[发明专利]一种基于局部和全局特征融合的掌纹识别方法

说明书

本发明公开了一种基于局部和全局特征融合的掌纹识别方法，包括以下步骤：1，二维Gabor相位编码、改进的有限Radon变换和双向主成分分析法分别提取纹理特征、主线特征、整体特征；2，纹理特征使用Hamming距离进行分类选取，得纹理选取特征；对主线特征使用点对区域的双向匹配进行分类选取，得主线选取特征；整体特征使用最小欧氏距离算法进行分类选取，得整体选取特征；3，纹理选取特征、主线选取特征和整体选取特征使用K近邻分类器方法，得与待识别样本T的k个近邻分类结果，分类结果采取Borda投票策略决策融合规则进行信息融合，实现掌纹多特征的融合识别。具有识别准确，鲁棒性好的优点。

技术领域

本发明属于生物特征身份识别技术领域，具体涉及一种基于局部和全局特征融合的掌纹识别方法。

背景技术

手是人与外界接触最频繁、最方便的部分，用手进行身份识别非常方便，从非接触式摄像头采集的低分辨率图像就可以用于掌纹识别。与其他的生物识别相比，掌纹具有很多独特的优势：相比于指纹，掌纹拥有更大的面积以及更为丰富的纹理信息，一般的摄像头或者扫描仪都可以采集到很清晰的图像，可以构建高性能的掌纹识别系统；相比于人脸识别，掌纹识别能轻易地区分双胞胎以及整容人群；相比于虹膜,掌纹采集设备的价格更为低廉，采集方式也更容易让用户接受；相比于签名,掌纹更加稳定可靠。

掌纹特征提取及分类识别是掌纹识别的关键问题。一般来说，用来描述掌纹的特征可分为两大类：局部特征和整体特征。局部特征主要指掌纹中的点特征、线特征、纹理特征和几何特征等，这些方法在一定程度上较好地分离出不同人掌纹之间的差异，但缺点是计算量大，易受噪声攻击，识别速度较慢。基于整体特征的掌纹识别是将掌纹图像看作为一个二维矩阵，利用像素之间的统计特性，从子空间的角度进行特征描述与提取，该类方法虽然忽略了掌纹的纹理特征，但提取了掌纹图像的绝大部分特征信息，且不易受噪声影响。针对上述掌纹单一特征表征不充分，多特征难以融合，不能显现特征本质的分辨特性，因此，提出基于局部和全局特征融合的掌纹识别方法，以便克服单一特征对掌纹进行识别时存在识别率受限、鲁棒性差等缺点，是急需解决的问题。

发明内容

本发明提供一种基于局部和全局特征融合的掌纹识别方法，解决了单一特征对掌纹进行识别时存在识别率受限、鲁棒性差的问题。

本发明所采用的技术方案是：一种基于局部和全局特征融合的掌纹识别方法，具体包括以下步骤：

步骤1：采用二维Gabor相位编码，提取掌纹的纹理特征，采用改进的有限Radon变换，即MFRAT，提取掌纹的主线特征，采用双向主成分分析法，即BDPAC，提取掌纹的整体特征；

步骤2：对提取掌纹的纹理特征使用Hamming距离进行分类选取，得到纹理选取特征；对提取掌纹的主线特征使用点对区域的双向匹配进行分类选取，得到主线选取特征；对提取掌纹的整体特征使用最小欧氏距离算法进行分类选取，得到整体选取特征；

步骤3：对纹理选取特征、主线选取特征和整体选取特征使用K近邻分类器方法，得到的与待识别样本S的k个近邻的分类结果，将分类结果采取Borda投票策略决策融合规则进行信息融合，从而实现掌纹多特征的融合识别。

本发明的特点还在于，

步骤1包括以下步骤：

步骤1.1：采用二维Gabor相位编码，提取掌纹的纹理特征的具体方法为：

二维离散Gabor滤波器的原形为：

将Gabor核函数去掉直流分量，由此得到一个改进的Gabor函数：

公式(1)、(2)中，(x,y)为给点位置的图像坐标值，i是虚数符号，μ是正弦波的频率，θ用来控制函数的方向，σ是标准方差，2n+1是滤波器的模板宽度；