本发明属于具有光照变化的掌纹识别领域，具体涉及一种基于投影算子与小波变换的掌纹识别方法。
背景技术：
目前，人们的工作和生活越来越离不开身份识别与身份验证，掌纹识别技术作为一种新的身份鉴别技术受到了越来越多的关注。如何表征掌纹是掌纹识别问题中的难点也是热点。有效的表征掌纹是提高掌纹识别技术性能的关键，而基于子空间的特征抽取方法是表征掌纹的有效方法之一，它有着统计理论作为支撑，取得了很好的效果。但是，在基于子空间的特征提取法中，特征的维数一般需要人为设定，影响了该方法的实用性。
技术实现要素：
(一)要解决的技术问题
本发明要解决的技术问题是：为了克服基于子空间的特征提取方法中特征维数设定的问题，如何提出了一种特征维数无须人为设定的特征提取方法，比如基于子空间特征提取的掌纹识别方法。
(二)技术方案
为解决上述技术问题，本发明提供一种基于投影算子与小波变换的掌纹识别方法，其包括如下步骤：
步骤S1：构造掌纹数据库；
步骤S2：对掌纹数据库中的图像的进行小波变换；
步骤S3：用小波变换后的掌纹数据构造投影算子的零空间；
步骤S4：使用奇异值分解的方法求得该空间的鉴别投影；
步骤S5：利用鉴别投影对掌纹数据进行特征提取，得到降维后的掌纹数据库；
步骤S6：待测掌纹图像经小波变换后，利用鉴别投影对其进行降维，然后利用降维后的掌纹数据库，使用最近邻分类器对降维后的待测样本进行分类。
其中，所述步骤S1中：采集掌纹图像数据，构造掌纹库；掌纹图像是从不同角度，不同光照条件下拍摄的，每个人的掌纹图像包括：正面光照射图，左侧光照射图、右侧光照射图，其中每幅图像大小为80×100；每个人共采集11幅图像；假设共采集了c个人，用xi1,xi2…xi11,i＝1,2…,c表示掌纹图像，其中i表示类别，即图像所属的不同的人。
其中，所述步骤S2中：对掌纹库中的掌纹图像进行小波变换，使用的小波正交基为“db2”小波正交基；小波变换后的掌纹图像记为：
yi1,yi2…yi11,i＝1,2,…,c。
其中，所述步骤S3中：计算投影算子的零空间；对属于第i类的掌纹图像样本xi1,xi2…xi11,进行小波变换得到小波表示系数yi1,yi2…yi11,i＝1,2,…,c；
计算每个类别的中心；
然后计算图像偏移值
然后根据图像偏移值zij构造投影算子零空间的元素；
若zij∈Rn，Rn＝80×100，构造它们分别保持zij中尺度d下的尺度系数，水平方向、垂直方向、对角线方向的小波系数不变，而其余元素为零。
其中，所述步骤S4中：使用奇异值分解法计算零空间的一组标准正交基按列构成鉴别投影矩阵奇异值分解法的说明如下：
设矩阵B∈Rm×n是零空间元素按列构成的矩阵，n为元素个数，rank(B)＝r，矩阵B的奇异值分解为B＝UΣVT；
其中，则Ur＝[u1,u2,…,ur]为B的列向量组成空间的一组标准正交基，即
其中，所述步骤S5中：将鉴别投影矩阵作用于小波变换后的掌纹图像数据，构造出特征提取后的掌纹图像数据，即得到降维后的掌纹图像数据库P。
其中，所述步骤S6中：对于待测掌纹图像样本，首先进行小波变换，选取尺度d下的小波表示系数作为新的掌纹数据，然后使用鉴别投影矩阵进行特征提取，最后利用掌纹图像数据库P，使用最近邻分类器进行分类，判别待测人物属于数据库中的哪一个人，或者是不属于此数据库中的人。
(三)有益效果
与现有技术相比较，本发明具备如下有益效果：
(1)本发明具有一定的鲁棒性，对对掌纹图像光照的变化不敏感。
(2)本发明利用了投影算子具有空间分解的性质，分解的子空间维数是一定的，避免了其他方法人为选取特征维数。
(3)与其他方法中使用最近邻分类器比起来，本发明中使用最近邻分类器是有理论依据的。根据投影算子的相关知识，原始空间的元素x在子空间的投影xi对x有最佳逼近性，而本发明中得到降维后的掌纹数据可以看作是原掌纹图像数据在投影算子零空间的投影，根据投影的最佳逼近性，可以认为同类数据投影后“距离”可能会更近，故选用最近邻分类效果会较好。
具体实施方式
为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
为解决现有技术的问题，本发明提供一种基于投影算子与小波变换的掌纹识别方法，其包括如下步骤：
步骤S1：构造掌纹数据库；
步骤S2：对掌纹数据库中的图像的进行小波变换；
步骤S3：用小波变换后的掌纹数据构造投影算子的零空间；
步骤S4：使用奇异值分解的方法求得该空间的鉴别投影；
步骤S5：利用鉴别投影对掌纹数据进行特征提取，得到降维后的掌纹数据库；
步骤S6：待测掌纹图像经小波变换后，利用鉴别投影对其进行降维，然后利用降维后的掌纹数据库，使用最近邻分类器对降维后的待测样本进行分类。
其中，所述步骤S1中：采集掌纹图像数据，构造掌纹库；掌纹图像是从不同角度，不同光照条件下拍摄的，每个人的掌纹图像包括：正面光照射图，左侧光照射图、右侧光照射图，其中每幅图像大小为80×100；每个人共采集11幅图像；假设共采集了c个人，用xi1,xi2…xi11,i＝1,2…,c表示掌纹图像，其中i表示类别，即图像所属的不同的人。
其中，所述步骤S2中：对掌纹库中的掌纹图像进行小波变换，使用的小波正交基为“db2”小波正交基；小波变换后的掌纹图像记为：
yi1,yi2…yi11,i＝1,2,…,c。
其中，所述步骤S3中：计算投影算子的零空间；对属于第i类的掌纹图像样本xi1,xi2…xi11,进行小波变换得到小波表示系数yi1,yi2…yi11,i＝1,2,…,c；
计算每个类别的中心；
然后计算图像偏移值
然后根据图像偏移值zij构造投影算子零空间的元素；
若zij∈Rn，Rn＝80×100，构造它们分别保持zij中尺度d下的尺度系数，水平方向、垂直方向、对角线方向的小波系数不变，而其余元素为零。
其中，所述步骤S4中：使用奇异值分解法计算零空间的一组标准正交基按列构成鉴别投影矩阵奇异值分解法的说明如下：
设矩阵B∈Rm×n是零空间元素按列构成的矩阵，n为元素个数，rank(B)＝r，矩阵B的奇异值分解为B＝UΣVT；
其中，则Ur＝[u1,u2,…,ur]为B的列向量组成空间的一组标准正交基，即
其中，所述步骤S5中：将鉴别投影矩阵作用于小波变换后的掌纹图像数据(注意此数据只包含尺度d下的数据)，构造出特征提取后的掌纹图像数据，即得到降维后的掌纹图像数据库P。
其中，所述步骤S6中：对于待测掌纹图像样本，首先进行小波变换，选取尺度d下的小波表示系数作为新的掌纹数据，然后使用鉴别投影矩阵进行特征提取，最后利用掌纹图像数据库P，使用最近邻分类器进行分类，判别待测人物属于数据库中的哪一个人，或者是不属于此数据库中的人。
综上，本发明属于具有光照变化的掌纹识别领域，具体涉及一种基于投影算子与小波变换的掌纹识别方法。该方法是一种基于子空间特征提取的方法，对高维掌纹数据进行降维，降低了计算量的同时也减少了数据的存储空间。考虑到投影算子和小波变换的内在联系，本发明巧妙的将二者结合使用，同时利用了投影算子具有子空间分解的性质，避免了特征维数的人为设定，以及根据子空间投影最佳逼近的性质，选用最近邻分类器。本发明具有一定的鲁棒性，对掌纹图像光照的变化不敏感，取得了有较高的识别率。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。