【技术实现步骤摘要】
综合多类型特征的层次主题模型掌纹图像识别的身份认证方法
本专利技术属于掌纹图像处理领域,涉及一种通过掌纹图像的识别进行身份认证的方法,具体涉及一种通过识别多层LDA(隐含狄利克雷分布主题模型(LatentDirichletAllocation,LDA))分类的掌纹图像以进行身份认证的方法。
技术介绍
随着现代社会信息交互急剧增长,个人身份鉴定已成为迫切解决的问题,在电子交易、公共安全、商业金融、医疗卫生、国防军事等部门得到了高度重视和广泛应用。传统的身份判定方法,包括身份标识物品(如钥匙、身份证、印章、银行卡、护照等)和身份标识知识(如用户名、密码、暗语等),一旦证明身份的标识物品和标识知识被盗用、伪造或遗忘,其身份就很容易被他人冒充或取代,从而造成严重的安全问题和经济财产损失等,这些方法存在较大的弊端。在这种情况下,生物特征识别技术逐渐得到了全社会的广泛关注。生物特征识别技术是指利用可测量的人体生理特征或者行为特征进行身份识别和验证的技术,它将21世纪两大热门技术——生物和信息融为一体。生物特征具备“人人拥有、人各不同、长期不变”的特点,是人类一个完整和独特的部分,它不会被遗忘或丢失,具有先天的便利性和技术方面的高效性。与传统的认证方式相比,它能随身携带、难以伪造而且不用记忆,具有更好的安全性、可靠性和有效性,是模式识别、图像处理、人工智能、计算机视觉,测试计量技术等领域的前沿方向。目前应用最为广泛的生物识别有人脸、指纹、虹膜、步态等,掌纹识别技术最近几年发展迅速,是对现有生物识别技术必要的有益补充。与其它生物特征相比,掌纹具有非常丰富的信息如乳突纹、皱 ...
【技术保护点】
一种综合多类型特征的层次主题模型掌纹图像识别的身份认证方法,其特征在于,该方法步骤如下:(1)使用Log‑Gabor和Radon变换与线段检测器相结合的方法提取各掌纹上的掌纹线特征,并使用Moravec算子提取不在掌纹线上的点特征;(2)采用词袋模型描述用于LDA模型的掌纹线和点特征,及统计特征;(3)利用多层的LDA对待注册的掌纹图像进行多层分组;(4)利用训练好的多层的LDA对待识别掌纹图像进行定位,进而实现身份认证。
【技术特征摘要】
1.一种综合多类型特征的层次主题模型掌纹图像识别的身份认证方法,其特征在于,该方法步骤如下:(1)使用Log-Gabor和Radon变换与线段检测器相结合的方法提取各掌纹上的掌纹线特征,并使用Moravec算子提取不在掌纹线上的点特征;(2)采用词袋模型描述用于LDA模型的掌纹线和点特征,及统计特征;(3)利用多层的LDA对待注册的掌纹图像进行多层分组;(4)利用训练好的多层的LDA对待识别掌纹图像进行定位,进而实现身份认证。2.根据权利要求1所述的综合多类型特征的层次主题模型掌纹图像识别的身份认证方法,其特征在于,所述步骤(1)按如下过程执行:(1a)线特征提取:利用Log-Gabor和Radon变换与线段检测器相结合的方法提取掌纹线的长度、位置、方向和宽度信息,以及多条线交叉点;(1b)点特征提取:利用Moravec算子提取点特征,具体算法如下:步骤1b1.计算像素点xc,r的兴趣值IVc,r,先在以像素点xc,r为中心的(2k+1)×(2k+1)窗口中,计算以像素点xc,r为轴心的横纵轴线方向相邻像元灰度差的平方和,再从中选择最小的值作为IVc,r,其中,k为2、3或4:IVc,r=min(V1,V2,V3,V4),步骤1b2.根据给定的阀值V,选择兴趣值大于该阀值的点作为特征点的候选点,即如果IVc,r>V,则xc,r为特征点的候选点;步骤1b3.在该窗口内,删除所有兴趣值不是最大的候选点,兴趣值最大的像素即为一个特征点。3.根据权利要求1所述的综合多类型特征的层次主题模型掌纹图像识别的身份认证方法,其特征在于,所述步骤(2)按如下过程执行:(2a)将从各掌纹图像提取到的掌纹线特征和点特征记为存入m×n矩阵F,Fij表示第i个特征的第j个分量,设置词的个数为N;(2b)使用K-means方法或高斯混合模型或HIK-K-means对F中的特征进行聚类,类别数即等于词的个数N,聚类中心存入N维向量W中,W即为字典;(2c)对F中的每一特征f进行单词量化,选取再将f记为wi,即用于wi来表示f。4.根据权利要求1所述的综合多类型特征的层次主题模型掌纹图像识别的身份认证方法,其特征在于,所述步骤(3)按如下过程执行:(3a)LDA应用于掌纹图像分类的数学表达:将掌纹图像类比为文档、掌纹特征类比为词、手掌类比为主题,则可设K维向量α是手掌的先验分布的参数,K×V的矩阵β是手掌中特征的分布参数,V为特征分量的总数,即βij=p(wj|zi)为特征wj出现在第i个手掌中的概率,那么生成一个掌纹图像的手掌分布、再生成k个手掌、进而得到这幅掌纹图像的N个特征的概率表示为:其中,θ是掌纹图像的手掌分布向量,z是N维的手掌向量,w是N个特...
【专利技术属性】
技术研发人员:陈荣元,周鲜成,徐雪松,余绍黔,申立智,陈浪,
申请(专利权)人:湖南商学院,
类型:发明
国别省市:湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。