[发明专利]一种基于纹理的掌纹掌脉融合识别方法

说明书

本发明提供一种基于纹理的掌纹掌脉融合识别方法，涉及图像识别及处理技术领域。本发明步骤如下：步骤1：对掌纹图像A及掌脉图像B在NSCT域进行融合，NSCT变换将图像分解为低频子图像和高频子图像，分别对低频子图像和高频子图像进行融合处理后，再进行NSCT逆变换，生成融合图像F；步骤2：利用BSLDP算法提取F的特征，对F做分块操作，利用SLDP算法提取每一子块直方图特征向量，将所有特征向量进行串接，得到F的统计直方图总特征向量α；步骤3：利用F和待识别图像的特征向量之间的卡方距离判断是否匹配。该方法有效地降低系统等误率，满足实时性的要求，掌纹掌脉特征融合增加了系统的安全性和可靠性。

技术领域

本发明涉及图像识别及处理技术领域，尤其涉及一种基于纹理的掌纹掌脉融合识别方法。

背景技术

近年来，基于人体生物特征的身份认证技术受到了社会的广泛关注，生物特征识别技术是指利用人本身所具有的生理特征或行为特征，来进行身份识别和鉴定的一种技术。与传统的身份鉴别技术相比，它具有唯一性、随身携带和难假冒伪造的特点，因此更为有效、方便和安全。

单一的生物特征由于受特征提取技术及环境等因素的影响，不可能真正的具有唯一性，这就使得系统的稳定性和实用性较差，且很难通过仅改进特征提取技术或特征匹配算法来解决此问题。为了提高系统的识别精度和稳定性，引入多模态生物特征融合识别技术。多模态生物特征识别技术是指对同一生物特征采用多种方法进行识别，或对不同生物特征采用多种方法进行识别，最终实现身份识别的技术,多模态生物特征识别技术合理的选择多种生物特征进行融合识别，每个特征取长补短，不仅仅提高了系统的安全可靠性，也扩展了系统的可用性，在一种特征不理想的情况下，采用其他的特征进行弥补，相比于单模态具有更加明显的优势。其中掌纹掌脉识别技术作为生物识别技术领域里的新成员，近年来受到越来越多的重视。与其它生物特征识别技术相比，掌纹掌脉识别技术具有的优点是：不涉及隐私问题，用户比较容易接受；采样方法简单，对图像的分辨率要求可降低，图像比较容易获得；感兴趣区域比指纹大得多，信息量大，可以提取更多的特征等；但该技术仍存在系统等误率高，安全性和可靠性低等问题。

小波变换是一种优异的多尺度分析工具，但在处理图像时存在一些难以避免的缺陷，相比于小波变换，超小波变换在解决信号的多重性问题方面有着巨大的优势。最近几年，超小波变换在信号处理领域中被广泛应用到图像处理。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于纹理的掌纹掌脉融合识别方法，该方法可以有效地降低系统等误率，满足实时性的要求，具有可行性和实际应用前景，掌纹掌脉特征融合增加了系统的安全性和可靠性。

为解决上述技术问题，本发明所采取的技术方案是：

一种基于纹理的掌纹掌脉融合识别方法，包括以下步骤：

步骤1：对掌纹图像A及掌脉图像B基于NSCT域进行融合，利用NSCT变换将图像分解为低频子图像和高频子图像两部分，对低频部分采用区域能量自适应加权融合，高频部分带利用图像自相似进行系数融合，最后进行NSCT逆变换，重构生成融合图像F；

步骤2：对融合图像F利用BSLDP算法提取特征，对融合图像F进行分块操作，利用SLDP算法提取每一子块直方图特征向量，将每一子块的直方图特征向量进行串接，得到融合图像F的统计直方图总特征向量α；

所述BSLDP算法为分块增强局部方向模式；该模式是将一幅图像经过分块增强局部方向模式运算后，各像素点在取值上虽然有所改变，结果仍为一幅图像，称之为BSLDP图谱；将该图谱的统计直方图作为特征向量来进行之后的操作；

所述SLDP算法为增强局部方向模式；该模式是参照局部二值模式原理而提出的一种特征提取方法，该方法在描述图像的纹理信息时，对于任意一个大小为3×3的矩形块I，有9 个灰度值，它中心点的SLDP值由其他8个相邻点的像素灰度值与模板卷积运算返回值的差值编码所得；