[發明專利]基于2DPCA和分區LBP的單樣本靜脈識別的方法

有效

• 申請號: 201410077823.4
• 申請日: 2014-03-05
• 公開（公告）號: CN103839051B
• 公開（公告）日: 2017-07-21
• 發明（設計）人: 馮桂;林建民
• 申請（專利權）人: 華僑大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 泉州市文華專利代理有限公司35205
• 代理人: 陳智海

技術領域

本發明屬于手掌靜脈識別技術領域，涉及一種基于2DPCA和分區LBP的單樣本靜脈識別的方法。

背景技術

隨著現代社會的發展與進步，人們對社會信息化和網絡化安全性的要求越來越高。靜脈身份識別作為當前最新的一種生物特征識別技術，也相應地受到國內外研究機構和公司越來越多的重視。所謂的靜脈識別，是指將皮膚下的靜脈血管作為身份特征進行身份識別的技術。靜脈作為血管的一種，它比動脈靠近皮膚，更易于通過近紅外線檢測獲取。靜脈圖案的曲線和分支相當的復雜，每個人的差別十分清楚，據統計，手掌靜脈分布的相似率只有不到0.00008%，相比于指紋、虹膜等的識別，它具有更高的精確度。靜脈血管位于體表內部，隨年齡增長其組織結構變化不大，而且很難偽造或是手術改變，可以避免一旦皮表受損害而無法進行指紋、掌紋識別的缺陷；相比DNA、虹膜識別，它的采集過程十分友好。一個典型的靜脈識別系統主要分為兩個部分：一是注冊部分，包括圖像預處理、特征提取及特征數據庫的生成；二是驗證部分，包括圖像預處理、特征提取及與特征數據庫中的特征進行匹配判斷。

不過，在當前的靜脈識別研究中，大部分的是基于多樣本的算法研究，算法的識別率會隨著訓練樣本個數的增加而提高，但是當只有單個樣本時，識別性能則會顯著下降。為了解決單樣本識別性能缺陷，目前的研究主要關注的是多模態生物特征融合方法。但是，在實際應用中，經常會遇到缺乏多種生物特征樣本的情況。

發明內容

本發明的目的為了避免采集多種生物特征樣本的麻煩，提供了一種基于2DPCA和分區LBP的單樣本手掌靜脈識別方法，有效地提高單樣本手掌靜脈識別率。

本發明一種基于2DPCA和分區LBP的單樣本手掌靜脈識別方法，包括如下步驟：

步驟1、生成2DPCA特征庫：

步驟11、對訓練圖像庫中的每張原始單樣本手掌靜脈圖像通過圖像重采樣方法采樣4次生成4張虛擬子圖像，然后再利用奇異值擾動的虛擬圖像生成算法，對該原始單樣本手掌靜脈圖像的奇異值進行擾動4次生成另外4張虛擬子圖像；

步驟12、利用2DPCA算法從生成的8張虛擬子圖像上提取靜脈特征，得到原始單樣本手掌靜脈圖像的投影特征圖像形成2DPCA特征庫；

步驟2、生成分區LBP特征庫：

步驟21、將訓練圖像庫中的每張原始單樣本手掌靜脈圖像的ROI區域按行2等分和列2等分的模式，劃分為4個大小相等的子圖像；

步驟22、對每個子圖像利用圓形LBP算子提取紋理特征，其步驟為：對子圖像中的每個像素點，在半徑為8的圓形LBP算子的窗口中，以窗口中心點的灰度值為閾值對窗口內16個采樣點像素作二值化處理，得到16位二進制數，計算公式為：

其中Z_p、Z_c表示LBP算子內采樣點的像素值和LBP算子中心點的像素值；

步驟23、對得到的LBP紋理特征，進一步提取它的等價模式，即當LBP紋理特征所對應的循環二進制數從0到1或從1到0最多有兩次跳變時，該LBP紋理特征對應的二進制數就稱為等價模式；

步驟24、將原始單樣本手掌靜脈圖像對應的每個子圖像的Uniform LBP直方圖連接起來形成整幅圖像的靜脈特征表達圖，形成分區LBP特征庫；

步驟3、雙層篩選：

步驟31、提取測試圖像的2DPCA特征與2DPCA特征庫按最近鄰法進行匹配，選出相似度排名前10%的樣本，然后利用這10%的樣本類別，選取所對應的分區LBP特征庫作為步驟32的搜索樣本空間；

步驟32、提取測試圖像的分區LBP特征與步驟31中縮小的分區LBP特征庫按最近鄰法選出最佳匹配模式類，即從縮小的分區LBP特征庫中選出與分區LBP特征距離最小的樣本類別，匹配過程結束。

所述的圖像重采樣方法是通過對原始單樣本手掌靜脈圖像進行采樣來獲取新的虛擬子圖像，具體過程是將訓練圖像庫中的每張原始單樣本手掌靜脈圖像劃分成P×Q大小的子塊，然后從每個P×Q大小的子塊中采樣一個像素點構成原始單樣本手掌靜脈圖像的一張虛擬子圖像，所述的P和Q分別是采樣間距的長和寬，令P=Q=2，設原始單樣本手掌靜脈圖像的大小是M×N，M、N分別是圖像的長和寬，則經過圖像重采樣生成的一張虛擬子圖像Iij(m,n)為:

I_ij(m,n)=I((m-1)×P+i,(n-1)×Q+j)（1）

式（1）中，1≤m≤M/P，1≤n≤N/Q，1≤i≤P，1≤j≤Q。