·326 智能系统学报 第6卷 手指静脉图像质量分数.具体方法如下 2.1对比度质量分数 10,5>5: 图像的对比度也就是指图像的均方差，即灰度 0 她 100× 差异的大小.表示如下： 4 T (:-xw)2 2.4方向模糊度质量分数 Ca 首先将图像块的方向量化为8个方向，然后在 N 每个方向上按模板计算像素均值，求取8个均值中 式中：C。为图像均方差，xw为图像灰度的平均值，N 两两差值最大的方向作为可能的纹线方向，作为模 为图像中的像素的总个数，：，代表一个像素点的灰 糊块.计算模糊块的总面积S。,然后根据模糊块总 度值 面积占总图像有效区域面积S:的比率来确定其方 图像的对比度质量分数计算公式为 向模糊度质量分数Q4: C×100. Q =C.' s. 式中：C,为标准值，是指能够使手指静脉识别系统 Q4= -×100. S 对该类图像的处理性能达到最佳时的图像的对比度 2.5信息熵 值.在实验过程中，对300幅手指静脉图像进行综合 静脉图像的灰度分布密度可以由信息熵2]来 分析，发现当对比度值在60左右时，整个系统的综 表示： 合性能最好.所以，本文对比度的标准值取C。=60. 255 如果求得的值大于100的话，直接令Q,=100, Qs=∑p(i)lbp(i). 01 2.2位置偏移质量分数 式中：p()表示手指静脉图像第i个灰度级上像素 位置偏移量是指静脉图像前景区域的质心相对 分布的概率. 于整幅图像几何中心的偏移量，包括水平偏移量和 2.6建立手指静脉图像的综合评价质量函数 垂直偏移量2个参数.首先求出前景区域的质心坐 在获得静脉图像的所有质量分数之后，综合考 标，然后根据质心坐标与图像中心的偏移来确定位 虑所有这些参数，将得到的手指静脉图像的对比度、 置偏移质量分数， 有效区域大小、图像位置的偏移以及方向模糊度质 前景区域质心坐标计算方法如下： 量分数、信息熵5个参数按权值累加起来，得到手指 centroild_x=∑x[i]/M, 静脉图像的综合评价函数Q为 icD centroild. Q=∑(Q:×(100-Q:)×(100-Q:)/Qsum2· ((Qsum1-Q:)/200). (11) 式中：x[]表示图像区域D中第i个像素的横坐标， 式中： y[]表示图像区域中第j个像素的纵坐标，D表示 图像区域D的像素点总数 Qsuml=∑Q, 偏移质量分数由水平偏移分数和垂直偏移分数 来综合确定，水平偏移质量分数PH和垂直偏移质 Qsum2=∑(100-Q,)2. (12) 量分数PV计算方法如下： 计算被评价图像的质量评价函数时，Q的值越 PH =(1-I centroid_-width/21 ×100, 大，被评价的静脉图像质量越好. width/2 在采集手指静脉图像时，通常采集一系列图像， pv=（1-Icentroidwdth/2l）x10o. 但是并非每一幅图像都可以用来识别，静脉图像质 width/2 量是影响识别效果的重要因素.每幅手指静脉图像 在得到水平偏移质量分数和垂直偏移质量分数 采集后，首先要进行图像质量评价，然后根据评价结 以后，获得了最终位置偏移质量分数Q2为 果来指导后续的特征提取和模式识别. Q2=PH×PV/100. 首先对待匹配图像进行图像质量评价，再根据 2.3有效区域质量分数 文献[13]方法，使用小波矩融合P℃A变换的方法进 静脉图像有效面积是指图像前景区域的面积， 行手指静脉图像的识别，发现手指静脉图像质量越 根据手指静脉图像前景区域面积S:占总图像面积 高，拒识率就越低；反之，图像质量较差时，识别率降 S的比率来确定面积质量分数Q3: 低。可见，在进行模式识别之前，对手指静脉图像质