1.一种自适应的指静脉和外指节纹双模态生物特征识别方法,包括如下步骤:S1、采用指静脉和外指节纹一体化特征采集装置对指静脉和外指节纹图像进行采集;
S2、对指静脉和外指节纹图像进行预处理;
S3、对指静脉和外指节纹图像进行质量评估并且给予相应分数,根据分数判定图像是否符合要求若符合要求则进行下一步否则提示重新采集;
S4、判定指静脉图像综合分数与外指节纹图像综合分数的大小,对较大的特征进行优势特征系数赋予;
S5、指静脉图像使用改进的SIFT算法,指节纹图像使用PHASH算法与数据库中的特征进行相似度匹配得到对应的相似度;
S6、通过融合函数对指静脉和指节纹优势特征匹配度进行融合得到最终的融合匹配度;
S7、进行阈值判断,通过则身份认证成功,若不通过则身份认证失败。
2.根据权利要求1所述的一种自适应的指静脉和外指节纹双模态生物特征识别方法,其特征在于,在步骤S2中使用CLAHE进行图像预处理将一幅图像的直方图分布变成近似均匀分布,从而增强图像的对比度。
3.根据权利要求1所述的一种自适应的指静脉和外指节纹双模态生物特征识别方法,其特征在于,在步骤S3中用权值累加的方法进行图像质量评估,将质量分数按设定的权重进行累加作为反馈参数对指静脉和外指节纹的图像质量评估;具体步骤如下:S31、计算图像对比度差异大小,计算过程如下:
其中:Q1为图像对比度分数,Cs为标准值,n为图像中的像素个数,xo表示一个像素点的灰度值,xm表示图像的平均灰度值;
S32、计算图像信息熵大小,计算过程如下:
其中Q2表示信息熵信息熵分数,p(x)为指静脉或者外指节纹图像第x个灰度上像素分布的概率;
S33、计算图像位置偏移量,计算过程如下:
其中Q3表示图像位置偏移量,D表示图像区域像素点总量,y[i]为图像区域D中第i个像素的纵坐标,x[i]为图像区域D中第i个像素的横坐标;
S34、获得指静脉和外指节纹图像上述评价参数后,使用权值累加函数进行累加得到相应的图像综合分数Q,其公式如下:最终图像的Q越大,其质量越高;
S35、将获得的Q指与设定的阈值相比较,满足条件则进行下一步,否则重新进行图像采集。
4.根据权利要求1所述的一种自适应的指静脉和外指节纹双模态生物特征识别方法,其特征在于,在步骤S4中首先判定指静脉图像综合分数Qv与外指节纹图像综合分数Qk的大小,对较大的特征进行优势特征系数赋予,优势特征系数α公式如下:
5.根据权利要求1所述的一种自适应的指静脉和外指节纹双模态生物特征识别方法,其特征在于,在步骤S5中相似度匹配指静脉使用改进的SIFT算法,指节纹图像使用PHASH算法得到对应的相似度。
6.根据权利要求1所述的一种自适应的指静脉和外指节纹双模态生物特征识别方法,其特征在于,在步骤S6中通过融合函数得到最终的融合匹配度F,其公式如下:其中,S1为SIFT算法得出的指静脉相似度,S2为PHASH算法得出得的指节纹相似度;因为指静脉中的信息量相对于外指节纹更加丰富,在指静脉图片综合质量与外指节纹综合质量分数之差小于10时,赋予指静脉一个偏重系数β1,β1可以根据用户指静脉偏重和外指节纹偏重识别成功次数动态调整β1,用户使用次数越多,基于此用户群体的偏重系数越准确,的可以有效提高识别率;取β1=1.07,β1公式如下:其中,AV表示指静脉偏重识别成功次数,KV表示识别指静脉偏重识别总次数;AF表示外指节纹偏重识别成功次数,KF表示外指节纹偏重识别总次数;得到融合匹配度F后进行阈值判断,通过则匹配成功,若不通过则匹配失败。