基于掌纹和指横纹特征融合的身份识别方法
【专利摘要】本发明涉及一种基于掌纹和指横纹特征融合的身份识别方法，其基于掌纹和指横纹小波变换特征匹配在分数层的融合来实现。首先，采用小波变换对掌纹和指横纹图像进行特征提取，构造出掌纹和指横纹小波能量特征；其次，对两类小波能量特征实施相应的特征匹配操作，获取各自初始匹配分值并进行归一化处理；最后，使用乘法规则对掌纹和指横纹归一化匹配分值进行融合，获得最终的融合分值。基于融合分值的统计结果可计算出发明方法的识别精度，从而验证方法的有效性。
【专利说明】基于掌纹和指横纹特征融合的身份识别方法
【技术领域】
[0001] 本发明涉及一种人体生物特征识别技术的新方法，特别涉及一种基于掌纹和指横 纹小波能量特征的融合识别新方法，属于计算机应用领域。
【背景技术】
[0002] 人体生物特征识别技术是计算机与光学、声学和生物统计学原理等高科技手段相 结合的一种个人身份认证技术，其利用人体固有生物特征进行个人身份鉴定。目前，人体身 份认证技术主要采用人脸、指纹、虹膜、掌纹和指横纹等特征。此类特征具有诸多优点：（1) 普遍性，任何人都具有此类特征；（2)唯一性，在每个人都拥有同一特征的前提下，任意两 个人拥有的特征各不相同；（3)永久性，此类特征具有永久不变性，即不会随时间或者环境 因素的变化而发生大的变化；(4)安全性，此类特征不易被伪造或模仿；（5)可采集性，特征 可以方便的被采集；(6)可接受性，所使用的特征应该比较容易被用户接受；（7)性能要求， 使用此类特征设计的人体身份认证系统能获得较高的识别精度。
[0003] 掌纹识别是近年来新兴的一种身份识别方法，是对现有生物特征识别技术的重要 补充。和其他生物特征相比，掌纹具有以下特点：（1)跟人脸相比，掌纹采集过程易于控制， 避免了人脸表情变化造成的精度丧失问题；（2)跟指纹、指横纹相比，掌纹含有更为丰富的 可区分性特征信息，且更容易被用户接受；（3)跟虹膜相比，掌纹采集设备廉价，使用方便。 掌纹具有主线、褶皱和乳突纹等丰富纹线特征，乳突纹较细、较弱，可从高分辨率、高质量的 图像中提取，而主线、褶皱较粗、较强，能够从低分辨率、有噪声的图像中提取。此外，掌纹中 的主线和褶皱特征还具有不同的方向信息。
[0004] 同样，指横纹识别方法作为另一种生物特征识别技术的重要补充，它同样具有一 定的自身优势。指横纹与人脸、虹膜相比，具有采集过程简单、采集设备廉价、用户接受程度 高等特点；指横纹与指纹、掌纹相比，指横纹处于手指弯折处，一般不易出现因老茧、污垢造 成的精度损失，而且由于长期的手指弯曲运动使其特征更为明显，为识别提供了更大方便； 最后，指横纹分布在不同手指上，更不易被窃取仿造。
[0005] 小波变换作为一种多分辨率分析工具，能够从不同尺度、不同位置和不同方向分 析处理图像纹理信息。对于较粗或较强的特征，可以采用大尺度、低分辨率下的小波变换； 对于较细或较弱的特征，可以采用小尺度、高分辨率的小波变换。用小波变换分别进行掌纹 和指横纹识别是一种公知的方法。但利用单一的掌纹和指横纹识别技术进行生物特征识 另IJ，其识别精度仍有提升的空间。此外，掌纹和指横纹特征同处于手掌之中，在特征采集时 利用它同一设备可以同时采集，对其进行融合识别非常便利。
【发明内容】
[0006] 本发明目的是提供一种基于掌纹和指横纹小波能量特征融合进行身份认证的方 法，其可提高单一基于小波变换的掌纹识别或者基于小波变换的指横纹识别的识别精度。
[0007] 为了实现上述目的，本发明所采用的技术方案为一种基于小波变换在分数层融合 掌纹和指横纹特征的方法；其分为掌纹、指横纹特征提取和分数层特征融合与匹配两个阶 段；即在已获得预处理好的掌纹和指横纹图像的前提下，从掌纹和指横纹图像中分别提取 出掌纹小波能量特征和指横纹小波能量特征，分别计算两者在分数层的得分，再将掌纹和 指横纹得分按照分数相乘融合方法构成新的得分，使用新的得分进行识别个体；具体过程 如下：
[0008] 第一步：掌纹和指横纹小波能量特征提取；
[0009] (1)首先对掌纹和指横纹图像进行小波分解；
[0010] 分解得到掌纹、指横纹的低频子图和细节子图，去除掌纹、指横纹的低频子图；
[0011] (2)将每个细节子图划分互不相交的子块；
[0012] (3)分别计算掌纹和指横纹的每个细节子图中子块相应的能量，并分别构造掌纹 和指横纹特征向量；
[0013] 第二步：特征匹配与分数层融合；
[0014] (1)分别计算掌纹和指横纹匹配得分，分为真匹配得分和假匹配得分，并进行归一 化方法处理；
[0015] (2)按照乘法融合方法，在分数层融合掌纹和指横纹得分。
[0016] 所述小波分解为3级，掌纹特征提取中小波分解使用'Haar'小波，指横纹特征提 取中小波分解使用'Dbl'小波。
[0017] 所述掌纹细节子图分行方向为12块，列方向块数根据细节子图大小计算；指横纹 细节子图行方向为3块，列方向块数根据细节子图大小计算。
[0018] 所述细节子图分为水水平方向细节子图、坚直方向细节子图和对角线方向细节子 图。
[0019] 所述纹和指横纹匹配得分采用绝对距离计算法。
[0020] 所述归一化方法为z-score归一化方法，其公式为
[0021] Score = (x-mean (X))/std (X);
[0022] 其中，x为一类生物特征间的匹配分值向量，mean(X)和std(x)为掌纹或指横纹真 假匹配的平均值和标准差。
[0023] 所述乘法融合方法的公式为
[0024] score = f^Pi (i = 1, 2, . . . , Μ)；
[0025] 其中，&为指横纹第i个得分，Pi为掌纹第i个得分；Μ为得分总数目。
[0026] 本发明与现有技术相比，具有以下优点：
[0027] (1) -般基于小波的掌纹识别方法和指横纹识别方法都仅利用单一掌纹特征或指 横纹特征，受掌纹和指横纹各自固有的特征信息丰富程度的限制，单一方法取得的识别精 度仍有较大提升空间；本发明同时采集掌纹和指横纹特征，充分利用了各自的特征信息，利 用小波变换方法提取特征后在分数层融合，识别精度有较大提高。
[0028] (2)生物特征融合的方法有许多种，比如人脸和掌纹特征的融合，人脸与指纹特征 的融合等等。但此类都需要多套设备分别采集不同人体特征。本发明使用的特征同处于手 掌之中，采集时仅需一套设备即可完成特征的采集，具有一定的便利性，降低了经济成本。
[0029] (3)本发明进一步将小波细节子图分块，分别计算掌纹块和指横纹块的能量，充分 利用了掌纹和指横纹图像的局部信息。
[0030] 本发明提出的基于小波变换的掌纹和指横纹融合的新方法，具有一定的有效性， 其精度比单一方法都有所提高。基于小波变换的掌纹识别其等错误率为2. 46%，而基于 小波变换的指横纹识别其等错误率为5. 62%，利用本发明的新方法得到的等错误率为 1. 75%。
[0031] 本发明将结合实施例参照附图进行详细说明，以便对本发明的目的，特征和有点 进行深入的理解。
【专利附图】
【附图说明】
[0032] 图1本发明新方法流程框图；
[0033] 图2本发明方法与单一方法的结果比较。
【具体实施方式】
[0034] 如附图1所示，本发明是基于小波变换的掌纹和指横纹分数层融合的方法，其分 为两个阶段：掌纹、指横纹小波能量特征提取阶段和分数层特征融合。为了验证本发明的有 效性，我们使用香港理工大学的掌纹和指横纹数据库。
[0035] 具体实施过程如下：
[0036] 第一步：基于小波变换的掌纹、指横纹小波能量特征提取；
[0037] (1)基于小波变换的掌纹能量特征计算
[0038] 小波变换以不同尺度分别在水平方向、垂直方向和对角线方向上分解掌纹图像， 在不同级和不同方向上得到的小波系数构成了掌纹特征。设氏，\和Di分别是第i级小波 在水平方向、坚直方向和对角线方向上分解掌纹图像的得到的细节图像。为了描述掌纹纹 理的基本构件，如掌纹线和乳突纹等，我们分别计算成，\和Di方向的小波能量，以此表示 各个基本构件在不同方向上的强度信息。掌纹图像在HyVi和Di方向上的第i级小波能量 计算公式如下 ：
【权利要求】
1. 基于掌纹和指横纹特征融合的身份识别方法，其特征在于：其分为掌纹、指横纹特 征提取和分数层特征融合与匹配两个阶段；即在已获得预处理好的掌纹和指横纹图像的前 提下，从掌纹和指横纹图像中分别提取出掌纹小波能量特征和指横纹小波能量特征，分别 计算两者在分数层的得分，再将掌纹和指横纹得分按照分数相乘融合方法构成新的得分， 使用新的得分进行识别个体；具体过程如下： (1) 首先对掌纹和指横纹图像进行小波分解； 分解得到掌纹、指横纹的低频子图和细节子图，去除掌纹、指横纹的低频子图； (2) 将掌纹、指横纹的每个细节子图划分互不相交的子块； (3) 分别计算掌纹和指横纹的每个细节子图中子块相应的能量，并分别构造掌纹和指 横纹特征向量； (4) 分别计算掌纹和指横纹匹配得分，分为真匹配得分和假匹配得分，并进行归一化方 法处理； (5) 按照乘法融合方法，在分数层融合掌纹和指横纹得分。
2. 根据权利要1所述的基于掌纹和指横纹特征融合的身份识别方法，其特征在在于： 所述步骤（1)中的小波分解为3级，掌纹特征提取中小波分解使用'Haar'小波，指横纹特 征提取中小波分解使用'Dbl'小波。 根据权利要1所述的基于掌纹和指横纹特征融合的身份识别方法，其特征在在于：所 述步骤（2)中的掌纹细节子图分行方向为12块，列方向块数根据细节子图大小计算；指横 纹细节子图行方向为3块，列方向块数根据细节子图大小计算。
3. 根据权利要1所述的基于掌纹和指横纹特征融合的身份识别方法，其特征在在于： 所述步骤（2)中细节子图分为水水平方向细节子图、坚直方向细节子图和对角线方向细节 子图。
4. 根据权利要1所述的基于掌纹和指横纹特征融合的身份识别方法，其特征在在于： 所述步骤（2)中纹和指横纹匹配得分采用绝对距离计算法。
5. 根据权利要1所述的基于掌纹和指横纹特征融合的身份识别方法，其特征在在于： 所述步骤（2)中归一化方法为z-score归一化方法，其公式为 Score = (χ-mean(x))/std(x)； 其中，X为一类生物特征间的匹配分值向量，mean(x)和std(x)为掌纹或指横纹真假匹 配的平均值和标准差。
6. 根据权利要1所述的基于掌纹和指横纹特征融合的身份识别方法，其特征在在于： 所述步骤（5)中乘法融合方法的公式为 score = fi*Pi (i = 1, 2,. . . , Μ)； 其中，fi为指横纹第i个得分，Pi为掌纹第i个得分；Μ为得分总数目。
【文档编号】G06K9/46GK104112125SQ201410360564
【公开日】2014年10月22日 申请日期:2014年7月24日 优先权日:2014年7月24日
【发明者】张建新, 张强, 刘建洋 申请人:大连大学