一种稳定特征图像下交叉梯度编码的掌纹识别方法
【专利摘要】本发明属于身份识别【技术领域】，涉及一种稳定特征图像下交叉梯度编码的掌纹识别方法，先分别检测出掌纹图像中食指与中指、无名指与小指之间的角点，通过这两个角点形成的切线进行旋转矫正，分割出原始掌纹图像的感兴趣区域图像；再对感兴趣区域图像进行灰度归一化得到归一化后的掌纹图像后建立能量泛函模型并求解得到稳定特征图像，然后对稳定特征图像进行交叉梯度编码得到交叉梯度编码特征进行掌纹匹配识别；掌纹匹配结束后自动输出匹配结果；其识别方法简便，识别精度高，算法复杂度低，识别时间短，抗干扰性强。
【专利说明】一种稳定特征图像下交叉梯度编码的掌纹识别方法
【技术领域】:
[0001]本发明属于身份识别【技术领域】，涉及一种基于人体生物特征的身份识别方法，特别是一种稳定特征图像下交叉梯度编码的掌纹识别方法。
【背景技术】:
[0002]在当今高度信息化的社会中，身份识别是加强信息和系统等安全性的基本方法之一，传统的身份识别技术，如使用钥匙、密码锁、ID卡等，具有不方便、不安全、不可靠等诸多缺点，而生物识别技术是克服这些缺点的有效途径。从I960年人们开始研究设计生物特征识别技术，2003年6月联合国国际民用航空组织已公布了其生物技术的应用规划，将在个人护照中加入生物特征，如指纹、虹膜、人脸识别等，其中指纹识别因其采集头可以更加小型化、扫描速度快等优点使得其应用范围最广，但人工操作比较耗时，而且指纹也可以通过手术或者一些有创手段得以改变或者破坏；每一次使用指纹时都会在指纹采集头上留下用户的指纹印痕，而这些指纹痕迹存在被用来复制指纹的可能性，因此不是最稳定和可靠的身份识别手段；虹膜是一种在眼睛中瞳孔内的织物状各色环状物，每一个虹膜都是独一无二的，使得其识别精度最高，但需要昂贵的摄像头聚焦，一个这样的摄像头的最低价为7000美元，而且眼睛极难读取，不能广泛应用；人脸识别独具的活性判别能力，导致他人无法以非活性的照片、木偶、蜡像乃至人头欺骗识别系统，无法伪冒，而且速度很快，不易被察觉，但人脸识别率受多因素影响，比如，人脸比对时，与系统中存储的人脸有出入，例如剃了胡子、换了发型、多了眼镜、变了表情都有可能引起比对失败，如果发生微小变化，系统可能会认证失败。
[0003]掌纹识别作为一项新兴的生物特征识别技术，较之其他生物识别技术拥有以下优点，一是掌纹的形态由遗传基因控制，即使由于某种原因表皮剥落，新生的掌纹纹线仍保持着原来的结构，具有一定的稳定性；二是手掌上包含几条大的主线和很多褶皱线，这种线特征是掌纹独有的，且比指纹拥有更多的纹线信息、比人脸拥有较明显地特征，使得掌纹更具区分性；三是掌纹的纹线特征可在低分辨率下较好地提取出来，因此，掌纹的采集可使用价格低廉的普通手机、数码照相机等，比虹膜更具普遍性；综上所述，掌纹具有稳定性强、特征明显、不易伪造、造价低等优点，拥有广泛的应用空间。基于掌纹的这些优点，掌纹识别方法受到国内外学者的广泛关注，通过较为深入的研究，取得了一些显著性的研究成果，根据掌纹特征的表示方法，大致将掌纹识别方法包括基于主线提取的方法、基于子空间的方法和基于编码的方法，其中，基于主线提取的方法的核心思想是将能反映出掌纹主要信息的主线作为特征进行识别，Duta等[N.Duta，A.Jain, and K.Mardiaj “Matching of Palmprint”，Pattern Recognition Letters, vol.23，n0.4，pp477-485，2001]从掌纹的纹线中提取点特征进行识别。Zhang等[L.Zhang，D.Zhang, “Characterization of palmprints by wavelet signatures via directionalcontext modeling”，IEEE Transaction on Systems, Man and Cybernetics,PartB，vol.34, n0.3，ppl335_1347，2004]釆用小波对掌纹图像进行分解，然后使用方向建模的方法得到掌纹的主线特征；Wu等[X.Q.ffu,D.Zhang, and K.Q.Wang,^Palm line extractionand matching for personal authentication，，，IEEE Transaction on Systems, Man andCybernetics, Part A, vol.36, n0.5, pp978_987, 2006]将掌纹纹线看作屋脊线，根据图像一阶导数与二阶导数来确定纹线位置；林森等[林森，苑玮琦，吴微，方婷，“基于离散余弦变换和主线分块能量的模糊掌纹识别”，光电子?激光，23卷，11期，2201-2206页，2012年]采用局部灰度值极小值法来提取主线；基于子空间的方法主要是通过将掌纹图像映射到低维空间上，提取能够最能够反映出图像特征的部分，消除对识别产生影响的图像特征，同时可达到图像降维的效果，Lu [G.M.Lu, D.Zhang, and K.Q.Wang, ^palmprint recognition usingeigenpalms features，，，Pattern Recognition Letter, vol.24, n0.9, ppl463-1467, 2003]提出了基于主成份分析(PCA)的掌纹识别方法，提取掌纹图像的特征掌进行识别；Wu[X.Q.ffu, D.Zhang, and K.Q Wang, “Fisherpalms based palmprint recognition，，，PatternRecognition Letter, vol.24, n0.15，pp2829_2838, 2003]使用线性判别法(LDA)提取掌纹的主要特征图像；桑海峰等[桑海峰，苑玮琦，张志佳，黄静，“基于二维主成份分析的掌纹识别研究”，仪器仪表学报，29卷，9期，1929-1933页，2008]提出了基于二维主成份分析的掌纹识别方法(2DPCA);基于编码的方法的核心思想是使用滤波器对掌纹图像进行滤波，得到具有方向和尺度特征的掌纹图像，然后通过一些准则对得到的掌纹图像进行编码，Zhang[D.Zhang, ff.Kong, J.You, and M.Wong, “Online palmprint identification，，，IEEETrans.Pattern Anal.Machine Intell, vol.25, n0.9, ppl041-1050, 2003]利用 Gabor 滤波器提取45°方向的掌纹特征，对滤波结果进行编码，正则为1，负则为0，这种编码称为PalmCode,这种算法仅使用一个方向的特征信息,易丢失信息，影响识别结果；Kong[A.Kong, D.Zhang, and M.Kame, “Palmprint identification using feature-levelfusion” , Pattern Recognition, vol.39, n0.3, pp478_487, 2006]对 PalmCode 算法进行改进，采用4个方向的Gabor滤波器对掌纹图像进行滤波，然后对4个方向的图像进行PalmCode，通过融合准则对得到的特征进行融合，这种编码称为FusionCode，这种方法的算法复杂度较高，且融合不同方向的特征使得特征冗余，影响识别精度；Kong[A.Kong, D.Zhang, “Competitive coding scheme for palmprint verification, Proc.0f thel7thICPR, vol.1, pp520-523, 2004]使用6个方向的Gabor滤波器对掌纹进行滤波，选取幅值最大的方向作为识别特征，称为Competitive code,该方法需要使用Gabor滤波器提取6个方向的掌纹图像，虽然识别精度有所提高，但相比较FusionCode复杂度也相应的提高；部向前等[基于差分运算的高精度掌纹识别方法，申请号:2006100110548，发明人:邬向前，张大鹏，王宽全]的专利中提出了一种使用差分进行编码(PDC)的掌纹识别方法；张家树等[基于二维正交Log-Gabor滤波的高精度掌纹识别方法，申请号:200810044611.0，发明人:张家树，温长芝]的专利中使用基于二维正交Log-Gabor滤波的高精度掌纹识别方法。Yue [F.Yue, ff.M.Zuo, D.Zhang, and K.Q.Wang, “Orientation selection using modifiedFCM for Competitive code-based palmprint recognition，，，Pattern Recognition, vol
`?42，n0.11，pp2841-2849, 2009]改进 Competitive Code,使用 FCM 方法选取滤波数量和方向，进一步提高了识别精度。在上述掌纹识别方法中，基于主线提取的方法受外界因素干扰较大，且掌纹的前景背景不易区分，准确提取主线较为困难；基于子空间的方法早期应用于人脸识别，对人脸识别有较好的识别结果，但对于掌纹图像而言缺乏对纹理等信息的描述；基于编码的掌纹识别方法使用编码方式对掌纹的特征进行编码，能够得到较为理想的识别结果，较为经典且效果较好的方法就是上述所列举的几类方法，以PalmCode和FusionCode性价比最好，既能获得较高的识别精度，同时算法复杂度相比后续算法也不高，但上述方法存在一些缺陷:一审在进行特征提取前需使用滤波对图像进行平滑，其目的是为了减少噪声的干扰以及去掉一些对识别有影响的伪特征，但简单地使用滤波对图像进行平滑不能得到较稳定的掌纹图像且不易控制滤波进行的程度；二是大多数都是使用Gabor变换提取方向特征，不仅对掌纹图像进行滤波较为耗时，而且Gabor滤波大多为直流分量，对掌纹纹线的描述并不是最佳选择；三是掌纹在采集时易受到旋转、平移等影响，使得上述方法使用汉明距离进行匹配时容错性较差。
【发明内容】
:[0004]本发明的目的在于克服现有技术存在的缺点，寻求设计提供一种稳定特征图像下交叉梯度编码的掌纹识别方法，不仅在能够在较为稳定的特征图像下进行编码，而且应用简单的编码方法，提高特征提取的速度，同时得到较高的识别精度。
[0005]为了实现上述目的，本发明包括掌纹图像预处理、图像灰度归一化、稳定特征图像计算、交叉梯度编码、掌纹匹配识别和输出结果五个步骤，其具体识别过程为:
[0006](I)、掌纹图像预处理:通过现有公知技术中的角点检测算法分别检测出掌纹图像中食指与中指、无名指与小指之间的角点，通过这两个角点形成的切线进行旋转矫正，分割出掌纹图像中心128X128像素的区域，即为原始掌纹图像的感兴趣区域(Region ofInterest, ROI)图像；
[0007](2)、图像灰度归一化:采用公知的最小-最大归一化法对感兴趣区域图像进行灰度归一化，将图像灰度约束到0-255之间，得到归一化后的掌纹图像；最小-最大归一化的定义如下:
[0008]
【权利要求】
1.一种稳定特征图像下交叉梯度编码的掌纹识别方法，其特征在于包括掌纹图像预处理、图像灰度归一化、稳定特征图像计算、交叉梯度编码、掌纹匹配识别和输出结果五个步骤，其具体识别过程为: (1)、掌纹图像预处理:通过现有公知技术中的角点检测算法分别检测出掌纹图像中食指和中指、无名指和小指之间的角点，通过这两个角点形成的切线进行旋转矫正，分割出掌纹图像中心128X 128像素的区域，即为原始掌纹图像的感兴趣区域图像； (2)、图像灰度归一化:采用公知的最小-最大归一化法对感兴趣区域图像进行灰度归一化，将图像灰度约束到0-255之间，得到归一化后的掌纹图像；最小-最大归一化的定义如下:
2.根据权利要求1所述的种稳定特征图像下交叉梯度编码的掌纹识别方法，其特征在于步骤(3)能量泛函模型求解过程中选取惩罚参数λ=8, Split Bregman迭代中引入的平衡参数Θ =2,迭代次数k根据能量泛函达到收敛时来得到，收敛判定参数ξ =0.01。
3.根据权利要求1所述的种稳定特征图像下交叉梯度编码的掌纹识别方法，其特征在于涉及的步骤(4)对稳定特征图像特征提取中，在进行局部对角差分时，选取8领域进行操作，通过定义的交叉梯度编码规则，将编码值赋给8领域的中心像素点，组成含有4种类型值的特征矩阵，再对得到的特征矩阵进行分块，每块大小为8X8个像素值大小，共分为16X16=256 块。
4.根据权利要求1所述的种稳定特征图像下交叉梯度编码的掌纹识别方法，其特征在于对每一块进行交叉梯度编码统计，将每块得到的特征串联成一个向量，再通过步骤(5 )中的归一化相关性分类器进行分类。
【文档编号】G06K9/00GK103593660SQ201310611988
【公开日】2014年2月19日 申请日期:2013年11月27日 优先权日:2013年11月27日
【发明者】魏伟波, 洪丹枫, 潘振宽, 赵希梅, 吴鑫 申请人:青岛大学