国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于輪廓與邊緣紋理特征融合的掌紋識別方法

      文檔序號:8319533閱讀:682來源:國知局
      一種基于輪廓與邊緣紋理特征融合的掌紋識別方法
      【技術(shù)領(lǐng)域】:
      [0001] 本發(fā)明屬于掌紋識別技術(shù)領(lǐng)域,涉及一種基于輪廓與邊緣紋理特征融合的掌紋識 別方法。
      【背景技術(shù)】:
      [0002] 目前,基于生物特征識別的身份鑒別技術(shù)是一種高可靠性、高穩(wěn)定性的有效身份 鑒別方式。掌紋識別作為一種重要的生物特征,由于其成本低、友好性強、識別精度高等 優(yōu)點得到了研宄人員的廣泛關(guān)注,掌紋特征識別技術(shù)作為生物特征識別領(lǐng)域一種新興的技 術(shù),在近十幾年中已經(jīng)取得了大量的科研成果,其發(fā)展非常迅速。
      [0003] 掌紋含有豐富的紋理信息,包括主線、折皺、乳突紋等粗細(xì)不同的紋理特征,這些 特征具有穩(wěn)定性和唯一性,利用這些特征可以確定一個人的身份,主線和褶皺相對來講, 紋理較大,可以在低頻成分中提??;而乳突紋等細(xì)小紋理信息可以在高頻成分中提取。由 于不同人的主線和褶皺有很大的區(qū)別,苑瑋琦等(苑瑋琦,范永剛,柯麗.基于灰度曲面 匹配的掌紋識別方法[J].光電子?激光,2009, 2(K6) :807-811)將掌紋灰度圖像看作是 三維空間下的灰度曲面,并將該曲面作為特征進(jìn)行匹配,通過較大紋理存在的差異來計 算方差,進(jìn)而通過灰度曲面的凹凸程度來識別,該算法利用整幅圖像進(jìn)行匹配,丟失了部分 掌紋信息,在數(shù)據(jù)逐漸加大的情況下,識別率會降低;陳梓毅等(陳梓毅,康文雄,鄧飛 其.基于灰度差統(tǒng)計分析的掌紋線提取[J].計算機工程與設(shè)計,2011,32(2) :653-670) 利用灰度差統(tǒng)計,通過判斷對象點的灰度值和連續(xù)掌紋線點集的點數(shù),提取出掌紋線的二 值圖像,最后通過隸屬度評價掌紋線的提取效果,該算法復(fù)雜度高,而且識別率低,不滿足 實時性要求。主線和褶皺并不是圖像的全部信息,乳突紋波動較大的細(xì)小紋理同樣是區(qū) 分掌紋的重要信息,利用分形對波動較大圖像處理的優(yōu)勢,洪丹楓等(D. Hong,Z. Pan,X. Wu. Improved Differential Box Counting with Muti-scale and Multi-direction:A new palmprint recognition method.Optik-International Journal of Light Electron Optics, 2014, 125(15) :4154-4160)使用分形維數(shù)作為特征向量提取圖像的紋理特征,同時 對比局部分形和全局分形算法,證明局部分形算法可以方便地找出圖片的變換復(fù)雜區(qū)域, 但局部分形維數(shù)算法復(fù)雜度高,不利于進(jìn)行中大型數(shù)據(jù)應(yīng)用;趙志剛等(趙志剛,吳鑫,洪 丹楓,潘振寬.基于信息熵的GLBP掌紋識別算法[J].計算機科學(xué),2013, 41 (8) :293-296) 實現(xiàn)了一種利用信息熵進(jìn)行多層次描述的掌紋識別方法,加入了尺度方向信息,彌補了單 一特征描述不準(zhǔn)確的缺陷;潘新等(Pan X,Ruan Q, Wang Y. Palmprint Recognition Using ContourIets-based Local Fractal Dimensions. ICSP2008Proceedings, pp. 2108-2111) 提出了一種基于Contourlet和局部分形結(jié)合的掌紋識別方法,該方法雖然有較高的識別 率,初步解決了尺度方向的問題,而且結(jié)合分形維數(shù)有效描述圖像紋理粗糙程度,為掌紋識 別算法提供了新的思路,但算法復(fù)雜度高,不能滿足實時性要求。

      【發(fā)明內(nèi)容】

      [0004] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)存在的缺點,尋求設(shè)計提供一種基于輪廓與邊緣 紋理特征融合的掌紋識別方法,通過均值濾波器將掌紋圖像分為低頻和高頻兩部分,并采 用分塊思想對獲得圖像進(jìn)行處理,分別采用灰度直方圖處理掌紋低頻特征,差分盒子維處 理掌紋高頻特征,降低復(fù)雜度,提高識別時間和識別精度,能夠?qū)崟r識別掌紋。
      [0005] 為了實現(xiàn)上述目的,本發(fā)明首先對圖像進(jìn)行預(yù)處理,運用均值濾波將掌紋圖像分 解為圖像輪廓(低頻成分)和圖像邊緣紋理(高頻成分),分別采用灰度直方圖和差分盒子 維進(jìn)行特性提取,最后使用通用的卡方距離進(jìn)行匹配,具體步驟如下:
      [0006] (1)、選取掌紋圖像:從掌紋數(shù)據(jù)庫中選取200個人的掌紋圖像作為樣本,并對每 個人的掌紋圖像進(jìn)行編號,其中每個人10幅圖像,共2000張掌紋圖像,隨機選取每個人的 一張圖像作為訓(xùn)練圖像,剩余9張作為測試圖像;
      [0007] (2)、均值濾波分解掌紋圖像:采用均值替代掌紋圖像中的各個像素值,對掌紋圖 像中的像素點(X,y),選擇由其鄰近的像素組成的模板,計算得到模板中所有像素的均值, 再把該均值賦予當(dāng)前像素點(X,y),作為處理后圖像在該點上的灰度g(x,y),然后對掌紋 圖像進(jìn)行均值濾波,得到圖像輪廓(低頻層)和圖像邊緣紋理(高頻層);
      [0008] (3)、灰度直方圖提取圖像輪廓特征:將步驟(1)得到的掌紋圖像進(jìn)行分塊,每塊 區(qū)域為16X16像素,然后使用現(xiàn)有技術(shù)中的灰度直方圖對每塊區(qū)域進(jìn)行灰度統(tǒng)計,作為 該區(qū)域的特征向量,并聯(lián)融合每個區(qū)域特征向量,得到圖像輪廓特征;
      [0009] (4)、差分盒子維提取圖像邊緣紋理特征:將步驟(1)得到的掌紋圖像進(jìn)行分塊, 每塊區(qū)域為4 X 4或8 X 8像素,采用現(xiàn)有技術(shù)中的差分盒子維方法得到掌紋圖像的盒子數(shù), 即為圖像邊緣紋理特征;
      [0010] (5)特征融合:將圖像輪廓特征與圖像邊緣紋理特征并行融合,即向量串聯(lián),得到 能夠代表掌紋圖像特征數(shù)據(jù)的最終特征向量;
      [0011] (6):卡方距離匹配:先采用通用的卡方距離來度量,特征空間的樣本卡方距離 為:
      [0012]
      【主權(quán)項】
      1. 一種基于輪廓與邊緣紋理特征融合的掌紋識別方法,其特征在于先對圖像進(jìn)行預(yù)處 理,運用均值濾波將掌紋圖像分解為圖像輪廓和圖像邊緣紋理,分別采用灰度直方圖和差 分盒子維進(jìn)行特性提取,最后使用通用的卡方距離進(jìn)行匹配,具體步驟如下: (1) 、選取掌紋圖像:從掌紋數(shù)據(jù)庫中選取200個人的掌紋圖像作為樣本,并對每個人 的掌紋圖像進(jìn)行編號,其中每個人10幅圖像,共2000張掌紋圖像,隨機選取每個人的一張 圖像作為訓(xùn)練圖像,剩余9張作為測試圖像; (2) 、均值濾波分解掌紋圖像:采用均值替代掌紋圖像中的各個像素值,對掌紋圖像中 的像素點(X,y),選擇由其鄰近的像素組成的模板,計算得到模板中所有像素的均值,再把 該均值賦予當(dāng)前像素點(X,y),作為處理后圖像在該點上的灰度g(x,y),然后對掌紋圖像 進(jìn)行均值濾波,得到圖像輪廓和圖像邊緣紋理; (3) 、灰度直方圖提取圖像輪廓特征:將步驟(1)得到的掌紋圖像進(jìn)行分塊,每塊區(qū)域 為16X 16像素,然后使用現(xiàn)有技術(shù)中的灰度直方圖對每塊區(qū)域進(jìn)行灰度統(tǒng)計,作為該區(qū)域 的特征向量,并聯(lián)融合每個區(qū)域特征向量,得到圖像輪廓特征; (4) 、差分盒子維提取圖像邊緣紋理特征:將步驟(1)得到的掌紋圖像進(jìn)行分塊,每塊 區(qū)域為4 X 4或8 X 8像素,采用現(xiàn)有技術(shù)中的差分盒子維方法得到掌紋圖像的盒子數(shù),即為 圖像邊緣紋理特征; (5) 特征融合:將圖像輪廓特征與圖像邊緣紋理特征并行融合,即向量串聯(lián),得到能夠 代表掌紋圖像特征數(shù)據(jù)的最終特征向量; (6) :卡方距離匹配:先采用通用的卡方距離來度量,特征空間的樣本卡方距離為:
      其中,S為測試圖像的最終特征向量,M為訓(xùn)練圖像的最終特征向量,i為圖像編號,i取 值為1-200的整數(shù);再根據(jù)最小的X 2值為匹配的掌紋圖像,對比編號是否符合同一個人, 即能判斷識別的正確與否。
      【專利摘要】本發(fā)明屬于掌紋識別技術(shù)領(lǐng)域,涉及一種基于輪廓與邊緣紋理特征融合的掌紋識別方法,先對圖像進(jìn)行預(yù)處理,運用均值濾波將掌紋圖像分解為圖像輪廓和圖像邊緣紋理,分別采用灰度直方圖和差分盒子維進(jìn)行特性提取,最后使用通用的卡方距離進(jìn)行匹配,其方法簡單,原理科學(xué),識別時間短,識別精度高,能實時識別掌紋,為身份識別提供了一種快速有效的識別方法。
      【IPC分類】G06K9-00
      【公開號】CN104636721
      【申請?zhí)枴緾N201510021336
      【發(fā)明人】魏偉波, 王剛, 賈夢琦, 洪丹楓, 王靜
      【申請人】青島大學(xué)
      【公開日】2015年5月20日
      【申請日】2015年1月16日
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1