[發(fā)明專利]基于聯(lián)合加權(quán)差分激勵和雙Gabor方向的掌紋交叉匹配識別方法

在審

• 申請?zhí)枺?/td>: 201810251845.6
• 申請日: 2018-03-26
• 公開（公告）號: CN108491802A
• 公開（公告）日: 2018-09-04
• 發(fā)明（設計）人: 王華彬;李夢雯;符春蘭;陳昱翔;何學勝;李雪中;陶亮
• 申請（專利權(quán)）人: 安徽大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 南京知識律師事務所 32207
• 代理人: 高玲玲

1.一種基于聯(lián)合加權(quán)差分激勵和雙Gabor方向的掌紋交叉匹配識別方法，其特征在于包括以下步驟：

步驟1：提取掌紋圖像的加權(quán)差分激勵特征ξ；

步驟2：提取掌紋圖像的雙Gabor方向特征O₁和O₂；

步驟3：分別將ξ、O₁和O₂劃分為n個不重疊的區(qū)域；

步驟4：分別構(gòu)建每塊區(qū)域的聯(lián)合加權(quán)差分激勵和雙Gabor方向特征，并對所有分塊區(qū)域的特征向量進行串聯(lián)，進行l(wèi)₂范數(shù)歸一化處理；

步驟5：采用交叉匹配算法計算不同掌紋特征向量間的相似度，對測試掌紋進行認證或識別。

2.根據(jù)權(quán)利要求1所述的掌紋交叉匹配識別方法，其特征在于：所述步驟1中加權(quán)差分激勵特征ξ的提取采用以下步驟：

步驟1.1：對掌紋圖像根據(jù)式1和式2計算中心像素x_c的水平差分量ΔI_x和垂直差分量ΔI_y：

其中，x_i為中心像素x_c的8鄰域像素值，θ_i為差分量(x_i-x_c)的方向與水平正方向間的夾角，其值為θ_i＝(3π/4,π/2,π/4,0,π/4,π/2,3π/4,π)；

步驟1.2：根據(jù)式3計算中心像素x_c的加權(quán)差分激勵特征：

ξ(x_c)＝arctan(ΔI_x/x_c)+arctan(ΔI_y/x_c) (3)

計算得到ξ(x_c)∈[-π,π]；

步驟1.3：給定差分量化數(shù)M，根據(jù)式4將ξ(x_c)量化為[0,M-1]間的整數(shù)m：

3.根據(jù)權(quán)利要求1所述掌紋交叉匹配識別方法，其特征在于：所述步驟2中雙Gabor方向特征O₁和O₂的提取采用以下步驟：

步驟2.1：對掌紋圖像根據(jù)式5生成T個不同方向的，大小為s×s的Gabor濾波模板：

其中，u為正弦波的頻率，σ為標準差，θ_t為函數(shù)的方向，其值為θ_t＝tπ/T(t＝0,1,...,11)；

步驟2.2：利用步驟2.1中生成的濾波模板對掌紋圖像I進行濾波，根據(jù)式6，將最大的濾波響應值對應的方向作為方向特征O₁，第二個濾波響應值對應的方向作為方向特征O₂：

4.根據(jù)權(quán)利要求1所述的掌紋交叉匹配識別方法，其特征在于：所述步驟4中對每塊區(qū)域構(gòu)建聯(lián)合加權(quán)差分激勵和雙Gabor方向特征采用以下步驟：

步驟4.1：利用上述得到的加權(quán)差分激勵ξ_m，以及方向特征O₁和O₂，根據(jù)式7和式8統(tǒng)計差分激勵量化數(shù)m和方向數(shù)t的聯(lián)合分布情況，得到2維直方圖：

步驟4.2：將二維直方圖逐行串聯(lián)，得到特征向量H₁，并將二維直方圖逐行串聯(lián)，得到特征向量H₂，然后根據(jù)式9分別對特征向量H₁和H₂進行歸一化處理：

H₁＝H₁/||H₁||₂,H₂＝H₂/||H₂||₂ (9)。

5.根據(jù)權(quán)利要求1所述的掌紋交叉匹配識別方法，其特征在于：所述步驟5中不同掌紋特征向量間的相似度，對測試掌紋進行認證或識別采用以下步驟：

步驟5.1：假設掌紋A的特征為{H₁,H₂}，掌紋B的特征為{F₁,F₂}，采用式10、11和12計算特征匹配距離Dist：

d_ij＝d(H_i,F_j),i＝1,2,j＝1,2 (10)

d₁＝d₁₁+d₂₂,d₂＝d₁₂+d₂₁ (11)

Dist＝min(d₁,d₂) (12)

其中，函數(shù)d為式13定義的卡方距離d_χ：

X，Y為特征向量，l為向量維數(shù)；

步驟5.2：根據(jù)兩個掌紋特征向量間的Dist判斷兩張掌紋圖像的相似度，Dist越小，則兩張掌紋圖像越相似；

步驟5.3：在掌紋認證過程中，將待測樣本與訓練樣本進行一對一的特征匹配，然后根據(jù)預先設定的閾值判斷兩者是否屬于同一類掌紋，在掌紋識別過程中，采用最近鄰算法，搜索整個訓練集，將與待測樣本匹配距離最小的訓練樣本對應的身份標識，作為待測樣本的類別。