[发明专利]基于Gabor‑带限相位相关的指关节纹识别方法

说明书

技术领域

本发明涉及一种基于Gabor-带限相位相关的指关节纹识别方法，属于机器学习和模式识别的技术领域。

技术背景

随着科学技术的不断发展，生物特征识别已经受到越来越多的关注，基于计算机视觉的生物特征识别发展迅猛，出现了大量的新技术与新设备。由于现阶段人口流动量大、人口密度增加等原因，基于个体本身的识别系统受到人们的关注，人们需要寻求更为安全可靠、使用便捷性高的方法。由于其个体差异明显，易于采集、安全性高、可靠性强等特点，基于生物特征识别的安防、监控、管理系统已与生活的各个环节深度整合，实现自动化管理。因其广泛的应用前景、巨大的社会效益，已引起各国的广泛关注和高度重视。本文主要研究一种新兴的生物识别特征——手指关节纹。已经有许多学者在理论上面验证了指关节纹这种生物特征的可实现性¹。实际上，在手背上存在比手掌更明显的生物特征，并且这些特征比手掌特征要小的多。这些促使了很多学者对于手背上的关节纹特征上做了很多工作，并取得了原创性的成果。因此，指关节纹作为一种新兴的生物识别特征，有着非常丰富的生物信息，这对于生物特征家族来说是一种有力的补充。本发明基于香港理工大学张磊等人创建的PolyU FKP数据库来进行算法研究²，提出了一种基于Gabor-带限相位相关算法的指关节纹识别方法。相比传统的算法，本发明所提出算法取得了更高的识别率，为关节纹识别应用奠定了理论基础。

指关节纹具有丰富的生物特征信息，是一种新兴的生物特征表达方法。目前，对关节纹识别的研究还处于起始阶段，各方面技术还不成熟。¹D.Woodard,P.Flynn,Finger surface as a biometric identifier,Computer Vision and Image Understanding100(2005)357–384²L.Zhang,L.Zhang,D.Zhang,Finger-knuckle-print:a new biometric identifier,in:Proc.Int’l Conf.Image Processing,2009,pp.1981–1984.

发明内容

针对现有技术的不足，本发明提供一种基于Gabor-带限相位相关的指关节纹识别方法。该方法相对已有的关节纹识别算法，识别率有了进一步的提升，是一种高效的指关节纹识别方法。所述指关节纹包括包裹在手指远心端第二关节外的皮肤纹理。

本发明是通过如下技术方案来实现的：

一种基于Gabor-带限相位相关的指关节纹识别方法，包括如下步骤：

1)利用Gabor滤波器对训练样本和匹配样本的两幅图片进行图像特征提取，形成Gabor滤波输出图像；

2)利用限制对比度自适应直方图方法CLAHE对所述Gabor滤波输出图像进行对比度增强，提高纹理的识别度；

3)进行平移量调整图片位置与尺寸：对使用限制对比度自适应直方图方法CLAHE滤波的图像进行带限相位相关算法运算，获取两图像之间的归一化互功率谱，利用带限之后的图谱最大峰值的坐标偏移中心坐标的偏移量作为图片偏移量；

4)进行图像校准，包括两个部分，调整训练样本和匹配样本的图像的像素行和列相同：对训练图像进行右下角的补零或裁减，对匹配图像进行向左上角方向的移动或裁减；

5)使用带限相位相关算法对进行偏移量校准后的图片进行运算获取的训练样本和匹配样本之间的归一化互功率谱；所述偏移量校准是指步骤(4)中调整图像的像素行和列相同；

6)根据带限相位相关算法运算之后的归一化互功率图谱最大峰值确定图像匹配的阈值，对训练样本和匹配样本进行特征匹配：若训练样本和匹配样本的指关节纹归一化互功率图谱最大峰值大于或等于阈值，则判定训练样本和匹配样本为特征匹配；若训练样本和匹配样本的指关节纹归一化互功率图谱最大峰值小于阈值，则判定训练样本和匹配样本为特征不匹配。

根据本发明优选的，所述的阈值设定为1.08，若训练样本和匹配样本的指关节纹归一化互功率图谱最大峰值大于或等于1.08，则判定训练样本和匹配样本为特征匹配；若训练样本和匹配样本的指关节纹归一化互功率图谱最大峰值小于1.08，则判定训练样本和匹配样本为特征不匹配。

根据本发明优选的，所述Gabor滤波器如式(1)所示：