本发明专利技术公开了一种基于方向特征的手掌静脉主方向特征提取方法，其特征是针对掌脉图像，采用Gaussian_iRadon(G-iR)变换提取掌脉图像的方向特征矩阵，得到图像主方向特征，所述的采用Gaussian_iRadon(G-iR)变换提取掌脉图像的方向特征矩阵是在判定中心像素点的主方向Do(x0,y0)时，利用Gaussian函数对中心点的加权规则，削弱邻域内像素点对中心像素点的贡献度，进而减弱iRadon变换提取到的方向信息的分辨能力。本发明专利技术采用G-iR变换，加强了不同个体间掌脉图像的关联，有利于构建子库并增强同一子库内图像间的相关性；同时基于iRadon变换较佳的分辨能力，尽可能最大化不同子库中掌脉图像的差异性，达到分类快速检索的目的。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种，其特征是针对掌脉图像，采用Gaussian_iRadon(G-iR)变换提取掌脉图像的方向特征矩阵，得到图像主方向特征，所述的采用Gaussian_iRadon(G-iR)变换提取掌脉图像的方向特征矩阵是在判定中心像素点的主方向Do(x0,y0)时，利用Gaussian函数对中心点的加权规则，削弱邻域内像素点对中心像素点的贡献度，进而减弱iRadon变换提取到的方向信息的分辨能力。本专利技术采用G-iR变换，加强了不同个体间掌脉图像的关联，有利于构建子库并增强同一子库内图像间的相关性；同时基于iRadon变换较佳的分辨能力，尽可能最大化不同子库中掌脉图像的差异性，达到分类快速检索的目的。【专利说明】
本专利技术设及一种手掌静脉特征识别技术，特别是一种基于方向特征的手掌静脉主 方向特征提取方法。
技术介绍
掌静脉识别基于静脉血管进行一致性判断，因其具有活体采集、难伪造、特征信息 丰富且唯一等良好性质，成为近十年来新兴生物特征识别技术之一，得到业内人±的广泛 关注。随着掌脉识别技术应用领域的不断扩大，掌脉数据库的规模也在不断扩大，随之而来 的关键问题就是大型掌脉数据库的识别精度和识别速度问题。 掌脉识别算法从运行方式而言，可W分成两类，即验证模式（verification)和辨 识模式（identification)。验证模式；判定实时输入的具有唯一编码（ID)的掌脉图像，是 否与此ID所对应的数据库中的掌脉样本相匹配；辨识模式：输入一幅实时掌脉图像（Probe palm vein image)(测试样本），检索数据库中的所有样本，找到与之相匹配的数据库中的 样本，获取数据库中样本的ID，即确认为测试样本的ID。辨识问题可W看作是广义化的验 证问题巧]。 大多数掌脉识别算法的研究都针对验证模式，并且取得了很大进步，算法都有很 高的识别精度并且能在几十毫秒至几百毫秒内完成匹配巧-16]。但辨识工作模式下的掌脉 检索算法要比验证工作模式下的匹配算法难度大很多，特别是在大型掌脉数据库中就更为 困难。换句话说，若一个测试样本需要与数据库中所有样本相匹配，随着数据库中样本数的 增加，辨识过程所需的时间会快速增加，导致辨识模式下系统无法满足实时性要求。因此， 尽管现有掌静脉算法在验证模式下的匹配速度能满足系统实时性要求，仍不能直接将验证 中的匹配算法用在辨识过程中。 在大型生物特征识别系统中，指纹和掌纹图像与掌脉图像相似，均包含大量的纹 理。其中指纹分类算法较成熟，大体分为两种；一种是固定分类方法，根据 指纹的自然形状分成5类或者扩展成6?8类，如左旋、右旋、縱祸等类别，测试样本根据所 属类别/子库，直接与子库内的候选样本进行进一步的精确匹配，得到测试样本的ID。其优 点是无需采用相似度准则就能检索出候选样本，可W减少一定的检索时间；但是也存在很 多问题，如某些样本的类别难W确定；分类遵循自然规律，可能导致某些子库中的样本数量 过大；无法通过调整子库中样本数的分布来平衡系统的精度和速度。另一种分类方法是连 续分类方法巧0-23]，通过某些变换方法提取图像主要特征作为分类特征，检索时，将测试 图像的分类特征与数据库图像的分类特征进行相似度计算，找到与测试图像相似的一些数 据库图像，作为候选样本进行进一步匹配。连续分类方法可W避免固定分类方法出现的问 题，但其候选样本需用相似度准则检索整个数据库才能得到，且相似度测量方法若选取的 不好会降低识别率（accuracy)。而在掌纹方面，尚在研究阶段，仅有一些文献巧4-26]提及 到分类算法，如文献巧4, 2引类似连续分类方法，由粗到细层次地减少掌纹检索范围；文献 巧6]类似固定分类方法，根据掌纹主线的数量分成6类。与指纹、掌纹不同，掌脉图像中的 静脉分布并无明显规律，即没有指纹中左旋、右旋、縱祸的特点，也没有掌纹中主线的分布。 因此掌纹和指纹的分类算法，只能给我们提供一些检索方法上的指导，而在掌脉分类特征 的选择上，参考意义有限。 大型掌脉数据库中，在辨识模式下得到测试图像的ID是一个检索问题。需将测试 图像与数据库中每一幅图像进行比化得到与测试图像最相似的模板图像。很明显，该种穷 举法难W满足辨识系统的实时性要求，分类或分层的指导性检索方法是一种有效提高检索 效率的方法。其中探索简单有效的分类索引结构和快速检索算法是指导性检索算法中两个 关键问题，简单有效的分类索引结构和快速检索算法就首先需要有效提取手掌静脉主方向 特征。
技术实现思路
本专利技术的目的是为了解决上述现有技术的不足提供一种增加不同个体间掌脉的 相关性，W方便简单有效的分类索引和快速检索的基于方向特征的手掌静脉主方向特征提 取方法。 在有限邻域local(x，y)内的G-iR变换定义为； G_Ratlon, {k,cr) = f*GR, (a%>,〇) 佩 其中是化的Gaussian加权表示，定义如下： GA'/, (.x-，y，(T) = ()U, )xG'(.x-，.v，<T); 化即为Sections. 1中iRadon变换有关有限线段的定义；等式（8)给出2-D高斯 函数G(x, y, 0)的定义，（X, y)表示Gaussian滤波器中的离散点，（X。, y。）是滤波器的中屯、 点；0是局斯滤波器的标准方差； [001 引 【权利要求】1. 一种，其特征是针对掌脉图像，采用 Gaussian_iRadon(G-iR)变换提取掌脉图像的方向特征矩阵，得到图像主方向特征，所述的 采用Gaussian_iRadon(G-iR)变换提取掌脉图像的方向特征矩阵是在判定中心像素点的 主方向DJxtl,y(l)时，利用Gaussian函数对中心点的加权规则，削弱邻域内像素点对中心像 素点的贡献度，进而减弱iRadon变换提取到的方向信息的分辨能力，其中：实函数f 在有限邻域local(x，y)内的G-iR变换定义为：Lk即为Section2. 1中iRadon变换有关有限线段的定义；等式（8)给出2-D高斯函数G(X，y, 〇 )的定义，（X，y)表示Gaussian滤波器中的离散点，（X。，yQ)是滤波器的中心点；〇 是高斯滤波器的标准方差；类似地，根据iRadon变换的竞争编码方式得到由D。(X，y)组成的方向特征矩阵； 基于G-iR变换得到的每个像素的主方向DJx，y)，根据公式（9)，统计其方向特征的分Wroit，并求得整个图像的主方向巾；其中m，n为OM矩阵大小；【文档编号】G06K9/46GK104504361SQ201410628027【公开日】2015年4月8日 申请日期:2014年11月10日 优先权日:2014年11月10日 【专利技术者】卢慧莉, 刘娅琴, 周宇佳, 黄振鹏, 於巧红 申请人:深圳云派思科技有限公司本文档来自技高网...
【技术保护点】
一种基于方向特征的手掌静脉主方向特征提取方法，其特征是针对掌脉图像，采用Gaussian_iRadon(G‑iR)变换提取掌脉图像的方向特征矩阵，得到图像主方向特征，所述的采用Gaussian_iRadon(G‑iR)变换提取掌脉图像的方向特征矩阵是在判定中心像素点的主方向Do(x0,y0)时，利用Gaussian函数对中心点的加权规则，削弱邻域内像素点对中心像素点的贡献度，进而减弱iRadon变换提取到的方向信息的分辨能力，其中：实函数f[x,y]在有限邻域local(x,y)内的G‑iR变换定义为：G_Radonf(k,σ)=f[x,y]*GRLk(x,y,σ)---(6)]]>其中是Lk的Gaussian加权表示,定义如下:GRLk(x,y,σ)=δ(Lk)×G(x,y,σ);---(7)]]>Lk即为Section2.1中iRadon变换有关有限线段的定义；等式(8)给出2‑D高斯函数G(x,y,σ)的定义，(x,y)表示Gaussian滤波器中的离散点，(x0,y0)是滤波器的中心点；σ是高斯滤波器的标准方差；G(x,y,σ)=12πσ2(exp(-(x-x0)2+(y-y0)22σ2))---(8)]]>类似地，根据iRadon变换的竞争编码方式得到由Do(x,y)组成的方向特征矩阵；基于G‑iR变换得到的每个像素的主方向Do(x,y)，根据公式(9)，统计其方向特征的分布PDφ，并求得整个图像的主方向φ；其中m,n为OM矩阵大小；PDφ=Σy=1nΣx=1mDo(x,y),]]>if Do(x,y)＝φ；φ＝1,2,3,4,5,6φ=argmaxφPDφ---(9).]]>...
【技术特征摘要】
【专利技术属性】
技术研发人员：卢慧莉，刘娅琴，周宇佳，黄振鹏，於巧红，
申请(专利权)人：深圳云派思科技有限公司，
类型：发明
国别省市：广东;44
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。