脉图像和轮廓图像的感兴趣区域ROI;3)在轮廓图像中,手指左边缘用直线拟合,以得到的拟合直线为基准旋转平移图像到固定位置;静脉图像跟随轮廓图像做同样的平移量和旋转角度进行调整;4)在上述调整后的图像中,利用权利要求1所述方法从静脉图像感兴趣区域ROI中提取DCT低频的静脉特征,从轮廓图像感兴趣区域ROI中提取指形横向宽度序列的指形特征。
7.根据权利要求6所述的一种利用双指静脉和指形特征进行身份认证的方法,其特征在于,步骤1)中用Canny算法提取边缘。
8.根据权利要求6所述的一种利用双指静脉和指形特征进行身份认证的方法,其特征在于,步骤3)中所述静脉、轮廓图像的平移和旋转调整:以手指边缘的两条轮廓线的左轮廓为基准,用直线进行拟合;再将图像旋转一定角度,把所得的拟合直线旋转到与坐标Y轴平行的垂直方向,并平移至与感兴趣区域ROI的左边缘固定距离的位置。
9.根据权利要求2或6所述的一种利用双指静脉和指形特征进行身份认证的方法,其特征在于,所述静脉特征是DCT低频分量;所述指形特征为指形横向宽度序列。
10.根据权利要求9所述的一种利用双指静脉和指形特征进行身份认证的方法,其特征在于,其含有以下步骤:1)注册存储用户的双指静脉和指形特征的信息,(1)用近红外采集器采集的相邻两手指分开放置的手形和手指静脉的图xa0像,做中值滤波和直方图变换的预处理;(2)对经过预处理以后的图像,用Canny算法提取边缘;然后以两指间极值点作为两指交叉点,以交叉点坐标为原点建立直角坐标系,确定感兴趣区域ROI;(3)在得到静脉图像和轮廓图像的感兴趣区域ROI以后,在轮廓图像中,用直线拟合手指左边缘,以得到的拟合直线为基准旋转平移图像使拟合直线旋转到与坐标Y轴平行的垂直方向,并平移至与感兴趣区域ROI左边缘固定距离的位置;静脉图像跟轮廓图像做同样的平移和旋转;(4)从调整后的静脉图像感兴趣区域ROI和轮廓图像感兴趣区域ROI中,分别提取二维DCT变换的低频分量的静脉特征和指形横向宽度序列分量的指形特征;(5)将上述双指静脉特征和指形特征注册存储;2)按照1)中(1)-(4)的步骤,采集、提取认证客户的双指静脉和指形特征的信息,分别提取二维DCT变换的低频分量和指形横向宽度序列;3)将2)提取的二维DCT变换的低频分量与1)存储的DCT低频分量的欧式距离进行比对,做决策级融合;将2)提取的指形横向宽度序列与1)存储的指形横向宽度序列的欧式距离做决策级融合。技术领域
本发明涉及一种静脉特征提取方法及利用生物特征进行认证方法,特别涉及一种静脉特征提取方法及利用手指静脉和手形特征进行身份认证的方法。
背景技术
现在社会人们对信息的安全性要求越来越高,如何准确鉴定一个人的身份、保护信息安全,已成为一个必须解决的关键社会问题。传统的身份认证由于极易伪造和丢失,越来越难以满足社会的需求,目前最为便捷与安全的解决方案无疑就是生物特征识别技术。生物特征是根据人的体貌、声音等身体特征进行身份认证的科学的防伪验证方案。生物特征识别就是依据每个个体之间独一无二的生物特征对其进行识别与身份的认证。生物特征识别技术越来越多的应用于身份认证与识别,如采用脸像、指纹、虹膜等特征的生物认证与识别系统,但无论是指纹还是虹膜脸像,这些特征都是露于表面的,易于改变,比如随着年龄的增长,都会有不同程度的改变。手指静脉作为一种位于身体内部的生物特征,有多方面的优越性:1)具有很强的普适性和唯一性,绝大多数人的静脉血管不会随着年龄的增长发生根本性的变化,不同的人静脉图像不同;2)静脉位于身体内部,很难伪造或通过手术改变;3)表皮特征不会影响静脉特征;4)非接触式采集,减少人们的抵触情绪。手指静脉特征虽然有其优越性,但同时也有一定的缺陷,静脉特征是由静脉血管从三维投影到二维的特征,很小的角度旋转都会使得到的二维特征图像发生一定的变化,影响其一次通过率。手指静脉特征线条较少,不易确定相同的感兴趣区域ROI(Regionxa0ofxa0Interest)。这些都给单一的手指静脉认证与识别带来了困难。
发明内容
本发明要解决的技术问题是提供一种从静脉灰度图像提取静脉特征的方法,该方法可以不受静脉走势的影响提取静脉网络。对比以往的一些提取方法,不需要从不同方向分别提取特征点,再做叠加或是融合。本方法可以一次性提取到效果很好的静脉网络。本发明解决的另一个问题在于提供一种利用双指静脉和指形特征进行身份认证的方法,该方法既加入了静脉特征的优势,又降低了单一静脉特征的拒识率,同时解决了单一静脉特征认证过程中,手指固定不好,需要反复认证的问题。为了解决上述问题,本发明采用以下技术方案:一种从静脉灰度图像提取静脉特征的方法,在采集的静脉灰度图像上对应感兴趣区域ROI做N×N矩阵图,将外圈所有点以中心点为对称点两两分组,共分为2N-2组点,将每组点与中心点的灰度值比较;在2N-2组点中,如果有M组点的灰度值均大于中心点的灰度值,则窗口中心点为静脉特征点,得到的所有特征点构成静脉网络图像;对所得的静脉网络图像做骨架化,得到单像素点网络特征,再做二维DCT变换,提取二维DCT变换的低频部分作为静脉网络的特征。一种利用双指静脉和指形特征进行身份认证的方法,首先注册存储用户V形放置的双指的静脉特征和指形特征的信息,然后采集认证客户V形放置的双指的静脉特征和指形特征的信息,分别将采集的静脉特征和指形特征与存储的静脉特征和指形特征的信息进行比对,作决策级融合。进一步地,存储、提取时,利用近红外采集器采集V形放置的双指的静脉图像和指形图像,提取两指间交叉点,分别确定静脉图像感兴趣区域ROI和指形图像感兴趣区域ROI,然后提取静脉网络特征和指形特征,在特征转换和融合以后,再和已经存储的特征进行对比,得到最终的判定结果。进一步地,对所述采集到的双指静脉图像和指形图像进行预处理,对所述采集到的双指图像采用中值滤波和直方图变换进行预处理。图像预处理包括两步,中值滤波和直方图变换。由于静脉谷状特征的特殊性,椒盐噪声对其影响较大,往往会提取出一些孤立的噪声点,故首先做两次中值滤波,减小椒盐噪声,但此过程对静脉特征也有相应影响。接下来对图像分别做直方图变换,分别突出轮廓和静脉两种特征。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术,二维中值滤波输出为:g(x,y)=med{f(x-k,y-l),(k,l∈W)},其中,f(x,y),g(x,y)分别为原始图像和处理后图像。W为15×15的二维模板。这里对采集来的图像做两次中值滤波,有效的清除了图像的噪声。如果对图像不加处理,直接提取轮廓特征会带来很多干扰,手指边缘的强光腐蚀和背景中的一些纹理都会被当作轮廓而提取出来,这样就不易区分出真正的轮廓线。具体步骤如下:(1)计算图像各个灰度级出现的概率p(x)。(2)p(x)=p(x)×(x/125);(3)0~255依次计算低于此灰度值的各个灰度值出现的概率之和。此序列为q(x),x∈[0,255](4)直方图变换。k(m,n)=q(x)×255,k(m,n)是图像上横坐标为m,纵坐标为n点的灰度值,x为此像素值变换前的灰度值。进一步地,在所述采集到的双指静脉图像和指形图像中分别提取静脉特征和指形特征两种信息:对经过预处理以后的图像,用Canny算法提取手部边缘轮廓信息,选择两指指窝处的极值点作为两指交叉点,以交叉点为坐标原点建立直角坐标系,确定静脉图像感兴趣区域ROI和轮廓图像感兴趣区域ROI;在得到轮廓图像感兴趣区域ROI以后,在轮廓图像中,用直线拟合手指左边缘,以得到的拟合直线为基准旋转平移图像使拟合直线旋转到与坐标Y轴平行的垂直方向,并与感兴趣区域ROI左边缘固定距离的位置;静脉图像跟随轮廓图像做同样的平移量和旋转角度进行调整;进一步地,在上述调整后的图像中,从轮廓图像感兴趣区域ROI中提取指形横向宽度序列的指形的轮廓特征:对于轮廓图像感兴趣区域ROI中的手指边缘信息,要进行特征转换,变成易于比较和存储的特征信息。本发明提取手指的横向有序宽度信息。从静脉图像感兴趣区域ROI中提取DCT低频的静脉特征:手指静脉的灰度图像具有以下特点:手指静脉的横截面灰度分布呈谷形,越接近谷底,灰度值越低。这样做一个N×N的窗口在灰度图像上,由左上角开始,逐行一个像素一个像素的滑动至右下角。当静脉位于窗口中时,窗口四周最外圈的一些点,其灰度值就会大于中心点的灰度值。在采集的静脉灰度图像上对应感兴趣区域ROI做一个N×N的窗口,将外圈所有点,以中心点为对称点两两分组,共可分为2N-2组点,将每组点与中心点的灰度值比较。在这2N-2组点中,若有M组点的灰度值均大于中心点的灰度值,则为静脉边缘特征点,得到的所有特征点最后构成静脉网络图像,其中,实验得出:当M为窗口宽度N的三分之一时提取的静脉比较完整。更应强调的是静脉的方向走势对本发明没有影响。发明具体步骤Stepxa01:将获取的图像最外围的一圈点置为零点,消除由于边界原因而产生的一圈伪特证点。Stepxa02:创建与上一步外圈置为0的图像矩阵同等大小的存储矩阵Z,并将每个元素值初始为0。Stepxa03:在采集的静脉灰度图像上对应做一个N×N的窗口,将外圈所有点,以中心点为对称点两两分组,共可分为2N-2组点,将每组点与中心点的灰度值比较。Stepxa04:在这2N-2组点中,若有M组点的灰度值均大于中心点的灰度值,则中心点为静脉边缘特征点,如此得到的所有特征点最后构成静脉网络图像。矩形窗的宽度与血管宽度相当时效果较好,较小会引入噪声。对提取的静脉网络图像做骨架化,得到单像素点网络特征;最后对得到的单像素点网络特征做二维DCT变换,提取二维DCT变换的低频部分作为最后变换后的特征。进一步地,认证对比阶段,分别将提取的DCT低频分量的双指静脉特征和指形横向宽度序列的指形特征与存储的DCT低频分量的双指静脉特征和指形横向宽度序列的指形特征进行欧式距离比对,作决策级融合。仅当两者均满足要求时,认证通过。本发明的有益效果:1)为了方便的使用手指静脉特征,同时克服其缺陷,本发明引入了与手指静脉有空间关系的手指轮廓特征,采集器一次可以同时采集食指和中指的特征,两个手指以V型放置,采用两指采集图像,不仅可以精确地确定比较区域,同时可以减小手指的选择和变形,会为使用者带来很大的方便;同时相对于单一静脉对比特征较少的认证方法,手指静脉与指形的融合又可以增加特征信息,提升系统性能。2)食指与中指的交叉点可以确定感兴趣区域ROI,以两指交叉点为原点引入坐标系,用手指轮廓来精调,不仅提高了定位精度,同时方便用户使用,双特征融合有效地提高了系统性能。3)本发明可以从一幅图像中分别提取到静脉和指形两种信息,提取方便。
附图说明
图1为本发明采集的图像。图2为本发明确定比较区域的示意图。图3为本发明初步提取的静脉网络特征图。图4为本发明最后截取的轮廓(a)、静脉(b)的比较区域。图5为N×N矩阵图,中间点像素值为X(j,k)。
具体实施方式
下面结合附图对本发明做进一步详述。实施例:参照图1、图2,本发明涉及一种两指指形与静脉相结合进行生物认证的方法,含有以下步骤:以上所述本方法处理的图像中,食指1和中指2必须V型摆放,如图1所示。只有这样才能够提取到两个手指中间的交叉点,并以此交叉点3为原点引入坐标系,确定感兴趣区域R0Ixa04。以上所述本方法可以从单幅采集的图像中,分别提取到指形轮廓和静脉网络。提取到的指形轮廓如图2所示,静脉网络如图3所示。在提取指形轮廓之前要先进行直方图变换处理,具体步骤如下:具体步骤如下:(1)计算图像各个灰度级出现的概率p(x)。(2)p(x)=p(x)×(x/125);(3)0~255依次计算低于此灰度值的各个灰度值出现的概率之和。此序列为q(x),x∈[0,255](4)直方图变换。k(m,n)=q(x)×255,k(m,n)是图像上横坐标为m,纵坐标为n点的灰度值,x为此像素值变换前的灰度值。提取静脉网络前,在图1的基础上作16×16的中值滤波。然后用静脉网络提取算法提取静脉网络,具体步骤如下:Stepxa01:将获取的如图1所示的图像最外围的一圈点置为零点,消除由于边界原因而产生的一圈伪特证点。Stepxa02:创建与上一步外圈置为0的图像矩阵同等大小的存储矩阵Z,并将每个元素值初始为0。Stepxa03:图5为在图像上逐点滑动的窗口,大小为17×17(此时N=17),首先设定计数值counter=0,比较图5矩形方框中的两个序号为O的点,如果P(k)>P(X)+threshold且P(k)>P(X)+threshold,则counter自加1。再比较序号为2的点,以此类推,直到31。其中:threshold为阈值。P(k)为图5中序号为O的点对应的灰度值,0≤k≤31.P(X)为图5中序号为X的中心点对应的灰度值。Stepxa04:判断counter>M是否为真(此时M=5),若为真,则将X置为255,否则为0。矩形窗的宽度与血管宽度相当时效果较好,较小会引入噪声,添加比较阈值threshold也是为了抑制背景噪声。初步提取到的静脉网络特征如图3所示。以上所述本方法在得到如图2、图3所示的手指轮廓和静脉网络图像后,以图2中得到的两指交叉点3为原点,建立坐标系,截取感兴趣区域ROIxa04。截取的感兴趣区域ROI大小为170×256,单位为像素。以上所述本方法对提取的静脉网络图像做骨架化处理,得到单像素点网络特征,如图4(a)图像。最后对得到的单像素点网络特征做二维DCT变换,提取二维DCT变换的低频部分作为最后变换后的静脉特征。提取图4(b)指形感兴趣区域ROI的宽度序列作为指形特征,得到的指形宽度序列为一维数组。以上所述本方法在最后的融合认证中,采取决策级的融合认证策略;分别比较静脉特征的欧式距离,指形宽度序列的欧式距离。当静脉特征的欧式距离小于100,并且指形宽度序列的欧式距离小于600时,认证通过,否则拒绝。显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无法对所有的实施方式予以穷举。凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。