基于方向特征的手掌静脉分类索引构建方法
【技术领域】
[0001] 本发明涉及一种手掌静脉特征识别技术，特别是一种基于方向特征的手掌静脉分 类索引构建方法。
【背景技术】
[0002] 掌静脉识别基于静脉血管进行一致性判断，因其具有活体采集、难伪造、特征信息 丰富且唯一等良好性质，成为近十年来新兴生物特征识别技术之一，得到业内人士的广泛 关注。随着掌脉识别技术应用领域的不断扩大，掌脉数据库的规模也在不断扩大，随之而来 的关键问题就是大型掌脉数据库的识别精度和识别速度问题。
[0003] 掌脉识别算法从运行方式而言，可以分成两类，即验证模式（verification)和辨 识模式（identification)。验证模式：判定实时输入的具有唯一编码（ID)的掌脉图像，是 否与此ID所对应的数据库中的掌脉样本相匹配；辨识模式：输入一幅实时掌脉图像（Probe palmveinimage)(测试样本），检索数据库中的所有样本，找到与之相匹配的数据库中的样 本，获取数据库中样本的ID，即确认为测试样本的ID。辨识问题可以看作是广义化的验证 问题[2]。
[0004] 大多数掌脉识别算法的研宄都针对验证模式，并且取得了很大进步，算法都有很 高的识别精度并且能在几十毫秒至几百毫秒内完成匹配[3-16]。但辨识工作模式下的掌脉 检索算法要比验证工作模式下的匹配算法难度大很多，特别是在大型掌脉数据库中就更为 困难。换句话说，若一个测试样本需要与数据库中所有样本相匹配，随着数据库中样本数的 增加，辨识过程所需的时间会快速增加，导致辨识模式下系统无法满足实时性要求。因此， 尽管现有掌静脉算法在验证模式下的匹配速度能满足系统实时性要求，仍不能直接将验证 中的匹配算法用在辨识过程中。（对于大型掌脉数据库，提高辨识速度的一种有效方式就是 保持精确匹配算法（验证模式下）不变，通过将生物特征分类或分层，进行指导性检索。指 导性检索的基本工作模式是：首先提取可靠的检索特征作为指导性信息，然后依据检索特 征的特点构造出高效的索引结构，得到一些候选的掌脉图像样本，最后利用验证模式下的 精确匹配算法比对测试样本和候选样本，根据匹配分判定测试样本的ID。这样，既可以缩小 对数据库样本检索范围，同时利用精确匹配算法也能保证辨识模式有较高的正确率。）
[0005] 在大型生物特征识别系统中，指纹和掌纹图像与掌脉图像相似，均包含大量的纹 理。其中指纹分类算法较成熟[17-23]，大体分为两种：一种是固定分类方法[17-19]，根据 指纹的自然形状分成5类或者扩展成6?8类，如左旋、右旋、漩涡等类别，测试样本根据所 属类别/子库，直接与子库内的候选样本进行进一步的精确匹配，得到测试样本的ID。其优 点是无需采用相似度准则就能检索出候选样本，可以减少一定的检索时间；但是也存在很 多问题，如某些样本的类别难以确定；分类遵循自然规律，可能导致某些子库中的样本数量 过大；无法通过调整子库中样本数的分布来平衡系统的精度和速度。另一种分类方法是连 续分类方法[20-23]，通过某些变换方法提取图像主要特征作为分类特征，检索时，将测试 图像的分类特征与数据库图像的分类特征进行相似度计算，找到与测试图像相似的一些数 据库图像，作为候选样本进行进一步匹配。连续分类方法可以避免固定分类方法出现的问 题，但其候选样本需用相似度准则检索整个数据库才能得到，且相似度测量方法若选取的 不好会降低识别率（accuracy)。而在掌纹方面，尚在研宄阶段，仅有一些文献[24-26]提及 到分类算法，如文献[24, 25]类似连续分类方法，由粗到细层次地减少掌纹检索范围；文献
[26]类似固定分类方法，根据掌纹主线的数量分成6类。与指纹、掌纹不同，掌脉图像中的 静脉分布并无明显规律，即没有指纹中左旋、右旋、漩涡的特点，也没有掌纹中主线的分布。 因此掌纹和指纹的分类算法，只能给我们提供一些检索方法上的指导，而在掌脉分类特征 的选择上，参考意义有限。
[0006] 大型掌脉数据库中，在辨识模式下得到测试图像的ID是一个检索问题。需将测试 图像与数据库中每一幅图像进行比对，得到与测试图像最相似的模板图像。很明显，这种穷 举法难以满足辨识系统的实时性要求，分类或分层的指导性检索方法是一种有效提高检索 效率的方法。其中探索简单有效的分类索引结构和快速检索算法是指导性检索算法中两个 关键问题。
【发明内容】
[0007] 本发明的目的是为了解决上述现有技术的不足提供一种增加不同个体间掌脉的 相关性，达到分类快速检索的基于方向特征的手掌静脉分类索引构建方法。
[0008] 为了实现上述目的，本发明所设计的一种基于方向特征的手掌静脉分类索引构 建方法，其特征是首先针对掌脉图像，采用GaUSSian_iRadon(G-iR)变换提取掌脉图像的 方向特征矩阵，得到图像主方向，以此图像主方向构建分类索引，所述的采用Gaussian_ iRadon(G-iR)变换提取掌脉图像的方向特征矩阵是在判定中心像素点的主方向DjxmyQ) 时，利用Gaussian函数对中心点的加权规则，削弱邻域内像素点对中心像素点的贡献度， 进而减弱iRadon变换提取到的方向信息的分辨能力，其中：实函数f[x，y]在有限邻域 local(x，y)内的G-iR变换定义为：
【主权项】
1. 一种基于方向特征的手掌静脉分类索引构建方法，其特征是首先针对掌脉图像，采 用Gaussian_iRadon(G-iR)变换提取掌脉图像的方向特征矩阵，得到图像主方向，以此图 像主方向构建分类索引，所述的采用Gaussian_iRadon(G-iR)变换提取掌脉图像的方向特 征矩阵是在判定中心像素点的主方向Djxm yj时，利用Gaussian函数对中心点的加权规 贝1J，削弱邻域内像素点对中心像素点的贡献度，进而减弱iRadon变换提取到的方向信息的 分辨能力，其中：实函数f [X，y]在有限邻域local(X，y)内的G-iR变换定义为：
(6) (7) Lk即为Section2. 1中iRadon变换有关有限线段的定义；等式（8)给出2-D高斯函数G(x,y, 〇 )的定义，（X，y)表示Gaussian滤波器中的离散点，（X。，yQ)是滤波器的中心点；〇 是高斯滤波器的标准方差；
类似地，根据iRadon变换的竞争编码方式得到由D。(X，y)组成的方向特征矩阵； 所述的图像主方向构建分类索引是基于G-iR变换得到的每个像素的主方向Djx，y)， 根据公式（9)，统计其方向特征的分布，并求得整个图像的主方向<i> ;其中m，n为0M矩 阵大小；
(9) 利用图像主方向巾，将数据库分成6类，SP <}) = 2;巾=3;巾=4;巾=5; = 6〇
2. 根据权利要求1所述的基于方向特征的手掌静脉分类索引构建方法，其特征是在掌 脉图像采集过程中采集高、中、低三个分辨率下的图像，分别用三个不同大小的G-iR滤波 器提取图像方向特征，并用上述提取主方向的方法，得到高、中、低三个分辨率下图像的主 方向，巾 2，巾3]，取3个主方向[(i^，<i>2, <i>3]的众数（mode)作为最终的主方向定义 公式（10): 〇 = moded，巾2,巾3) ;〇 = 1，2,3,4,5,6 (10)根据主方向将大型数据库 分成 6 个子库 LJO = l)，L2(〇 =2)，L3(〇 =3)，L4(〇 =4)，L5(〇 =5)，L6(〇 =6)，〇 =1表示主方向为0度，且偏移角度不超过一定范围的图像，以此类推。
3. 根据权利要求2所述的基于方向特征的手掌静脉分类索引构建方法，其特征是采 集高、中、低三个分辨率下的图像，其图像分辨率大小分别是高：128*128、中：64*64、低： 32*32。
【专利摘要】本发明公开了一种基于方向特征的手掌静脉分类索引构建方法，它采用Gaussian_iRadon（G-iR）变换提取掌脉图像的方向特征矩阵，得到图像主方向，以此图像主方向构建分类索引，本发明提供的一种基于方向特征的手掌静脉分类索引构建方法，利用Gaussian Radon变换提取掌静脉图像方向特征信息，并用统计法分析高、中、低三种分辨率下的图像相应的方向特征矩阵，进而得到简单且有效的分类索引结构，能增强对掌脉的形变误差及噪声的鲁棒性，有效地实现了各子库中样本分布的均匀性，大大减少了检索时间。
【IPC分类】G06F17-30, G06K9-46
【公开号】CN104615635
【申请号】CN201410633268
【发明人】刘娅琴, 周宇佳, 黄靖, 杨丰
【申请人】南方医科大学
【公开日】2015年5月13日
【申请日】2014年11月10日