專利名稱：基于獨(dú)立匹配分?jǐn)?shù)層融合的高精度掌紋識(shí)別算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種基于生物特征的身份認(rèn)證方法，具體的說(shuō)是一種基于 獨(dú)立匹配分?jǐn)?shù)層融合的高精度掌紋識(shí)別算法。
背景技術(shù)：
在曰常生活中以及金融、司法、安檢、電子商務(wù)等很多場(chǎng)合都需要準(zhǔn)確的 身份識(shí)別。人類的身份識(shí)別的方式主要有三種第一種是基于知識(shí)的方法，如 使用密碼、口令等；第二種是基于物品的方法，如使用鑰匙、ID卡等；第三種 是基于人體的生物特征的方法，如人臉、指紋、掌紋，語(yǔ)音等。前兩種方法存 在著很多的缺陷，基于物品的方法攜帶不方便且容易丟失、損壞、被盜用或偽 造；基于知識(shí)的方法容易被遺忘、破解等。基于人體生物特征的身份識(shí)別方法
克服了上述缺陷，使用生物特征方法是基于人體所固有的特征，不會(huì)丟失或忘 記。
作為一項(xiàng)新興的生物識(shí)別技術(shù)，掌紋識(shí)別與其他生物特征相比主要有以下
優(yōu)點(diǎn)掌紋的面積較大，涵括的信息比一枚指紋豐富得多，因此，從理論上來(lái) 講掌紋具有比指紋更好的可區(qū)分性。同時(shí)，掌紋的主要特征是手掌上的幾條主 線和褶皺線，因此在低分辨率圖像下提取的特征足以提供身份識(shí)別所需的信息， 并且提取的特征不易受噪聲的干擾。與虹膜特征相比，掌紋圖像采集設(shè)備簡(jiǎn)單 易行，成本遠(yuǎn)低于虹膜圖像的采集設(shè)備。和手型特征相比，掌紋特征穩(wěn)定，唯 一性更強(qiáng)，不易偽造，且識(shí)別精度更高。掌紋獲取方式與刑事和訴訟關(guān)聯(lián)較小， 因此用戶接受程度較高。
目前，研究人員已經(jīng)對(duì)基于掌紋的生物特征識(shí)別方法進(jìn)行了較深入的研究，
并取得了一定的成果。Zhang等人在美國(guó)專利[Zhang Dapeng David， Kong Wai-Kin Adams, Method of palmprint identification,專利公開號(hào)US 2004/0057604 Al]禾卩[Zhang Dapeng David， Kong Wai-Kin Adams, Palm print identification using palm line orientation ，專利公開號(hào)US 2005/0281438 Al]以及Zhang [D.Zhang,W.Kong,J.You and M.Wong, "Online palmprint identification", IEEE Trans.Pattem Anal.Machine Intell， vol.25, no.9， pp. 1041-1050， 2003]將Gabor濾波器用于提取掌紋圖像的紋理特征，稱為PalmCode。但這種算法對(duì)只采用了掌紋 圖像的一個(gè)方向的信息，其他的方向信息丟失，其掌紋識(shí)別精度低。 Kong[A.Kong,D.Zhang and M.Kame,"Palmprint identification using feature-level fusion". Pattern Recognition, vol.39， no.3，pp. 478-487,2006.]對(duì)PalmCode方法進(jìn)
行改進(jìn)，采用四個(gè)方向的Gabor濾波器，使用先濾波再采樣方法分別提取四個(gè) 方向的掌紋圖像的紋理特征，然后通過最大值融合準(zhǔn)則，取紋理特征的每個(gè)像 素的四個(gè)方向特征的最大值作為融合紋理特征相應(yīng)像素的值，即融合編碼 (FmionCode)。這種算法特征提取階段的計(jì)算復(fù)雜度明顯增加，并且四個(gè)方向 特征融合為一個(gè)特征，丟失了部分有用的掌紋信息，從而難以充分利用掌紋紋 理的相位和方向信息。同時(shí)，由于Gabor濾波器中直流分量的存在，使其提取 的特征受光照的影響較大，使掌紋認(rèn)證的識(shí)別精度低。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種獨(dú)立匹配分?jǐn)?shù)層融合的高精度掌紋識(shí)別算法， 該種算法的計(jì)算復(fù)雜度低，識(shí)別速度快，識(shí)別精度高。
本發(fā)明的目的是這樣實(shí)現(xiàn)的 一種獨(dú)立匹配分?jǐn)?shù)層融合的高精度掌紋識(shí)別 算法，包括以下步驟
a、 基于移動(dòng)差影法的掌紋圖像預(yù)處理對(duì)采集到的掌紋圖像切取出包含中 指和食指、無(wú)名指和小指之間兩個(gè)角點(diǎn)的掌紋圖像，再對(duì)切取出的掌紋圖像進(jìn) 行中值濾波及二值化處理；將二值化后的掌紋圖像分別向前、向上、向下平移 30個(gè)像素，并分別對(duì)平移后空出的圖像后部、下部、上部分別填充值為0的像 素，得到三個(gè)平移后的圖像；將三個(gè)平移后的圖像分別與二值化后的掌紋圖像 相減，令值小于等于0的像素值為零、其余像素的值為255，得到三個(gè)差影圖像； 對(duì)三個(gè)差影圖像進(jìn)行與操作，得到包含中指和食指、無(wú)名指和小指之間兩個(gè)角 點(diǎn)及兩個(gè)角點(diǎn)附近的空隙的圖像，從中找出兩個(gè)角點(diǎn)的坐標(biāo)，再以兩個(gè)角點(diǎn)的 中點(diǎn)作為原點(diǎn)O，以兩角點(diǎn)的連線作為縱坐標(biāo)t，建立新坐標(biāo)系0(《，？)；在新坐 標(biāo)系0^， 0中對(duì)采集到的掌紋圖像，沿著橫坐標(biāo)《，在離原點(diǎn)0 95像素點(diǎn)的位 置(95， 0)為中心切割出大小為128X128，橫邊與橫坐標(biāo)平行的距形掌紋圖像 I (《，"，《=1、 2、 3…128， f=l、 2、 3…128;
b、 基于間隔濾波的紋理特征快速提取采用直流化Gabor濾波器 5(U，"，a,&)對(duì)a步的128X128的距形掌紋圖像I (《，。進(jìn)行四個(gè)方向的間隔為4的濾波，得到32X32維的四個(gè)方向的掌紋紋理特征/"《V'，&): /5(gV',A)= S 2^0^，"，CT，A)x/(4…+x,4f'+力，
其中《'=1、 2、 3…32， ,' = 1、 2、 3…32， 4《+;c =《，4">> = " x、 y為濾波器 的坐標(biāo)，《為濾波器函數(shù)的頻率，ff是二維Gabor濾波器的標(biāo)準(zhǔn)方差，^為二維 Gabor濾波器的方向，A:-l、 2、 3、 4, w為濾波器的坐標(biāo);c、 y取值的絕對(duì)值的 最大值；
c、基于獨(dú)立漢明匹配分?jǐn)?shù)融合的掌紋認(rèn)證對(duì)于采集到的兩個(gè)掌紋圖像分 別進(jìn)行a c步的操作，得到兩個(gè)掌紋圖像的四個(gè)方向的掌紋紋理特征4^V'，《) 和/l(^V'A);對(duì)兩個(gè)掌紋圖像相同方向的掌紋紋理特征計(jì)算漢明距離d。的)
^ //1 、《=1 i
其中，4(9v'A)和4w，/'A)分別表示兩個(gè)掌紋紋理特征的實(shí)部，4&v'A)和
4(《V'A)分別表示兩個(gè)掌紋紋理特征的虛部；再使用"和平均"的策略在匹配
分?jǐn)?shù)層進(jìn)行融合，從而得到系統(tǒng)最終的融合匹配分?jǐn)?shù)A):
d0 = (A (《)+ A)的)+ A> (《)+ ￡>。(《))/ 4, 如果融合匹配分?jǐn)?shù)A)小于設(shè)定的門限值A(chǔ)判定兩個(gè)掌紋圖像匹配，否則判定兩 個(gè)掌紋圖像不匹配。
與現(xiàn)有技術(shù)相比，本發(fā)明的收益效果是-
1、 在掌紋預(yù)處理階段采用了移動(dòng)差影法用于掌紋的定位分割，這種方法只 對(duì)圖像進(jìn)行三次移位，三次減法，兩次與操作，沒有使用到耗時(shí)長(zhǎng)的乘法和巻 積運(yùn)算，降低了計(jì)算復(fù)雜度，加快了掌紋圖像的預(yù)處理速度。
2、 在特征提取時(shí)，對(duì)采樣點(diǎn)直接進(jìn)行了Gabor濾波，將濾波和下采樣兩個(gè) 步驟合為間隔濾波一個(gè)步驟，大大減少了計(jì)算量，使得特征提取時(shí)間僅僅是先 濾波再采樣方法的1/16，從而使得其識(shí)別速度快；同時(shí)用于間隔濾波的掌紋信 息與先濾波再采樣方法的掌紋信息一樣，因此掌紋識(shí)別精度并不因此降低。
3、 在匹配識(shí)別階段，本發(fā)明對(duì)每個(gè)方向的掌紋紋理信息進(jìn)行了單獨(dú)的漢明 匹配，解決了多個(gè)方向紋理特征因不同濾波器而帶來(lái)的位置偏移問題。在匹配 分?jǐn)?shù)層采用和平均的策略進(jìn)行融合，有效的保留和使用了全部四個(gè)方向的紋理
6特征的相位和方向信息，從而獲得了很高的識(shí)別精度。
總之，本發(fā)明的圖像預(yù)處理和紋理特征提取速度快，分割定位精確，充分 利用了紋理特征的所有信息，識(shí)別精度高。
仿真實(shí)驗(yàn)也說(shuō)明本發(fā)明方法的識(shí)別精度高當(dāng)誤識(shí)率FAR等于10-5%時(shí)， 本算法的正確接受率GAR為99.73%,高于CompetitiveCode算法(Competitive coding scheme for palmprint verification, in: Proceedings of the 17th International Conference on Pattern Recognition, 520—523)的98.50%， RLOC算法(Palmprint verification based on robust line orientation code, Pattern Recognition, vol. 41, 1504—1513)的97.29%禾口 OrdinalCode算法(Ordinal palmprint representation for personal identification, in: Proceedings of IEEE International Conference on Computer Vision and Pattern Recognition, 279—284)的98.15°/o， PPOC算法(Fusion of phase and orientation information for palmprint authentication, 2005 IEEE International Conference on Image Processing, 29-32)的94.85%。由此可見，本算 法具有更高的識(shí)別精度。
上述的二維Gabor濾波器的參數(shù)取值分別為P = 15°, 60°, 105°， 150°， w = 0.0916， c= 5.1679, " = 8。實(shí)驗(yàn)證明，選取這些參數(shù)值掌紋身份認(rèn)證系統(tǒng)能夠獲 得更高的識(shí)別精度。
下面結(jié)合附圖和具體的實(shí)施方式對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。
圖1是本發(fā)明實(shí)施例方法的掌紋圖像預(yù)處理過程。
圖2是本發(fā)明實(shí)施例方法與現(xiàn)有的PPOC、 CompetMveCode、 RLOC、 OrdinalCode算法的ROC性能曲線。圖中的橫坐標(biāo)是錯(cuò)誤接受率(FAR),縱坐 標(biāo)是正確接受率(GAR)。
圖3是本發(fā)明實(shí)施例方法的FAR， FRR性能曲線。
具體實(shí)施例方式
實(shí)施例
本發(fā)明的一種具體實(shí)施方式
為， 一種基于獨(dú)立匹配分?jǐn)?shù)層融合的高精度掌
紋識(shí)別算法，包括以下步驟
a、基于移動(dòng)差影法的掌紋圖像預(yù)處理對(duì)采集到的掌紋圖像切取出包含中 指和食指、無(wú)名指和小指之間兩個(gè)角點(diǎn)的掌紋圖像，再對(duì)切取出的掌紋圖像進(jìn)行中值濾波及二值化處理；將二值化后的掌紋圖像分別向前、向上、向下平移 30個(gè)像素，并分別對(duì)平移后空出的圖像后部、下部、上部分別填充值為O的像 素，得到三個(gè)平移后的圖像；將三個(gè)平移后的圖像分別與二值化后的掌紋圖像 相減，令值小于等于0的像素值為零、其余像素的值為255，得到三個(gè)差影圖像; 對(duì)三個(gè)差影圖像進(jìn)行與操作，得到包含中指和食指、無(wú)名指和小指之間兩個(gè)角 點(diǎn)及兩個(gè)角點(diǎn)附近的空隙的圖像，從中找出兩個(gè)角點(diǎn)的坐標(biāo)，再以兩個(gè)角點(diǎn)的 中點(diǎn)作為原點(diǎn)O,以兩角點(diǎn)的連線作為縱坐標(biāo)t，建立新坐標(biāo)系0&， 0;在新坐 標(biāo)系0^， f)中對(duì)采集到的掌紋圖像，沿著橫坐標(biāo)《，在離原點(diǎn)0 95像素點(diǎn)的位 置(95， 0)為中心切割出大小為128X128，橫邊與橫坐標(biāo)平行的距形掌紋圖像 I (《，0，《=1、 2、 3…128， f=l、 2、 3…128;
b、基于間隔濾波的紋理特征快速提取采用直流化Gabor濾波器 5(w，",cr，《)對(duì)a步的128X128的距形掌紋圖像I (g， 0進(jìn)行四個(gè)方向的間隔 為4的濾波，得到32X32維的四個(gè)方向的掌紋紋理特征^W，,'，《)-
Z 2^"J，"，"A)x7(勿'付,4"力.
其中《'=1、 2、 3…32， f =1、 2、 3…32， '+x =《，4 =。x、少為濾波器 的坐標(biāo)，"為濾波器函數(shù)的頻率，c是二維Gabor濾波器的標(biāo)準(zhǔn)方差，^為二維 Gabor濾波器的方向，fc=l、 2、 3、 4，"為濾波器的坐標(biāo)x、 y取值的絕對(duì)值的 最大值，本實(shí)施例的Gabor濾波器為
G(x,y，w,cr,&) = ~^~Yexp(-X)exp(2孤/(j:cos ^ +>vsin《A))， 直流化Gabor濾波器^(jc，乂w,cr，與Gabor濾波器G(x,的轉(zhuǎn)換關(guān)系為-
<formula>formula see original document page 8</formula>
C、基于獨(dú)立漢明匹配分?jǐn)?shù)融合的掌紋認(rèn)證對(duì)于采集到的兩個(gè)掌紋圖像分
別進(jìn)行a c步的操作，得到兩個(gè)掌紋圖像的四個(gè)方向的掌紋紋理特征4(《V'A)
和/l(《V'A);對(duì)兩個(gè)掌紋圖像相同方向的掌紋紋理特征計(jì)算漢明距離A(&):
<formula>formula see original document page 8</formula>其中，4(《'，rA)和4(WA)分別表示兩個(gè)掌紋紋理特征的實(shí)部，4c《)和
g(《V'A)分別表示兩個(gè)掌紋紋理特征的虛部；再使用"和平均"的策略在匹配
分?jǐn)?shù)層進(jìn)行融合，從而得到系統(tǒng)最終的
A) = (A (《)+ "。(《)+ A諷)+ "。的))/ 4,
如果融合匹配分?jǐn)?shù)A)小于設(shè)定的門限值Dt判定兩個(gè)掌紋圖像匹配，否則判定兩 個(gè)掌紋圖像不匹配。
實(shí)施時(shí)，用戶可以根據(jù)系統(tǒng)安全性的實(shí)際要求和具體情況來(lái)設(shè)定漢明距離 匹配算法的門限值A(chǔ)。
本實(shí)施例方法的計(jì)算機(jī)仿真實(shí)驗(yàn)如下
仿真實(shí)驗(yàn)中使用的是香港理工大學(xué)公開的免費(fèi)掌紋數(shù)據(jù)庫(kù)PolyU Palmprint Database (http:〃www4.comp.polyu.edu.hk/ biometrics/),該數(shù)據(jù)庫(kù)包含來(lái)自386 只手掌，每只手掌取大約20張圖像、共7752張掌紋圖像。這些圖像是分兩個(gè) 階段采集的，兩次采集的平均時(shí)間間隔為2個(gè)月，每次對(duì)每個(gè)手掌采集10張圖 像左右，圖像的大小是384X284像素。
本實(shí)施例的仿真實(shí)驗(yàn)中，將數(shù)據(jù)庫(kù)中的所有樣本迸行兩兩匹配識(shí)別(即每 一個(gè)樣本均與其他的任一樣本進(jìn)行匹配識(shí)別)。來(lái)自同一手掌的兩圖像經(jīng)識(shí)別為 匹配的為真匹配，否則為假匹配。實(shí)驗(yàn)中共進(jìn)行了 30,042,876 (7752X7751/2) 次匹配，其中74,086次為真匹配，其余的為假匹配。為了比較本方法與現(xiàn)有的 PPOC算法、CompetitiveCode算法、RLOC算法和OrdinalCode算法的性能差 異，同時(shí)進(jìn)行了這些算法對(duì)該掌紋數(shù)據(jù)庫(kù)的所有樣本的兩兩匹配識(shí)別。仿真結(jié)
果如下
身份識(shí)別方法的性能通常由錯(cuò)誤接受率(False Accept Rate, FAR)和正確接受 率(Genuine Accept Rate，GAR)來(lái)衡量。錯(cuò)誤接受率(FAR)是指系統(tǒng)將假冒者當(dāng)成 合法用戶而接受的概率，錯(cuò)誤接受率(FAR)越低越好；正確接收率(GAR)是指系 統(tǒng)將合法用戶接受的概率，正確接收率(GAR)越高越好。FAR和GAR這兩個(gè)性 能指標(biāo)反映了一個(gè)生物識(shí)別系統(tǒng)兩個(gè)不同方面。FAR越低，假冒者被接受的可 能性越低，從而系統(tǒng)的安全性越高。GAR越高，合法用戶被拒絕的可能性越低， 從而系統(tǒng)的易用性越好。所以，用戶應(yīng)該根據(jù)不同的應(yīng)用來(lái)折中調(diào)節(jié)FAR和 GAR:對(duì)于安全性要求較高的系統(tǒng)，比如某些軍事系統(tǒng)，安全最重要，因此應(yīng) 該降低FAR，但同時(shí)降低GAR;在對(duì)安全性要求不是很高的系統(tǒng)，比如很多民用性系統(tǒng)，易用性很重要，這時(shí)應(yīng)該相應(yīng)提高GAR使其易用性提高，同時(shí)FAR 也會(huì)提高，安全性降低。為了更好的體現(xiàn)FAR和GAR之間的關(guān)系，并且方便 不同算法之間的相互比較，通常不同閾值下的FAR和GAR組成二維坐標(biāo)系中 的一系列點(diǎn)(FAR，GAR)，并將這些點(diǎn)在坐標(biāo)系中畫成的曲線稱為ROC曲線。
圖2為在本實(shí)施例方法仿真結(jié)果的ROC曲線與目前常用的PPOC算法， CompetitiveCode算法，RLOC算法和OrdinalCode算法的ROC曲線。從圖2中 可以看出本發(fā)明的算法遠(yuǎn)好于其他方法，當(dāng)誤識(shí)率FAR相同時(shí)，本發(fā)明方法的 正確接受率GAR均高于現(xiàn)有幾種常用的算法。如當(dāng)誤識(shí)率FAR等于10-5%時(shí)， 本發(fā)明方法的正確接受率最高，為99.73%;常用的CompetitiveCode算法為 98.50°/。， PPOC算法為94.85%, RLOC算法為97.29%及OrdinalCode算法為 98.15%。由此可見，本算法具有更高的識(shí)別精度。
圖3為本發(fā)明的方法仿真結(jié)果的FAR和FRR的性能曲線圖。從圖3可以看 出本發(fā)明方法的漢明距離閾值A(chǔ))在0.38-0.41之間時(shí)，能同時(shí)得到極低的錯(cuò)誤接 收率(10—5%以下)和錯(cuò)誤拒絕率(0.27%以下)。
權(quán)利要求
1、一種基于獨(dú)立匹配分?jǐn)?shù)層融合的高精度掌紋識(shí)別算法，包括以下步驟a、基于移動(dòng)差影法的掌紋圖像預(yù)處理對(duì)采集到的掌紋圖像切取出包含中指和食指、無(wú)名指和小指之間兩個(gè)角點(diǎn)的掌紋圖像，再對(duì)切取出的掌紋圖像進(jìn)行中值濾波及二值化處理；將二值化后的掌紋圖像分別向前、向上、向下平移30個(gè)像素，并分別對(duì)平移后空出的圖像后部、下部、上部分別填充值為0的像素，得到三個(gè)平移后的圖像；將三個(gè)平移后的圖像分別與二值化后的掌紋圖像相減，令值小于等于0的像素值為零、其余像素的值為255，得到三個(gè)差影圖像；對(duì)三個(gè)差影圖像進(jìn)行與操作，得到包含中指和食指、無(wú)名指和小指之間兩個(gè)角點(diǎn)及兩個(gè)角點(diǎn)附近的空隙的圖像，從中找出兩個(gè)角點(diǎn)的坐標(biāo)，再以兩個(gè)角點(diǎn)的中點(diǎn)作為原點(diǎn)O，以兩角點(diǎn)的連線作為縱坐標(biāo)t，建立新坐標(biāo)系O(q，t)；在新坐標(biāo)系O(q，t)中對(duì)采集到的掌紋圖像，沿著橫坐標(biāo)q，在離原點(diǎn)O95像素點(diǎn)的位置(95，0)為中心切割出大小為128×128，橫邊與橫坐標(biāo)平行的距形掌紋圖像I(q，t)，q＝1、2、3...128，t＝1、2、3...128；b、基于間隔濾波的紋理特征快速提取采用直流化Gabor濾波器G(x，y，u，σ，θk)對(duì)a步的128×128的距形掌紋圖像I(q，t)進(jìn)行四個(gè)方向的間隔為4的濾波，得到32×32維的四個(gè)方向的掌紋紋理特征IG(q′，t′，θk)<maths id="math0001" num="0001" ><math><![CDATA[ <mrow><msub> <mi>I</mi> <mover><mi>G</mi><mo>‾</mo> </mover></msub><mrow> <mo>(</mo> <msup><mi>q</mi><mo>′</mo> </msup> <mo>,</mo> <msup><mi>t</mi><mo>′</mo> </msup> <mo>,</mo> <msub><mi>θ</mi><mi>k</mi> </msub> <mo>)</mo></mrow><mo>=</mo><munderover> <mi>Σ</mi> <mrow><mi>x</mi><mo>=</mo><mo>-</mo><mi>n</mi> </mrow> <mrow><mi>x</mi><mo>=</mo><mi>n</mi> </mrow></munderover><munderover> <mi>Σ</mi> <mrow><mi>y</mi><mo>=</mo><mo>-</mo><mi>n</mi> </mrow> <mrow><mi>y</mi><mo>=</mo><mi>n</mi> </mrow></munderover><mover> <mi>G</mi> <mo>‾</mo></mover><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>,</mo> <mi>u</mi> <mo>,</mo> <mi>σ</mi> <mo>,</mo> <msub><mi>θ</mi><mi>k</mi> </msub> <mo>)</mo></mrow><mo>×</mo><mi>I</mi><mrow> <mo>(</mo> <msup><mrow> <mn>4</mn> <mi>q</mi></mrow><mo>′</mo> </msup> <mo>+</mo> <mi>x</mi> <mo>,</mo> <msup><mrow> <mn>4</mn> <mi>t</mi></mrow><mo>′</mo> </msup> <mo>+</mo> <mi>y</mi> <mo>)</mo></mrow><mo>.</mo> </mrow>]]></math></maths>其中q′＝1、2、3...32，t′＝1、2、3...32，4q′+x＝q，4t′+y＝t；x、y為濾波器的坐標(biāo)，u為濾波器函數(shù)的頻率，σ是二維Gabor濾波器的標(biāo)準(zhǔn)方差，θk為二維Gabor濾波器的方向，k＝1、2、3、4，n為濾波器的坐標(biāo)x、y取值的絕對(duì)值的最大值；c、基于獨(dú)立漢明匹配分?jǐn)?shù)融合的掌紋認(rèn)證對(duì)于采集到的兩個(gè)掌紋圖像分別進(jìn)行a～c步的操作，得到兩個(gè)掌紋圖像的四個(gè)方向的掌紋紋理特征IG1(q′，t′，θk)和IG2(q′，t′，θk)；對(duì)兩個(gè)掌紋圖像相同方向的掌紋紋理特征計(jì)算漢明距離D0(θk)<maths id="math0002" num="0002" ><math><![CDATA[ <mrow><msub> <mi>D</mi> <mn>0</mn></msub><mrow> <mo>(</mo> <msub><mi>θ</mi><mi>k</mi> </msub> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><munderover> <mi>Σ</mi> <mrow><msup> <mi>q</mi> <mo>′</mo></msup><mo>=</mo><mn>1</mn> </mrow> <mrow><msup> <mi>q</mi> <mo>′</mo></msup><mo>=</mo><mn>32</mn> </mrow></munderover><munderover> <mi>Σ</mi> <mrow><msup> <mi>t</mi> <mo>′</mo></msup><mo>=</mo><mn>1</mn> </mrow> <mrow><msup> <mi>t</mi> <mo>′</mo></msup><mo>=</mo><mn>32</mn> </mrow></munderover><mi>I</mi><mfrac> <mn>1</mn> <mi>GR</mi></mfrac><mrow> <mo>(</mo> <msup><mi>q</mi><mo>′</mo> </msup> <mo>,</mo> <msup><mi>t</mi><mo>′</mo> </msup> <mo>,</mo> <msub><mi>θ</mi><mi>k</mi> </msub> <mo>)</mo></mrow><mo>⊗</mo><mi>I</mi><mfrac> <mn>2</mn> <mi>GR</mi></mfrac><mrow> <mo>(</mo> <msup><mi>q</mi><mo>′</mo> </msup> <mo>,</mo> <msup><mi>t</mi><mo>′</mo> </msup> <mo>,</mo> <msub><mi>θ</mi><mi>k</mi> </msub> <mo>)</mo></mrow><mo>+</mo><mi>I</mi><mfrac> <mn>1</mn> <mi>GI</mi></mfrac><mrow> <mo>(</mo> <msup><mi>q</mi><mo>′</mo> </msup> <mo>,</mo> <msup><mi>t</mi><mo>′</mo> </msup> <mo>,</mo> <msub><mi>θ</mi><mi>k</mi> </msub> <mo>)</mo></mrow><mo>⊗</mo><mi>I</mi><mfrac> <mn>2</mn> <mi>GI</mi></mfrac><mrow> <mo>(</mo> <msup><mi>q</mi><mo>′</mo> </msup> <mo>,</mo> <msup><mi>t</mi><mo>′</mo> </msup> <mo>,</mo> <msub><mi>θ</mi><mi>k</mi> </msub> <mo>)</mo></mrow> </mrow> <mrow><mn>2</mn><mo>×</mo><mn>32</mn><mo>×</mo><mn>32</mn> </mrow></mfrac> </mrow>]]></math></maths>其中，IGR1(q′，t′，θk)和IGR2(q′，t′，θk)分別表示兩個(gè)掌紋紋理特征的實(shí)部，IGI1(q′，t′，θk)和IGI2(q′，t′，θk)分別表示兩個(gè)掌紋紋理特征的虛部；再使用“和平均”的策略在匹配分?jǐn)?shù)層進(jìn)行融合，從而得到系統(tǒng)最終的融合匹配分?jǐn)?shù)D0D0＝(D0(θ1)+D0(θ2)+D0(θ3)+D0(θ4))/4，如果融合匹配分?jǐn)?shù)D0小于設(shè)定的門限值Dt判定兩個(gè)掌紋圖像匹配，否則判定兩個(gè)掌紋圖像不匹配。
2、根據(jù)權(quán)利要求1所述的基于獨(dú)立匹配分?jǐn)?shù)層融合的高精度掌紋識(shí)別算法， 其特征在于所述的直流化二維Gabor濾波器^0c,3;,"，C7A)的參數(shù)取值分別為 w = 0.0916, o" =5.1679," = 8,6>= 15。, 60。, 105o, 1500。
全文摘要
本發(fā)明公開了一種基于獨(dú)立匹配分?jǐn)?shù)層融合的高精度掌紋識(shí)別方法。首先本發(fā)明提出了一種新的基于移動(dòng)差影法的掌紋圖像預(yù)處理方法，用這種新的預(yù)處理方法對(duì)掌紋圖像進(jìn)行定位分割，加快了掌紋圖像預(yù)處理速度；接著采用Gabor濾波器對(duì)掌紋圖像進(jìn)行間隔濾波，將濾波和下采樣兩步驟合為一步驟，直接對(duì)采樣點(diǎn)進(jìn)行濾波，大大降低了特征提取時(shí)間。在匹配識(shí)別階段，每個(gè)方向的掌紋紋理信息進(jìn)行單獨(dú)的漢明匹配，解決了多個(gè)方向紋理特征因不同濾波器而帶來(lái)的位置偏移問題。在匹配分?jǐn)?shù)層采用和平均的策略進(jìn)行融合，最大程度的保留和利用了紋理特征的相位和方向信息。本發(fā)明大大加快了掌紋圖像預(yù)處理和紋理特征提取的速度，并且在很大程度上提高了掌紋身份認(rèn)證的識(shí)別精度。
文檔編號(hào)G06K9/00GK101551857SQ20091005927
公開日2009年10月7日 申請(qǐng)日期2009年5月13日 優(yōu)先權(quán)日2009年5月13日
發(fā)明者張家樹, 黃文輝 申請(qǐng)人:西南交通大學(xué)