基于Gabor-帶限相位相關(guān)的指關(guān)節(jié)紋識別方法
【專利摘要】本發(fā)明提供了一種基于Gabor-帶限相位相關(guān)的指關(guān)節(jié)紋識別方法，包括Gabor濾波、CLAHE增強(qiáng)對比度、第一次BLPOC運(yùn)算、圖像位移校準(zhǔn)微調(diào)、第二次BLPOC運(yùn)算和圖像匹配。它的優(yōu)勢體現(xiàn)在計(jì)算速度快，滿足實(shí)際應(yīng)用中實(shí)時(shí)性和快速匹配的要求。其次其對于關(guān)節(jié)紋的位移噪聲有著良好的魯棒性，加之關(guān)節(jié)紋特征提取的自身特點(diǎn)，對于平移噪聲，使用了BLPOC算法，對旋轉(zhuǎn)角進(jìn)行校正。同時(shí)，在前人研究的基礎(chǔ)上，提出了基于Gabor濾波和CLAHE增強(qiáng)相結(jié)合的方法運(yùn)用在相位識別中，對圖像的光照、陰影、噪聲的不良特征進(jìn)行了抑制，結(jié)合BLPOC算法，實(shí)現(xiàn)了良好的特征提取效果和更高的識別率。
【專利說明】基于Gabor-帶限相位相關(guān)的指關(guān)節(jié)紋識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于Gabor-帶限相位相關(guān)的指關(guān)節(jié)紋識別方法，屬于機(jī)器學(xué)習(xí)和模式識別的【技術(shù)領(lǐng)域】。
技術(shù)背景
[0002]隨著科學(xué)技術(shù)的不斷發(fā)展，生物特征識別已經(jīng)受到越來越多的關(guān)注，基于計(jì)算機(jī)視覺的生物特征識別發(fā)展迅猛，出現(xiàn)了大量的新技術(shù)與新設(shè)備。由于現(xiàn)階段人口流動量大、人口密度增加等原因，基于個(gè)體本身的識別系統(tǒng)受到人們的關(guān)注，人們需要尋求更為安全可靠、使用便捷性高的方法。由于其個(gè)體差異明顯，易于采集、安全性高、可靠性強(qiáng)等特點(diǎn)，基于生物特征識別的安防、監(jiān)控、管理系統(tǒng)已與生活的各個(gè)環(huán)節(jié)深度整合，實(shí)現(xiàn)自動化管理。因其廣泛的應(yīng)用前景、巨大的社會效益，已引起各國的廣泛關(guān)注和高度重視。本文主要研究一種新興的生物識別特征一手指關(guān)節(jié)紋。已經(jīng)有許多學(xué)者在理論上面驗(yàn)證了指關(guān)節(jié)紋這種生物特征的可實(shí)現(xiàn)性^實(shí)際上，在手背上存在比手掌更明顯的生物特征，并且這些特征比手掌特征要小的多。這些促使了很多學(xué)者對于手背上的關(guān)節(jié)紋特征上做了很多工作，并取得了原創(chuàng)性的成果。因此，指關(guān)節(jié)紋作為一種新興的生物識別特征，有著非常豐富的生物信息，這對于生物特征家族來說是一種有力的補(bǔ)充。本發(fā)明基于香港理工大學(xué)張磊等人創(chuàng)建的PolyU FKP數(shù)據(jù)庫來進(jìn)行算法研究2，提出了一種基于Gabor-帶限相位相關(guān)算法的指關(guān)節(jié)紋識別方法。相比傳統(tǒng)的算法，本發(fā)明所提出算法取得了更高的識別率，為關(guān)節(jié)紋識別應(yīng)用奠定了理論基礎(chǔ)。 [0003]指關(guān)節(jié)紋具有豐富的生物特征信息，是一種新興的生物特征表達(dá)方法。目前，對關(guān)節(jié)紋識別的研究還處于起始階段，各方面技術(shù)還不成熟。1D-Woodar^P.Flynn,Finger surface as a b1metric identifier, Computer Vis1n and ImageUnderstandinglOO (2005) 357 - 3842L.Zhang, L.Zhang, D.Zhang, Finger-knuckle-print: anew b1metric identifier, in:Proc.1ntJ I Conf.1mage Processing, 2009, pp.1981 - 1984.
【發(fā)明內(nèi)容】

[0004]針對現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于Gabor-帶限相位相關(guān)的指關(guān)節(jié)紋識別方法。該方法相對已有的關(guān)節(jié)紋識別算法，識別率有了進(jìn)一步的提升，是一種高效的指關(guān)節(jié)紋識別方法。所述指關(guān)節(jié)紋包括包裹在手指遠(yuǎn)心端第二關(guān)節(jié)外的皮膚紋理。
[0005]本發(fā)明是通過如下技術(shù)方案來實(shí)現(xiàn)的:
[0006]一種基于Gabor-帶限相位相關(guān)的指關(guān)節(jié)紋識別方法，包括如下步驟:
[0007]I)利用Gabor濾波器對訓(xùn)練樣本和匹配樣本的兩幅圖片進(jìn)行圖像特征提取，形成Gabor濾波輸出圖像；
[0008]2)利用限制對比度自適應(yīng)直方圖方法CLAHE對所述Gabor濾波輸出圖像進(jìn)行對比度增強(qiáng)，提高紋理的識別度；
[0009]3)進(jìn)行平移量調(diào)整圖片位置與尺寸:對使用限制對比度自適應(yīng)直方圖方法CLAHE濾波的圖像進(jìn)行帶限相位相關(guān)算法運(yùn)算，獲取兩圖像之間的歸一化互功率譜，利用帶限之后的圖譜最大峰值的坐標(biāo)偏移中心坐標(biāo)的偏移量作為圖片偏移量；
[0010]4)進(jìn)行圖像校準(zhǔn)，包括兩個(gè)部分，調(diào)整訓(xùn)練樣本和匹配樣本的圖像的像素行和列相同:對訓(xùn)練圖像進(jìn)行右下角的補(bǔ)零或裁減，對匹配圖像進(jìn)行向左上角方向的移動或裁減；
[0011]5)使用帶限相位相關(guān)算法對進(jìn)行偏移量校準(zhǔn)后的圖片進(jìn)行運(yùn)算獲取的訓(xùn)練樣本和匹配樣本之間的歸一化互功率譜；所述偏移量校準(zhǔn)是指步驟(4)中調(diào)整圖像的像素行和列相同；
[0012]6)根據(jù)帶限相位相關(guān)算法運(yùn)算之后的歸一化互功率圖譜最大峰值確定圖像匹配的閾值，對訓(xùn)練樣本和匹配樣本進(jìn)行特征匹配:若訓(xùn)練樣本和匹配樣本的指關(guān)節(jié)紋歸一化互功率圖譜最大峰值大于或等于閾值，則判定訓(xùn)練樣本和匹配樣本為特征匹配；若訓(xùn)練樣本和匹配樣本的指關(guān)節(jié)紋歸一化互功率圖譜最大峰值小于閾值，則判定訓(xùn)練樣本和匹配樣本為特征不匹配。
[0013]根據(jù)本發(fā)明優(yōu)選的，所述的閾值設(shè)定為1.08，若訓(xùn)練樣本和匹配樣本的指關(guān)節(jié)紋歸一化互功率圖譜最大峰值大于或等于1.08，則判定訓(xùn)練樣本和匹配樣本為特征匹配；若訓(xùn)練樣本和匹配樣本的指關(guān)節(jié)紋歸一化互功率圖譜最大峰值小于1.08，則判定訓(xùn)練樣本和匹配樣本為特征不匹配。
[0014]根據(jù)本發(fā)明優(yōu)選的，所述Gabor濾波器如式(I)所示:
[0015]
【權(quán)利要求】
1.一種基于Gabor-帶限相位相關(guān)的指關(guān)節(jié)紋識別方法，其特征在于，該方法包括如下步驟: 1)利用Gabor濾波器對訓(xùn)練樣本和匹配樣本的兩幅圖片進(jìn)行圖像特征提取，形成Gabor濾波輸出圖像； 2)利用限制對比度自適應(yīng)直方圖方法CLAHE對所述Gabor濾波輸出圖像進(jìn)行對比度增強(qiáng)，提高紋理的識別度； 3)進(jìn)行平移量調(diào)整圖片位置與尺寸:對使用限制對比度自適應(yīng)直方圖方法CLAHE濾波的圖像進(jìn)行帶限相位相關(guān)算法運(yùn)算，獲取兩圖像之間的歸一化互功率譜，利用帶限之后的圖譜最大峰值的坐標(biāo)偏移中心坐標(biāo)的偏移量作為圖片偏移量； 4)進(jìn)行圖像校準(zhǔn)，包括兩個(gè)部分，調(diào)整訓(xùn)練樣本和匹配樣本的圖像的像素行和列相同:對訓(xùn)練圖像進(jìn)行右下角的補(bǔ)零或裁減，對匹配圖像進(jìn)行向左上角方向的移動或裁減； 5)使用帶限相位相關(guān)算法對進(jìn)行偏移量校準(zhǔn)后的圖片進(jìn)行運(yùn)算獲取的訓(xùn)練樣本和匹配樣本之間的歸一化互功率譜； 6)根據(jù)帶限相位相關(guān)算法運(yùn)算之后的歸一化互功率圖譜最大峰值確定圖像匹配的閾值，對訓(xùn)練樣本和匹配樣本進(jìn)行特征匹配:若訓(xùn)練樣本和匹配樣本的指關(guān)節(jié)紋歸一化互功率圖譜最大峰值大于或等于閾值，則判定訓(xùn)練樣本和匹配樣本為特征匹配；若訓(xùn)練樣本和匹配樣本的指關(guān)節(jié)紋歸一化互功率圖譜最大峰值小于閾值，則判定訓(xùn)練樣本和匹配樣本為特征不匹配。
2.根據(jù)權(quán)利要求1所述的一種基于Gabor-帶限相位相關(guān)的指關(guān)節(jié)紋識別方法，其特征在于，所述的閾值設(shè)定為1.08，若訓(xùn)練樣本和匹配樣本的指關(guān)節(jié)紋歸一化互功率圖譜最大峰值大于或等于1.08，則判定訓(xùn)練樣本和匹配樣本為特征匹配；若訓(xùn)練樣本和匹配樣本的指關(guān)節(jié)紋歸一化互功率圖譜最大峰值小于1.08，則判定訓(xùn)練樣本和匹配樣本為特征不匹配。
3.根據(jù)權(quán)利要求1所述的一種基于Gabor-帶限相位相關(guān)的指關(guān)節(jié)紋識別方法,其特征在于，所述Gabor濾波器如式(I)所示:
4.根據(jù)權(quán)利要求1所述的一種基于Gabor-帶限相位相關(guān)的指關(guān)節(jié)紋識別方法，其特征在于，使用帶限相位相關(guān)算法對圖像進(jìn)行特征增強(qiáng)之后的圖片進(jìn)行平移量的校準(zhǔn)為:利用BLPOC函數(shù)圖像峰值偏離中心點(diǎn)的位置坐標(biāo)作為位置校準(zhǔn)的偏移量: 假設(shè)訓(xùn)練樣本和匹配樣本圖片之間f和g存在線性相關(guān)位移(Xo，Yo) g (X，y) = f (x-x0, y-y0) ⑵ 兩幅圖片之間的傅里葉變換關(guān)系為
5.根據(jù)權(quán)利要求4所述的一種基于Gabor-帶限相位相關(guān)的指關(guān)節(jié)紋識別方法，其特征在于，對偏離坐標(biāo)進(jìn)行4種不同情況進(jìn)行圖像校準(zhǔn): 第一種情況為X(| > O, y0 > O,第二種情況為Xci > O, y0 < O,第三種情況為Xci < O, y0 >0，第四種情況為Xtl < O, y0 < 0，根據(jù)上述4個(gè)情況分別對圖像進(jìn)行裁剪，并找出擬合部位組成新的兩幅特征提取圖像；對于訓(xùn)練圖片，分成四種情況來進(jìn)行，第一種情況為Xtl >0,y0>0，基于最右列增加相應(yīng)值為零的列和最下行增加相應(yīng)值為零的行；第二種情況為Xtl > O, y0<O,基于最右列,對于最下行進(jìn)行裁剪；第三種情況為Xci < O, y0 > O,基于最右列裁剪,最下行補(bǔ)零第四種情況為Xtl < O, Y0 < 0，基于最右列和最下行裁剪，并不改變圖像原始位置； 對于測試圖片，分成四種情況來進(jìn)行，第一種情況為Xtl > O, Y0 > O,向左下方移動(X，Y);第二種情況為Xtl > O, Y0 < O,向左方移動X，由第一行開始裁剪y行；第三種情況為Xtl<O, y0 > O,向下方移動y，由第一列開始裁剪X列，第四種情況為Xtl < O, y0 < O,由第一列和第一行開始裁剪X列，y行。
6.根據(jù)權(quán)利要求1所述的一種基于Gabor-帶限相位相關(guān)的指關(guān)節(jié)紋識別方法，其特征在于，用帶限相位相關(guān)算法對圖像進(jìn)行特征增強(qiáng)之后的圖片，使用BLPOC帶限相位相關(guān)算法匹配圖片，由以下公式定義:
7.根據(jù)權(quán)利要求1所述的一種基于Gabor-帶限相位相關(guān)的指關(guān)節(jié)紋識別方法，其特征在于，利用帶限相位相關(guān)函數(shù)的互功率譜的最大值作為判別閾值，由以下公式定義:
【文檔編號】G06K9/62GK104036260SQ201410305642
【公開日】2014年9月10日 申請日期:2014年6月30日 優(yōu)先權(quán)日:2014年6月30日
【發(fā)明者】賁晛燁, 張鵬, 孫孟磊, 葛國棟, 張昊林, 王鳳君 申請人:山東大學(xué)