一种基于LGBP编码的手指多模态特征融合方法技术

一种基于LGBP编码的手指多模态特征融合方法。其包括利用Gabor滤波器对手指三模态ROI图像进行Gabor滤波，获得幅度特征图像；对图像进行编码，形成特征编码图像；对图像进行分块；将分块图像的像素点看成是特征点提取其灰度特征，形成灰度特征向量；将灰度特征向量叠加，形成灰度特征直方图，再将灰度特征直方图串联形成分块图像的灰度特征直方图；将手指单模态灰度特征直方图串联融合形成手指三模态灰度特征直方图；计算两幅待匹配的手指三模态ROI图像的灰度特征直方图相交系数来判断两者是否匹配。本发明专利技术有效解决了在手指图像采集过程中手指姿态易变问题，且手指多模态识别运算速度高、识别率高。

【技术实现步骤摘要】

本专利技术属于图像识别
，特别是涉及一种基于LGBP编码的手指多模态特 征融合方法。
技术介绍
目前，单模态生物特征识别在应用中存在一定的局限性，因此无法满足人们对高 精度身份识别的需求。为使手指三模态特征能够有效地进行融合，鲁棒性特征分析成为研 究中的关键性问题。由于在采集手指三模态ROI (region of interest，感兴趣区域）图像 的过程中存在手指姿态易变的问题，且大多数的手指鲁棒性特征提取方法受到旋转不变性 的限制，因此不能有效地解决此问题。
技术实现思路
为了解决上述问题，本专利技术的目的在于提供一种基于LGBP编码的手指多模态特 征融合方法。 为了达到上述目的，本专利技术提供的基于LGBP编码的手指多模态特征融合方法包 括按顺序进行的下列步骤： 1)利用尺度参数不同的Gabor滤波器对不同姿态的手指三模态ROI图像进 行 Gabor 滤波，分别获得 8 个方向，即 0°，22. 5°，45°，67. 5°，90°，112. 5°，135° 和 157. 5°的指纹、指静脉和指节纹的幅度特征图像； 2)利用LBP对上述8个方向的手指三模态幅度特征图像分别进行编码，由此形成 8个方向的手指三模态LGBP特征编码图像； 3)对上述8个方向的手指三模态LGBP特征编码图像进行分块； 4)将每一个分块图像的像素点均看成是特征点而提取其灰度特征，由此形成灰度 特征向量，过程如下： 第一步：灰度分组；首先，将每个分块图像的每个像素点的灰度值从小到大进行 排序，形成一个像素点的序列；然后，将此序列根据像素点的总数均分为k个灰度分组，形 成k组灰度分组图像；之后用四舍五入的方法确定每个灰度分组的边界点，并获取该边界 点的灰度值； 第二步：计算每个像素点的灰度特征向量：以每个灰度分组图像中的每个像素点 为中心，比较其对称邻点的灰度值大小，若某个像素点的灰度值大于其对称邻点的灰度值， 则为1 ;否则为〇,由此形成4位二进制码的灰度特征向量，然后将4位二进制码向量转化为 16位二进制码灰度特征向量； 5)将上述每个灰度分组图像中每个像素点的灰度特征向量叠加，形成每个灰度分 组图像的灰度特征直方图，再将每个灰度分组图像的灰度特征直方图串联形成分块图像的 灰度特征直方图； 6)首先通过二维高斯模型生成与LGBP特征编码图像分块个数相同的系数，然后 对上述每一个分块图像的灰度特征直方图进行加权，之后将上述加权后的分块图像的灰度 特征直方图串联得到手指单模态灰度特征直方图，最后，将上述手指单模态灰度特征直方 图串联融合形成手指三模态灰度特征直方图； 7)通过计算两幅待匹配的手指三模态ROI图像的灰度特征直方图相交系数的方 法来判断这两幅手指ROI图像是否匹配。 在步骤1)中，所述的Gabor滤波器的表达式为： 其中，δ代表Gabor滤波器的尺度，δ =4,5,6; 0k表示第k个方向的角度值。 在步骤2)中，所述的对8个方向的手指三模态幅度特征图像分别进行编码的方 法是：首先，定义一个以某一手指幅度特征图像中某一像素点作为中心像素点的3X3的窗 口，以该中心像素点的灰度值为阈值，对该窗口中其余8个邻域像素点进行二值化；若某一 邻域像素点的灰度值小于中心像素点的灰度值，则编码为〇 ;否则，编码为1，形成了 8位二 进制值；然后将二进制值向右移位b次，对每右移一位的二进制值进行加权求和得到该像 素点的8个LBP值；最后，取最小的LBP值作为该像素点的LBP值； 最小LBP值的公式为： 1 , .… , (2) 其中，函数R0R(x，b)表示将二进制值X向右移位b次，/A/y表示第i个中心像素 点的LBP值，A/i/(定义如式⑶所示：(3) 式中：B 表示二值化函数，即J: I1表示中心像素 点i的灰度值，I。表示邻域像素点的灰度值，a表示二值化函数的第a位，在这里P = 8。 (4) 亦来聰/1、由·日If彳太的it前彳六思占的JF辟值公式为： 其中表示每组的边界点，tl表示第i个灰度分组的边 界值，1_和I _分别表示图像像素点的最小灰度值和最大灰度值。 在步骤4)中，所述的将4位二进制码的灰度特征向量转化为16位二进制码的灰 度特征向量的公式为： 其中，i表示第i个像素点，m表示该像素点最近邻点的对数。 在步骤6)中，所述的二维高斯模型的公式为： 其中，〇表示二维高斯模型的均方差，!11和η分别是每行和每列的图像分块的个 数，mid(i)和mid(j)分别代表图像中心的分块图像在第i行和第j列。 在步骤7)中，所述的通过计算两幅待匹配的手指三模态ROI图像的灰度特征直方 图相交系数的方法来判断这两幅手指ROI图像是否匹配的方法是：首先利用下面的相交系 数表达式计算两幅待匹配的手指ROI图像中手指三模态灰度特征直方图的相交系数，若计 算出的相交系数〉相似性决策阈值T，则表示这两幅手指ROI图像相似，即表示这两幅手指 ROI图像匹配；若其相交系数<T，则判定这两幅手指ROI图像不匹配；相似性决策阈值T是 手指ROI图像匹配结果中错误拒绝率为0,且错误允许率最低时所对应的阈值点； 相交系数的表达式为：(7) 式中：!!^和…分别表示两幅待匹配的手指ROI图像，H⑴和Hji)分别代表两 幅待匹配的手指三模态ROI图像的灰度特征直方图，L表示手指三模态图像的灰度特征直 方图的维数。 本专利技术提供的基于LGBP编码的手指多模态特征融合方法有效地解决了在手指图 像采集过程中手指姿态易变的问题，并且手指多模态识别的运算速度高、识别率高。【附图说明】 图1为8个方向的手指三模态幅度特征图，其中（a)指纹（b)指静脉（C)指节纹； 图2为8个方向的手指三模态LGBP特征编码图，其中（a)指纹（b)指静脉（c)指 节纹； 图3为8个方向的手指三模态LGBP特征编码分块图，其中（a)指纹（b)指静脉 (c)指节纹； 图4为像素点的8个最近邻点示意图。 图5为LGBP特征编码分块图像的灰度特征直方图，其中（a)指纹（b)指静脉（c) 指节纹； 图6为基于二维高斯模型的加权串联过程示意图； 图7为8X8分块图像不同灰度分组的识别性能比较； 图8为不同分块图像的识别性能比较； 图9为二维高斯模型不同σ值的识别性能比较； 图10为四幅不同姿态的手指静脉ROI图像； 图11为三种特征提取方法的识别性能比较。【具体实施方式】 下面结合附图和具体实施例对本专利技术提供的基于LGBP编码的手指多模态特征融 合方法进行详细说明。 本专利技术提供的基于LGBP编码的手指多模态特征融合方法包括按顺序进行的下列 步骤： 1)由于手指三模态图像的纹理不同，因此本专利技术利用尺度参数不同（δ = 4, 5, 6) 的Gabor滤波器对不同姿态的手指三模态ROI图像进行Gabor滤波，Gabor滤波器的表达 式如式1所示，分别获得8个方向（0°，22.5°，45°当前第1页1 2 3 本文档来自技高网...

【技术保护点】
一种基于LGBP编码的手指多模态特征融合方法，其特征在于：所述的基于LGBP编码的手指多模态特征融合方法包括按顺序进行的下列步骤：1)利用尺度参数不同的Gabor滤波器对不同姿态的手指三模态ROI图像进行Gabor滤波，分别获得8个方向，即0°,22.5°,45°,67.5°,90°,112.5°,135°和157.5°的指纹、指静脉和指节纹的幅度特征图像；2)利用LBP对上述8个方向的手指三模态幅度特征图像分别进行编码，由此形成8个方向的手指三模态LGBP特征编码图像；3)对上述8个方向的手指三模态LGBP特征编码图像进行分块；4)将每一个分块图像的像素点均看成是特征点而提取其灰度特征，由此形成灰度特征向量，过程如下：第一步：灰度分组；首先，将每个分块图像的每个像素点的灰度值从小到大进行排序，形成一个像素点的序列；然后，将此序列根据像素点的总数均分为k个灰度分组，形成k组灰度分组图像；之后用四舍五入的方法确定每个灰度分组的边界点，并获取该边界点的灰度值；第二步：计算每个像素点的灰度特征向量：以每个灰度分组图像中的每个像素点为中心，比较其对称邻点的灰度值大小，若某个像素点的灰度值大于其对称邻点的灰度值，则为1；否则为0，由此形成4位二进制码的灰度特征向量，然后将4位二进制码向量转化为16位二进制码灰度特征向量；5)将上述每个灰度分组图像中每个像素点的灰度特征向量叠加，形成每个灰度分组图像的灰度特征直方图，再将每个灰度分组图像的灰度特征直方图串联形成分块图像的灰度特征直方图；6)首先通过二维高斯模型生成与LGBP特征编码图像分块个数相同的系数，然后对上述每一个分块图像的灰度特征直方图进行加权，之后将上述加权后的分块图像的灰度特征直方图串联得到手指单模态灰度特征直方图，最后，将上述手指单模态灰度特征直方图串联融合形成手指三模态灰度特征直方图；7)通过计算两幅待匹配的手指三模态ROI图像的灰度特征直方图相交系数的方法来判断这两幅手指ROI图像是否匹配。...

【技术特征摘要】

【专利技术属性】
技术研发人员：杨金锋，仲贞，师一华，贾桂敏，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：天津;12