基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法
【专利摘要】本发明提供了一种基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法，分为注册和认证两个阶段。本发明使用基于圆形Gabor滤波器的掌纹ROI图像预处理方法；在预处理后的掌纹ROI图像上提取SIFT特征并进行匹配，得到匹配SIFT特征点；使用迭代随机抽样一致性算法去除错误匹配的SIFT特征点；使用局部掌纹描述符进一步去除错误匹配的SIFT特征点；将最终剩余的SIFT特征点的数目作为匹配度，进行决策。本发明提高了非接触式掌纹识别的精度。
【专利说明】基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法
【技术领域】
[0001]本发明涉及一种非接触掌纹认证方法，具体涉及一种基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法。
【背景技术】
[0002]掌纹识别是近年来新兴的一种生物特征识别技术。它具有用户接受程度较好，识别精度较高的优点。
[0003]现有的掌纹特征提取和匹配方法通常需要待匹配的两幅掌纹图像较好的对齐，否则其识别精度将大受影响。目前解决掌纹图像对齐的最常用方法是设计一种专用掌纹图像采集设备，在采集图像时，用户将手掌置于设备之上，使用辅助定位装置限制手指和手掌的活动，以保证每次采集的掌纹图像能够较好的对齐。而这种方式的最大缺陷是大大降低了掌纹识别的用户接受程度。
[0004]解决这一问题的有效手段是使用非接触方式采集掌纹图像。但在非接触采集方式中，由于缺少了辅助定位装置，采集到的掌纹图像往往存在较明显的旋转、尺度、平移等线性变换以及其它非线性变换。这些变换即使经过感兴趣区域(ROI)提取也很难消除，进而影响非接触式掌纹识别的精度。
【发明内容】
[0005]为了提高非接触式掌纹识别的精度，本发明提供了一种基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法。
[0006]本发明的目的是通过以下技术方案实现的:
[0007]一种基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法，分为注册和认证两个阶段，其具体步骤如下:
[0008]一、注册阶段:
[0009](I)将用户提供的掌纹ROI图像进行预处理；
[0010](2)在预处理后的掌纹ROI图像上提取SIFT特征；
[0011](3)将提取到的SIFT特征连同用户标识保存于特征数据库；
[0012]二、认证阶段:
[0013](I)将掌纹ROI图像进行预处理；
[0014](2)在预处理后的掌纹ROI图像上提取SIFT特征并进行匹配，得到匹配SIFT特征
占.[0015](3)对得到的匹配SIFT特征点使用迭代随机抽样一致性算法去除外点，并得到每个模型的变换矩阵；
[0016](4)对于每一个模型，在两幅掌纹ROI图像上分别提取局部掌纹描述符；
[0017](5)对于每一个模型，将两幅掌纹ROI图像上对应位置的局部掌纹描述符进行匹配，删除掉匹配度大于给定阈值的局部掌纹描述符所对应的SIFT特征点；
[0018](6)将最终剩余的SIFT特征点的数目作为匹配度，进行决策。
[0019]本发明具有以下特点:
[0020]1、使用基于圆形Gabor滤波器的掌纹ROI图像预处理方法，提高了匹配SIFT特征点的数量和稳定性。
[0021]2、使用迭代随机抽样一致性算法去除错误匹配的SIFT特征点。
[0022]3、使用局部掌纹描述符进一步去除错误匹配的SIFT特征点。
【专利附图】
【附图说明】
[0023]图1为圆形Gabor滤波器；
[0024]图2为掌纹ROI图像；
[0025]图3为预处理后的掌纹ROI图像；
[0026]图4为原始掌纹ROI图像检测到的SIFT点；
[0027]图5为经过预处理的掌纹ROI图像检测到的SIFT点；
[0028]图6为匹配的SIFT点；
[0029]图7为掌纹区域；
[0030]图8为使用迭代随机抽样一致性算法进行外点排除的结果(原始匹配的SIFT特征点对)；
[0031]图9为使用迭代随机抽样一致性算法进行外点排除的结果(模型I得到的内点对)；
[0032]图10为使用迭代随机抽样一致性算法进行外点排除的结果(模型2得到的内点对)；
[0033]图11为使用迭代随机抽样一致性算法进行外点排除的结果(最终得到的内点对)；
[0034]图12为局部掌纹描述符中正方形邻域的定义(匹配的SIFT点);
[0035]图13为局部掌纹描述符中正方形邻域的定义(对齐后的掌纹ROI图像)；
[0036]图14为局部掌纹描述符中正方形邻域的定义(正方形邻域的定义)。
【具体实施方式】
[0037]下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。
[0038]一种基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法，分为注册和认证两个阶段:
[0039]一、注册阶段:
[0040](I)将用户提供的掌纹ROI图像进行预处理；
[0041](2)在预处理后的掌纹ROI图像上提取SIFT特征；
[0042](3)将提取到的SIFT特征连同用户标识保存于特征数据库；
[0043]二、认证阶段:[0044](I)将掌纹ROI图像进行预处理；
[0045](2)在预处理后的掌纹ROI图像上提取SIFT特征并进行匹配，得到匹配SIFT特征
占.[0046](3)对得到的匹配SIFT特征点使用迭代随机抽样一致性算法去除外点，并得到每个模型的变换矩阵；
[0047](4)对于每一个模型，在两幅掌纹ROI图像上分别提取局部掌纹描述符；
[0048](5)对于每一个模型，将两幅掌纹ROI图像上对应位置的局部掌纹描述符进行匹配，删除掉匹配度大于给定阈值的局部掌纹描述符所对应的SIFT特征点；
[0049](6)将最终剩余的SIFT特征点的数目作为匹配度，进行决策。其具体步骤如下:
[0050]上述方法中，各步骤的具体要求如下:
[0051]1、掌纹ROI图像预处理
[0052]掌纹图像预处理的目的是增加检测到的SIFT特征点数量，以便可以利用更多的信息。本发明中使用圆形Gabor滤波器对掌纹图像进行预处理。圆形Gabor滤波器表示为:
[0053]
【权利要求】
1.基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法，其特征在于所述方法分为注册和认证两个阶段，其具体步骤如下: 一、注册阶段: (1)将用户提供的掌纹ROI图像进行预处理； (2)在预处理后的掌纹ROI图像上提取SIFT特征； (3)将提取到的SIFT特征连同用户标识保存于特征数据库； 二、认证阶段: (1)将掌纹ROI图像进行预处理； (2)在预处理后的掌纹ROI图像上提取SIFT特征并进行匹配，得到匹配SIFT特征点； (3)对得到的匹配SIFT特征点使用迭代随机抽样一致性算法去除外点，并得到每个模型的变换矩阵； (4)对于每一个模型，在两幅掌纹ROI图像上分别提取局部掌纹描述符； (5)对于每一个模型，将两幅掌纹ROI图像上对应位置的局部掌纹描述符进行匹配，删除掉匹配度大于给定阈值的局部掌纹描述符所对应的SIFT特征点； (6)将最终剩余的SIFT特征点的数目作为匹配度，进行决策。
2.根据权利要求1所述的基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法，其特征在于所述注册和认证阶段，使用圆形Gabor滤波器对掌纹ROI图像进行预处理。
3.根据权利要求2所述的基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法，其特征在于所述圆形Gabor滤波器对掌纹ROI图像进行预处理的方法为: 待预处理的掌纹ROI图像为I，增强过程通过I与圆形Gabor滤波器进行卷积操作实现，如下式所示:
R=I*G， 其中，G为圆形Gabor滤波器，*代表卷积操作，R为得到的预处理后的掌纹ROI图像。
4.根据权利要求2或3所述的基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法，其特征在于所述圆形Gabor滤波器表示为:
5.根据权利要求1所述的基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法，其特征在于所述SIFT特征提取分为四个步骤: (1)通过使用不同尺度的高斯滤波器与预处理后的掌纹ROI图像进行卷积运算构造Gaussian尺度空间； (2)通过对Gaussian尺度空间中相邻尺度的图像进行相减运算,形成GaussianDoG空间，特征点通过检测DoG空间的局部极值点来确定； (3)在特征点周围选定一个图像块，并计算这一图像块的HOGJfHOG的最大值所对应的方向作为该特征点的主方向； (4)计算特征点的描述子，首先计算特征点周围图像块的H0G，然后利用该点的主方向将HOG进行方向归一化，就得到了该点的描述子。
6.根据权利要求1所述的基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法，其特征在于所述S IFT特征点匹配方法如下: 当两个SIFT特征点i，j的描述子如果满足如下条件，则认为这两个SIFT特征点是匹配的:
ClijXt.min (dik)，k=l, 2，…，N.k ^ j 其中Clij=I Ip1-Qj I2为两个特征点Pi和q」的描述子之间的欧式距离，N为特征点的数目。
7.根据权利要求1所述的基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法，其特征在于所述使用迭代随机抽样一致性算法去除外点的过程如下: (1)设定一个允许的最大模型数目； (2)对原始的匹配SIFT特征点应用RANSAC算法，得到内点集合和外点集合； (3)对步骤⑵中得到的外点集合再次应用RANSAC算法，得到新的内点集合和外点集合； (4)重复步骤(3)和步骤(4)，直到达到步骤(1)中设定的允许的最大模型数目，或RANSAC算法无法得到内点； (5)将每一步得到的内点集合的并集作为最终得到的内点。
8.根据权利要求1所述的基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法，其特征在于所述局部掌纹描述符的定义如下: 若P(x’y)表示位置在(x，y)处的匹配SIFT特征点，p(x，y)的局部掌纹描述符定义为以点(x，y)为中心的正方形邻域内的掌纹特征，即:
9.根据权利要求1或8所述的基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法，其特征在于所述利用局部掌纹描述符去除外点的过程如下: (1)利用迭代随机抽样一致性算法中得到的变换矩阵将两幅掌纹ROI图像对齐； (2)对于对齐后的每一对匹配SIFT特征点，在两幅掌纹ROI图像上获取以其为中心的正方形邻域，并分别提取掌纹特征作为局部掌纹描述符； (3)对得到的对应位置的局部掌纹描述符进行匹配，将匹配距离大于某给定阈值的点删除； (4)重复步骤(1)至步骤(3)，直到所有模型均处理完毕。
10.根据权利要求1所述的基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法，其特征在于所述提取局部掌纹描述符时使用竞争码、正交线定序特征或多尺度竞争码掌纹特征。
【文档编号】G06K9/00GK103793705SQ201410087806
【公开日】2014年5月14日 申请日期:2014年3月11日 优先权日:2014年3月11日
【发明者】邬向前, 卜巍, 赵秋实 申请人:哈尔滨工业大学