[发明专利]基于Gabor‑带限相位相关的指关节纹识别方法

摘要

本发明提供了一种基于Gabor‑带限相位相关的指关节纹识别方法，包括Gabor滤波、CLAHE增强对比度、第一次BLPOC运算、图像位移校准微调、第二次BLPOC运算和图像匹配。它的优势体现在计算速度快，满足实际应用中实时性和快速匹配的要求。其次其对于关节纹的位移噪声有着良好的鲁棒性，加之关节纹特征提取的自身特点，对于平移噪声，使用了BLPOC算法，对旋转角进行校正。同时，在前人研究的基础上，提出了基于Gabor滤波和CLAHE增强相结合的方法运用在相位识别中，对图像的光照、阴影、噪声的不良特征进行了抑制，结合BLPOC算法，实现了良好的特征提取效果和更高的识别率。

主权项

一种基于Gabor‑带限相位相关的指关节纹识别方法，其特征在于，该方法包括如下步骤：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；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；使用带限相位相关算法对图像进行特征增强之后的图片进行平移量的校准为：利用BLPOC函数图像峰值偏离中心点的位置坐标作为位置校准的偏移量：假设训练样本和匹配样本图片之间f和g存在线性相关位移(x0,y0)g(x,y)＝f(x‑x0,y‑y0)   (2)两幅图片之间的傅里叶变换关系为G(u,v)=e-j2π(ux0+vy0)F(u,v)---(3)]]>两幅图片之间的互相位谱由以下公式定义RGF(u,v)=G(u,v)F*(u,v)|G(u,v)F*(u,v)|=e-j2π(ux0+vy0)---(4)]]>其中F*是F的共轭矩阵，通过傅里叶反变换将RGF变换到空域中来，进而得到两幅图片之间的位移系数(x0,y0)Pgf(m,n)=1MNΣu=-M0M0Σv=-N0N0RGF(u,v)ej2π(mu/M+nv/N)---(5)]]>其中，M和N是带限系数，取M等于60，N等于120；对偏离坐标进行4种不同情况进行图像校准：第一种情况为x0＞0,y0＞0，第二种情况为x0＞0,y0＜0，第三种情况为x0＜0,y0＞0，第四种情况为x0＜0,y0＜0，根据上述4个情况分别对图像进行裁剪，并找出拟合部位组成新的两幅特征提取图像；对于训练图片，分成四种情况来进行，第一种情况为x0＞0,y0＞0，基于最右列增加相应值为零的列和最下行增加相应值为零的行；第二种情况为x0＞0,y0＜0，基于最右列，对于最下行进行裁剪；第三种情况为x0＜0,y0＞0，基于最右列裁剪，最下行补零第四种情况为x0＜0,y0＜0，基于最右列和最下行裁剪，并不改变图像原始位置；对于测试图片，分成四种情况来进行，第一种情况为x0＞0,y0＞0，向左下方移动(x，y)；第二种情况为x0＞0,y0＜0，向左方移动x，由第一行开始裁剪y行；第三种情况为x0＜0,y0＞0，向下方移动y，由第一列开始裁剪x列，第四种情况为x0＜0,y0＜0，由第一列和第一行开始裁剪x列，y行。