本发明专利技术涉及一种单指双内指节纹多方向混合特征的身份认证方法，主要涉及Gabor变换，横向局部二值模式以及分数层融合策略。认证流程主要包括手指图像采集，内指节纹特征定位，内指节纹特征提取，分数层特征融合，决策匹配五部分。本发明专利技术使用单手指上的两个纹理特征设计身份认证方法弥补单内指节的纹理特征单一不足，充分使用单手指上的生物特征，并且使用Gabor和横向局部二值模式提取多方向的混合特征克服传统只使用单方向Gabor特征导致的内指节纹可用于身份认证信息的遗失，实现安全可靠的身份认证。
【技术实现步骤摘要】
本专利技术属于数字图像处理、模式识别
，涉及生物特征识别认证技术的新 方法，特别涉及。
技术介绍
人类的身份鉴别和认证方法大致经历了三个阶段。早期主要是通过物品 (Possession,Whatyouhave)的方法，例如身份证、护照、磁卡、钥匙等作为不同场合下的 身份证明。物品的方法容易丢失、损坏、被盗和仿制，使莫名顶替者有机可乘。随着电子信 息技术的发展，出现了基于知识的方法（Knowledge,Whatyouknow)，如口令（Token)、密码 (Password)等，这类方法容易遗忘，或易被攻击者破解。 在这种背景下，新型的基于生物特征的身份认证方法因其具有的独特优势，克服 了前两代身份认证方式的缺陷，日益受到人们的青睐。与传统的方式相比，人类不可能丢 失、遗忘自己的生物特征，因此更生物特征身份认证系统更具安全性、可靠性和有效性，在 诸多安全领域都具有广阔的应用前景和巨大的经济效益。内指节纹位手指内侧的指关节连接处，不易磨损。对于个别的内指节纹被其他物 体覆盖、脱皮、有伤痕、一些手上老茧较多的体力劳动者等的皮肤以及无法辨识的毁伤肌肤 识别起来，整体上不会受到干扰、不存在识别率低的问题；对温度和湿度不敏感，对手指清 洁度要求不高；对采集分辨率要求不高。目前已有的研宄也证明内指节纹可作为一种用于 身份认证的生物特征。内指节纹采集便捷，尤其适用于用户手持移动设备，而且适用于手部 的多种生物特征联合认证，具有广阔的发展前景。 内指节纹以其突出的优势吸引了众多研宄学者的目光，但内指节纹的劣势也逐渐 暴露。内指节纹结构单一，纹理简单，随着安全要求的提高，单一指节纹的特征难以满足。内 指节纹多特征融合是解决该问题的一种思路。然而，个人的内指节纹数目有限，多个内指节 纹的使用将极大的消耗个人生物特征资源。目前，已有的针对内指节纹的研宄都未能较好 的解决以上问题。
技术实现思路
本专利技术主要是解决现有技术所存在的技术问题；提供了一种利用单根手指第一指 骨与第二指骨，第二指骨和第三指骨连接处的内侧纹理及两纹理之间的基于双内指节纹多 方向混合特征的身份认证方法。 本专利技术的上述技术问题主要是通过下述技术方案得以解决的： -种基于双内指节纹多方向混合特征的身份认证方法，其特征在于，包括以下步 骤： -个原始图像采集的步骤：具体是手部图像采集，相机采集包含完整手指及手掌 的手部图像，该过程要求手指并拢平行，手掌垂直于镜头方向，手掌与镜面平行，采集环境 置于匀光黑色背景下，避免光照位置对识别效果的影响； 一个针对上述原始图像进行预处理的步骤：预处理旨在定位用于特征提取的感兴 趣区域，具体包括： S1，定位单根手指区域：选定中指、无名指以及食指中的任意一个，依据手指位置 的先验信息，从原始掌纹图像f(X，y)中截取关键点定位区域图像fi(X，y)，该区域左右边沿 在选定手指的第二指节内，上下边缘在选定手指的相邻两个手指上；使用大律算法选取合 适阈值二值化(X，y)得到f2 (X，y);对f2 (X，y)沿指缝方向radon投影，通过直方图极值定 位选定手指的两个边界关键点；使用两个边界及第三指骨区域的先验信息分割出包含完整 中指第一指节纹和第二指节纹区域f3(x，y);S2,定位双内指节纹感兴趣区域：对图像f3(x,y)沿竖直方向进行radon投影，根 据投影的两区域的极值点可以判断第一指节纹和第二指节纹位置，从而分割出包含第一指 节纹和第二指节纹的感兴趣区域R(x，y); 一个针对上述预处理后的图像进行特征提取的步骤：具体是内指节纹3个方向上 的混合特征提取，具体包括：S1，全局特征提取：对感兴趣区域R(x，y)分别从5° ,0°，-5°进行Gabor变换， 得到 RGi (X，y)，RG2 (X，y)，RG3 (X，y); 52，局部特征提取：对1^1(1，7)，1^2(1，7)，1^ 3(1，7)三个方向的纹理图进行横向 LBP运算，得到局部纹理特征； S3,分块直方图：对局部纹理特征分成互不相交的子块，分别计算内指节纹各子块 的直方图特征，连接块的直方图特征得到混合特征HRGi (X，y)，HRG2 (X，y)，HRG3 (X，y); S4,特征编码：使用DP-SMAWK选取N个最优阈值，对连接直方图特征进行编码得到 码图Pi(X，y)，P2 (X，y)，P3 (X，y); 一个针对上述提取的特征进行特征匹配融合的步骤，具体包括： S1，特征匹配：将3个特征模板分别于数据库中的模板进行匹配，匹配方式采用归 一化的汉明距离；【主权项】1. ，其特征在于，包括以下步 骤： 一个原始图像采集的步骤：具体是手部图像采集，相机采集包含完整手指及手掌的手 部图像，该过程要求手指并拢平行，手掌垂直于镜头方向，手掌与镜面平行，采集环境置于 匀光黑色背景下，避免光照位置对识别效果的影响； 一个针对上述原始图像进行预处理的步骤：预处理旨在定位用于特征提取的感兴趣区 域，具体包括： S1，定位单根手指区域：选定中指、无名指以及食指中的任意一个，依据手指位置的先 验信息，从原始掌纹图像f(x, y)中截取关键点定位区域图像fjx, y)，该区域左右边沿在选 定手指的第二指节内，上下边缘在选定手指的相邻两个手指上；使用大律算法选取合适阈 值二值化(X，y)得到f 2 (X，y);对f2 (X，y)沿指缝方向radon投影，通过直方图极值定位选 定手指的两个边界关键点；使用两个边界及第三指骨区域的先验信息分割出包含完整中指 第一指节纹和第二指节纹区域&"^); S2,定位双内指节纹感兴趣区域：对图像f3(x, y)沿竖直方向进行radon投影，根据投 影的两区域的极值点可以判断第一指节纹和第二指节纹位置，从而分割出包含第一指节纹 和第二指节纹的感兴趣区域R(x，y); 一个针对上述预处理后的图像进行特征提取的步骤：具体是内指节纹3个方向上的混 合特征提取，具体包括： S1，全局特征提取：对感兴趣区域R(x，y)分别从5° ,0°，-5°进行Gabor变换，得 到 RG1 (X，y)，RG2 (X，y)，RG3 (X，y); 52, 局部特征提取：对RG1 (x，y)，RG2 (x，y)，RG3 (x，y)三个方向的纹理图进行横向LBP运 算，得到局部纹理特征； 53, 分块直方图：对局部纹理特征分成互不相交的子块，分别计算内指节纹各子块的直 方图特征，连接块的直方图特征得到混合特征HRG 1 (X，y)，HRG2 (X，y)，HRG3 (X，y); 54, 特征编码：使用DP-SMAWK选取N个最优阈值，对连接直方图特征进行编码得到码图 P1 (x, y), P2 (x, y), P3 (x, y)； 一个针对上述提取的特征进行特征匹配融合的步骤，具体包括： S1，特征匹配：将3个特征模板分别于数据库中的模板进行匹配，匹配方式采用归一化 的汉明距离；h (a, b) = min (I a_b I，N-1 a_b I) 式二 其中的Pi (x，y)为测试内指节纹特征，Qi (x，y)为数据库中的内指节纹特征，i = 1,2,3 ； S2,分数归一化：由于各方向的匹配分数分布不同，需本文档来自技高网...
【技术保护点】
一种基于双内指节纹多方向混合特征的身份认证方法，其特征在于，包括以下步骤：一个原始图像采集的步骤：具体是手部图像采集，相机采集包含完整手指及手掌的手部图像，该过程要求手指并拢平行，手掌垂直于镜头方向，手掌与镜面平行，采集环境置于匀光黑色背景下，避免光照位置对识别效果的影响；一个针对上述原始图像进行预处理的步骤：预处理旨在定位用于特征提取的感兴趣区域，具体包括：S1，定位单根手指区域：选定中指、无名指以及食指中的任意一个，依据手指位置的先验信息，从原始掌纹图像f(x,y)中截取关键点定位区域图像f1(x,y)，该区域左右边沿在选定手指的第二指节内，上下边缘在选定手指的相邻两个手指上；使用大律算法选取合适阈值二值化f1(x,y)得到f2(x,y)；对f2(x,y)沿指缝方向radon投影，通过直方图极值定位选定手指的两个边界关键点；使用两个边界及第三指骨区域的先验信息分割出包含完整中指第一指节纹和第二指节纹区域f3(x,y)；S2，定位双内指节纹感兴趣区域：对图像f3(x,y)沿竖直方向进行radon投影，根据投影的两区域的极值点可以判断第一指节纹和第二指节纹位置，从而分割出包含第一指节纹和第二指节纹的感兴趣区域R(x,y)；一个针对上述预处理后的图像进行特征提取的步骤：具体是内指节纹3个方向上的混合特征提取，具体包括：S1，全局特征提取：对感兴趣区域R(x,y)分别从5°,0°,‑5°进行Gabor变换,得到RG1(x,y),RG2(x,y),RG3(x,y)；S2，局部特征提取：对RG1(x,y),RG2(x,y),RG3(x,y)三个方向的纹理图进行横向LBP运算，得到局部纹理特征；S3，分块直方图：对局部纹理特征分成互不相交的子块，分别计算内指节纹各子块的直方图特征，连接块的直方图特征得到混合特征HRG1(x,y),HRG2(x,y),HRG3(x,y)；S4，特征编码：使用DP‑SMAWK选取N个最优阈值，对连接直方图特征进行编码得到码图P1(x,y),P2(x,y),P3(x,y)；一个针对上述提取的特征进行特征匹配融合的步骤，具体包括：S1，特征匹配：将3个特征模板分别于数据库中的模板进行匹配，匹配方式采用归一化的汉明距离；Di=Σx=1RowsΣy=1Colsh(Pi(x,y),Qi(x,y))3S]]> 式一h(a,b)＝min(|a‑b|,N‑|a‑b|) 式二其中的Pi(x,y)为测试内指节纹特征，Qi(x,y)为数据库中的内指节纹特征，i＝1,2,3；S2，分数归一化：由于各方向的匹配分数分布不同，需要进行归一化；归一化过程的参数需要在一定基础的数据库上训练得到，归一化方式如下：Di′=Di-min(D)α·mean(D*)-min(D)]]> 式三D表示第Di类特征的真匹配和假匹配分布，D*表示第Di类特征的真匹配分布，α表示训练参数，i＝1,2,3；S3，分数融合：分数层融合方式使用加权匹配，公式如下dis＝W1·D1'+W2·D2'+W3·D3' 式四所述权重Wi的选取根据各匹配器的训练等错误率(EER)ei确定，i＝1,2,3，计算公式如下：Wi=eie1+e2+e3]]> 式五一个匹配结果生成的步骤：具体就是匹配决策，依据根据训练的距离选取的最优阈值判断匹配的正确与否，从而判断用户是否通过认证。...
【技术特征摘要】
【专利技术属性】
技术研发人员：郑宏，张莹，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42
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。