一種穩(wěn)定特征圖像下交叉梯度編碼的掌紋識別方法
【專利摘要】本發(fā)明屬于身份識別【技術(shù)領(lǐng)域】，涉及一種穩(wěn)定特征圖像下交叉梯度編碼的掌紋識別方法，先分別檢測出掌紋圖像中食指與中指、無名指與小指之間的角點(diǎn)，通過這兩個(gè)角點(diǎn)形成的切線進(jìn)行旋轉(zhuǎn)矯正，分割出原始掌紋圖像的感興趣區(qū)域圖像；再對感興趣區(qū)域圖像進(jìn)行灰度歸一化得到歸一化后的掌紋圖像后建立能量泛函模型并求解得到穩(wěn)定特征圖像，然后對穩(wěn)定特征圖像進(jìn)行交叉梯度編碼得到交叉梯度編碼特征進(jìn)行掌紋匹配識別；掌紋匹配結(jié)束后自動(dòng)輸出匹配結(jié)果；其識別方法簡便，識別精度高，算法復(fù)雜度低，識別時(shí)間短，抗干擾性強(qiáng)。
【專利說明】一種穩(wěn)定特征圖像下交叉梯度編碼的掌紋識別方法
【技術(shù)領(lǐng)域】:
[0001]本發(fā)明屬于身份識別【技術(shù)領(lǐng)域】，涉及一種基于人體生物特征的身份識別方法，特別是一種穩(wěn)定特征圖像下交叉梯度編碼的掌紋識別方法。
【背景技術(shù)】:
[0002]在當(dāng)今高度信息化的社會中，身份識別是加強(qiáng)信息和系統(tǒng)等安全性的基本方法之一，傳統(tǒng)的身份識別技術(shù)，如使用鑰匙、密碼鎖、ID卡等，具有不方便、不安全、不可靠等諸多缺點(diǎn)，而生物識別技術(shù)是克服這些缺點(diǎn)的有效途徑。從I960年人們開始研究設(shè)計(jì)生物特征識別技術(shù)，2003年6月聯(lián)合國國際民用航空組織已公布了其生物技術(shù)的應(yīng)用規(guī)劃，將在個(gè)人護(hù)照中加入生物特征，如指紋、虹膜、人臉識別等，其中指紋識別因其采集頭可以更加小型化、掃描速度快等優(yōu)點(diǎn)使得其應(yīng)用范圍最廣，但人工操作比較耗時(shí)，而且指紋也可以通過手術(shù)或者一些有創(chuàng)手段得以改變或者破壞；每一次使用指紋時(shí)都會在指紋采集頭上留下用戶的指紋印痕，而這些指紋痕跡存在被用來復(fù)制指紋的可能性，因此不是最穩(wěn)定和可靠的身份識別手段；虹膜是一種在眼睛中瞳孔內(nèi)的織物狀各色環(huán)狀物，每一個(gè)虹膜都是獨(dú)一無二的，使得其識別精度最高，但需要昂貴的攝像頭聚焦，一個(gè)這樣的攝像頭的最低價(jià)為7000美元，而且眼睛極難讀取，不能廣泛應(yīng)用；人臉識別獨(dú)具的活性判別能力，導(dǎo)致他人無法以非活性的照片、木偶、蠟像乃至人頭欺騙識別系統(tǒng)，無法偽冒，而且速度很快，不易被察覺，但人臉識別率受多因素影響，比如，人臉比對時(shí)，與系統(tǒng)中存儲的人臉有出入，例如剃了胡子、換了發(fā)型、多了眼鏡、變了表情都有可能引起比對失敗，如果發(fā)生微小變化，系統(tǒng)可能會認(rèn)證失敗。
[0003]掌紋識別作為一項(xiàng)新興的生物特征識別技術(shù)，較之其他生物識別技術(shù)擁有以下優(yōu)點(diǎn)，一是掌紋的形態(tài)由遺傳基因控制，即使由于某種原因表皮剝落，新生的掌紋紋線仍保持著原來的結(jié)構(gòu)，具有一定的穩(wěn)定性；二是手掌上包含幾條大的主線和很多褶皺線，這種線特征是掌紋獨(dú)有的，且比指紋擁有更多的紋線信息、比人臉擁有較明顯地特征，使得掌紋更具區(qū)分性；三是掌紋的紋線特征可在低分辨率下較好地提取出來，因此，掌紋的采集可使用價(jià)格低廉的普通手機(jī)、數(shù)碼照相機(jī)等，比虹膜更具普遍性；綜上所述，掌紋具有穩(wěn)定性強(qiáng)、特征明顯、不易偽造、造價(jià)低等優(yōu)點(diǎn)，擁有廣泛的應(yīng)用空間?；谡萍y的這些優(yōu)點(diǎn)，掌紋識別方法受到國內(nèi)外學(xué)者的廣泛關(guān)注，通過較為深入的研究，取得了一些顯著性的研究成果，根據(jù)掌紋特征的表示方法，大致將掌紋識別方法包括基于主線提取的方法、基于子空間的方法和基于編碼的方法，其中，基于主線提取的方法的核心思想是將能反映出掌紋主要信息的主線作為特征進(jìn)行識別，Duta等[N.Duta，A.Jain, and K.Mardiaj “Matching of Palmprint”，Pattern Recognition Letters, vol.23，n0.4，pp477-485，2001]從掌紋的紋線中提取點(diǎn)特征進(jìn)行識別。Zhang等[L.Zhang，D.Zhang, “Characterization of palmprints by wavelet signatures via directionalcontext modeling”，IEEE Transaction on Systems, Man and Cybernetics,PartB，vol.34, n0.3，ppl335_1347，2004]釆用小波對掌紋圖像進(jìn)行分解，然后使用方向建模的方法得到掌紋的主線特征；Wu等[X.Q.ffu,D.Zhang, and K.Q.Wang,^Palm line extractionand matching for personal authentication，，，IEEE Transaction on Systems, Man andCybernetics, Part A, vol.36, n0.5, pp978_987, 2006]將掌紋紋線看作屋脊線，根據(jù)圖像一階導(dǎo)數(shù)與二階導(dǎo)數(shù)來確定紋線位置；林森等[林森，苑瑋琦，吳微，方婷，“基于離散余弦變換和主線分塊能量的模糊掌紋識別”，光電子?激光，23卷，11期，2201-2206頁，2012年]采用局部灰度值極小值法來提取主線；基于子空間的方法主要是通過將掌紋圖像映射到低維空間上，提取能夠最能夠反映出圖像特征的部分，消除對識別產(chǎn)生影響的圖像特征，同時(shí)可達(dá)到圖像降維的效果，Lu [G.M.Lu, D.Zhang, and K.Q.Wang, ^palmprint recognition usingeigenpalms features，，，Pattern Recognition Letter, vol.24, n0.9, ppl463-1467, 2003]提出了基于主成份分析(PCA)的掌紋識別方法，提取掌紋圖像的特征掌進(jìn)行識別；Wu[X.Q.ffu, D.Zhang, and K.Q Wang, “Fisherpalms based palmprint recognition，，，PatternRecognition Letter, vol.24, n0.15，pp2829_2838, 2003]使用線性判別法(LDA)提取掌紋的主要特征圖像；桑海峰等[桑海峰，苑瑋琦，張志佳，黃靜，“基于二維主成份分析的掌紋識別研究”，儀器儀表學(xué)報(bào)，29卷，9期，1929-1933頁，2008]提出了基于二維主成份分析的掌紋識別方法(2DPCA);基于編碼的方法的核心思想是使用濾波器對掌紋圖像進(jìn)行濾波，得到具有方向和尺度特征的掌紋圖像，然后通過一些準(zhǔn)則對得到的掌紋圖像進(jìn)行編碼，Zhang[D.Zhang, ff.Kong, J.You, and M.Wong, “Online palmprint identification，，，IEEETrans.Pattern Anal.Machine Intell, vol.25, n0.9, ppl041-1050, 2003]利用 Gabor 濾波器提取45°方向的掌紋特征，對濾波結(jié)果進(jìn)行編碼，正則為1，負(fù)則為0，這種編碼稱為PalmCode,這種算法僅使用一個(gè)方向的特征信息,易丟失信息，影響識別結(jié)果；Kong[A.Kong, D.Zhang, and M.Kame, “Palmprint identification using feature-levelfusion” , Pattern Recognition, vol.39, n0.3, pp478_487, 2006]對 PalmCode 算法進(jìn)行改進(jìn)，采用4個(gè)方向的Gabor濾波器對掌紋圖像進(jìn)行濾波，然后對4個(gè)方向的圖像進(jìn)行PalmCode，通過融合準(zhǔn)則對得到的特征進(jìn)行融合，這種編碼稱為FusionCode，這種方法的算法復(fù)雜度較高，且融合不同方向的特征使得特征冗余，影響識別精度；Kong[A.Kong, D.Zhang, “Competitive coding scheme for palmprint verification, Proc.0f thel7thICPR, vol.1, pp520-523, 2004]使用6個(gè)方向的Gabor濾波器對掌紋進(jìn)行濾波，選取幅值最大的方向作為識別特征，稱為Competitive code,該方法需要使用Gabor濾波器提取6個(gè)方向的掌紋圖像，雖然識別精度有所提高，但相比較FusionCode復(fù)雜度也相應(yīng)的提高；部向前等[基于差分運(yùn)算的高精度掌紋識別方法，申請?zhí)?2006100110548，發(fā)明人:鄔向前，張大鵬，王寬全]的專利中提出了一種使用差分進(jìn)行編碼(PDC)的掌紋識別方法；張家樹等[基于二維正交Log-Gabor濾波的高精度掌紋識別方法，申請?zhí)?200810044611.0，發(fā)明人:張家樹，溫長芝]的專利中使用基于二維正交Log-Gabor濾波的高精度掌紋識別方法。Yue [F.Yue, ff.M.Zuo, D.Zhang, and K.Q.Wang, “Orientation selection using modifiedFCM for Competitive code-based palmprint recognition，，，Pattern Recognition, vol
`?42，n0.11，pp2841-2849, 2009]改進(jìn) Competitive Code,使用 FCM 方法選取濾波數(shù)量和方向，進(jìn)一步提高了識別精度。在上述掌紋識別方法中，基于主線提取的方法受外界因素干擾較大，且掌紋的前景背景不易區(qū)分，準(zhǔn)確提取主線較為困難；基于子空間的方法早期應(yīng)用于人臉識別，對人臉識別有較好的識別結(jié)果，但對于掌紋圖像而言缺乏對紋理等信息的描述；基于編碼的掌紋識別方法使用編碼方式對掌紋的特征進(jìn)行編碼，能夠得到較為理想的識別結(jié)果，較為經(jīng)典且效果較好的方法就是上述所列舉的幾類方法，以PalmCode和FusionCode性價(jià)比最好，既能獲得較高的識別精度，同時(shí)算法復(fù)雜度相比后續(xù)算法也不高，但上述方法存在一些缺陷:一審在進(jìn)行特征提取前需使用濾波對圖像進(jìn)行平滑，其目的是為了減少噪聲的干擾以及去掉一些對識別有影響的偽特征，但簡單地使用濾波對圖像進(jìn)行平滑不能得到較穩(wěn)定的掌紋圖像且不易控制濾波進(jìn)行的程度；二是大多數(shù)都是使用Gabor變換提取方向特征，不僅對掌紋圖像進(jìn)行濾波較為耗時(shí)，而且Gabor濾波大多為直流分量，對掌紋紋線的描述并不是最佳選擇；三是掌紋在采集時(shí)易受到旋轉(zhuǎn)、平移等影響，使得上述方法使用漢明距離進(jìn)行匹配時(shí)容錯(cuò)性較差。

【發(fā)明內(nèi)容】
:[0004]本發(fā)明的目的在于克服現(xiàn)有技術(shù)存在的缺點(diǎn)，尋求設(shè)計(jì)提供一種穩(wěn)定特征圖像下交叉梯度編碼的掌紋識別方法，不僅在能夠在較為穩(wěn)定的特征圖像下進(jìn)行編碼，而且應(yīng)用簡單的編碼方法，提高特征提取的速度，同時(shí)得到較高的識別精度。
[0005]為了實(shí)現(xiàn)上述目的，本發(fā)明包括掌紋圖像預(yù)處理、圖像灰度歸一化、穩(wěn)定特征圖像計(jì)算、交叉梯度編碼、掌紋匹配識別和輸出結(jié)果五個(gè)步驟，其具體識別過程為:
[0006](I)、掌紋圖像預(yù)處理:通過現(xiàn)有公知技術(shù)中的角點(diǎn)檢測算法分別檢測出掌紋圖像中食指與中指、無名指與小指之間的角點(diǎn)，通過這兩個(gè)角點(diǎn)形成的切線進(jìn)行旋轉(zhuǎn)矯正，分割出掌紋圖像中心128X128像素的區(qū)域，即為原始掌紋圖像的感興趣區(qū)域(Region ofInterest, ROI)圖像；
[0007](2)、圖像灰度歸一化:采用公知的最小-最大歸一化法對感興趣區(qū)域圖像進(jìn)行灰度歸一化，將圖像灰度約束到0-255之間，得到歸一化后的掌紋圖像；最小-最大歸一化的定義如下:
[0008]
【權(quán)利要求】
1.一種穩(wěn)定特征圖像下交叉梯度編碼的掌紋識別方法，其特征在于包括掌紋圖像預(yù)處理、圖像灰度歸一化、穩(wěn)定特征圖像計(jì)算、交叉梯度編碼、掌紋匹配識別和輸出結(jié)果五個(gè)步驟，其具體識別過程為: (1)、掌紋圖像預(yù)處理:通過現(xiàn)有公知技術(shù)中的角點(diǎn)檢測算法分別檢測出掌紋圖像中食指和中指、無名指和小指之間的角點(diǎn)，通過這兩個(gè)角點(diǎn)形成的切線進(jìn)行旋轉(zhuǎn)矯正，分割出掌紋圖像中心128X 128像素的區(qū)域，即為原始掌紋圖像的感興趣區(qū)域圖像； (2)、圖像灰度歸一化:采用公知的最小-最大歸一化法對感興趣區(qū)域圖像進(jìn)行灰度歸一化，將圖像灰度約束到0-255之間，得到歸一化后的掌紋圖像；最小-最大歸一化的定義如下:

2.根據(jù)權(quán)利要求1所述的種穩(wěn)定特征圖像下交叉梯度編碼的掌紋識別方法，其特征在于步驟(3)能量泛函模型求解過程中選取懲罰參數(shù)λ=8, Split Bregman迭代中引入的平衡參數(shù)Θ =2,迭代次數(shù)k根據(jù)能量泛函達(dá)到收斂時(shí)來得到，收斂判定參數(shù)ξ =0.01。
3.根據(jù)權(quán)利要求1所述的種穩(wěn)定特征圖像下交叉梯度編碼的掌紋識別方法，其特征在于涉及的步驟(4)對穩(wěn)定特征圖像特征提取中，在進(jìn)行局部對角差分時(shí)，選取8領(lǐng)域進(jìn)行操作，通過定義的交叉梯度編碼規(guī)則，將編碼值賦給8領(lǐng)域的中心像素點(diǎn)，組成含有4種類型值的特征矩陣，再對得到的特征矩陣進(jìn)行分塊，每塊大小為8X8個(gè)像素值大小，共分為16X16=256 塊。
4.根據(jù)權(quán)利要求1所述的種穩(wěn)定特征圖像下交叉梯度編碼的掌紋識別方法，其特征在于對每一塊進(jìn)行交叉梯度編碼統(tǒng)計(jì)，將每塊得到的特征串聯(lián)成一個(gè)向量，再通過步驟(5 )中的歸一化相關(guān)性分類器進(jìn)行分類。
【文檔編號】G06K9/00GK103593660SQ201310611988
【公開日】2014年2月19日 申請日期:2013年11月27日 優(yōu)先權(quán)日:2013年11月27日
【發(fā)明者】魏偉波, 洪丹楓, 潘振寬, 趙希梅, 吳鑫 申請人:青島大學(xué)