[發(fā)明專利]基于特征混合矩陣的指紋與指靜脈識別融合方法

在審

• 申請?zhí)枺?/td>: 201910072376.6
• 申請日: 2019-01-25
• 公開（公告）號: CN109829493A
• 公開（公告）日: 2019-05-31
• 發(fā)明（設(shè)計）人: 馬慧
• 申請（專利權(quán)）人: 黑龍江大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/32;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明針對單模態(tài)系統(tǒng)存在的認(rèn)證不穩(wěn)定，錯誤率較高等缺點，綜合考慮指紋識別及手指靜脈識別的優(yōu)缺點，提出了一種基于特征混合矩陣的指紋與指靜脈識別融合方法。對讀入的靜脈圖像與指紋圖像分別進(jìn)行預(yù)處理操作，其中對靜脈圖像進(jìn)行手指區(qū)域分割，感興趣區(qū)域提取，方向濾波增強等操作，對指紋圖像進(jìn)行尺寸歸一化與方向濾波增強操作；然后將兩種圖像進(jìn)行模糊分塊處理，在此基礎(chǔ)上，利用離散余弦變換提取兩種圖像的每一個圖像子塊的低頻系數(shù)來表征局部特征；再將指紋特征向量與靜脈特征向量串聯(lián)混合構(gòu)成特征混合矩陣，最后將該混合矩陣的識別結(jié)果與基于局部特征方法的指紋識別結(jié)果、手指靜脈識別結(jié)果在決策級上融合，將融合后的結(jié)果作為最終的識別結(jié)果。本發(fā)明利用大量的融合特征信息可以估計出精確的統(tǒng)計模型，充分地利用特征間的互補信息來提高系統(tǒng)準(zhǔn)確性，有效地彌補了單一模態(tài)識別系統(tǒng)的不足。

技術(shù)領(lǐng)域

本發(fā)明屬于模式識別技術(shù)領(lǐng)域，具體涉及一種基于特征混合矩陣的指紋與指靜脈識別融合方法。

背景技術(shù)

多模態(tài)生物特征識別技術(shù)為生物特征識別系統(tǒng)提供了一種更加通用的方法，增加了安全性，提高了識別精度。此外，特征級的數(shù)據(jù)采集從特征提取出了豐富的特征信息，因此在這一層次上進(jìn)行模式融合是必要的。指紋圖像與手指靜脈圖像的特征提取可分為全局特征提取和局部特征提取，通常這兩種圖像的全局特征維數(shù)較高，很難在特征空間中直接分類，而局部特征的維數(shù)比全局特征低，因此，本發(fā)明在充分分析和研究手指指紋與手指靜脈識別各自存在優(yōu)點和缺點的基礎(chǔ)上，結(jié)合指紋信息及靜脈信息處理特點，利用離散余弦變換（DCT）方法提取指紋圖像與手指靜脈圖像的局部特征，提出一種基于混合矩陣的指部生物特征融合方法，以期獲得一種具有使用價值高的、可靠性高的智能身份識別系統(tǒng)。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于特征混合矩陣的指紋與指靜脈雙模態(tài)融合方法。

本發(fā)明的目的是這樣實現(xiàn)的：

基于特征混合矩陣的指紋與指靜脈識別融合方法，首先對讀入的靜脈圖像與指紋圖像分別進(jìn)行預(yù)處理操作，其中對靜脈圖像進(jìn)行手指區(qū)域分割，感興趣區(qū)域提取，方向濾波增強等操作，對指紋圖像進(jìn)行尺寸歸一化與方向濾波增強操作；然后將兩種圖像進(jìn)行模糊分塊處理，在此基礎(chǔ)上，利用離散余弦變換(DCT)提取兩種圖像的每一個圖像子塊的低頻系數(shù)來表示局部特征；再將指紋特征向量與靜脈特征向量串聯(lián)混合構(gòu)成特征混合矩陣，最后將該混合矩陣的識別結(jié)果與基于局部特征方法的指紋識別結(jié)果及靜脈識別結(jié)果在決策級上進(jìn)行融合，將融合后的結(jié)果作為最終的識別結(jié)果。

所述的局部特征提取方法，首先對圖像進(jìn)行模糊分塊處理。根據(jù)每個像素點到模糊子塊中心的距離大小來確定該像素點屬于該子塊的隸屬度。應(yīng)用上述準(zhǔn)則將靜脈圖像分成8×3個模糊塊；對上述模糊分塊后的指紋圖像與手指靜脈圖像的每一個圖像子塊分別進(jìn)行DCT變換，對于M×N個塊圖像，我們將得到一個由圖像的所有頻率分量組成的M×N的F圖像的大部分信息。本發(fā)明取系數(shù)矩陣中的前8個。

所述的特征混合矩陣是利用DCT變換提取每個靜脈圖像子塊中的重要信息，生成靜脈圖像特征向量，同理生成指紋圖像特征向量。式中g表示每個手指參與訓(xùn)練的指紋圖像、靜脈圖像個數(shù)，表示每幅圖像模糊子塊的個數(shù)，D為特征向量的維數(shù)。本發(fā)明取G=5，W=24，特征向量維數(shù)為8，則手指靜脈圖像的特征向量可表示為，同理指紋圖像特征向量表示為。

將指紋圖像與手指靜脈圖像特征向量首尾相連構(gòu)造出串聯(lián)特征向量，按串聯(lián)順序不同，得到兩個串聯(lián)特征向量與。將上述兩個串聯(lián)特征向量構(gòu)造出融合特征混合矩陣為。在進(jìn)行識別時，將庫中模板特征混合矩陣與待識別樣本的進(jìn)行比較，將庫中不匹配程度最小的樣本作為匹配識別結(jié)果。