一种基于lgbp编码的手指多模态特征融合方法
【技术领域】
[0001] 本发明属于图像识别技术领域，特别是涉及一种基于LGBP编码的手指多模态特 征融合方法。
【背景技术】
[0002] 目前，单模态生物特征识别在应用中存在一定的局限性，因此无法满足人们对高 精度身份识别的需求。为使手指三模态特征能够有效地进行融合，鲁棒性特征分析成为研 究中的关键性问题。由于在采集手指三模态ROI (region of interest，感兴趣区域）图像 的过程中存在手指姿态易变的问题，且大多数的手指鲁棒性特征提取方法受到旋转不变性 的限制，因此不能有效地解决此问题。
【发明内容】
[0003] 为了解决上述问题，本发明的目的在于提供一种基于LGBP编码的手指多模态特 征融合方法。
[0004] 为了达到上述目的，本发明提供的基于LGBP编码的手指多模态特征融合方法包 括按顺序进行的下列步骤：
[0005] 1)利用尺度参数不同的Gabor滤波器对不同姿态的手指三模态ROI图像进 行 Gabor 滤波，分别获得 8 个方向，即 0°，22. 5°，45°，67. 5°，90°，112. 5°，135° 和 157. 5°的指纹、指静脉和指节纹的幅度特征图像；
[0006] 2)利用LBP对上述8个方向的手指三模态幅度特征图像分别进行编码，由此形成 8个方向的手指三模态LGBP特征编码图像；
[0007] 3)对上述8个方向的手指三模态LGBP特征编码图像进行分块；
[0008] 4)将每一个分块图像的像素点均看成是特征点而提取其灰度特征，由此形成灰度 特征向量，过程如下：
[0009] 第一步：灰度分组；首先，将每个分块图像的每个像素点的灰度值从小到大进行 排序，形成一个像素点的序列；然后，将此序列根据像素点的总数均分为k个灰度分组，形 成k组灰度分组图像；之后用四舍五入的方法确定每个灰度分组的边界点，并获取该边界 点的灰度值；
[0010] 第二步：计算每个像素点的灰度特征向量：以每个灰度分组图像中的每个像素点 为中心，比较其对称邻点的灰度值大小，若某个像素点的灰度值大于其对称邻点的灰度值， 则为1 ;否则为〇,由此形成4位二进制码的灰度特征向量，然后将4位二进制码向量转化为 16位二进制码灰度特征向量；
[0011] 5)将上述每个灰度分组图像中每个像素点的灰度特征向量叠加，形成每个灰度分 组图像的灰度特征直方图，再将每个灰度分组图像的灰度特征直方图串联形成分块图像的 灰度特征直方图；
[0012] 6)首先通过二维高斯模型生成与LGBP特征编码图像分块个数相同的系数，然后 对上述每一个分块图像的灰度特征直方图进行加权，之后将上述加权后的分块图像的灰度 特征直方图串联得到手指单模态灰度特征直方图，最后，将上述手指单模态灰度特征直方 图串联融合形成手指三模态灰度特征直方图；
[0013] 7)通过计算两幅待匹配的手指三模态ROI图像的灰度特征直方图相交系数的方 法来判断这两幅手指ROI图像是否匹配。
[0014] 在步骤1)中，所述的Gabor滤波器的表达式为：
[0015]
[0016] 其中，δ代表Gabor滤波器的尺度，δ =4,5,6; 0k表示第k个方向的角度值。
[0017] 在步骤2)中，所述的对8个方向的手指三模态幅度特征图像分别进行编码的方 法是：首先，定义一个以某一手指幅度特征图像中某一像素点作为中心像素点的3X3的窗 口，以该中心像素点的灰度值为阈值，对该窗口中其余8个邻域像素点进行二值化；若某一 邻域像素点的灰度值小于中心像素点的灰度值，则编码为〇 ;否则，编码为1，形成了 8位二 进制值；然后将二进制值向右移位b次，对每右移一位的二进制值进行加权求和得到该像 素点的8个LBP值；最后，取最小的LBP值作为该像素点的LBP值；
[0018] 最小LBP值的公式为：
[0019] 1 , .
… , (2)
[0020] 其中，函数R0R(x，b)表示将二进制值X向右移位b次，/A/y表示第i个中心像素 点的LBP值，A/i/(定义如式⑶所示：
[0021]
(3)
[0022] 式中：B 表示二值化函数，即J
: I1表示中心像素 点i的灰度值，I。表示邻域像素点的灰度值，a表示二值化函数的第a位，在这里P = 8。
[0024] (4)
[0023] 亦来聰/1、由·日If彳太的it前彳六思占的JF辟值公式为：
[0025] 其中
表示每组的边界点，tl表示第i个灰度分组的边 界值，1_和I _分别表示图像像素点的最小灰度值和最大灰度值。
[0026] 在步骤4)中，所述的将4位二进制码的灰度特征向量转化为16位二进制码的灰 度特征向量的公式为：
[0027]
[0028] 其中，i表示第i个像素点，m表示该像素点最近邻点的对数。
[0029] 在步骤6)中，所述的二维高斯模型的公式为：
[0030]
[0031] 其中，〇表示二维高斯模型的均方差，!11和η分别是每行和每列的图像分块的个 数，mid(i)和mid(j)分别代表图像中心的分块图像在第i行和第j列。
[0032] 在步骤7)中，所述的通过计算两幅待匹配的手指三模态ROI图像的灰度特征直方 图相交系数的方法来判断这两幅手指ROI图像是否匹配的方法是：首先利用下面的相交系 数表达式计算两幅待匹配的手指ROI图像中手指三模态灰度特征直方图的相交系数，若计 算出的相交系数〉相似性决策阈值T，则表示这两幅手指ROI图像相似，即表示这两幅手指 ROI图像匹配；若其相交系数<T，则判定这两幅手指ROI图像不匹配；相似性决策阈值T是 手指ROI图像匹配结果中错误拒绝率为0,且错误允许率最低时所对应的阈值点；
[0033] 相交系数的表达式为：
[0034]
(7)
[0035] 式中：!!^和…分别表示两幅待匹配的手指ROI图像，H⑴和Hji)分别代表两 幅待匹配的手指三模态ROI图像的灰度特征直方图，L表示手指三模态图像的灰度特征直 方图的维数。
[0036] 本发明提供的基于LGBP编码的手指多模态特征融合方法有效地解决了在手指图 像采集过程中手指姿态易变的问题，并且手指多模态识别的运算速度高、识别率高。
【附图说明】
[0037] 图1为8个方向的手指三模态幅度特征图，其中（a)指纹（b)指静脉（C)指节纹；
[0038] 图2为8个方向的手指三模态LGBP特征编码图，其中（a)指纹（b)指静脉（c)指 节纹；
[0039] 图3为8个方向的手指三模态LGBP特征编码分块图，其中（a)指纹（b)指静脉 (c)指节纹；
[0040] 图4为像素点的8个最近邻点示意图。
[0041] 图5为LGBP特征编码分块图像的灰度特征直方图，其中（a)指纹（b)指静脉（c) 指节纹；
[0042] 图6为基于二维高斯模型的加权串联过程示意图；
[0043] 图7为8X8分块图像不同灰度分组的识别性能比较；
[0044] 图8为不同分块图像的识别性能比较；
[0045] 图9为二维高斯模型不同σ值的识别性能比较；
[0046] 图10为四幅不同姿态的手指静脉ROI图像；
[0047] 图11为三种特征提取方法的识别性能比较。
【具体实施方式】
[0048] 下面结合附图和具体实施例对本发明提供的基于LGBP编码的手指多模态特征融 合方法进行详细说明。
[0049] 本发明提供的基于LGBP编码的手指多模态特征融合方法包括按顺序进行的下列 步骤：
[0050] 1)由于手指三模态图像的纹理不同，因此本发明利用尺度参数不同（δ = 4, 5, 6) 的Gabor滤波器对不同姿态的手指三模态ROI图像进行Gabor滤波，Gabor滤波器的表达 式如式1所示，分别获得8个方向（0°，22.5°，45°