[发明专利]基于特征混合矩阵的指纹与指静脉识别融合方法

说明书

本发明针对单模态系统存在的认证不稳定，错误率较高等缺点，综合考虑指纹识别及手指静脉识别的优缺点，提出了一种基于特征混合矩阵的指纹与指静脉识别融合方法。对读入的静脉图像与指纹图像分别进行预处理操作，其中对静脉图像进行手指区域分割，感兴趣区域提取，方向滤波增强等操作，对指纹图像进行尺寸归一化与方向滤波增强操作；然后将两种图像进行模糊分块处理，在此基础上，利用离散余弦变换提取两种图像的每一个图像子块的低频系数来表征局部特征；再将指纹特征向量与静脉特征向量串联混合构成特征混合矩阵，最后将该混合矩阵的识别结果与基于局部特征方法的指纹识别结果、手指静脉识别结果在决策级上融合，将融合后的结果作为最终的识别结果。本发明利用大量的融合特征信息可以估计出精确的统计模型，充分地利用特征间的互补信息来提高系统准确性，有效地弥补了单一模态识别系统的不足。

技术领域

本发明属于模式识别技术领域，具体涉及一种基于特征混合矩阵的指纹与指静脉识别融合方法。

背景技术

多模态生物特征识别技术为生物特征识别系统提供了一种更加通用的方法，增加了安全性，提高了识别精度。此外，特征级的数据采集从特征提取出了丰富的特征信息，因此在这一层次上进行模式融合是必要的。指纹图像与手指静脉图像的特征提取可分为全局特征提取和局部特征提取，通常这两种图像的全局特征维数较高，很难在特征空间中直接分类，而局部特征的维数比全局特征低，因此，本发明在充分分析和研究手指指纹与手指静脉识别各自存在优点和缺点的基础上，结合指纹信息及静脉信息处理特点，利用离散余弦变换（DCT）方法提取指纹图像与手指静脉图像的局部特征，提出一种基于混合矩阵的指部生物特征融合方法，以期获得一种具有使用价值高的、可靠性高的智能身份识别系统。

发明内容

本发明的目的在于提供一种基于特征混合矩阵的指纹与指静脉双模态融合方法。

本发明的目的是这样实现的：

基于特征混合矩阵的指纹与指静脉识别融合方法，首先对读入的静脉图像与指纹图像分别进行预处理操作，其中对静脉图像进行手指区域分割，感兴趣区域提取，方向滤波增强等操作，对指纹图像进行尺寸归一化与方向滤波增强操作；然后将两种图像进行模糊分块处理，在此基础上，利用离散余弦变换(DCT)提取两种图像的每一个图像子块的低频系数来表示局部特征；再将指纹特征向量与静脉特征向量串联混合构成特征混合矩阵，最后将该混合矩阵的识别结果与基于局部特征方法的指纹识别结果及静脉识别结果在决策级上进行融合，将融合后的结果作为最终的识别结果。

所述的局部特征提取方法，首先对图像进行模糊分块处理。根据每个像素点到模糊子块中心的距离大小来确定该像素点属于该子块的隶属度。应用上述准则将静脉图像分成8×3个模糊块；对上述模糊分块后的指纹图像与手指静脉图像的每一个图像子块分别进行DCT变换，对于M×N个块图像，我们将得到一个由图像的所有频率分量组成的M×N的F图像的大部分信息。本发明取系数矩阵中的前8个。

所述的特征混合矩阵是利用DCT变换提取每个静脉图像子块中的重要信息，生成静脉图像特征向量，同理生成指纹图像特征向量。式中g表示每个手指参与训练的指纹图像、静脉图像个数，表示每幅图像模糊子块的个数，D为特征向量的维数。本发明取G=5，W=24，特征向量维数为8，则手指静脉图像的特征向量可表示为，同理指纹图像特征向量表示为。

将指纹图像与手指静脉图像特征向量首尾相连构造出串联特征向量，按串联顺序不同，得到两个串联特征向量与。将上述两个串联特征向量构造出融合特征混合矩阵为。在进行识别时，将库中模板特征混合矩阵与待识别样本的进行比较，将库中不匹配程度最小的样本作为匹配识别结果。