基于多尺度二阶微分结构模型及改进分水岭算法的手背静脉识别方法

摘要

本发明提供的是基于多尺度二阶微分结构模型及改进分水岭算法的手背静脉识别方法。利用基于手背目标外部轮廓分析的方法从原始样本中提取出静脉样本的ROI区域；基于多尺度VLSDM模型对ROI区域的静脉图像进行多尺度分析，得到静脉纹理的形态响应、方向响应及尺度响应；利用改进分水岭算法从第二步所得形态响应中提取出静脉纹理骨架特征；利用链码及方向空间采样编码描述静脉纹理骨架的结构特征及方向特征，并利用改进的模板匹配方法对特征进行匹配。本发明解决样本旋转和平移对识别影响、加快算法匹配速度等问题，且该方法的效率符合模式识别系统的要求。

主权项

1.一种基于多尺度二阶微分结构模型及改进分水岭算法的手背静脉识别方法，其特征是：第一步，利用基于手背目标外部轮廓分析的方法从原始样本中提取出静脉样本的ROI区域；第二步，基于多尺度VLSDM模型对ROI区域的静脉图像进行多尺度分析，得到静脉纹理的形态响应、方向响应及尺度响应；第三步，利用改进分水岭算法从第二步所得形态响应中提取出静脉纹理骨架特征；第四步，利用链码及方向空间采样编码描述静脉纹理骨架的结构特征及方向特征，并利用改进的模板匹配方法对特征进行匹配； 所述提取出静脉样本的ROI区域包括手背目标图像区域提取、手背外部轮廓关键点提取、ROI区域位置确定； 所述的手背目标图像区域提取的方法为：根据静脉样本图像中手部目标图像区域与背景区域像素点的分布规律，采用阈值分割将手部目标图像从原始静脉样本中分离出来，阈值T的计算公式为： 式中，m表示样本图像中非零像素点灰度平均值； 所述的手背外部轮廓关键点提取的方法为：第一步，求取有效轮廓点集及距离基准线；第二步，求取有效轮廓关键点；第三步，判断所获得的关键点个数是否为15，如不是则执行第四步；第四步，采用关键点修正构建方法获得关键点； 所述利用改进分水岭算法从第二步所得形态响应中提取出静脉纹理骨架特征的方法为：首先提取局部形态响应中的脊线，脊线相当于分水岭，背景相当与盆地；然后将区域合并融合到盆地标注中，对不同盆地记录面积和标号；最后将区域合并融合到分水岭标注中； 所述利用改进的模板匹配方法对特征进行匹配是：直接采用静脉骨架结构特征作为识别特征，同时采用不同的特征描述方法对其进行描述，其平移和旋转校正在匹配算法中完成； 所述求取有效轮廓点集及距离基准线的过程为：提取二值化目标图像的轮廓外曲线，采用经典Douglas—Peucker轮廓多边形拟合算法，对轮廓外曲线进行拟合，取拟合精度阈值为50个像素点，则获得一个拟合四边形，设l为所述四边形上边L₃的长度，将L₃向下平移l8个像素单位，即得到基准线L_d； 采用局部均值法对原始距离分布曲线进行处理，N为有效轮廓线所包含的总点数，局部平滑直径为不小于N/24的最小整数；然后，采用阈值曲线对平滑距离曲线进行分割，得到平滑距离分布曲线与阈值曲线的八个交点，并称之为第一类特征点；最后，利用第一类特征点 构建第二类和第三类特征点的方法得到其他七个特征点，即总共得到15个特征点； 所述的阈值曲线的数学表达式为： 其中：s(i)表示平滑距离分布函数，r表示阈值半径，i表示有效轮廓线点序列号，N表示有效轮廓所包含的总点数，t(i)表示阈值函数，r取不大于N/13的最大整数； 所述的利用第一类特征点构建第二类和第三类特征点的数学表达式分别为： （1）构建第二类特征点的数学表达： 其中：表示八个第一类特征点，i=1…8，分别表示四个第二类特征点；（2）构建第三类特征点的数学表达： 式中：表示八个第一类特征点，i=1…8，分别表示三个第三类特征点；所述采用关键点修正构建方法获得关键点的具体方法为： 用P_DL、P_DR分别表示线段L_d与轮廓线的左、右两个交点，手背外部轮廓近似四边形的上边与轮廓线的左右两个交点分别用P_3L、P_3R表示，用表示P_DL和P_3L的中心点，用表示P_DR和P_3R的中心点，则由和确定的直线与轮廓线有左右两个交点，就是所要求的左右两个第一类特征点其他六个第一类特征点将由确定的线段分成了七等份，则确定其他六个第一类特征点位置的公式为：第一类特征点确定后，确定第二类和第三类特征点，四个第二类特征点确定公式为：三个第三类特征点，构建方法如为： 获得第一类特征点第二类特征点和第三类特征点后，在此基础上确定ROI区域的方法为：（1）、寻找基准线段：通过基准线确定ROI的方向和基准位置，选取由第一类关键点和构成的线段记为L_RD作为基准线段；（2）、判断样本的左右性：分别从和作两条垂线，令两条垂线与轮廓线的交点分别为设和构成的线段长度为l_r，和构成的线段长度为l_l，如果l_r<l_l，则说明手背样本来自右手，反之来自左手；（3）、寻找ROI的有效右边线段：选择矩形ROI，ROI的有效左边线段一定与L_RD垂直，寻找有效左线段的方法分两种情况：第一中情况是样本来自右手，则选择从作一条与L_RD垂直的直线；第二种情况是样本来自左手，则选择从作一条与L_RD垂直的直线；无论是哪一种情况，均需要作一条与L_RD垂直的直线，直线与线段L_RD和轮廓线相交，得到两交点，分别记为P_LR、P_CR，由P_LR和P_CR构成的线段即为所求的ROI有效右边线段；（4）、寻找ROI的有效左边线段：分为两种情况：如果样本来自右手，则从作一条与L_RD垂直的直线；反之，样本来自左手，则从作一条与L_RD垂直的直线；无论哪情况，所作垂线与线段L_RD和轮廓线相交，产生两个交点，分别记为P_LL、P_CL，由P_LL和P_CL构成的线段即为所求的有效左边线段；（5）、寻找ROI的上、下边线段：选取由P_LR和P_LL所组成的线段作为ROI的上边线段，而寻找ROI下边线段的方法分三种情况，令ROI有效左边线段的长度为L₁，有效右边线段的长度为L₂，如果L₁>L₂，则从点P_CR作一条直线，所述直线与有效左边线段相交，产生一个交点，记为P_C′_L，此时，ROI的下边线段由点P_CR和P_C′_L组成；如果L₁<L₂，则从点P_CL作一条直线，与有效右边线段相交，产生一个交点，记为P_C′_R，此时，ROI的下边线段由点P_C′_R和P_CL组成；如果L₁=L₂，此时，ROI的下边线段由点P_CR和P_CL组成； 经过上述过程处理后，得到矩形ROI区域的四个顶点坐标值； 所述的VLSDM模型由静脉纹理局部曲面形状约束模型和静脉纹理的显著二阶微分结构特征量组成，首先，根据静脉纹理局部曲面形状约束索引值不同的特点，结合采样定理及加权融合的方法得到融合形状约束索引值计算模型即SICM模型；然后，根据曲面最大主曲率对静脉纹理的描述能力较强的特点，选取曲面最大主曲率作为VLSDM模型中的静脉纹理的显著二阶微分结构特征量；最后，采用基于最大似然估计模型改进的组合方式将SICM模型与显著二阶微分结构特征量进行融合，从而形成VLSDM模型。