[发明专利]用于移动用户的多生物特征图像信息融合方法及其应用

摘要

本发明涉及一种用于移动用户的多生物特征图像信息融合方法及应用，包括如下步骤：⑴采集端的建立；⑵图像底层特征提取：⑶矩阵构建；⑷多生物融合特征。该方法可在移动设备上进行综合识别应用。本发明为了克服移动用户的传统认证方法的缺点，提供一种指纹、人脸、虹膜等用户多生物特征的图像信息融合与认知的方法，来进行用户身份认证，对比传统的基于单生物特征的认证方法将更加安全可靠。

主权项

一种用于移动用户的多生物特征图像信息融合方法，其特征在于：包括如下步骤：⑴采集端的建立：在移动设备的信息输入端安装多生物特征采集模块，该多生物特征采集模块包括指纹特征采集模块、人脸特征采集模块、虹膜特征采集模块，采集的指纹、人脸、虹膜特征均为图像数据；⑵图像底层特征提取：先对所有的生物特征图像数据分别进行图像预处理，再对预处理后的图像底层特征进行提取，图像底层提取特征的步骤是分别提取如下特征：LBP特征，用于描述图像局部纹理情况；Zernike正交不变矩特征，用于描述图像的区域特征；Garborfilter特征，用于对图像进行时频分析，提取不同方向、频率下的纹理值；⑶矩阵构建：将图像底层特征构建每个用户的底层特征‑图像矩阵，其具体步骤为：①对各生物特征的ROI图像统一分块成p个大小为n×n的小图像，q个生物特征图像共p×q个局部小图像；②对每个局部小图像分别进行包括LBP特征、Zernike正交不变矩特征、Garbor filter特征等分析，并将这些特征作为每个用户的底层特征‑图像矩阵的列向量；③将q个分块后的局部小图像作为每个用户的底层特征‑图像矩阵的行向量，统计上一步得到的每个底层特征对其出现的概率，构建每个用户的底层特征和图像之间的特征‑图像矩阵，其大小为p×q；⑷多生物融合特征：首先，对底层特征‑图像矩阵进行矩阵行方向分解后，然后，将图像投影到该特征空间内，获得多生物融合特征，其步骤如下：①图像矩阵分解处理：将大小为p×q的m个矩阵集合用X_p×q＝[A₁,A₂,...,A_m]来表示，A_n代表每个用户对角化后的底层特征‑图像矩阵，m是用户的数量，首先利用1D‑NMF分解成为大小为p×d的矩阵L和一个大小为d×q的矩阵H之积，使得：X_p×q≈L_p×dH_d×q，d是参考维数，L是矩阵X在图像行方向分解得到的基矩阵，H为系数矩阵；②将图像投影到该特征空间内，即得到由该特征组合的系数C_n所表示的多生物融合特征。