一种基于Gabor编码的手指多模态特征融合方法
【技术领域】
[0001] 本发明属于图像检测技术领域，特别是涉及一种基于Gabor编码的手指多模态特 征融合方法。
【背景技术】
[0002] 目前，由于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。但由于大多数手指鲁棒性特征提取的研究方法依赖于特征点的位 置信息和方向信息，并受到旋转不变性的限制，因此不能有效地解决在图像采集过程手指 姿态容易改变这一问题。
【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Gabor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Gabor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指纹、指静脉和指节纹的ROI 图像进行Gabor滤波，分别获得8个方向，SP 0° ,22. 5°，45° ,67. 5°，90° ,112. 5°，13 5°和157. 5°的手指三模态Gabor方向特征图像；
[0006] 2)将上述8个方向的手指三模态Gabor方向特征图像的角度值分别从小到大进行 排列，并将其编码，由此形成8个方向的手指三模态Gabor方向特征编码图像；
[0007] 3)对上述8个方向的手指三模态Gabor方向特征编码图像进行分块而形成分块图 像；
[0008] 4)将上述8个方向的手指三模态Gabor方向特征编码分块图像中的像素点均看成 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，将每个分块图像中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，然后，将手指三个单模态的所有分块图像的灰度特征直方图分别通过串 联的方式融合而形成三个单模态灰度特征直方图，最后将三个单模态图像的灰度特征直方 图串联融合形成手指三模态灰度特征直方图；
[0012] 6)通过计算两幅待匹配的手指ROI图像的三模态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。
[0013] 在步骤1)中，所述的Gabor滤波器表达式为：
[0014]
C .1.).
[0015] 其中，σ代表Gabor滤波器的尺度，〇 =4, 5,6;0k表示第k个方向的角度值。
[0016] 在步骤2)中，所述的将上述8个方向的手指三模态Gabor方向特征图像的角度值 分别从小到大进行排列，并将其编码，由此形成8个方向的手指三模态Gabor方向特征编码 图像的方法是：首先，将上述8个方向的手指三模态Gabor方向特征图像的角度值分别从小 到大排列，然后对上述图像中相同位置的像素点的灰度值分别进行比较，分别将最大灰度 值对应的手指三模态Gabor方向特征图像的方向作为该像素点的方向特征，并按照下述编 码方法进彳丁编码：〇°编码为〇, 22. 5°编码为1，45°编码为2,67. 5°编码为3,90°编码 为4,112. 5°编码为5,135°编码为6,157. 5°编码为7;由此形成8个方向的手指三模态 Gabor方向特征编码图像。
[0017] 在步骤4)中，所述的获取边界点灰度值的公式为：
[0018]
(2)
[0019] 其中
，及表示每组的边界点，h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。
[0020] 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：
[0021]
[0022] 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。
[0023] 在步骤6)中，所述的通过计算两幅待匹配的手指ROI图像的三模态灰度特征直 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图像的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，即这表示这两幅手指 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是对应的阈值点。
[0024] 相交系数的表达式为： CN 105138974 A 说明书 3/7 页
[0025]
(4)
[0026] 式中：!!^和…分别表示两幅待匹配的手指ROI图像，H⑴和Hni2⑴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直方图的维数。
[0027] 本发明提供的基于Gabor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】
[0028] 图1为8个方向的手指三模态Gabor方向特征图；其中（a)为指纹；(b)为指静脉； (c)为指节纹；
[0029] 图2为8个方向的手指三模态Gabor方向特征编码图；其中（a)为指纹；(b)为指 静脉；（c)为指节纹；
[0030] 图3为8个方向的手指三模态Gabor方向特征编码图的分块图像；其中（a)为指 纹；(b)为指静脉；（c)为指节纹；
[0031] 图4为某一像素点的8个最近邻点示意图。
[0032] 图5为8个方向的手指三模态Gabor方向特征编码分块图像的灰度特征直方图； 其中（a)为指纹，（b)为指静脉，（c)为指节纹；
[0033] 图6为8*8分块图像不同灰度分组的识别性能比较；
[0034] 图7为不同分块图像的识别性能比较。
[0035] 图8为不同姿态的指静脉ROI图像。
[0036] 图9三种特征提取方法的识别性能比较。
【具体实施方式】
[0037] 下面结合附图和具体实施例对本发明提供的基于Gabor编码的手指多模态特征 融合方法进行详细说明。
[0038] 本发明提供的基于Gabor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：
[0039] 1)利用尺度参数不同的Gabor滤波器对不同姿态的指纹、指静脉和指节纹的ROI 图像进行Gabor滤波，分别获得8个方向的手指三模态Gabor方向特征图像；
[0040] 由于指纹、指静脉和指节纹图像分别具有脊线结构、管线结构和痕线结构，纹路信 息比较丰富，因此本步骤采用Gabor滤波的方法提取手指三模态的纹路的方向特征。根据 手指三模态图像纹理不同的特点，利用尺度参数不同（σ =4, 5,6)的Gabor滤波器对不同 姿态的指纹、指静脉和指节纹的ROI (region of interest感兴趣区域）图像进行Gabor滤 波，Gabor滤波器的