[發明專利]一種基于非負矩陣分解的指靜脈特征提取方法

在審

• 申請號: 201310563457.9
• 申請日: 2013-11-14
• 公開（公告）號: CN103646243A
• 公開（公告）日: 2014-03-19
• 發明（設計）人: 王科俊;左春婷;宋新景
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/66;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于數字圖像處理與模式識別技術領域，具體涉及基于非負矩陣分解理論的指靜脈圖像特征提取方法。?

背景技術

對圖像處理任務而言，在大多數情況下，不能直接在圖像數據本身這個測量空間直接進行分類和識別。這一方面是因為圖像信息大多數具有很高的維數，或待處理的圖像數量巨大，不適宜分類器和識別方法的設計，更重要的是這樣一種描述并不能直接反映測量對象的本質，并且它隨光照亮度、拍攝角度和位置能因素的變化而變化，因此，為了進行分類器和識別方法的設計，需要把圖像從測量空間變換到維數大大減少的特征空間，被研究的對象在這個特征空間中就由一個或幾個能表示其本質特征的特征向量來表示。因此，特征提取技術作為目標分類和識別中的關鍵技術之一，越來越受到科研人員的關注，成為模式識別研究的一個熱點。?

手指靜脈圖像通過感興趣區域(Region?Of?Interest,ROI)提取后得到的圖像數據，還存在大量對最終識別結果無用的信息，如果直接將其用于分類，一方面龐大的數據量會降低識別速度，另一方面干擾信息會影響最終識別率，難以滿足實際的需要。所以對其進行適當的特征提取操作，是必要的。?

近年發展起來的如主成分分析（Principal?Component?Analysis，PCA）、獨立分量分析（Independent?Component?Analysis，ICA）、核分析(Kenel?Analysis）等特征提取方法從數據的高階統計相關性角度出發，提取圖像內部特征，更有效地利用了輸入數據在統計關系上得本質特征。但這些方法理論中的像素點可以是正值也可以是負值，特征基的線性組合中可能會存在相減關系，缺少直觀意義上的由局部合成整體的效果，而且對于圖像矩陣，負值的存在使分解結果缺少可解釋和明確的物理意義，失去了與實際問題的聯系。針對這些缺陷，Lee和Seung于1999年正式提出了一種新的特征子空間的方法——非負矩陣分解（Non-negative?Matrix?Factorization，NMF），NMF通過對基和系數的非負約束，將重構圖像表示為一系列非負基圖像非減的疊加組合，與傳統子空間方法相比，這一重建過程更接近于由局部組合而成為整體的過程，具有明確的物理意義。而且，NMF的分解結果還具有一定的稀疏性，能在一定程度上抑制由外界變化(如：部分遮擋、光照變化和物體的旋轉等)給特征提取帶來的不利影響，在圖像提取特征任務中的效果較好。?

發明內容

本發明的目的在于提供了一種基于非負矩陣分解的手指靜脈圖像特征提取方法。?

本發明的目的是這樣實現的：?

（1）對指靜脈樣本庫圖片提取感興趣區域；?

（2）將感興趣區域圖像矩陣列向量化，得到指靜脈數據集；?

（3）訓練指靜脈數據集，得到特征矩陣及系數矩陣；?

（4）提取測試樣感興趣區域，列向量化為測試樣本向量，在特征矩陣上做投影，得到的投影系數為待識別的特征。?

圖像矩陣列向量化為將感興趣區域圖像矩陣A_k＝(b₁b₂...b_j)∈R^i×j的每列元素依次排列，得到一維的列向量：?