一种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，特别是涉及一种手指多模态特征融合方法。
【背景技术】
[0002] 在采集手指三模态ROI (region of interest，感兴趣区域）图像的过程中，由于手 指姿态存在多样化，因此同一个人在不同时刻采集的指纹、指静脉和指节纹的图像会因为 手指姿态多变的原因而存在差异。为了使手指三模态特征能够有效地融合，鲁棒性特征的 提取具有重要意义。
[0003] 目前，针对手指特征提取的研究方法大多依赖于特征点的位置信息和方向信息， 考虑到手指姿态容易改变这一现象，传统的手指特征提取方法由于受到旋转不变性的限 制，所以不能有效地解决手指姿态多变的问题。
【发明内容】
[0004] 为了解决上述问题，本发明的目的在于提供一种手指多模态特征融合方法。
[0005] 为了达到上述目的，本发明提供的手指多模态特征融合方法包括按顺序进行的下 列步骤：
[0006] 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；
[0007] 2)利用定序滤波器对上述8个方向的手指三模态幅度特征图像分别进行编码，形 成8个方向的手指三模态GOM编码图像；然后对上述8个方向的手指三模态GOM编码图像 进行处理，形成手指三模态GOM特征编码图像；
[0008] 3)首先将上述手指三模态GOM特征编码图像进行分块而形成第一层分块图像，把 每个分块图像看成是一个特征粒，然后将第一层分块图像中最接近的四个特征粒合成一个 特征粒而形成第二层分块图像；之后将第二层分块图像中最接近的四个特征粒合成一个特 征粒而形成第三层分块图像；
[0009] 4)把每层分块图像中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：
[0010] 第一步：灰度分组：首先，将每层分块图像中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；
[0011] 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，若某个像素点的邻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；
[0012] 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而形成每个灰度 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，将每层分块图像中手指三个模态的所有分块图像的灰度特征直 方图通过串联的方式融合而形成每层三个单模态灰度特征直方图，最后将每层三个单模态 图像的灰度特征直方图串联而形成每层手指三模态灰度特征直方图；
[0013] 6)通过逐层计算两幅待匹配的手指ROI图像中每层手指三模态灰度特征直方图 的欧式距离的方法，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：
[0016] 其中，〇代表Gabor滤波器的尺度，〇 = 4, 5, 6, 0k表示第k个方向的角度值。
[0017] 在步骤2)中，所述的定序滤波器的表达式为：
[0019] 其中，ω和δ分别代表定序滤波器的中心位置和尺度，Np代表正瓣的个数， 表负瓣的个数，系数(；和C n是保持正瓣和负瓣个数平衡的系数，即NpCp= NnCn;令C ρ= 1，Np =2 ;Cn= 2，Νη= 1〇
[0020] 在步骤2)中，所述的定序滤波器的编码方法是：当手指三模态幅度特征图像通过 定序滤波器滤波后的结果大于〇时，编码为1 ;当手指三模态幅度特征图像通过定序滤波器 滤波后的结果小于0时，编码为0。
[0021] 在步骤2)中，所述的对上述8个方向的手指三模态GOM编码图像进行处理所采用 的公式为：
(3)
[0023] 其中，k代表第k个方向，Ordinal (k)表示定序滤波器对第k个方向的手指三模态 幅度特征图像滤波后的结果。
[0024] 在步骤4)中，所述的获取边界点灰度值的公式为：
(4) 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。
[0027] 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位二进制码灰度 特征向量的公式为： LlN 丄UOlbUdUO A I ^ ?/? }J^
[0029] 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。
[0030] 在步骤6)中，所述的欧式距离的表达式为：
[0031]
(6)
[0032] 式中：!!^和…分别表示两幅待匹配的手指ROI图像，H μ⑴和Hji)分别代表两 幅待匹配的手指ROI图像中每层手指三模态灰度特征直方图，M和N分别表示每层手指三 模态分块图像中每列像素点的个数和每行像素点的个数。
[0033] 在步骤6)中，所述的判断两幅手指ROI图像是否匹配的方法是：采用步骤3)叙 述的分层方法自顶向下进行匹配；首先计算两幅待匹配的手指ROI图像中第三层分块图像 的手指三模态灰度特征直方图的欧式距离，若计算出的欧式距离<第三层相似性决策阈值 T3,则表示这两幅手指ROI图像的第三层特征粒相似，即两幅手指ROI图像在第三层特征粒 上匹配，然后进行第二层和第一层特征粒的匹配判断；若计算出的欧式距离>Τ 3，则直接判 定两幅手指ROI图像不匹配。
[0034] 本发明提供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】
[0035] 图1为8个方向的手指三模态幅度特征图；其中（a)为指纹；(b)为指静脉；（c)为 指节纹；
[0036] 图2为手指三模态GOM特征编码图；其中（a)为指纹，（b)为指静脉，（c)为指节 纹；
[0037] 图3为手指三模态GOM特征编码分块图；其中（a)为指纹，（b)为指静脉，（c)为 指节纹；
[0038] 图4为自底向上的特征粒化模型图；
[0039] 图5为指纹Gabor方向编码图像的灰度分组示意图；
[0040] 图6为像素点的邻点示意图；
[0041] 图7为GOM编码特征图像的局部灰度特征直方图；其中（a)为指纹，（b)为指静脉， (c)为指节纹；
[0042] 图8为三层不同k值的匹配结果比较曲线图。
[0043] 图9为不同姿态的指静脉ROI图像。
[0044] 图10为GOLGF在不同层次的识别性能比较。
【具体实施方式】
[0045] 下面结合附图和具体实施例对本发明提供的手指多模态特征融合方法进行详细 说明。
[0046] 本发明提供的手指多模态特征融合方法包括按顺序进行的下列步骤：
[0047] 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（〇 = 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°，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，如图1所示；
[0049] 其中，σ代表Gabor滤波器的尺度，0k表示第k个方向的角度值。
[