[发明专利]综合多类型特征的层次主题模型掌纹图像识别的身份认证方法

权利要求书

1.一种综合多类型特征的层次主题模型掌纹图像识别的身份认证方法，其特征在于，该方法步骤如下：

(1)使用Log-Gabor和Radon变换与线段检测器相结合的方法提取各掌纹上的掌纹线特征，并使用Moravec算子提取不在掌纹线上的点特征；

(2)采用词袋模型描述用于LDA模型的掌纹线和点特征，及统计特征；

(3)利用多层的LDA对待注册的掌纹图像进行多层分组；

(4)利用训练好的多层的LDA对待识别掌纹图像进行定位，进而实现身份认证。

2.根据权利要求1所述的综合多类型特征的层次主题模型掌纹图像识别的身份认证方法，其特征在于，所述步骤(1)按如下过程执行：

(1a)线特征提取：利用Log-Gabor和Radon变换与线段检测器相结合的方法提取掌纹线的长度、位置、方向和宽度信息，以及多条线交叉点；

(1b)点特征提取：利用Moravec算子提取点特征，具体算法如下：

步骤1b₁.计算像素点x_c,r的兴趣值IV_c,r,先在以像素点x_c,r为中心的(2k+1)×(2k+1)窗口中，计算以像素点x_c,r为轴心的横纵轴线方向相邻像元灰度差的平方和，再从中选择最小的值作为IV_c,r，其中，k为2、3或4：

IV_c,r＝min(V₁,V₂,V₃,V₄)，

步骤1b₂.根据给定的阈值V，选择兴趣值大于该阈值的点作为特征点的候选点，即如果IV_c,r>V，则x_c,r为特征点的候选点；

步骤1b₃.在该窗口内，删除所有兴趣值不是最大的候选点，兴趣值最大的像素即为一个特征点。

3.根据权利要求1所述的综合多类型特征的层次主题模型掌纹图像识别的身份认证方法，其特征在于，所述步骤(2)按如下过程执行：

(2a)将从各掌纹图像提取到的掌纹线特征和点特征存入m×n矩阵F，F_ij表示第i个特征的第j个分量，设置词的个数为N；

(2b)使用K-means方法或高斯混合模型或HIK-K-means对F中的特征进行聚类，类别数即等于词的个数N,聚类中心存入N维向量W中，W即为字典；

(2c)对F中的每一特征f进行单词量化，选取再将f记为w_i，即用w_i来表示f。