[发明专利]一种采用协作表示的掌纹识别方法

说明书

技术领域

本发明涉及一种采用协作表示的掌纹识别方法，属于掌纹识别的技术领域。

技术背景

生物识别技术是指根据人的生理特征或行为特征进行身份鉴别的技术。在公共安全、电子商务、金融等领域有着重要应用。身份鉴别可利用的生物特征需要满足普遍性、唯一性、可测量性和稳定性。目前，用于身份识别的特征主要有：人脸、虹膜、指纹、掌纹、静脉图、步态、签名、语音等。其中，掌纹含有主线、皱褶、乳突纹等丰富的纹线信息。正因为掌纹的稳定性、易采集性、非侵犯性等优点，掌纹识别作为一种新兴的生物识别技术，受到了广泛关注。

现有的掌纹识别方法可以分为三类：1)基于掌纹结构特征的识别方法；2)基于子空间的掌纹识别方法；3)基于编码的掌纹识别方法。其中基于结构特征的方法识别精度低，特征所需的存储空间大，而且匹配速度慢；基于子空间的方法需要训练得到包含众多参数的投影矩阵，因此小样本问题是制约子空间方法的主要问题；基于编码的方法识别精度高，特征小，而且匹配速度快，是各类方法中最具有优势的一类。稀疏表示是最近比较热门的一个研究领域。稀疏表示通过少量值不为零的矩阵或向量去表征原始信息。稀疏表示有两个关键点，一是系数的稀疏性，二是类间的协作表示。现有的稀疏算法过于强调了系数的稀疏性，而忽视了类稀疏算间的协作表示，而法一般采用1₁范数，虽然l₁范数的掌纹识别算法，具有较好的识别效果，但其运算速度较慢，影响了掌纹识别的性能。

发明内容

针对现有技术的不足，本发明提出一种采用协作表示的掌纹识别方法，该方法能够有效解决现有的稀疏算法费时的技术缺陷。本发明通过正规化最小二乘法求解协作表示，进行掌纹识别，获得优良的识别效果。

本发明的技术方案如下：

一种采用协作表示的掌纹识别方法，包括步骤如下：

1）读取待测掌纹图像；

2）对待测掌纹有效区域进行定位：首先对待测掌纹图像进行预处理，预处理包括去噪、关键点定位、平移及旋转校正，进而从待测掌纹图像中分割出包含丰富掌纹纹理信息的有效区域，形成待测样本y；

3）用全部的训练样本A利用协作编码线性表示待测样本y，表示系数为

4）计算表示残差：其中：A_i为第i类训练样本，为的第i类训练样本的表示系数，i＝1,2,3,...,K；这里K为自然数，代表掌纹的种类数；

5）对待测掌纹进行分类：待测样本y所属的类别Id=arg min_i(r_i)，即最小的残差r_i所对应的样本类别即为待测样本y所属的类。

根据本发明优选的，所述步骤2）中对所述待测掌纹有效区域进行定位方法，包括以下具体步骤：

a.对待测掌纹图像进行高斯低通滤波处理，通过固定阈值对待测掌纹图像进行二值化：

b.确定两个关键点：食指与中指连接点和小指与无名指的连接点；

c.连接步骤b所述的两个关键点作为y轴，通过该两个关键点的中点做垂线作为x轴，建立分割坐标轴，如图3所示；

d.在分割坐标轴下分割出固定大小的区域，所述区域的像素为128×128，即为待测掌纹的有效区域，如图4所示。

根据本发明优选的，所述步骤3）中协作编码的具体步骤为：

a.归一化训练样本A的每个列向量，使其具有单位2范数；

b.采用主成分分析方法对训练样本进行降维；因为训练样本中图像掌纹像素为128×128，A的每个列向量的大小为128²×1，维数比较高，计算量级较多，故采用降维处理；

c.计算投影矩阵P=(A^TA+λI)^-1A^T，其中λ为常数；

d.将待侧样本y投影到投影矩阵P上，即对y进行协作编码：

本发明的有益效果：

本发明充分利用了不同手掌掌纹图像的相似性，对于一个待测样本，在其所属类训练样本不是足够多的情况下，可以利用类间掌纹的相似性，用所有类的训练样本去线性表示待测样本，线性表示残差最小的就为待测样本所属的类。本发明适用身份鉴别的应用领域。本发明识别速率快，安全性高，误判率低，易于在实际的系统中使用。

附图说明

图1为一种采用协作表示的掌纹识别方法的流程框图；

图2为待测掌纹图像；

图3分割坐标系的确定的示意图；

图4为掌纹有效区域分割示意图。