[发明专利]一种掌纹识别方法

说明书

本发明提供了一种掌纹识别方法，所述方法包括：提取ROI区域再进行提取特征，消除并矫正干扰后上传至数据库进行特征匹配，最终总结匹配的特征点数得出结论；本方法为了提高用户友好性并扩大掌纹识别的应用范围，实现了掌纹识别具有自由方便、不用接触即可验证身份、低错误匹配率以及高识别精度等优点。

技术领域

本发明涉及掌纹识别技术，特别涉及一种非接触式分析掌纹以识别个人的方法，属于数字图像处理和生物特征识别技术领域。

背景技术

目前掌纹识别已经成为一种可以代替指纹识别、虹膜识别、语音识别的新生物识别技术；掌纹具有高度的独特性，坚固性和高度的用户友好性，可以在高分辨率掌纹图像中观察到掌纹不仅具有纹理、山脊、山谷、细节和方向特征等，通过识别分析掌纹图像中的主线，皱纹和纹理可以获取特殊特征，这些重要的掌纹特征被认为是不变的，并且对于受试者来说是唯一的；由于这些丰富的特点以及功能，掌纹识别已实现了非常低的错误匹配率和非常高的识别精度。

发明内容

针对现有技术中的不足，本发明的目的在于本发明提供了一种掌纹识别方法，所提出的方法为了提高用户友好性并扩大掌纹识别的应用范围，实现了掌纹识别具有自由方便、不用接触即可验证身份、低错误匹配率以及高识别精度等优点。

本发明针对的是一种提供了一种生物特征识别方法，特别是一种用于分析掌纹以识别个人身份的方法，所述方法可以包括：

从个人获得皮肤表面区域的图像，在手的内表面的定义区域内获得皮肤表面的子图像，提取ROI区域，对掌纹图像基于手指之间的两个参考点进行定位，进行预处理以提取ROI，最终稳定的获得主线；如果两个掌纹图像从同一个手掌获取而得，则最终得出的主线应该是相似的，否则为不同的两个主线图像。

提取掌纹主线通常使用MFRAT方法，MFRAT方法通过沿图像中所有可能的纹理累积图像强度来强调线性特征，检测图像中的纹理。

使用低秩矩阵表示（LRR）是同时执行噪声校正和数据分割最有效的方案，并同时使用LRR与主线距离（LRRIPLD）集合在一起来实现掌纹识别，主线距离的目标函数定义为：

。

其中X表示原始图像集，Z为掌纹图像集的表示系数矩阵，D（A，B）表示两个掌纹图像之间主线距离。

将提取的掌纹主线的数据上传到远程掌纹图像数据库中。

再将上传的数据与数据库源数据做特征匹配，掌纹信息进行匹配时都采用向量的形式进行，并且需要做方向以及位置的调整，调整后进行特征匹配，若掌纹特征点匹配的位置差距值和角度差距值小于设定相应的阈值

。

最后进行测试总结，若两个掌纹图像的特征点细节匹配点数越多，则越相似。

其中所述的提取掌纹主线的MFRAT方法，通常将MFRAT定义为某组线上的图像像素之和。MFRAT定义为：

。

上述公式中G为高斯滤波器用来除噪声，I为掌纹的一个图像样本，*代表进行一次卷积运算，r[L_k]此掌纹样本的卷积响应值。最终获得图像的方向图像D和能量图像E

。

根据能量图像E，可以通过阈值获得图像，然后根据能量标准过滤掉小皱纹，从而提取出掌纹的主线。

其中所述的主线距离经过专门设计，以定量表示两个主线图像的相似性，并且它基本上是根据主线的重叠像素确定的。如A、B两个掌纹主线二进制图像，他们的主线距离为：

。

最终看D（A，B）的值是否在0到1中,若D（A，B）越接近0，A和B之间越相似，相反则越不相似。