一种基于Gabor编码的手指多模态特征融合方法技术

一种基于Gabor编码的手指多模态特征融合方法，其包括利用Gabor滤波器对指纹、指静脉和指节纹的ROI图像进行Gabor滤波，获得Gabor方向特征图像；将上述图像角度值分别从小到大进行排列，并将其编码，形成Gabor方向特征编码图像；对上述图像分块；将分块图像中的像素点提取其灰度特征，由此形成灰度特征向量；将灰度特征向量叠加形成手指三模态灰度特征直方图；通过计算两幅待匹配的手指ROI图像的三模态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。本发明专利技术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。

【技术实现步骤摘要】

本专利技术属于图像检测
，特别是涉及一种基于Gabor编码的手指多模态特 征融合方法。
技术介绍
目前，由于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。但由于大多数手指鲁棒性特征提取的研究方法依赖于特征点的位 置信息和方向信息，并受到旋转不变性的限制，因此不能有效地解决在图像采集过程手指 姿态容易改变这一问题。
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Gabor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Gabor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指纹、指静脉和指节纹的ROI 图像进行Gabor滤波，分别获得8个方向，SP 0° ,22. 5°，45° ,67. 5°，90° ,112. 5°，13 5°和157. 5°的手指三模态Gabor方向特征图像； 2)将上述8个方向的手指三模态Gabor方向特征图像的角度值分别从小到大进行 排列，并将其编码，由此形成8个方向的手指三模态Gabor方向特征编码图像； 3)对上述8个方向的手指三模态Gabor方向特征编码图像进行分块而形成分块图 像； 4)将上述8个方向的手指三模态Gabor方向特征编码分块图像中的像素点均看成 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，将每个分块图像中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，然后，将手指三个单模态的所有分块图像的灰度特征直方图分别通过串 联的方式融合而形成三个单模态灰度特征直方图，最后将三个单模态图像的灰度特征直方 图串联融合形成手指三模态灰度特征直方图； 6)通过计算两幅待匹配的手指ROI图像的三模态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滤波器表达式为：C .1.). 其中，σ代表Gabor滤波器的尺度，〇 =4, 5,6;0k表示第k个方向的角度值。 在步骤2)中，所述的将上述8个方向的手指三模态Gabor方向特征图像的角度值 分别从小到大进行排列，并将其编码，由此形成8个方向的手指三模态Gabor方向特征编码 图像的方法是：首先，将上述8个方向的手指三模态Gabor方向特征图像的角度值分别从小 到大排列，然后对上述图像中相同位置的像素点的灰度值分别进行比较，分别将最大灰度 值对应的手指三模态Gabor方向特征图像的方向作为该像素点的方向特征，并按照下述编 码方法进彳丁编码：〇°编码为〇, 22. 5°编码为1，45°编码为2,67. 5°编码为3,90°编码 为4,112. 5°编码为5,135°编码为6,157. 5°编码为7;由此形成8个方向的手指三模态 Gabor方向特征编码图像。 在步骤4)中，所述的获取边界点灰度值的公式为：(2) 其中，及表示每组的边界点，h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，所述的通过计算两幅待匹配的手指ROI图像的三模态灰度特征直 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图像的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，即这表示这两幅手指 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是对应的阈值点。 相交系数的表达式为： CN 105138974 A 说明书 3/7 页(4) 式中：!!^和…分别表示两幅待匹配的手指ROI图像，H⑴和Hni2⑴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直方图的维数。 本专利技术提供的基于Gabor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Gabor方向特征图；其中（a)为指纹；(b)为指静脉； (c)为指节纹； 图2为8个方向的手指三模态Gabor方向特征编码图；其中（a)为指纹；(b)为指 静脉；（c)为指节纹； 图3为8个方向的手指三模态Gabor方向特征编码图的分块图像；其中（a)为指 纹；(b)为指静脉；（c)为指节纹； 图4为某一像素点的8个最近邻点示意图。 图5为8个方向的手指三模态Gabor方向特征编码分块图像的灰度特征直方图； 其中（a)为指纹，（b)为指静脉，（c)为指节纹； 图6为8*8分块图像不同灰度分组的识别性能比较； 图7为不同分块图像的识别性能比较。 图8为不同姿态的指静脉ROI图像。 图9三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Gabor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Gabor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指纹、指静脉和指节纹的ROI 图像进行Gabor滤波，分别获得8个方向的手指三模态Gabor方向特征图像； 由于指纹、指静脉和指节纹图像分别具有脊线结构、管线结构和痕线结构，纹路信 息比较丰富，因此本步骤采用Gabor滤波的方法提取手指三模态的纹路的方向特征。根据 手指三模态图像纹理不同的特点，利用尺度参数不同（σ =4, 5,6)的Gabor滤波器对不同 姿态的指纹、指静脉和指节纹的ROI (region of interest感兴趣区域）图像进行Gabor滤 波，Gabor滤波器的当前第1页1 2 3 本文档来自技高网...

【技术保护点】
一种基于Gabor编码的手指多模态特征融合方法，其特征在于：所述的基于Gabor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指纹、指静脉和指节纹的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°的手指三模态Gabor方向特征图像；2)将上述8个方向的手指三模态Gabor方向特征图像的角度值分别从小到大进行排列，并将其编码，由此形成8个方向的手指三模态Gabor方向特征编码图像；3)对上述8个方向的手指三模态Gabor方向特征编码图像进行分块而形成分块图像；4)将上述8个方向的手指三模态Gabor方向特征编码分块图像中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，将每个分块图像中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，然后，将手指三个单模态的所有分块图像的灰度特征直方图分别通过串联的方式融合而形成三个单模态灰度特征直方图，最后将三个单模态图像的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；6)通过计算两幅待匹配的手指ROI图像的三模态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