[发明专利]一种手指多模态生物特征球形粒化和匹配方法

摘要

一种手指多模态生物特征球形粒化和匹配方法。其包括对单模态原始指静脉、指纹和指节纹ROI图像利用静态小波变换方法分别进行两层分解；将图像进行尺寸和数值归一化处理；将每一幅单模态低频图像形成一个原子超球粒；利用每一个体的指静脉、指纹和指节纹原子超球粒形成一个融合超球粒；将融合超球粒随机分成训练样本和测试样本；将待匹配超球粒与模板超球粒进行匹配等步骤。本发明能有效地将指纹、指静脉和指静脉进行粒化表示，并根据空间位置关系，有效地将三个模态图像融合起来，形成的融合超球粒包含了三个模态的所有像素特点，并针对超球粒的特点，利用快速的匹配方法进行身份识别，实验结果表明本方法运算速度快、匹配准确率高。

主权项

1.一种手指多模态生物特征球形粒化和匹配方法，其特征在于：所述的手指多模态生物特征球形粒化和匹配方法包括按顺序进行的下列步骤：1)首先对多个不同个体的单模态原始指静脉ROI图像、指纹ROI图像和指节纹ROI图像利用静态小波变换方法分别进行两层分解，由此获得多幅包括指静脉、指纹和指节纹在内的三个模态的低频图像；2)将上述多幅三个模态的低频图像分别进行图像对准，包括尺寸归一化和数值归一化处理；3)将上述每幅归一化后的单模态低频图像中所有像素值采用按行串联的方法形成一个高维向量，以该向量在高维空间中对应的点为球心，零为半径，构造一个原子超球粒，这样每一幅归一化后的单模态低频图像就形成一个指静脉、指纹或指节纹原子超球粒；4)以每一个体的指静脉、指纹和指节纹原子超球粒为顶点确定一个三角形△1(GFV，GFP，GFKP)，该三角形的重心对应原子超球粒Gc1；同时原子超球粒Gc1与指静脉原子超球粒GFV和指节纹原子超球粒GFKP又可以唯一地确定一个三角形△2(GFV，Gc1，GFKP),该三角形的重心对应原子超球粒Gc2；连接原子超球粒Gc2与指静脉原子超球粒GFV而形成一条线段，以该线段的中点作为球心CFs，线段长度的一半作为半径RFs画圆而形成一个融合超球粒GFs；5)将上述融合超球粒随机分成两部分，一部分作为训练样本，另一部分作为测试样本；对训练样本中的每一个融合超球粒给定一个类别标签而作为一个模板超球粒，即属于同一个体的三模态图像具有相同的类别标签，并将所有模板超球粒按半径大小升序排列，构成模板数据库；而将测试样本中的所有融合超球粒作为类别标签未知的待匹配超球粒；6)通过分析模板数据库中同类别超球粒的半径差来确定半径容差alw的取值，根据模板数据库中两两超球粒之间的夹角余弦相似度来确定最大相似度阈值SimTh的取值；7)从测试样本中选定一个待匹配超球粒Gx＝(Cx,Rx)，根据设定的半径容差alw确定半径检索范围为[Rx‑alw,Rx+alw]，那么所有半径在该范围内的模板超球粒均为下一步的匹配对象；之后根据式(8)所示的夹角余弦公式分别计算出待匹配超球粒与匹配对象中每一个模板超球粒的球心向量的相似度，并确定出相似度最大值maxSim；然后对相似度最大值maxSim与相似度阈值SimTh进行比较，若相似度最大值maxSim大于或等于相似度阈值SimTh，则相似度最大值maxSim对应的模板超球粒的类别即为待匹配超球粒的类别；反之，待匹配超球粒的类别无法确定，说明该超球粒未在模板数据库中进行注册；最后，通过判断待匹配超球粒获得的类别与其自身的类别是否一致来确定特征匹配是否成功，由此可以确定出待匹配超球粒与哪个模板超球粒属于同一个体，从而完成识别过程。