一种基于矩阵转化的掌纹识别方法技术

本发明专利技术公开了一种基于矩阵转化的掌纹识别方法，首先随机产生一个广义置换矩阵，接着通过广义置换矩阵变换产生两个基本置换矩阵，然后对两个基本置换矩阵进行异或产生不可逆置换矩阵，使用此不可逆置换矩阵将原始掌纹图像的二值特征矩阵进行转化生成安全的掌纹特征代表矩阵；识别时同样利用不可逆置换矩阵产生待识别掌纹图像的掌纹特征代表矩阵，同时提供广义置换矩阵，利用距离匹配算法或者使用SVM分类器将待认证的掌纹特征代表矩阵与原始掌纹图像的掌纹特征代表矩阵进行认证决策。本发明专利技术能对掌纹生物特征的安全性和隐私性进行有效的保护，既能够提高掌纹识别的安全性，又能够提高掌纹识别的识别准确性以及计算识别效率或者速度。

A palmprint recognition method based on matrix transformation

The invention discloses a palmprint recognition method based on matrix transformation. First, a generalized permutation matrix is generated randomly, then two basic permutation matrices are generated by the generalized permutation matrix transformation, and then the two basic permutation matrices are different or irreversible permutation matrices are generated, and the original palms are used by this irreversible permutation matrix. The two value feature matrix of the striate image is transformed into a secure Palmprint Feature to represent the matrix, and an irreversible replacement matrix is used to generate the Palmprint Feature of the palmprint image to represent the matrix, and a generalized permutation matrix is provided, and a distance matching algorithm is used or the SVM classifier is used to represent the palmprint features to be authenticated. The matrix and the palmprint character representation matrix of the original palmprint image are used to make authentication decisions. The invention can effectively protect the security and privacy of palmprint biometric features, which can not only improve the security of palmprint recognition, but also improve the recognition accuracy of palmprint recognition, and the efficiency or speed of computing recognition.

【技术实现步骤摘要】
一种基于矩阵转化的掌纹识别方法
本专利技术属于掌纹识别
，特别涉及一种基于矩阵转化的掌纹识别方法。
技术介绍
随着计算机技术和通信技术的发展，人们的生产方式和生活方式都发生了翻天覆地的变化，逐渐进入了信息时代。在这个时代中，越来越多的电子设备如电脑、ATM提款机、移动电话、门禁控制系统等进入了我们的日常生活，人们由于发达的信息技术而联系起来，信息安全成为全球信息化的重大挑战。传统的身份识别方法已经不能满足信息安全的要求。例如传统的机械钥匙、“口令+密码”以及智能卡等保护措施就存在着丢失、遗忘、复制及被盗用的隐患，这些都给管理者和使用者带来了很大的不便。目前最为便捷与安全的解决方案无疑就是生物识别技术，由于生物特征唯一性和不变性，与传统的身份认证技术相比，具有更高的安全性和易用性。掌纹识别是近几年提出的一种较新的生物特征识别技术。掌纹识别技术相对于其他技术不仅具有许多安全方面的优点，而且还具有很高的实用性和可行性。但同时每个人的掌纹都是相当固定的，很难发生变化，识别系统如果直接存储原始掌纹特征，一旦用户在某个识别系统的数据库中的掌纹信息被盗取，掌纹特征中包涵的隐私很有可能被泄露，也很难再用于其它识别系统中。因此研究一种安全的掌纹特征识别认证方法至关重要。
技术实现思路
本专利技术要解决的技术问题是，提供一种基于矩阵转化的掌纹识别方法，提高掌纹识别的安全性以及掌纹识别的识别准确性和计算识别效率或者速度。为解决上述技术问题，本专利技术所采用的技术方案是：一种基于矩阵转化的掌纹识别方法，包括以下步骤：S1：获取若干原始掌纹图像，提取每个原始掌纹图像的ROI图像，获取每个ROI图像的竞争码特征矩阵并转化为二值特征矩阵；S2：对应每个二值特征矩阵，随机产生一个广义置换矩阵，分别对该广义置换矩阵进行两次独立变换得到两个基本置换矩阵；变换为行交换或列交换或对应行、列转置；对两个基本置换矩阵采取异或的方式产生不可逆置换矩阵；S3：对于每个二值特征矩阵，利用步骤S2对应产生的不可逆置换矩阵进行不可逆转化，所生成的矩阵作为该二值特征矩阵对应的原始掌纹图像的掌纹特征代表矩阵；S5：对于任一待识别掌纹图像，同样按照步骤S1提取出其竞争码特征矩阵并转化为二值特征矩阵；还需提供一个广义置换矩阵，利用所提供的广义置换矩阵按照步骤S2和S3的方式产生对应于该待识别掌纹图像的掌纹特征代表矩阵；S6：运用距离匹配算法或者SVM分类器将待识别掌纹图像的掌纹特征代表矩阵与原始掌纹图像的掌纹特征代表矩阵进行匹配识别。在上述技术方案中，是运用不可逆置换矩阵对原始掌纹特征进行隐私保护，将通过不可逆置换矩阵变换生成的掌纹特征代表矩阵用于掌纹识别，而不再直接使用掌纹主线、皱纹、细小的纹理、脊末梢、分叉点等掌纹生物特征。不可逆置换矩阵变换是实现可撤销并用于掌纹识别的掌纹特征代表矩阵或者说掌纹模板的一种简单且有效的方式，该方式提供了掌纹模板和用户隐私的高级安全性。通过不可逆置换矩阵变换所生成的掌纹特征代表矩阵是可撤除的，即使掌纹特征代表矩阵数据被盗，一方面由于不可逆置换矩阵的不可逆性，仅根据掌纹特征代表矩阵无法还原原始掌纹图像，可以防止原始生物特征数据从掌纹特征代表矩阵中恢复，提高对掌纹生物特征的保护，防止被窃取；另一方面不影响通过产生新的不可逆置换矩阵来产生新的安全的掌纹特征代表矩阵来进行掌纹识别。广义置换矩阵的产生方式简单，通过变换产生的基本置换矩阵足够多，由此通过异或操作生成的不可逆置换矩阵作为密钥的空间足够大，即使是源于同一原始掌纹，所产生的掌纹特征代表矩阵的数量也足够多，生成速度快，因而即使是将同一原始掌纹应用于多个识别场景，也能够保证不同的识别场景可以分配到不同的或者是随机的掌纹特征代表矩阵，且每一个掌纹特征代表矩阵都是不可逆和可撤除的，能够使得不同的识别场景之间不产生关联性。对于不同的原始掌纹图像可以采用随机产生的不同的广义置换矩阵来产生各自掌纹特征代表矩阵，使得不同的掌纹特征代表矩阵之间不产生关联性。由于不可逆置换矩阵以及掌纹特征代表矩阵的大空间性以及相互之间的不关联性，可以抵抗重放攻击、交叉匹配和身份丢失。因此，本方法能够提高掌纹识别的安全性。在进行掌纹识别时，除了提供待识别掌纹图像，还需要提供广义置换矩阵，进而利用所提供的广义置换矩阵得到待识别掌纹的掌纹特征矩阵才能够进行后续的匹配识别。因而本方法提供了多因素识别，进一步提高掌纹识别的安全性。本方法应用距离匹配或SVM分类器进行掌纹识别。距离匹配适用于实时的识别匹配；运用SVM分类器即使是在原始掌纹图像数量较少的情况下也能够得到比其它算法好很多的结果，从而提高识别率。支持向量机具有优秀的泛化能力，其最终决策函数只由少数的支持向量所确定,计算的复杂性取决于支持向量的数目,而不是样本空间的维数,这在某种意义上避免了“维数灾难”。因此，本方法能够提高掌纹识别的识别率，并提高计算识别效率或者速度。作为改进，在上述的步骤S1中，首先构造如下的Gabor滤波器：其中，x'＝(x-x0)cosθ+(y-y0)sinθ，y'＝-(x-x0)sinθ+(y-y0)cosθ，(x0,y0)表示滤波器中心点，ω表示径向频率，θ表示滤波器角度，δ表示频率响应的半幅带宽；竞争规则定义为：argminj(I(x,y)*ψR(x,y,w,θj))其中，I是ROI图像，ψR是Gabor滤波器的实部，θj是滤波器角度，j＝{0,1,2,3,4,5}表示滤波器选取的的六个角度。然后将产生的竞争码特征矩阵转化成相应的二值特征矩阵。Gabor小波与人类视觉系统中简单细胞的视觉刺激响应非常相似。它在提取目标的局部空间和频率域信息方面具有良好的特性。Gabor小波对于图像的边缘敏感，能够提供良好的方向选择和尺度选择特性，而且对于光照变化不敏感,能够提供对光照变化良好的适应性。作为改进，所述距离为汉明距离，表示如下：其中H表示最终的汉明距离，m，n代表掌纹特征代表矩阵的行数和列数，F表示掌纹特征代表矩阵。运用汉明距离匹配可以有效减少匹配识别计算时的复杂度。综上，本专利技术利用不可逆和可撤除的掌纹特征代表矩阵进行掌纹识别，能够对掌纹识别过程中的原始掌纹生物特征进行有效保护，既能够提高掌纹识别的安全性，又能够提高掌纹识别的识别准确性以及计算识别效率或者速度。附图说明图1是本专利技术具体实施方式中仿真实验的ROC曲线图。具体实施方式该基于矩阵转化的掌纹识别方法，包括以下步骤：S1：采用合适方式(例如拍照、扫描等方式)获取若干原始掌纹图像，这些原始掌纹图像来自于若干个体。在不同场景下，所选取的若干个体可能不同，并且这若干个体是作为后续的识别参照。提取出每个原始掌纹图像的ROI图像。在进行ROI图像提取时，可以采用如下方式：对于任一原始掌纹图像，将该原始掌纹图像进行二值化处理得到二值图像，在二值图像中提取手掌外边缘轮廓并检测食指、中指之间和无名指、小指之间形成的角点(手指与手指之间的凹陷处即为角点)，以两角点的连线作为纵轴，从两角点的中点向纵轴作垂线，将垂线作为横轴，以纵轴和横轴的交点作为坐标原点，坐标原点与纵轴、横轴形成新坐标系，在新的坐标系下，在原始掌纹图像上截取大小为128×128像素的掌纹区域作为ROI图像。对每个ROI图像进行竞争码特征本文档来自技高网...

【技术保护点】
一种基于矩阵转化的掌纹识别方法，包括以下步骤：S1：获取若干原始掌纹图像，提取每个原始掌纹图像的ROI图像，获取每个ROI图像的竞争码特征矩阵并转化为二值特征矩阵；S2：对应每个二值特征矩阵，随机产生一个广义置换矩阵，分别对该广义置换矩阵进行两次独立变换得到两个基本置换矩阵；变换为行交换或列交换或对应行、列转置；对两个基本置换矩阵采取异或的方式产生不可逆置换矩阵；S3：对于每个二值特征矩阵，利用步骤S2对应产生的不可逆置换矩阵进行不可逆转化，所生成的矩阵作为该二值特征矩阵对应的原始掌纹图像的掌纹特征代表矩阵；S4：对于任一待识别掌纹图像，同样按照步骤S1提取出其竞争码特征矩阵并转化为二值特征矩阵；还需提供一个广义置换矩阵，利用所提供的广义置换矩阵按照步骤S2和S3的方式产生对应于该待识别掌纹图像的掌纹特征代表矩阵；S5：运用距离匹配算法或者SVM分类器将待识别掌纹图像的掌纹特征代表矩阵与原始掌纹图像的掌纹特征代表矩阵进行匹配识别。

【技术特征摘要】
1.一种基于矩阵转化的掌纹识别方法，包括以下步骤：S1：获取若干原始掌纹图像，提取每个原始掌纹图像的ROI图像，获取每个ROI图像的竞争码特征矩阵并转化为二值特征矩阵；S2：对应每个二值特征矩阵，随机产生一个广义置换矩阵，分别对该广义置换矩阵进行两次独立变换得到两个基本置换矩阵；变换为行交换或列交换或对应行、列转置；对两个基本置换矩阵采取异或的方式产生不可逆置换矩阵；S3：对于每个二值特征矩阵，利用步骤S2对应产生的不可逆置换矩阵进行不可逆转化，所生成的矩阵作为该二值特征矩阵对应的原始掌纹图像的掌纹特征代表矩阵；S4：对于任一待识别掌纹图像，同样按照步骤S1提取出其竞争码特征矩阵并转化为二值特征矩阵；还需提供一个广义置换矩阵，利用所提供的广义置换矩阵按照步骤S2和S3的方式产生对应于该待识别掌纹图像的掌纹特征代表矩阵；S5：运用距离匹配算法或者SVM分类器将待识别掌纹图像的掌纹特征代表矩阵与原始掌纹图像的掌纹特征代表矩阵进行匹配识别。2.根据权利要求1所述的一种基于矩阵转化的掌纹识别方法，其特征在于：在步骤S1中，首先构造如下的Gabor滤波器：

【专利技术属性】
技术研发人员：李恒建，邱建，董吉文，
申请(专利权)人：济南大学，
类型：发明
国别省市：山东,37