专利名称：掌纹识别方法及装置的制作方法
技术领域：
本发明涉及生物特征识别领域，更具体地说，涉及一种掌纹识别方法及装置。
背景技术：
随着信息技术的飞速发展，信息安全在人们的生活中显得越发的重要。在很多场合，诸如出入境登记、银行关键部门出入控制、电子商务、电子政务、司法安全系统、上下班考勤、计算机登录等等都需要准确的识别人的身份。其中，生物识别技术因其可靠性和便捷性受到了越来越多的重视，在各种身份认证场景中得到广泛的应用。目前主要采用的生物识别特征分为两类一类是生理特征，如指纹、掌纹、虹膜、人脸等；另一类是行为特征，如签名、声音等。与其它生物识别技术相比，掌纹识别技术具有精度高、设备价格低、使用方便等优势，因而受到越来越多的关注。随着掌纹识别技术不断地改进和完善，越来越多的掌纹识别系统都投入了实际的应用。掌纹识别方法基本可以分为四大类别基于结构的方法、基于统计的方法、基于子空间的方法和基于编码的方法。其中，基于编码的方法是通过提取掌纹图像的纹线方向来进行编码的方法，具有识别率高、特征小、特征提取及匹配速度快、实现简单等特点，从而得到了最广泛的应用。目前主流的基于编码的掌纹识别方法是在获取掌纹感兴趣区域(Region Of Interest,以下简称R0I区域)的基础上，利用纹线的方向特征，对ROI区域内的每一个像素进行编码，作为掌纹的特征描述向量。这种方法容易受到采集环境和手掌姿态的变化的影响。在ROI区域内，一些局部区域纹线较弱或者没有明显的纹线，它们的纹理方向很容易在采集时发生改变，而这种方法不加区分的对ROI区域内的所有像素都进行特征编码，在不同的时间内采集的图像会提取出不同的编码结果，使得识别时这些不稳定的特征会导致识别性能下降。为了保证识别性能，这种方法在应用中往往对采集环境、装置有很高的要求，采集时要求手掌固定在采集装置内，用户体验比较差，设备也比较庞大。
发明内容
本发明的发明目的是针对现有技术的缺陷，提出一种掌纹识别方法及装置，用以去除不稳定区域在匹配时对识别结果的影响，提高匹配精度。根据本发明的一个方面，本发明提供了一种掌纹识别方法，包括在掌纹图像的感兴趣区域上依次截取多个局部区域，获取每个局部区域的对比度上下文向量B ；根据每个局部区域的对比度上下文向量B，从多个局部区域中提取出稳定区域；对稳定区域内的像素点进行特征编码；根据特征编码的结果，进行掌纹特征相似度判别。进一步的，在所述在掌纹图像感兴趣区域上依次截取多个局部区域之前还包括 对掌纹图像的感兴趣区域进行光照归一化和增强处理。
进一步的，所述在掌纹图像的感兴趣区域上依次截取多个局部区域具体为以设定的大小和移动步长从左至右、从上至下依次在掌纹图像的感兴趣区域上截取多个局部区域，所述局部区域的边长大于所述设定的移动步长。进一步的，所述获取每个局部区域的对比度上下文向量B包括根据预设的尺度条件和方向条件，将局部区域划分为N个不重叠的子区域；对于第i个子区域，其中i e [1，N]，根据该子区域内每个像素点与局部区域的中心点的对比度值得到该子区域对应的二值化向量值，作为N维对比度上下文向量B的第i 个分量Bi,从而获取每个局部区域的对比度上下文向量B;所述对比度值为像素点的灰度值减去所述中心点的灰度值而得到的值。所述N为大于1的整数，i为自然数。进一步的，所述对于第i个子区域，根据该子区域内每个像素点与局部区域的中心点的对比度值得到该子区域对应的二值化向量值，作为N维对比度上下文向量B的第i 个分量A包括计算第i个子区域内每个像素点与局部区域的中心点的对比度值；计算对比度值大于0的像素点的对比度值的均值，以及对比度值大于0的像素点在子区域内所占的比率；将所述均值与所述比率分别与各自的设定阈值进行比较，得到第i个子区域对应的二值化向量值，作为N维对比度上下文向量B的第i个分量Bi。进一步的，所述根据每个局部区域的对比度上下文向量B，从多个局部区域提取出稳定区域包括根据局部区域的对比度上下文向量B，计算得到该局部区域的特征值^ = ，其
/=1
中N为局部区域包括的子区域数量；将所述局部区域的特征值S与确定的特征值阈值进行比较，根据比较结果判别该局部区域是否为稳定区域。进一步的，所述对稳定区域内的像素点进行特征编码包括将稳定区域的对比度上下文向量B进行压缩后再进行特征编码。根据本发明的另一方面，本发明提供了一种掌纹识别装置，包括获取模块，用于在掌纹图像的感兴趣区域上依次截取多个局部区域，获取每个局部区域的对比度上下文向量B;提取模块，用于根据每个局部区域的对比度上下文向量B，从多个局部区域中提取出稳定区域；编码模块，用于对稳定区域内的像素点进行特征编码；判别模块，用于根据特征编码的结果，进行掌纹特征相似度判别。进一步的，所述装置还包括预处理模块，用于对掌纹图像感兴趣区域进行光照归一化和增强处理。进一步的，所述获取模块包括截取单元，用于以设定的大小和移动步长从左至右、从上至下依次在掌纹图像感兴趣区域上截取多个局部区域，所述局部区域的边长大于所述设定的移动步长。进一步的，所述获取模块包括
划分单元，用于根据预设的尺度条件和方向条件，将局部区域划分为N个不重叠的子区域；向量获取单元，用于针对第i个子区域，其中i e [1，N]，根据该子区域内每个像素点与局部区域的中心点的对比度值得到该子区域对应的二值化向量值，作为N维对比度上下文向量B的第i个分量Bi,从而获取每个局部区域的对比度上下文向量B ；所述对比度值为像素点的灰度值减去所述中心点的灰度值而得到的值。所述N为大于1的整数，i为自然数。进一步的，所述向量获取单元包括第一计算单元，用于计算第i个子区域内每个像素点与局部区域的中心点的对比度值；第二计算单元，用于计算对比度值大于0的像素点的对比度值的均值，以及对比度值大于0的像素点在子区域内所占的比率；第一比较单元，用于将所述均值与所述比率分别与各自的设定阈值进行比较，得到第i个子区域对应的二值化向量值，作为N维对比度上下文向量B的第i个分量Bp进一步的，所述提取模块包括第三计算单元，用于根据局部区域的对比度上下文向量B，计算得到该局部区域的
特征值S = I；及，其中N为局部区域包括的子区域数量； /=1第二比较单元，用于将所述局部区域的特征值S与确定的特征值阈值进行比较， 根据比较结果判别该局部区域是否为稳定区域。进一步的，所述编码模块具体用于将稳定区域的对比度上下文向量B进行压缩后再进行特征编码。本发明在特征匹配前，利用对比度上下文向量提取出掌纹图像ROI区域中的稳定区域，去除了不稳定区域在匹配时对识别结果的影响，与现有技术相比，匹配精度更高，受掌纹图像变化的影响更小。
图1为本发明提供的掌纹识别方法一实施例流程图；图2为本发明对掌纹图像ROI区域进行光照归一化和增强处理前后对比的示意图；图3为本发明掌纹图像ROI区域的示意图；图4为图3中方框所示的一个局部区域的放大示意图；图5为本发明对如图4所获得的局部区域进行划分的示意图；图6a_图6e为本发明在不同的阈值条件下得到的某局部区域各子区域的二值化向量值的示意图；图7为本发明掌纹图像ROI区域中各局部区域的特征值的分布示意图；图8为本发明提供的掌纹识别装置的结构示意图。
具体实施例方式
6
本发明提供了一种掌纹识别方法及装置，其核心思想是先在掌纹图像ROI区域上依次截取多个局部区域，获取每个局部区域的对比度上下文向量；然后根据每个局部区域的对比度上下文向量，从多个局部区域中提取出稳定区域；在进行特征编码时仅对稳定区域内的像素点进行编码；根据对稳定区域提取的特征进行掌纹特征相似度判别。本发明在特征匹配前，利用对比度上下文向量提取出掌纹图像ROI区域中的稳定区域，去除了不稳定区域在匹配时对识别结果的影响，与现有技术相比，匹配精度更高，受掌纹图像变化的影响更小。下面结合附图及优选实施方式对本发明技术方案进行详细说明。图1为本发明提供的掌纹识别方法一实施例流程图。如图1所示，该方法包括以下步骤步骤101、对掌纹图像的ROI区域进行光照归一化和增强处理。掌纹图像ROI区域的光照归一化和增强处理是掌纹识别预处理工作中的一步。该步骤为本实施例的可选步骤。其中光照归一化处理方法可以采用伽马变换方法或直方图均衡化方法等，增强处理方法可以采用灰度拉伸方法等。本实施例以伽马变换与高斯差分 (Difference of Gaussian，以下简称D0G)滤波相结合的方法为例进行介绍。伽马变换是一种传统的光照归一化处理方法，可以有效的消除图像中的局部阴影区域。设掌纹图像ROI区域上像素点(X，y)的灰度值为ItlU, y)，经过伽马变换之后得到的归一化处理后的像素点(x, y)的灰度值为IG(x, y)，则有IG{x,y) = Il{x,y)(1)这里、值可取为0. 3作为默认参数。DOG滤波器在图像处理中被广泛用于图像边缘细节的增强处理，它的核函数由两个不同尺度的高斯函数的差分组成，如式( 所示。
权利要求
1.一种掌纹识别方法，其特征在于，包括在掌纹图像的感兴趣区域上依次截取多个局部区域，获取每个局部区域的对比度上下文向量；根据每个局部区域的对比度上下文向量，从多个局部区域中提取出稳定区域；对稳定区域内的像素点进行特征编码；根据特征编码的结果，进行掌纹特征相似度判别。
2.根据权利要求1所述的方法，其特征在于，在所述在掌纹图像的感兴趣区域上依次截取多个局部区域之前还包括对掌纹图像的感兴趣区域进行光照归一化和增强处理。
3.根据权利要求1或2所述的方法，其特征在于，所述在掌纹图像的感兴趣区域上依次截取多个局部区域具体为以设定的大小和移动步长从左至右、从上至下依次在掌纹图像感兴趣区域上截取多个局部区域，所述局部区域的边长大于所述设定的移动步长。
4.根据权利要求3所述的方法，其特征在于，所述获取每个局部区域的对比度上下文向量包括根据预设的尺度条件和方向条件，将局部区域划分为N个不重叠的子区域；对于第i个子区域，其中i e [1，N]，根据该子区域内每个像素点与局部区域的中心点的对比度值得到该子区域对应的二值化向量值，作为N维对比度上下文向量的第i个分量 Bi,从而获取每个局部区域的对比度上下文向量；所述对比度值为像素点的灰度值减去所述中心点的灰度值而得到的值；所述N为大于1的整数，i为自然数。
5.根据权利要求4所述的方法，其特征在于，所述对于第i个子区域，根据该子区域内每个像素点与局部区域的中心点的对比度值得到该子区域对应的二值化向量值，作为N维对比度上下文向量的第i个分量包括计算第i个子区域内每个像素点与局部区域的中心点的对比度值；计算对比度值大于0的像素点的对比度值的均值，以及对比度值大于0的像素点在子区域内所占的比率；将所述均值与所述比率分别与各自的设定阈值进行比较，得到第i个子区域对应的二值化向量值，作为N维对比度上下文向量的第i个分量。
6.根据权利要求4所述的方法，其特征在于，所述根据每个局部区域的对比度上下文向量，从多个局部区域提取出稳定区域包括根据局部区域的对比度上下文向量计算该局部区域的特征值= 钱，其中N为局部/=1区域包括的子区域数量，Bi为对比度上下文向量的第i个分量；将所述局部区域的特征值S与确定的特征值阈值进行比较，根据比较结果判别该局部区域是否为稳定区域。
7.根据权利要求1所述的方法，其特征在于，所述对稳定区域内的像素点进行特征编码包括将稳定区域的对比度上下文向量进行压缩后再进行特征编码。
8.一种掌纹识别装置，其特征在于，包括获取模块，用于在掌纹图像的感兴趣区域上依次截取多个局部区域，获取每个局部区域的对比度上下文向量；提取模块，用于根据每个局部区域的对比度上下文向量，从多个局部区域中提取出稳定区域；编码模块，用于对稳定区域内的像素点进行特征编码； 判别模块，用于根据特征编码的结果，进行掌纹特征相似度判别。
9.根据权利要求8所述的装置，其特征在于，还包括预处理模块，用于对掌纹图像感兴趣区域进行光照归一化和增强处理。
10.根据权利要求8或9所述的装置，其特征在于，所述获取模块包括截取单元，用于以设定的大小和移动步长从左至右、从上至下依次在掌纹图像感兴趣区域上截取多个局部区域，所述局部区域的边长大于所述设定的移动步长。
11.根据权利要求10所述的装置，其特征在于，所述获取模块包括划分单元，用于根据预设的尺度条件和方向条件，将局部区域划分为N个不重叠的子区域；向量获取单元，用于针对第i个子区域，其中i e [1，N]，根据该子区域内每个像素点与局部区域的中心点的对比度值得到该子区域对应的二值化向量值，作为N维对比度上下文向量的第i个分量，从而获取每个局部区域的对比度上下文向量；所述对比度值为像素点的灰度值减去所述中心点的灰度值而得到的值， 所述N为大于1的整数，i为自然数。
12.根据权利要求11所述的装置，其特征在于，所述向量获取单元包括第一计算单元，用于计算第i个子区域内每个像素点与局部区域的中心点的对比度值；第二计算单元，用于计算对比度值大于0的像素点的对比度值的均值，以及对比度值大于0的像素点在子区域内所占的比率；第一比较单元，用于将所述均值与所述比率分别与各自的设定阈值进行比较，得到第i 个子区域对应的二值化向量值，作为N维对比度上下文向量的第i个分量。
13.根据权利要求11所述的装置，其特征在于，所述提取模块包括第三计算单元，用于根据局部区域的对比度上下文向量B，计算得到该局部区域的特征= ，其中N为局部区域包括的子区域数量，Bi为对比度上下文向量的第i个分量； /=1第二比较单元，用于将所述局部区域的特征值s与确定的特征值阈值进行比较，根据比较结果判别该局部区域是否为稳定区域。
14.根据权利要求8所述的装置，其特征在于，所述编码模块具体用于将稳定区域的对比度上下文向量进行压缩后再进行特征编码。
全文摘要
本发明公开了一种掌纹识别方法及装置，涉及生物特征识别领域。该掌纹识别方法包括在掌纹图像感兴趣区域上依次截取多个局部区域，获取每个局部区域的对比度上下文向量；根据每个局部区域的对比度上下文向量，从多个局部区域提取出稳定区域；对稳定区域内的像素点进行特征编码；根据特征编码的结果，进行掌纹特征相似度判别。本发明在特征匹配前，利用对比度上下文向量提取出掌纹图像感兴趣区域中的稳定区域，去除了不稳定区域在匹配时对识别结果的影响，与现有技术相比，匹配精度更高，受掌纹图像变化的影响更小。
文档编号G06K9/62GK102254188SQ20111022792
公开日2011年11月23日 申请日期2011年8月4日 优先权日2011年8月4日
发明者冯毅, 黄磊 申请人:汉王科技股份有限公司