一種基于Gabor編碼的手指多模態(tài)特征融合方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像檢測技術(shù)領(lǐng)域，特別是涉及一種基于Gabor編碼的手指多模態(tài)特 征融合方法。
【背景技術(shù)】
[0002] 目前，由于單模態(tài)生物特征識別在應(yīng)用中存在一定的局限性，因此無法滿足人們 對高精度身份識別的需求，為使手指三模態(tài)特征能夠有效地進行融合，魯棒性特征分析成 為研究中的關(guān)鍵性問題。但由于大多數(shù)手指魯棒性特征提取的研究方法依賴于特征點的位 置信息和方向信息，并受到旋轉(zhuǎn)不變性的限制，因此不能有效地解決在圖像采集過程手指 姿態(tài)容易改變這一問題。

【發(fā)明內(nèi)容】

[0003] 為了解決上述問題，本發(fā)明的目的在于提供一種基于Gabor編碼的手指多模態(tài)特 征融合方法。
[0004] 為了達到上述目的，本發(fā)明提供的基于Gabor編碼的手指多模態(tài)特征融合方法包 括按順序進行的下列步驟：
[0005] 1)利用尺度參數(shù)不同的Gabor濾波器對不同姿態(tài)的指紋、指靜脈和指節(jié)紋的ROI 圖像進行Gabor濾波，分別獲得8個方向，SP 0° ,22. 5°，45° ,67. 5°，90° ,112. 5°，13 5°和157. 5°的手指三模態(tài)Gabor方向特征圖像；
[0006] 2)將上述8個方向的手指三模態(tài)Gabor方向特征圖像的角度值分別從小到大進行 排列，并將其編碼，由此形成8個方向的手指三模態(tài)Gabor方向特征編碼圖像；
[0007] 3)對上述8個方向的手指三模態(tài)Gabor方向特征編碼圖像進行分塊而形成分塊圖 像；
[0008] 4)將上述8個方向的手指三模態(tài)Gabor方向特征編碼分塊圖像中的像素點均看成 是特征點而提取其灰度特征，由此形成灰度特征向量，過程如下：
[0009] 第一步：灰度分組：首先，將每個分塊圖像中每個像素點的灰度值從小到大進行 排序，形成一個像素點的序列；然后，將此序列根據(jù)像素點的總數(shù)均分為k個灰度分組，形 成k組灰度分組圖像；之后用四舍五入的方法確定每個灰度分組的邊界點，并獲取該邊界 點的灰度值；
[0010] 第二步：計算每個像素點的灰度特征向量：以每個灰度分組圖像中的每個像素點 為中心，比較其對稱鄰點的灰度值大小，若某個像素點的灰度值大于其對稱鄰點的灰度值， 則為1 ;否則為〇,由此形成4位二進制碼的灰度特征向量，然后將4位二進制碼向量轉(zhuǎn)化為 16位二進制碼灰度特征向量；
[0011] 5)將上述每個灰度分組圖像中每個像素點的灰度特征向量疊加，形成每個灰度分 組圖像的灰度特征直方圖，再將每個灰度分組圖像的灰度特征直方圖串聯(lián)形成分塊圖像的 灰度特征直方圖，然后，將手指三個單模態(tài)的所有分塊圖像的灰度特征直方圖分別通過串 聯(lián)的方式融合而形成三個單模態(tài)灰度特征直方圖，最后將三個單模態(tài)圖像的灰度特征直方 圖串聯(lián)融合形成手指三模態(tài)灰度特征直方圖；
[0012] 6)通過計算兩幅待匹配的手指ROI圖像的三模態(tài)灰度特征直方圖相交系數(shù)的方 法來判斷這兩幅手指ROI圖像是否匹配。
[0013] 在步驟1)中，所述的Gabor濾波器表達式為：
[0014]
C .1.).
[0015] 其中，σ代表Gabor濾波器的尺度，〇 =4, 5,6;0k表示第k個方向的角度值。
[0016] 在步驟2)中，所述的將上述8個方向的手指三模態(tài)Gabor方向特征圖像的角度值 分別從小到大進行排列，并將其編碼，由此形成8個方向的手指三模態(tài)Gabor方向特征編碼 圖像的方法是：首先，將上述8個方向的手指三模態(tài)Gabor方向特征圖像的角度值分別從小 到大排列，然后對上述圖像中相同位置的像素點的灰度值分別進行比較，分別將最大灰度 值對應(yīng)的手指三模態(tài)Gabor方向特征圖像的方向作為該像素點的方向特征，并按照下述編 碼方法進彳丁編碼：〇°編碼為〇, 22. 5°編碼為1，45°編碼為2,67. 5°編碼為3,90°編碼 為4,112. 5°編碼為5,135°編碼為6,157. 5°編碼為7;由此形成8個方向的手指三模態(tài) Gabor方向特征編碼圖像。
[0017] 在步驟4)中，所述的獲取邊界點灰度值的公式為：
[0018]
(2)
[0019] 其中
，及表示每組的邊界點，h表示第i個灰度分組的邊 界值，1_和I _分別表示圖像像素點的最小灰度值和最大灰度值。
[0020] 在步驟4)中，所述的將4位二進制碼的灰度特征向量轉(zhuǎn)化為16位二進制碼的灰 度特征向量的公式為：
[0021]
[0022] 其中，i表示第i個像素點，m表示該像素點最近鄰點的對數(shù)。
[0023] 在步驟6)中，所述的通過計算兩幅待匹配的手指ROI圖像的三模態(tài)灰度特征直 方圖相交系數(shù)的方法來判斷這兩幅手指ROI圖像是否匹配的方法是：首先利用下面的相交 系數(shù)表達式計算兩幅待匹配的手指ROI圖像的三模態(tài)灰度特征直方圖的相交系數(shù)，若計算 出的相交系數(shù)〉相似性決策閾值T，則表示這兩幅手指ROI圖像相似，即這表示這兩幅手指 ROI圖像匹配；若其相交系數(shù)< T，則判定這兩幅手指ROI圖像不匹配。相似性決策閾值T 是手指ROI圖像匹配結(jié)果中錯誤拒絕率為0,且錯誤允許率最低時所是對應(yīng)的閾值點。
[0024] 相交系數(shù)的表達式為： CN 105138974 A 說明書 3/7 頁
[0025]
(4)
[0026] 式中：!!^和…分別表示兩幅待匹配的手指ROI圖像，H⑴和Hni2⑴分別代表兩 幅待匹配的手指三模態(tài)ROI圖像的灰度特征直方圖，L表示手指三模態(tài)圖像直方圖的維數(shù)。
[0027] 本發(fā)明提供的基于Gabor編碼的手指多模態(tài)特征融合方法有效地解決了在手指 圖像采集過程中手指姿態(tài)易變的問題，并且手指多模態(tài)識別的運算速度高、識別率高。
【附圖說明】
[0028] 圖1為8個方向的手指三模態(tài)Gabor方向特征圖；其中（a)為指紋；(b)為指靜脈； (c)為指節(jié)紋；
[0029] 圖2為8個方向的手指三模態(tài)Gabor方向特征編碼圖；其中（a)為指紋；(b)為指 靜脈；（c)為指節(jié)紋；
[0030] 圖3為8個方向的手指三模態(tài)Gabor方向特征編碼圖的分塊圖像；其中（a)為指 紋；(b)為指靜脈；（c)為指節(jié)紋；
[0031] 圖4為某一像素點的8個最近鄰點示意圖。
[0032] 圖5為8個方向的手指三模態(tài)Gabor方向特征編碼分塊圖像的灰度特征直方圖； 其中（a)為指紋，（b)為指靜脈，（c)為指節(jié)紋；
[0033] 圖6為8*8分塊圖像不同灰度分組的識別性能比較；
[0034] 圖7為不同分塊圖像的識別性能比較。
[0035] 圖8為不同姿態(tài)的指靜脈ROI圖像。
[0036] 圖9三種特征提取方法的識別性能比較。
【具體實施方式】
[0037] 下面結(jié)合附圖和具體實施例對本發(fā)明提供的基于Gabor編碼的手指多模態(tài)特征 融合方法進行詳細(xì)說明。
[0038] 本發(fā)明提供的基于Gabor編碼的手指多模態(tài)特征融合方法包括按順序進行的下 列步驟：
[0039] 1)利用尺度參數(shù)不同的Gabor濾波器對不同姿態(tài)的指紋、指靜脈和指節(jié)紋的ROI 圖像進行Gabor濾波，分別獲得8個方向的手指三模態(tài)Gabor方向特征圖像；
[0040] 由于指紋、指靜脈和指節(jié)紋圖像分別具有脊線結(jié)構(gòu)、管線結(jié)構(gòu)和痕線結(jié)構(gòu)，紋路信 息比較豐富，因此本步驟采用Gabor濾波的方法提取手指三模態(tài)的紋路的方向特征。根據(jù) 手指三模態(tài)圖像紋理不同的特點，利用尺度參數(shù)不同（σ =4, 5,6)的Gabor濾波器對不同 姿態(tài)的指紋、指靜脈和指節(jié)紋的ROI (region of interest感興趣區(qū)域）圖像進行Gabor濾 波，Gabor濾波器的