專利名稱：一種提取相位及方向特征的手指靜脈識別方法
技術領域：
本發明屬于生物特征身份識別技術領域，具體涉及一種手指靜脈特征提取方法。
(二)
背景技術：
人體手指靜脈識別具有穩定性、唯一性、高防偽性、非接觸性和精度高等優點，是模式識別領域的前沿課題。具有廣泛的應用前景和經濟價值。 手指靜脈識別技術最早由日立公司提出并將其產品應用于銀行、安檢等高安全等級的場合。Naoto Miura[1]等人提出了一種基于模板匹配的靜脈識別方法，先將圖像進行二值化，并對二值化后的圖像進行距離變換，以克服觀察向量序列中包含大量的無信息向量。最后，應用嵌入式隱馬爾可夫模型對指靜脈進行識別，誤識率為1.45%。但識別速度慢，手指若有較大變形則不能準確識別；國內手指靜脈識別技術的研究還處于起步階段。袁智[2]使用融合小波矩和PCA分解及LDA變換對手指靜脈進行識別，是目前手指靜脈識別領域中效果最好的一種方法。先將手指靜脈圖像矩陣轉化為一維向量進行降維處理，由于向量維數過高，將圖像分成若干小塊后再采用PCA算法，誤識率為O. 7%。由于分塊后，導致訓練樣本增多，致使識別速度較慢，同時需要對圖像需要進行復雜的預處理工作；手指靜脈一般采用非接觸式采集方式，手指位置變化較大，目前還沒有比較好的手指定位方法。
與本發明相關的公開報道有 [l]Naoto Miura， Akio Nagasaka， Takafumi Miyatake. Feature extractionoffinger-vein patterns based on repeated line tracking and its application topersonalidentification. Machine Vision and Applications,2004，15(4) :194-203P
[2]袁智.手指靜脈識別技術研究[D].哈爾濱哈爾濱工程大學.2007
[3]Daugman J. Complete Discrete 2D Gabor Transforms by Neural Networksfor Image Analysisand Compression[J]. IEEE Transactions on Acoustic, Speech andSignal Processing. 1988,7(36) :1169—1179 [4]Wu X，Zhang D，Wang K. Fusion of Phase and Orientation Information forPalmprintAuthentication[J]. Pattern Analysis and Application,Dec. 2005. Volume 2，11-14S印t. 2005Page(s) :11-29-32 [5]Daugman J. High confidence visual recognition of persons by a test ofstatisticalindependence[J].IEEE Transacti_ons on Pattern Analysis and MachineIntelligence. 1993,15(11) :1148-1161 [6]岡薩雷斯.數字圖像處理[M].2版.北京電子工業出版社，2005
[7] M. Watanabe， Y. Hamamoto， T. Yasuda， and S. Tomita. Normal izat iontechniques of handwrittennumerals for gabor filters[J]. Fourth InternationalConference Document Analysis andRecognition(ICDAR '97). Ulm， GERMANY. August18-August 20. ISBN :0-8186-7898-4。

發明內容
本發明的目的在于提供一種不要求對靜脈圖像進行預處理和定位，可以極大地克
服手指變形、平移和旋轉影響的提取相位及方向特征的手指靜脈識別方法。 本發明的目的是這樣實現的 首先選取用4個頻率和方差相同、而方向不同的二維Gabor濾波器，對原始靜脈圖
像進行濾波，提取靜脈的相位和方向信息，然后在特征級上進行融合，形成編碼，最后用改
進的海明距離來衡量不同編碼之間的相似性，并進行平移和旋轉測試。 所述提取靜脈的相位和方向信息是用二維Gabor濾波器對手指靜脈原圖像進行
濾波后，直接提取相位及方向特征。 所述二維Gabor濾波器中，選取9k= ji (k_l)/m， k = 1， 2， m，m代表所選取方向的個數，k = 4，則e角分別為0° ，45° ，90° ， 135° ; ii = 0. 816 ; o = 1. 55 ;n = 7為
最優參數。 所述在特征級上進行融合是對原始靜脈圖像進行濾波后，提取實部、虛部和方向三種手指靜脈特征，在特征級上進行融合，形成新的整體特征，保留所有的原始信息，利用這三種特征進行靜脈識別。 本發明的主要貢獻和特點在于為人體手指靜脈識別技術提供新的思路，采用二維Gabor濾波器提取靜脈的紋理特征進行身份識別。該發明能夠準確有效地提取出靜脈特征，不要求對圖像進行預處理和定位，可以極大地克服手指變形，平移和旋轉帶來的影響，使識別結果更加可靠，具有很強的實用性。


圖l是本發明的流程圖； 圖2a和圖2b是手指靜脈圖像的原圖與直方圖； 圖3是不同的Gabor波器參數對應的識別率比較表1 ; 圖4a是手指靜脈原圖，圖4b是相位碼的實部，圖4c是相位碼的虛部，圖4d是方向碼部分。 圖5是三幅手指靜脈之間的匹配距離比較表2 ; 圖6是合法匹配與非法匹配的匹配距離分布圖； 圖7是手指靜脈相位方向碼的R0C曲線圖； 圖8是1:1模式下拒識率測試結果表3 ; 圖9是1: n模式下誤識率測試結果表4 ; 圖10是平移測試庫的驗證測試結果表5 ; 圖11是平移測試庫的識別測試結果表6 ; 圖12是旋轉測試庫的驗證測試結果表7 ; 圖13是旋轉測試庫的識別測試結果表8。
具體實施例方式
下面結合附圖舉例對本發明做更詳細地描述
1.提取手指靜脈的相位和方向特征
4
由于手指靜脈圖像紋路是由多條線組成，具有明顯并穩定的方向性，可看作是紋理圖像。二維Gabor濾波器屬于二維連續小波變換，被廣泛應用于提取圖像的紋理特征。本發明針對靜脈紋路的特性，首先用二維Gabor濾波器對原始靜脈圖像進行性濾波，提取相位和方向特征。 1. 1 二維Gabor濾波器
二維Gabor濾波器的定義[5]如下1
x2 +y2
y exp {2;r/// (x cos P + _y sin
(1)
2;rcr2 丄l2cr 乂 式(1)中，自變量x，y是圖像I(x，y)各像素點的直角坐標值，若圖像大小為MXN，則x G (l，M)，y G (l，N)。 e是濾波器的方向，是復正弦函數的頻率；o是高斯包絡沿x軸和y軸方向的標準方差。 由于濾波器的虛部是奇對稱的，所以其直流分量為0。濾波器的實都通過下式可將其直流分量歸一化成0 :
G (x, <T) = G (x, 6>,//, cr).
(2)
(2n + l)2 式(2)中，濾波器的大小為(2n+l)2。歸一化后，濾波器的實部與虛部的直流分:都為O，這樣濾波的結果受光照強度的影響非常小。 式(1)經過整理，得到它的實部和虛部分別如式(3)和(4)所示
1
2;rcr'1
-exp j —
-exp<j —
2cr22cr2
cos 2罕cos <9 +少sin "> sin 2;r/z ( jc cos 6* + _y sin 61)
(3)
(4)
2ttct 、 ^
1.2相位和方向特征的提取
下面我們用二維Gabor濾波器，對原始靜脈圖像進行濾波。選取四個頻率和方差
均相同而方向不同的濾波器來提取靜脈的相位和方向信息。
設I是一幅靜脈圖像，用4個濾波器Gj (j式中，"*"表示巻積運算。
定義濾波后的圖像&的幅值如下
式中，/ g j (;t j )表不Jg,.(x,少)
點(x， y)的方向定義為
0(w)=arg:K"'y))
其中，Q(x,y)稱為靜脈圖像I的在點(x， y)方向碼靜脈的相位碼可以通過下式計算得到
0，1，2，3)對I進行濾波(5)
(6)
(7)l,如果ReO,其他
20
(8)
(u)
:0
(9)
(10)
l，如果ImO,其他 如果把得到的三種特征分別進行識別操作，會存在大量孤立點，破壞手指靜脈圖像的整體性。所以把提取出的靜脈圖像的相位和方向信息，在特征級上進行融合非常重要，形成了新的整體特征，并且保留了所有的原始信息，表示如下
V = (VK， Vp 0) 式中，VK， V工和0分別表示相位碼的實部，虛部和方向部分。
2相位和方向特征碼的匹配 在采集靜脈圖像時，每個圖像的位置和角度不完全相同，使截取后的圖像包含了一些背景，這些背景的存在會影響匹配結果。因此，在匹配前應進行圖像分割。然后再用Hamming距離進行匹配。
2. 1去除圖像背景 首先用一個二值矩陣作為掩模[6]。設靜脈圖像I的掩模M可用下式計算
i,如果/(/，/)>ro,其他 式中，T為閾值。根據手指靜脈圖像直方圖的分布，實驗原圖像如圖2 (a)和圖2 (b)所示，圖2(b)左側波峰的峰值為背景典型灰度，右側波動區域值為手指區域典型灰度，通常選擇二者之間的谷點所對應的灰度值作為閾值。 假設圖像L和I2為兩幅手指靜脈圖像，M工和M2為對應掩模。則進行匹配時，只對M工和M2均為1的點進行匹配，可用二值圖像M來表示
M (x， y) = M丄(x， y) A M2 (x， y) 式中，"A"是邏輯"與"操作。即只有兩幅圖像共有的地方，才進行濾波。
2. 2圖像匹配
令V! = (V1K， Vu， 0》，V2 = (V2K， V2I， 02)代表圖像I!和I2的相位方向碼。V^和和V2I的差異可用二值圖像HK和&分別表示，公式如下
A("y)^w(/,y)0F2力,力 (ii)
a(/，/h^(q') ^("') (12)式中，"(g)"表示邏輯"異或"操作。即只有兩幅圖像不相同的地方，進行計算，記入海明距離。 和02的差異可用如下二值圖像H。來表示
V2K， K
W — l,如果0"U)-02((V)n。 — "Jo,如果q(U^02(U)
(13)
那么靜脈圖像的相位方向碼和V2的相似性就可定義如下的Hamming距離來衡
D(M) = ^——irr^-
g g A/ (,.， 乂) a (/， )) v H。 (,、 乂)) (14)
'=0 乂=0 式中，A和B是靜脈圖像I的行數和列數，"V"代表邏輯"或"運算。即兩幅圖像實部和虛部與方向部分相比，只要有一個不相同，則結果為不相同，值記入海明距離。
3手指靜脈的相位和方向特征碼實例
3. 1濾波器參數的選取 二維Gabor濾波器實現的難點是濾波器組的參數選擇。目前Gabor濾波器的參數設置還沒有統一的標準，針對手指靜脈的紋理特征，本發明通過分析濾波器中各參數對濾波器性能的影響，進行大量實驗，通過調整一系列參數得到不同方向，頻率和方差的濾波器，選取一組與手指靜脈紋理的分布特點相接近的濾波器，更可靠的提取了適合手指靜脈自身結構特點的紋理特征。 公式(1)中，9角的取值個數對Gabor濾波器的輸出結果可產生直接的影響。對紋理分析目的而言，不需要選擇覆蓋整個頻域的濾波器參數空間。考慮到Gabor濾波器在頻域內具有共軛對稱性，只需要在
內選擇方向參數即可。而e的變化是連續的，不可能選無窮多個，需要合理的離散的均勻采樣。因此，通常選取9k= Ji(k-l)/m，k =1，2，...n^，m代表所選取方向的個數。則本發明選取的k二4，則e角分別為0° ，45° ，90° ，135° (實際上覆蓋了8個方向)。 n的選取決定了濾波器的大小，過大不能體現濾波器的局部化特性，過小則會使波形不完整。而手指靜脈細長平直，表面成曲面狀，本文提取矩形區域為濾波器作用的有效區域。經多大量實驗驗證，當nG [6，7]時，能夠獲得完整的波形，并能體現局部特性。
o決定了高斯包絡的擴展，體現局部特征的變化。手指靜脈本身非常細小，尤其是靜脈的交叉處，細節特征豐富。o選取越小，提取的局部特征越多。若取得過小，則不足以去除噪聲。本發明選取濾波器的參數o =0.3(!1/2-1)+0.8進行濾波提取靜脈的微觀結構信息。 參數ii決定了 Gabor濾波器的頻率選擇特性，濾波器根據y的不同產生不同的
震蕩頻率，體現全局特征。手指靜脈的粗細不同，紋路和灰度分布不均，對比度較低，以致目
標邊緣模糊。若P太大，濾波過程將會產生虛假紋線；反之，若P太小相鄰的紋線會合并
到一起。本發明通過先驗知識和大量實驗，給出了參數P的選擇區間。 在設計濾波器參數時，可以根據表1所示的參數區間中取值，選取一組濾波器。如
圖3中表一所示，在y = 0. 816， o = 1. 55， n = 7時，識別率最高。本發明將以這組參數
作為濾波器的參數，對手指靜脈圖像進行濾波。
3. 2手指靜脈相位和方向碼的實例 經過切割之后的原始靜脈圖像的大小為100X220像素，96dpi，占用空間約4000
個字節。不需要靜脈圖像上的所有點進行匹配，這里每隔4點采樣一次，僅取25X55像素。
為了消除靜脈圖像平移和旋轉的影響，在水平方向上進行-l到+l個像素的平移，在豎直方
向上進行_5到+5個像素的平移。然后把各個位置上的相位方向碼與其他相位方向碼進行
匹配，最后在這些匹配距離中，選擇一個海明值最小的作為最終的匹配距離。 圖4是3幅手指靜脈圖像經過濾波器濾波之后得到的相應的相位和方向部分的紋
理圖像，可以清晰的看到手指靜脈深層次的紋理走向，以及不同靜脈之間紋理差別。 圖5中表2列出了圖4中樣本的匹配距離。其中，第一幅與第二幅手指靜脈圖像
由同一手指采集得到，二者的海明值較小。而第一幅和第二幅分別與第三幅匹配得到海明
值較大。說明本發明對手指靜脈識別是有效的 4實驗結果與分析 在實驗機器配置為WindowsXP 2002， 2. 50GHz， CPU E5200,內存2GB平臺下，采用matlab7. 0仿真實驗，來驗證本發明的識別效果。 在哈爾濱工程大學的手指靜脈數據庫中，選用314人的手指靜脈圖像，每個人的手指(食指)都采集4次，共1256幅圖像，由此構成手指靜脈識別的訓練庫。另外，這314人每人的食指另取1幅共314幅，組成驗證庫。
4. 1手指靜脈相位和方向碼的匹配 驗證本發明匹配性能時，訓練庫中的每一樣本都與其他樣本進行匹配，一共進行(1256X1255)/2 = 788140次，其中1884次為合法匹配，其余為非法匹配。這兩種不同的驗證曲線的匹配距離分布如圖6所示。橫軸表示海明距離，縱軸表示所對應海明值的樣本的百分比。實曲線表示合法匹配曲線，虛曲線表示非法匹配曲線，他們都類似于高斯分布。合法匹配的匹配距離均值對應于圖中橫軸0.21附近的波峰，非法匹配的匹配距離均值對應于橫軸0. 62附近的波峰。二者波峰相距較遠，交叉不多，所以本發明能有效地區分不同的手指靜脈。 圖7反映了拒識率與誤識率之間的平衡關系。本發明的ROC曲線越接近橫坐標，說明正確率越高。閾值應該根據實際情況而平衡地設定，當閾值為0. 47時，誤識率和拒識率相等，即等誤率為0.65%。此時系統的認證識別率為99.35%。實驗結果表明，本發明是合理的。在手指靜脈上的嘗試達到了比較理想的效果。 在1:1驗證模式下，用驗證庫的314個樣本來進行驗證，閾值取為0. 47。試驗結果
如圖8所示，通過次數為312次，通過率為99. 36%。對于l:n的識別模式，用驗證庫的314
個樣本來進行識別實驗，實驗結果如圖9所示，誤識次數為3次，識別率為99. 05% 。滿足生
物識別系統的要求。4. 2圖像的平移和旋轉測試 由于現在普遍采用非接觸式采集方式，用紅外光照射得到手指靜脈圖像，會不可避免的出現一些平移和旋轉現象，手指位置的變化的自由度為4，而目前又沒有很好的ROI區域的獲取方法。 為了測試本發明的抗平移和旋轉性能，我們把測試庫中的314個樣本分別在[-5，+5]個像素內隨機均勻平移和在[_5° ， +5° ]內隨機均勻旋轉，組成平移測試庫和旋轉測
8試庫，分別對這兩個訓練庫的樣本進行驗證和識別測試，閾值取為0. 47。實驗結果如圖10，11， 12， 13所示。 實驗結果表明，手指在有一定平移和旋轉的情況下，在1:1模式下，識別率仍可達到99. 05%和98. 09%;在l:n模式下，識別率達到98. 73%和97. 72%。可見識別系統仍能保持穩定的識別率，在一定程度上能夠克服平移和旋轉帶來的影響，充分體現了本發明的有效性，可以滿足實際應用的要求。
4.3存儲量及速度分析 相位碼的實部和虛部為25X55的二值矩陣，這兩部分的存儲量[(25X55)/8]X2 " 344(字節)；方向部分為25X55的矩陣，存儲量為[(25X55X2)/8] " 344(字節)；掩模也為25X55的二值矩陣，存儲量為[(25X55)/8] "172(字節)。所以一個手指靜脈模板的存儲量為344+344+172 = 860 (字節)，低于原始圖像的存儲量。 完成一次身份識別需要0. 907秒。本發明的系統響應時間可以滿足一個實時生物識別系統的要求。由于本發明是對原始靜脈圖像直接進行提取相位和方向特征，克服了一般靜脈識別方法，需要復雜的預處理和定位工作的缺點，大大減少了工作量，提高了效率，同時方法所需存儲空間較小，具有實際應用價值及發展前景。
9
權利要求
一種提取相位及方向特征的手指靜脈識別方法，其特征是首先選取用4個頻率和方差相同、而方向不同的二維Gabor濾波器，對原始靜脈圖像進行濾波，提取靜脈的相位和方向信息，然后在特征級上進行融合，形成編碼，最后用改進的海明距離來衡量不同編碼之間的相似性，并進行平移和旋轉測試。
2. 根據權利要求1所述的提取相位及方向特征的手指靜脈識別方法，其特征是所述提取靜脈的相位和方向信息是用二維Gabor濾波器對手指靜脈原圖像進行濾波后，直接提取相位及方向特征。
3. 根據權利要求1或2所述的提取相位及方向特征的手指靜脈識別方法，其特征是所述二維Gabor濾波器中，選取ek= ji (k-l)/m， k= 1，2， . . . m， m代表所選取方向的個數，k = 4，則e角分別為0° ，45° ，90° ，135° ; y = 0. 816 ; o = 1. 55 ;n = 7為最優參數。
4. 根據權利要求1或2所述的提取相位及方向特征的手指靜脈識別方法，其特征是所述在特征級上進行融合是對原始靜脈圖像進行濾波后，提取實部、虛部和方向三種手指靜脈特征，在特征級上進行融合，形成新的整體特征，保留所有的原始信息，利用這三種特征進行靜脈識別。
5. 根據權利要求3所述的提取相位及方向特征的手指靜脈識別方法，其特征是所述在特征級上進行融合是對原始靜脈圖像進行濾波后，提取實部、虛部和方向三種手指靜脈特征，在特征級上進行融合，形成新的整體特征，保留所有的原始信息，利用這三種特征進行靜脈識別。
全文摘要
本發明提供的是一種提取相位及方向特征的手指靜脈識別方法。包括對手指靜脈圖像濾波、紋理特征提取、特征匹配、二維Gabor濾波器的參數的設置；對讀入的手指靜脈原圖先采用二維Gabor濾波器進行濾波，分別提取相位和方向的紋理信息，并在特征級上進行融合，形成編碼；最后采用改進的Hamming距離來衡量不同編碼之間的相似性。本發明所提供的方法不要求對靜脈圖像做前期處理和定位，簡單易行，更有利于提取靜脈特征。并且本發明具有一定的抗平移和旋轉性，能夠快速準確的進行身份識別。
文檔編號A61B5/117GK101789076SQ20101010123
公開日2010年7月28日 申請日期2010年1月27日 優先權日2010年1月27日
發明者馮偉興, 劉靖宇, 王晨暉, 王科俊, 馬慧 申請人:哈爾濱工程大學