多光谱图像与单光谱图像的匹配方法与流程

本发明涉及生物识别技术领域，具体涉及一种多光谱图像与单光谱图像的匹配方法。

背景技术：

随着科技的进步和发展，根据各种实验的相关数据，在虹膜识别时，多光谱条件下采集到的虹膜图像比单光谱条件下采集到的虹膜图像具有更好的性能，但是该性能优势的前提条件是，注册使用的虹膜图像和识别使用的虹膜图像必须是在相同光谱段下采集的多光谱图像。

现阶段，大多虹膜识别系统的虹膜注册图像是在虹膜识别系统搭建初期采集的，即虹膜注册图像是原有单光谱虹膜采集设备采集的，若将单光谱虹膜采集设备升级成多光谱虹膜采集设备，则原有的单光谱注册图像数据无法使用，需要使用多光谱虹膜采集设备重新采集，耗费巨大的人力、物力，十分不便。

技术实现要素：

本发明所要解决的技术问题是提供一种多光谱图像与单光谱图像的匹配方法，使基于多光谱采集的虹膜图像可与单光谱采集的虹膜图像进行识别。

为实现上述技术效果，本发明公开了一种多光谱图像与单光谱图像的匹配方法，其具有一基于单光谱采集的注册图像i0和一基于多光谱采集的识别图像ii，i＝1，...，n，所述注册图像i0通过算法生成一个注册编码t0，所述识别图像ii通过算法生成与多光谱中每个光谱相对应的识别编码ti，i＝1，...，n，其包括以下步骤：

a.计算单光谱注册图像i0与多光谱识别图像ii的区分度di，i＝1，...，n；

b.设置预设阈值thi，i＝1，...，n，计算di∈d且满足di小于等于thi的数量，该计算函数如下

c.当满足以下条件时，单光谱采集的注册图像i0和多光谱采集的识别图像ii认定为同一虹膜的图像：

本发明多光谱图像与单光谱图像的匹配方法的改进在于，单光谱注册图像i0与多光谱识别图像ii的区分度di由单光谱注册图像i0与多光谱识别图像ii之间的海明距离决定。

本发明多光谱图像与单光谱图像的匹配方法的进一步改进在于，单光谱注册图像i0与多光谱识别图像ii之间的海明距离定义为：

其中，wi为权重向量，该wi是多光谱中第i个光谱的识别编码ti的可信度，该权重向量wi的第j个分量wij为识别编码ti的第j位编码tij相对应的可信度；t0j为注册编码t0的第j位编码；单光谱注册图像i0与多光谱识别图像ii的区分度di＝hdraw(t0，ti，wi)，i＝1，...，n。

本发明多光谱图像与单光谱图像的匹配方法的进一步改进在于，所述wij定义为：

wij＝0.5+0.5×pij，i＝1，...，n；j＝1，...，m，

其中，pij为所有多光谱的识别编码ti的第j位编码tij中，与该tij相等的位数比例。

本发明多光谱图像与单光谱图像的匹配方法的进一步改进在于：th＝{th1，...，thn}，为n个预设阈值的集合，使thi≤thj，

本发明多光谱图像与单光谱图像的匹配方法，设置一权重向量，基于该权重向量得到单光谱注册图像i0与多光谱识别图像ii的区分度，将该区分度与预设阈值进行比对，当满足函数条件时，认为该多光谱识别图像与单光谱注册图像为同一虹膜图像。

附图说明

图1为本发明多光谱图像与单光谱图像的匹配方法中权重向量wi的示意图。

具体实施方式

下面结合附图及具体实施方式对本发明作进一步详细的说明。

本发明多光谱图像与单光谱图像的匹配方法，基于单光谱采集的注册图像i0和一基于多光谱采集的识别图像ii，i＝1，...，n，该n为多光谱的数量，即由n个光谱构成的多光谱；所述注册图像i0通过算法生成一个注册编码t0，所述识别图像ii通过算法生成与多光谱中每个光谱相对应的识别编码ti，i＝1，...，n，其包括以下步骤：

a.计算单光谱注册图像i0与多光谱识别图像ii的区分度di，i＝1，...，n；

b.设置预设阈值thi，i＝1，...，n，计算di∈d且满足di小于等于thi的数量，该计算函数如下：

c.当满足以下条件时，单光谱采集的注册图像i0和多光谱采集的识别图像ii认定为同一虹膜的图像：

进一步地，单光谱注册图像i0与多光谱识别图像ii的区分度di由单光谱注册图像i0与多光谱识别图像ii之间的海明距离决定。该单光谱注册图像i0与多光谱识别图像ii之间的海明距离定义如下：

其中，wi为权重向量，该wi是多光谱中第i个光谱的识别编码ti的可信度，该权重向量wi的第j个分量wij为识别编码ti的第j位编码tij相对应的可信度；t0j为注册编码t0的第j位编码。于是，单光谱注册图像i0与多光谱识别图像ii的区分度为：

di＝hdraw(t0，ti，wi)，i＝1，...，n。

进一步地，在本实施例中，将wij定义为：

wij＝0.5+0.5×pij，i＝1，...，n；j＝1，...，m，

其中，pij为所有多光谱的识别编码ti的第j位编码tij中，与该tij相等的位数比例。注册编码t0和识别编码ti均由m个0或1的编码构成，若多光谱的第一个光谱的第二位编码t12的编码是1，则查看所有n个多光谱的第二位编码ti2是1的个数，并计算该ti2是1的个数占总个数n的比例，此比例即为p12。显然，0.5＜wij≤1，且wij数值大，说明tij具有高可信度；若wij数值小，说明tij具有较低可信度。

进一步地，th＝{th1，...，thn}，为n个预设阈值的集合，使thi≤thj，

在本实施例中，参数集th为预设的，通过穷尽搜索的方式来选择一组最优的阈值组合，作为n个多光谱的预设阈值thi。该预设阈值的选取与多光谱的光谱段数量和分布有关。

在一较佳实施例中，多光谱的数量为5个，即n＝5，如图1所示，为权重向量wi的计算方法。

当多光谱的数量为5个时，单光谱注册图像i0和多光谱识别图像i1～i5之间的区分度为d1～d5，预设阈值为th1～th5，其中th1为最低预设阈值，th5为最高预设阈值，根据函数禹：c(d，thi)≥i，i＝1，...，5，有以下情况：

如果用户a的5个区分度中，其最小区分度小于最低预设阈值th1，则认为该用户a基于单光谱采集的注册图像i0和基于多光谱采集的识别图像ii为同一虹膜的图像，即用户a为合法用户。

如果用户b的5个区分度中，其最小的2个区分度小于第二低的预设阈值th2，则认为该用户b基于单光谱采集的注册图像i0和基于多光谱采集的识别图像ii为同一虹膜的图像，即用户b为合法用户。

以此类推。

于是，如果用户c的5个区分度中，其只有最小的1个区分度或最小的2个区分度小于第三低的预设阈值th3，则认为该用户c基于单光谱采集的注册图像i0和基于多光谱采集的识别图像ii不是同一虹膜的图像，即用户a为非法用户。

本发明多光谱图像与单光谱图像的匹配方法，通过设置权重向量，并基于该权重向量计算海明距离得到单光谱注册图像与多光谱识别图像的区分度，并另选取预设阈值，将区分度与该预设阈值进行比对，根据比对结果判断识别成功或失败。实现单光谱采集的虹膜图像与多光谱采集的虹膜图像进行识别比对。

以上结合附图及实施例对本发明进行了详细说明，本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而，实施例中的某些细节不应构成对本发明的限定，本发明将以所附权利要求书界定的范围作为本发明的保护范围。