基于Garbor变换的掌静脉特征提取方法、装置、设备及介质与流程

基于garbor变换的掌静脉特征提取方法、装置、设备及介质
技术领域
1.本技术涉及图像处理技术领域，尤其涉及一种基于garbor变换的掌静脉特征提取方法、装置、设备及介质。


背景技术：

2.掌静脉识别技术作为新一代高精度的生物特征识别技术,被广泛用于个人身份鉴定领域。有效提取掌静脉特征对于手掌静脉识别至关重要。
3.通过对傅里叶变换的原理进行分析，明确了傅里叶变换在提取图像频谱信息时的作用；对掌静脉图像频谱信息进行研究，确定了掌静脉频谱图与识别特征的关系。通过大量试验发现，传统的图像傅里叶变换频谱算法得到的频谱分布不能够真正反映其频率特性，尤其是掌静脉的局部特性，因为傅里叶变换不能刻画时间或空间域上信号的局部特性；傅里叶变换对突变和非平稳信号的效果不好，没有时频分析，从而导致对掌静脉特征的提取缺乏精准性。现亟需一种能够提高掌静脉特征提取精准性的方法。


技术实现要素：

4.本技术实施例的目的在于提出一种基于garbor变换的掌静脉特征提取方法、装置、设备及介质，以提高掌静脉特征提取的精准性。
5.为了解决上述技术问题，本技术实施例提供一种基于garbor变换的掌静脉特征提取方法，包括：
6.获取待处理掌静脉图像，并对所述待处理掌静脉图像进行预处理，得到目标掌静脉图像；
7.将所述目标掌静脉图像切分成预设数量的长方环图像；
8.采用多个预设方向和预设尺度的garbor滤波器分别对所述长方环图像进行滤波处理，得到多个独立谱能量；
9.采用预设的方式，计算所述长方环图像的谱能量，得到图像总谱能量；
10.统计每个所述独立谱能量占所述图像总谱能量的百分比，得到多个百分比，并将多个所述百分比作为掌静脉纹理特征。
11.为了解决上述技术问题，本技术实施例提供一种基于garbor变换的掌静脉特征提取装置，包括：
12.待处理掌静脉图像获取模块，用于获取待处理掌静脉图像，并对所述待处理掌静脉图像进行预处理，得到目标掌静脉图像；
13.目标掌静脉图像切分模块，用于将所述目标掌静脉图像切分成预设数量的长方环图像；
14.长方环图像生成模块，用于采用多个预设方向和预设尺度的garbor滤波器分别对所述长方环图像进行滤波处理，得到多个独立谱能量；
15.图像总谱能量计算模块，用于采用预设的方式，计算所述长方环图像的谱能量，得
到图像总谱能量；
16.掌静脉纹理特征生成模块，用于统计每个所述独立谱能量占所述图像总谱能量的百分比，得到多个百分比，并将多个所述百分比作为掌静脉纹理特征。
17.为解决上述技术问题，本发明采用的一个技术方案是：提供一种计算机设备，包括，一个或多个处理器；存储器，用于存储一个或多个程序，使得一个或多个处理器实现上述任意一项所述的基于garbor变换的掌静脉特征提取方法。
18.为解决上述技术问题，本发明采用的一个技术方案是：一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的基于garbor变换的掌静脉特征提取方法。
19.本发明实施例提供了一种基于garbor变换的掌静脉特征提取方法、装置、设备及介质。其中，方法包括：获取待处理掌静脉图像，并对待处理掌静脉图像进行预处理，得到目标掌静脉图像；将目标掌静脉图像切分成预设数量的长方环图像；采用多个预设方向和预设尺度的garbor滤波器分别对长方环图像进行滤波处理，得到多个独立谱能量；采用预设的方式，计算长方环图像的谱能量，得到图像总谱能量；统计每个独立谱能量占图像总谱能量的百分比，得到多个百分比，并将多个百分比作为掌静脉纹理特征。本发明实施例通过将掌静脉图像切分成长方环图像，并利用不同方向和不同尺度的garbor滤波器长方环图像进行滤波处理，反映出掌静脉图像的频率分布，并根据滤波处理后的谱能量占比图像总能量，作为掌静脉特征，避免了时间或空间特性上的缺失，从而有利于提高掌静脉特征提取的精准性。
附图说明
20.为了更清楚地说明本技术中的方案，下面将对本技术实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
21.图1是本技术实施例提供的基于garbor变换的掌静脉特征提取方法中子流程的一实现流程图；
22.图2是本技术实施例提供的基于garbor变换的掌静脉特征提取方法中子流程的又一实现流程图；
23.图3是本技术实施例提供的基于garbor变换的掌静脉特征提取方法中子流程的又一实现流程图；
24.图4是本技术实施例提供的基于garbor变换的掌静脉特征提取方法中子流程的又一实现流程图；
25.图5是本技术实施例提供的基于garbor变换的掌静脉特征提取方法中子流程的又一实现流程图；
26.图6是本技术实施例提供的基于garbor变换的掌静脉特征提取方法中子流程的又一实现流程图；
27.图7是本技术实施例提供的基于garbor变换的掌静脉特征提取装置示意图；
28.图8是本技术实施例提供的计算机设备的示意图。
具体实施方式
29.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本技术的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
30.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
31.为了使本技术领域的人员更好地理解本技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。
32.下面结合附图和实施方式对本发明进行详细说明。
33.需要说明的是，本技术实施例所提供的基于garbor变换的掌静脉特征提取方法一般由服务器执行，相应地，基于garbor变换的掌静脉特征提取装置一般配置于服务器中。
34.请参阅图1，图1示出了基于garbor变换的掌静脉特征提取方法的一种具体实施方式。
35.需注意的是，若有实质上相同的结果，本发明的方法并不以图1所示的流程顺序为限，该方法包括如下步骤：
36.s1：获取待处理掌静脉图像，并对待处理掌静脉图像进行预处理，得到目标掌静脉图像。
37.具体的，在需要进行掌静脉图像特征提取时，获取待处理掌静脉图像，并对待处理掌静脉图像进行预处理，从而增强图像效果，减少图像噪音，降低图像层次以及增加图像对比度，从而得到目标掌静脉图像。其中，预处理包括高斯模糊处理和均衡化处理。
38.请参阅图2，图2示出了步骤s1的一种具体实施方式，详叙如下：
39.s11：获取待处理掌静脉图像，并对待处理掌静脉图像进行高斯模糊处理，得到高斯模糊图像。
40.s12：对高斯模糊图像进行均衡化处理，得到均衡化后的图像；
41.s13：通过对均衡化后的图像进行灰度变换处理，得到目标掌静脉图像。
42.具体的，为了减少待处理掌静脉图像图像噪音，降低图像层次，对待处理掌静脉图像进行高斯模糊处理，得到高斯模糊图像。为了增加待处理掌静脉图像对比度，对高斯模糊图像进行均衡化和灰度变换处理，得到目标掌静脉图像。
43.其中，高斯模糊(英语：gaussian blur)是在adobe photoshop、gimp以及paint.net等图像处理软件中广泛使用的处理效果，通常用它来减少图像噪声以及降低细节层次。这种模糊技术生成的图像，其视觉效果就像是经过一个毛玻璃在观察图像，这与镜头焦外成像效果散景以及普通照明阴影中的效果都明显不同。高斯平滑也用于计算机视觉算法中的预先处理阶段，以增强图像在不同比例大小下的图像效果(参见尺度空间表示以及尺度空间实现)。均衡化处理也即直方图均衡化，该直方图均衡化是图像处理领域中利用
图像直方图对对比度进行调整的方法。其中，灰度变换是指根据某种目标条件按一定变换关系逐点改变源图像中每一个像素灰度值的方法。目的是为了改善画质，使图像的显示效果更加清晰。灰度变换的方式可以采用灰度拉伸的方式，灰度拉伸又叫对比度拉伸，它是最基本的一种灰度变换，使用的是最简单的分段线性变换函数，它的主要思想是提高图像处理时灰度级的动态范围。
44.本实施例中，通过获取待处理掌静脉图像，并对待处理掌静脉图像进行高斯模糊处理，得到高斯模糊图像，并对高斯模糊图像进行均衡化处理，得到均衡化后的图像；通过对均衡化后的图像进行灰度变换处理，得到目标掌静脉图像，有利于增强掌静脉图像的图像效果，从而便于后续对掌静脉图像进行特征提取，进而提高掌静脉图像特征提取的精准性。
45.s2：将目标掌静脉图像切分成预设数量的长方环图像。
46.请参阅图3，图3示出了步骤s2的一种具体实施方式，详叙如下：
47.s21：对目标掌静脉图像进行边缘检测处理，得到掌静脉边缘图像。
48.s22：将掌静脉边缘图像切分成预设数量且互不重叠的长方环图像。
49.具体的，由于傅里叶变换不能刻画时间或空间域上信号的局部特性，以及傅里叶变换对突变和非平稳信号的效果不好，没有时频分析，并且由于掌静脉图像一般都是长方形的，为了提高掌静脉图像特征提取的精准性，将目标掌静脉图像切分成长方环图像。
50.具体的，通过对目标掌静脉图像进行边缘检测处理，得到掌静脉边缘图像，该掌静脉边缘图像包括了掌静脉的边缘信息。然后根据掌静脉边缘图像的掌静脉的边缘信息，按照预设数量，将掌静脉边缘图像切分成互不重叠的长方环图像。进一步的，将掌静脉边缘图像切分成互不重叠且等间距同心的长方环图像。其中，边缘检测处理大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。需要说明的是，预设数量根据实际情况进行设定，此处不作限定，在一具体实施例中，预设数量为3个。
51.本实施例中，通过对目标掌静脉图像进行边缘检测处理，得到掌静脉边缘图像，并将掌静脉边缘图像切分成预设数量且互不重叠的长方环图像，有利于后续提高掌静脉图像特征提取的精准性。
52.s3：采用多个预设方向和预设尺度的garbor滤波器分别对长方环图像进行滤波处理，得到多个独立谱能量。
53.请参阅图4，图4示出了步骤s3的一种具体实施方式，详叙如下：
54.s31：选取多个预设方向和预设尺度的garbor滤波器。
55.s32：依次将预设方向和预设尺度的garbor滤波器对预设数量的长方环图像进行滤波处理，直至所有garbor滤波器滤波处理完成，得到多个独立谱能量。
56.具体的，gabor滤波器是一种线性滤波器，适合图像处理中纹理的分析与检测。gabor滤波器对于方向和角度的表达类似于人类视觉系统对于方向和角度的表达，而gabor变换是在傅里叶变换的基础上发展而来的，因此,gabor变换和傅里叶变换一样具有频域频谱特性。而与傅里叶变换不同的是,gabor变换同时具有时域和频域的局部分析特性。除此之外,gabor滤波器对于光照变化不敏感，对光照变化有良好的适应性；对于图像的旋转与变形具有一定的容忍性。由于gabor滤波器具有这一系列优良特性,故被广泛应用于图像分析领域。所以在本技术实施例中，选取多个方向和多个尺度的garbor滤波器对预设数量的
长方环图像进行滤波处理，直至所有garbor滤波器滤波处理完成，得到多个独立谱能量。
57.需要说明的是预设方向和预设尺度根据实际情况进行设定，此处不作限定。在一具体实施例中，选取个5尺度(v＝{0,1,2,3,4})和8个方向(u＝{0,1,2,3,4,5,6,7})共40个滤波器进行掌静脉的纹理特征提取。例如，预设方向和预设尺度可以根据预先编写的配置文件指定，该配置文件可以根据用户要求的精度、速度、及图像分辨率大小进行动态配置。
58.请参阅图5，图5示出了步骤s3之前的一种具体实施方式，详叙如下：
59.s3a：识别长方环图像中每个长方环的长度和宽度。
60.s3b：将长度和宽度作为garbor滤波器的滤波参数。
61.具体的，由于上述步骤将掌静脉图像切分成了多个长方环图像，所以为了对长方环图像进行滤波处理，识别出长方环图像中每个长方环的长度和宽度，并将其作为garbor滤波器的滤波参数。
62.请参阅图6，图6示出了步骤s3之前的一种具体实施方式，详叙如下：
63.s3c：获取样本图像，并将样本图像与预设参数的garbor滤波器进行卷积处理，得到卷积结果。
64.s3d：基于卷积结果选取核函数的参数，并将核函数的参数作为garbor滤波器的参数。
65.具体的，在gabor滤波器中一般采用高斯函数作为加权窗口，为了找到合适的高斯函数的参数，先获取样本图像，其中，该样本图像为经过处理后的掌静脉图像。再将样本图像与预设参数的garbor滤波器进行卷积处理，得到卷积结果，其中，预设参数是预先设置的不同核函数的参数，然后通过判断卷积结果，选取出最合适的核函数的参数，并将该核函数的参数作为garbor滤波器的参数。
66.本实施例中，通过获取样本图像，并将样本图像与预设参数的garbor滤波器进行卷积处理，得到卷积结果，再基于卷积结果选取核函数的参数，并将核函数的参数作为garbor滤波器的参数，实现选取对应函数参数的滤波器，有利于提高对掌静脉图像特征提取的精准度。
67.s4：采用预设的方式，计算长方环图像的谱能量，得到图像总谱能量。
68.进一步的，采用gabor变换的方式，计算长方环图像中所有长方环的谱能量，得到图像总谱能量。
69.具体的，gabor变换是在傅里叶变换的基础上发展而来的,因此,gabor变换和傅里叶变换一样具有频域频谱特性，与傅里叶变换不同的是,gabor变换同时具有时域和频域的局部分析特性。除此之外,gabor滤波器对于光照变化不敏感,对光照变化有良好的适应性；对于图像的旋转与变形具有一定的容忍性。本实施中，gabor变换的方式，计算长方环图像中所有长方环的谱能量，得到图像总谱能量，在后续步骤中，便于计算每个独立谱能量占图像总谱能量的百分比。
70.s5：统计每个独立谱能量占图像总谱能量的百分比，得到多个百分比，并将多个百分比作为掌静脉纹理特征。
71.具体的，由于长方环图像大小不一，为了具有可比性，在固定尺度和方向的情况下，将独立谱能量占整个图像谱能量的百分比作为纹理特征。
72.本实施例中，获取待处理掌静脉图像，并对待处理掌静脉图像进行预处理，得到目
标掌静脉图像；将目标掌静脉图像切分成预设数量的长方环图像；采用多个预设方向和预设尺度的garbor滤波器分别对长方环图像进行滤波处理，得到多个独立谱能量；采用预设的方式，计算长方环图像的谱能量，得到图像总谱能量；统计每个独立谱能量占图像总谱能量的百分比，得到多个百分比，并将多个百分比作为掌静脉纹理特征。本发明实施例通过将掌静脉图像切分成长方环图像，并利用不同方向和不同尺度的garbor滤波器长方环图像进行滤波处理，反映出掌静脉图像的频率分布，并根据滤波处理后的谱能量占比图像总能量，作为掌静脉特征，避免了时间或空间特性上的缺失，从而有利于提高掌静脉特征提取的精准性。
73.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)等非易失性存储介质，或随机存储记忆体(random access memory，ram)等。
74.请参考图7，作为对上述图1所示方法的实现，本技术提供了一种基于garbor变换的掌静脉特征提取装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
75.如图7所示，本实施例的基于garbor变换的掌静脉特征提取装置包括：待处理掌静脉图像获取模块61、目标掌静脉图像切分模块62、长方环图像生成模块63、图像总谱能量计算模块64及掌静脉纹理特征生成模块65，其中：
76.待处理掌静脉图像获取模块61，用于获取待处理掌静脉图像，并对待处理掌静脉图像进行预处理，得到目标掌静脉图像；
77.目标掌静脉图像切分模块62，用于将目标掌静脉图像切分成预设数量的长方环图像；
78.长方环图像生成模块63，用于采用多个预设方向和预设尺度的garbor滤波器分别对长方环图像进行滤波处理，得到多个独立谱能量；
79.图像总谱能量计算模块64，用于采用预设的方式，计算长方环图像的谱能量，得到图像总谱能量；
80.掌静脉纹理特征生成模块65，用于统计每个独立谱能量占图像总谱能量的百分比，得到多个百分比，并将多个百分比作为掌静脉纹理特征。
81.进一步的，待处理掌静脉图像获取模块61包括：
82.高斯模糊图像生成单元，用于获取待处理掌静脉图像，并对待处理掌静脉图像进行高斯模糊处理，得到高斯模糊图像；
83.均衡化处理单元，用于对高斯模糊图像进行均衡化处理，得到均衡化后的图像；
84.灰度变换处理单元，用于通过对均衡化后的图像进行灰度变换处理，得到目标掌静脉图像。
85.进一步的，目标掌静脉图像切分模块62包括：
86.掌静脉边缘图像生成单元，用于对目标掌静脉图像进行边缘检测处理，得到掌静脉边缘图像；
87.长方环图像生成单元，用于将掌静脉边缘图像切分成预设数量且互不重叠的长方
环图像。
88.进一步的，长方环图像生成模块63包括：
89.garbor滤波器选取单元，用于选取多个预设方向和预设尺度的garbor滤波器；
90.独立谱能量计算单元，用于依次将预设方向和预设尺度的garbor滤波器对预设数量的长方环图像进行滤波处理，直至所有garbor滤波器滤波处理完成，得到多个独立谱能量。
91.进一步的，长方环图像生成模块63之前还包括：
92.长方环图像识别模块，用于识别长方环图像中每个长方环的长度和宽度；
93.滤波参数确定模块，用于将长度和宽度作为garbor滤波器的滤波参数。
94.进一步的，长方环图像生成模块63之前还包括：
95.卷积结果生成模块，用于获取样本图像，并将样本图像与预设参数的garbor滤波器进行卷积处理，得到卷积结果；
96.核函数的参数确定模块，用于基于卷积结果选取核函数的参数，并将核函数的参数作为garbor滤波器的参数。
97.进一步的，图像总谱能量计算模块64包括：
98.谱能量计算单元，用于采用gabor变换的方式，计算长方环图像中所有长方环的谱能量，得到图像总谱能量。
99.为解决上述技术问题，本技术实施例还提供计算机设备。具体请参阅图8，图8为本实施例计算机设备基本结构框图。
100.计算机设备7包括通过系统总线相互通信连接存储器71、处理器72、网络接口73。需要指出的是，图中仅示出了具有三种组件存储器71、处理器72、网络接口73的计算机设备7，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(application specific integrated circuit，asic)、可编程门阵列(field －programmable gate array，fpga)、数字处理器(digital signal processor，dsp)、嵌入式设备等。
101.计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
102.存储器71至少包括一种类型的可读存储介质，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器71可以是计算机设备7的内部存储单元，例如该计算机设备7的硬盘或内存。在另一些实施例中，存储器71也可以是计算机设备7的外部存储设备，例如该计算机设备7上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。当然，存储器71还可以既包括计算机设备7的内部存储单元也包括其外部存储设备。本实施例中，存储器71通常用于存储安装于计算机设备7的操作系统和各类应用软件，例如基于garbor变换的掌静脉特征提取方法的程序代码等。此外，存储器71还可以用于暂时地存储已经输出或
者将要输出的各类数据。
103.处理器72在一些实施例中可以是中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器72通常用于控制计算机设备7的总体操作。本实施例中，处理器72用于运行存储器71中存储的程序代码或者处理数据，例如运行上述基于garbor变换的掌静脉特征提取方法的程序代码，以实现基于garbor变换的掌静脉特征提取方法的各种实施例。
104.网络接口73可包括无线网络接口或有线网络接口，该网络接口73通常用于在计算机设备7与其他电子设备之间建立通信连接。
105.本技术还提供了另一种实施方式，即提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序可被至少一个处理器执行，以使至少一个处理器执行如上述的一种基于garbor变换的掌静脉特征提取方法的步骤。
106.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例的方法。
107.本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
108.显然，以上所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例，附图中给出了本技术的较佳实施例，但并不限制本技术的专利范围。本技术可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本技术的公开内容的理解更加透彻全面。尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本技术说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本技术专利保护范围之内。

技术特征：
1.一种基于garbor变换的掌静脉特征提取方法，其特征在于，包括：获取待处理掌静脉图像，并对所述待处理掌静脉图像进行预处理，得到目标掌静脉图像；将所述目标掌静脉图像切分成预设数量的长方环图像；采用多个预设方向和预设尺度的garbor滤波器分别对所述长方环图像进行滤波处理，得到多个独立谱能量；采用预设的方式，计算所述长方环图像的谱能量，得到图像总谱能量；统计每个所述独立谱能量占所述图像总谱能量的百分比，得到多个百分比，并将多个所述百分比作为掌静脉纹理特征。2.根据权利要求1所述的基于garbor变换的掌静脉特征提取方法，其特征在于，所述获取待处理掌静脉图像，并对所述待处理掌静脉图像进行预处理，得到目标掌静脉图像，包括：获取所述待处理掌静脉图像，并对所述待处理掌静脉图像进行高斯模糊处理，得到高斯模糊图像；对所述高斯模糊图像进行均衡化处理，得到均衡化后的图像；通过对所述均衡化后的图像进行灰度变换处理，得到所述目标掌静脉图像。3.根据权利要求1所述的基于garbor变换的掌静脉特征提取方法，其特征在于，所述将所述目标掌静脉图像切分成预设数量的长方环图像，包括：对所述目标掌静脉图像进行边缘检测处理，得到掌静脉边缘图像；将所述掌静脉边缘图像切分成所述预设数量且互不重叠的所述长方环图像。4.根据权利要求1所述的基于garbor变换的掌静脉特征提取方法，其特征在于，所述采用多个预设方向和预设尺度的garbor滤波器分别对所述长方环图像进行滤波处理，得到多个独立谱能量，包括：选取多个所述预设方向和所述预设尺度的garbor滤波器；依次将所述预设方向和所述预设尺度的garbor滤波器对预设数量的所述长方环图像进行滤波处理，直至所有所述garbor滤波器滤波处理完成，得到多个所述独立谱能量。5.根据权利要求1所述的基于garbor变换的掌静脉特征提取方法，其特征在于，所述采用多个预设方向和预设尺度的garbor滤波器分别对所述长方环图像进行滤波处理，得到多个独立谱能量之前，所述方法还包括：识别所述长方环图像中每个长方环的长度和宽度；将所述长度和宽度作为所述garbor滤波器的滤波参数。6.根据权利要求1所述的基于garbor变换的掌静脉特征提取方法，其特征在于，所述采用多个预设方向和预设尺度的garbor滤波器分别对所述长方环图像进行滤波处理，得到多个独立谱能量之前，所述方法还包括：获取样本图像，并将所述样本图像与预设参数的garbor滤波器进行卷积处理，得到卷积结果；基于所述卷积结果选取核函数的参数，并将所述核函数的参数作为所述garbor滤波器的参数。7.根据权利要求1至6任一项所述的基于garbor变换的掌静脉特征提取方法，其特征在
于，所述采用预设的方式，计算所述长方环图像的谱能量，得到图像总谱能量，包括：采用gabor变换的方式，计算所述长方环图像中所有长方环的谱能量，得到所述图像总谱能量。8.一种基于garbor变换的掌静脉特征提取装置，其特征在于，包括：待处理掌静脉图像获取模块，用于获取待处理掌静脉图像，并对所述待处理掌静脉图像进行预处理，得到目标掌静脉图像；目标掌静脉图像切分模块，用于将所述目标掌静脉图像切分成预设数量的长方环图像；长方环图像生成模块，用于采用多个预设方向和预设尺度的garbor滤波器分别对所述长方环图像进行滤波处理，得到多个独立谱能量；图像总谱能量计算模块，用于采用预设的方式，计算所述长方环图像的谱能量，得到图像总谱能量；掌静脉纹理特征生成模块，用于统计每个所述独立谱能量占所述图像总谱能量的百分比，得到多个百分比，并将多个所述百分比作为掌静脉纹理特征。9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于garbor变换的掌静脉特征提取方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于garbor变换的掌静脉特征提取方法。

技术总结
本申请涉及图像处理技术领域，揭露一种基于Garbor变换的掌静脉特征提取方法、装置、设备及介质，其中方法包括获取待处理掌静脉图像，并对待处理掌静脉图像进行预处理，得到目标掌静脉图像；将目标掌静脉图像切分成预设数量的长方环图像；采用多个预设方向和预设尺度的Garbor滤波器分别对长方环图像进行滤波处理，得到多个独立谱能量；采用预设的方式，计算长方环图像的谱能量，得到图像总谱能量；统计每个独立谱能量占图像总谱能量的百分比，得到多个百分比，并将多个百分比作为掌静脉纹理特征。本发明实施例通过将掌静脉图像切分成长方环图像，从而掌静脉特征提取，有利于提高掌静脉特征提取的精准性。脉特征提取的精准性。脉特征提取的精准性。


技术研发人员：谢清禄 余孟春 邹向群
受保护的技术使用者：广州麦仑信息科技有限公司
技术研发日：2022.01.21
技术公布日：2023/7/31