用于快速匹配识别手指静脉的MCM方法技术

本发明专利技术属于生物特征识别领域，为提出一种快速匹配识别方法。为此，本发明专利技术，用于快速匹配识别手指静脉的MCM方法，包括图像加密，多尺度压缩及快速检索策略三部分；首先进行图像加密：对于经过预处理及特征提取后的静脉特征注册模板进行加密压缩，建立小容量加密注册模板库；多尺度压缩具体指：分别以不同压缩规模对整个注册模板库进行图像压缩，获取压缩后注册模板库，待识别模板在匹配前进行相同规模的压缩，然后再与整个注册模板库进行像素重叠率匹配，获取各压缩规模下等误率(EER)曲线及最小EER数值，并获取单一待识别模板完全匹配下实际开销。本发明专利技术主要应用于生物特征识别场合。 1

MCM method for fast matching of finger veins

The invention belongs to the field of biometric identification, and proposes a fast matching recognition method. For this purpose, the present invention is used to quickly match the MCM method for identifying finger veins, including three parts: image encryption, multiscale compression and fast retrieval strategy. First, image encryption is carried out: encrypting and compressing the vein feature registration template after preprocessing and feature extraction, setting up a small capacity encrypted registration template library; The scale compression is to compress the entire registration template library with different compression scale, obtain the compressed registration template library after compression, to compress the same scale before the matching, and then match the pixel overlap rate with the whole registration template library, and get the EER curve and the most significant error rate. Small EER value, and get a single matching template to match the actual cost. The invention is mainly applied to biometric identification occasions. One

【技术实现步骤摘要】
用于快速匹配识别手指静脉的MCM方法
本专利技术属于生物特征识别领域，特别涉及手指静脉快速匹配识别方法
技术介绍
手指静脉识别技术作为一种新兴的生物识别手段，与指纹识别、虹膜识别、掌纹识别、人脸识别等其他的生物识别技术相比在唯一性、稳定性、便携性和活体检测等方面具有更为突出的特点，其发展空间和应用前景也较为广泛。手指静脉特征作为人所固有的身份特征具有很高的固定性和不可更改性，一旦丢失而被不法分子用于其他目的会存在非常大的风险，因此对于静脉特征模板的隐私性的保护尤为重要。现有的手指静脉匹配识别方法大多关注于识别准确度的提高及识别速度的加快，较少关注对特征模板的保护，因此有必要联合加密算法进行识别，而加密算法的加入无疑对识别过程的运算量和识别速度提出了不小的挑战。将手指静脉识别技术应用到身份识别验证过程对实时性提出了较高的要求。方便、快捷的身份认证技术使得大数据量的用户群体逐渐显现，数据量的几何级增大提高了对存储空间及运算规模的要求，直接影响身份验证的速度和识别结果的准确性。相比于市场上现有产品通常采用的一对一识别方式，一对多识别方式具有无需预先输入用户信息等优势，具有良好的发展前景。然而一对多识别方式对于用户的规模有较大的限制且识别过程耗时较长。
技术实现思路
为克服现有技术的不足，本专利技术旨在提出一种快速匹配识别方法。为此，本专利技术采用的技术方案是，用于快速匹配识别手指静脉的MCM方法，包括图像加密，多尺度压缩及快速检索策略三部分；首先进行图像加密：对于经过预处理及特征提取后的静脉特征注册模板进行加密压缩，建立小容量加密注册模板库；多尺度压缩具体指：分别以不同压缩规模对整个注册模板库进行图像压缩，获取压缩后注册模板库，待识别模板在匹配前进行相同规模的压缩，然后再与整个注册模板库进行像素重叠率匹配，获取各压缩规模下等误率(EER)曲线及最小EER数值，并获取单一待识别模板完全匹配下实际开销；快速检索策略具体为，先针对加密注册模板计算行投影相似度进行粗匹配，再针对加密注册模板计算模板重合率进行部分细匹配，若两级匹配未成功，则进行完全细匹配检索。图像压缩具体步骤是采用分块压缩方法，步骤如下：(1)建立压缩模板：对于尺寸为M×N的图像，建立一个m×n的压缩模板，用于遍历图像进行数据压缩；(2)行列扫描：通过行列无重叠扫描方式遍历整幅图像，横纵步长分别为m、n，在扫描的同时将压缩模板内全体像素值取均值后置入压缩图像相应像素点位置，压缩过程的计算公式如下：其中Pa,b′表示压缩后横纵坐标分别为a和b的位置的像素值，Pa,b为原图中对应位置的像素值；(3)多阈值分割：在遍历整幅图像之后，将压缩图像进行二值或多阈值分割形成压缩后的静脉特征模板。图像加密具体是采用基于空间域置乱的加密方法Arnold变换进行加密，图像加密过程为：首先对X轴方向和Y轴方向分别进行错切变换，改变像素横纵分布，然后通过模运算进行切割回填操作，使得模板整体体积保持不变，其变换方程表达公式如下：其中xn、yn和xn+1、yn+1分别表示置乱前后像素点对应的横纵坐标，p，q为正整数，N为待加密图像尺寸。为增强其加密效果，将置乱算法与分块算法相结合，通过对整幅图像进行分块，分别进行块内置乱及块间置乱算法，提高加密空间杂乱度，改变分块方式及错切方式后重复迭代，进一步增进破密难度；同时，保持每幅图像的加密置乱算法一致，因而不同图像中相同位置的像素点加密后位置仍保持一致，同时其像素值并不发生改变，因而无需解密即可进行图像匹配，既保证全过程的安全性，又省去解密步骤的时间开销。图像压缩加密联合处理步骤，加密置乱步骤置入图像压缩像素放置环节之中，具体地，将经过压缩模板均值后的像素值放置于置乱变换后的像素位置，达到压缩与加密同步进行，以降低整体处理时间开销。快速检索策略具体步骤是：(1)行投影直方图粗匹配1)获取两幅手指静脉骨架图像的横向直方图，分别用Z1(t)和Z2(t)进行表示；2)将两个直方图的峰值进行配准，当误差函数Z(Δt)达到最小时，得到正确配准时的偏移量Δt，误差函数为：其中，T为t的取值上限，Δt表示偏移量，Δt∈(-T,T)；3)根据正确配准时的偏移量Δt，移动其中一幅静脉骨架图的位置，实现两幅图像的竖直位置配准；4)配准后的误差函数即为最小误差函数，其反映两模板相似程度，筛选出偏差度最小的若干注册模板，进一步进行细匹配。(2)像素重合率部分细匹配1)粗匹配过程已完成水平方向位置校准；2)对图像进行竖直方向位置校准，公式如下：Nm(s,t)＝maxNm(s,t)其中，I(x,y)和R(x,y)分别表示注册样本图像和匹配样本图像在对应位置的像素点灰度值，叠加两幅图像，重合部分的像素点值置1，其余部分均为0，统计所有像素点得分，上下移动匹配样本图像，使得分总和最大；3)计算两幅图像重叠区域占静脉总面积的百分比，即模板重合率，若其大于阈值，匹配成功，若所有粗匹配筛选模板重合率均小于阈值，则进一步完全细匹配；(3)完全细匹配对全部注册模板进行像素重合率细匹配，当最大重合率大于阈值时匹配成功，否则匹配失败。一个实例中的具体步骤如下：(1)粗匹配：对待识别模板像素值逐行累加，得到其行投影直方图。通过平移待识别行投影直方图，计算其与注册行投影直方图各相对位置下偏差度Z(i)，获取平移范围内最小偏差度min(Z(i))，记录平移量Δt1(i)，即为细匹配上下平移值，其中i为注册模板编号，对全体注册库进行上述操作，平移范围：-40<Δt1(i)<40；(2)粗匹配筛选：将min(Z(i))按照从小到大的顺序排列，选取前10个值得到10幅注册特征模板，并重新编号为j，j＝1-10；(3)细匹配：对筛选出的10幅特征模板，通过计算左右平移范围内各重合区域面积，获取待识别模板与各注册特征模板最大重合像素点总数max(d(j))，记录左右平移量ts＝Δt2(j)，左右平移范围：-20<Δt2(j)<20；(4)重合率计算：分别统计两幅图的像素总数：d1、d2，计算重合率c(j)＝max(d(j))/(d1+d2-max(d(j)))，并获得最大重合率cmax＝max(c(j))，其中d1表示待匹配模板像素总数，d2表示特征模板像素总数，(5)阈值判断。判断cmax是否大于阈值19.74％，若满足则匹配成功，输出结果；若不满足，则进行完全匹配；(6)完全匹配：选取后142幅图，即j取11-152，重复细匹配过程，若大于阈值19.74％，则停止匹配，输出匹配成功，若均小于阈值，则输出匹配失败。本专利技术的特点及有益效果是：本专利技术结合图像加密和图像压缩算法，减小注册模板库容量，降低匹配识别计算量，提高模板隐私性和安全性，实现减小模板库存储要求，提高后续匹配速度的目标。通过先进行行投影粗匹配后进行模板部分匹配，选择进行完全细匹配的快速检索策略，大大降低匹配过程时间开销。在压缩模板规模满足要求时，其等误率与普通匹配过程保持一致，运行时间减少了原时间开销的85.2％。注册模板库规模越大，本专利技术提出的MCM方法的时间开销减小效果越好。附图说明：图1为图像压缩示意图。图2为图像加密示意图。图3为图像加密结果图。图中(a)为原图，(b)本文档来自技高网...

【技术保护点】
1.一种用于快速匹配识别手指静脉的MCM方法，其特征是，包括图像加密，多尺度压缩

【技术特征摘要】
1.一种用于快速匹配识别手指静脉的MCM方法，其特征是，包括图像加密，多尺度压缩及快速检索策略三部分；首先进行图像加密：对于经过预处理及特征提取后的静脉特征注册模板进行加密压缩，建立小容量加密注册模板库；多尺度压缩具体指：分别以不同压缩规模对整个注册模板库进行图像压缩，获取压缩后注册模板库，待识别模板在匹配前进行相同规模的压缩，然后再与整个注册模板库进行像素重叠率匹配，获取各压缩规模下等误率(EER)曲线及最小EER数值，并获取单一待识别模板完全匹配下实际开销；快速检索策略具体为，先针对加密注册模板计算行投影相似度进行粗匹配，再针对加密注册模板计算模板重合率进行部分细匹配，若两级匹配未成功，则进行完全细匹配检索。2.如权利要求1所述的用于快速匹配识别手指静脉的MCM方法，其特征是，图像压缩具体步骤是采用分块压缩方法，步骤如下：(1)建立压缩模板：对于尺寸为M×N的图像，建立一个m×n的压缩模板，用于遍历图像进行数据压缩；(2)行列扫描：通过行列无重叠扫描方式遍历整幅图像，横纵步长分别为m、n，在扫描的同时将压缩模板内全体像素值取均值后置入压缩图像相应像素点位置，压缩过程的计算公式如下：其中Pa,b′表示压缩后横纵坐标分别为a和b的位置的像素值，Pa,b为原图中对应位置的像素值；(3)多阈值分割：在遍历整幅图像之后，将压缩图像进行二值或多阈值分割形成压缩后的静脉特征模板。3.如权利要求1所述的用于快速匹配识别手指静脉的MCM方法，其特征是，图像加密具体是采用基于空间域置乱的加密方法Arnold变换进行加密，图像加密过程为：首先对X轴方向和Y轴方向分别进行错切变换，改变像素横纵分布，然后通过模运算进行切割回填操作，使得模板整体体积保持不变，其变换方程表达公式如下：其中xn、yn和xn+1、yn+1分别表示置乱前后像素点对应的横纵坐标，p，q为正整数，N为待加密图像尺寸。4.如权利要求1所述的用于快速匹配识别手指静脉的MCM方法，其特征是，为增强其加密效果，将置乱算法与分块算法相结合，通过对整幅图像进行分块，分别进行块内置乱及块间置乱算法，提高加密空间杂乱度，改变分块方式及错切方式后重复迭代，进一步增进破密难度；同时，保持每幅图像的加密置乱算法一致，因而不同图像中相同位置的像素点加密后位置仍保持一致，同时其像素值并不发生改变，因而无需解密即可进行图像匹配，既保证全过程的安全性，又省去解密步骤的时间开销。5.如权利要求1所述的用于快速匹配识别手指静脉的MCM方法，其特征是，图像压缩加密联合处理步骤，加密置乱步骤置入图像压缩像素放置环节之中，具体地，将经过压缩模板均值后的像素值放置于置乱变换后的像素位置，达到压缩与加密同步进行，以降低整体处理时间开销。6.如权利要求1所述的用于快速匹配识别手指静脉的MCM方...

【专利技术属性】
技术研发人员：路志英，李敏，丁姝萌，张建峰，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12