一种手指多模态生物特征球形粒化和匹配方法组成比例

一种手指多模态生物特征球形粒化和匹配方法。其包括对单模态原始指静脉、指纹和指节纹ROI图像利用静态小波变换方法分别进行两层分解；将图像进行尺寸和数值归一化处理；将每一幅单模态低频图像形成一个原子超球粒；利用每一个体的指静脉、指纹和指节纹原子超球粒形成一个融合超球粒；将融合超球粒随机分成训练样本和测试样本；将待匹配超球粒与模板超球粒进行匹配等步骤。本发明专利技术能有效地将指纹、指静脉和指静脉进行粒化表示，并根据空间位置关系，有效地将三个模态图像融合起来，形成的融合超球粒包含了三个模态的所有像素特点，并针对超球粒的特点，利用快速的匹配方法进行身份识别，实验结果表明本方法运算速度快、匹配准确率高。

A method for multi dimensional biological feature spherical granulation and matching of finger

A method for multi dimensional biological feature spherical granulation and matching of finger. The single mode including the original fingerprint and finger vein, knuckleprint ROI images using stationary wavelet transform method were decomposed into two layers; the image size and numerical normalization; every single modal low-frequency image to form a super atomic spherules; each individual fingerprint and finger vein, knuckleprint super atomic spheres the formation of a super chondritic fusion using; fusion super spheres were randomly divided into training samples and test samples; to be matched and other steps, and super super chondritic spheres template. The invention can effectively fingerprint and finger vein and finger vein particle representation, and according to the spatial relationship, effectively three modes of image fusion, the formation of super fusion contains all the features of the pixel chondrite three modes, and according to the characteristics of super spheres using fast matching method, identification and the experimental results show that this method has fast calculation speed and high matching accuracy.

【技术实现步骤摘要】

本专利技术属于生物特征识别
，具体涉及一种手指多模态生物特征球形粒化和匹配方法。
技术介绍
多模态生物特征识别技术作为一种新的身份识别技术，目前已广泛应用于安防监控、电子商务、出入口管理等领域。但是，由于不同模态的生物特征在表现形式和分析方法上均存在较大差异，科学合理的多模态生物特征融合识别框架理论仍比较缺乏。目前，粒计算作为处理信息和知识过程的一种新的研究方法，为多模态生物特征识别提供了一种新思路。采用合适的粒化方法对图像进行合理地表示和有效地融合是多模态生物特征识别的基础，同时，针对于特定形式的粒，准确而高效的匹配方法对于多模态生物特征识别具有重要意义。但目前缺少有效的方法。
技术实现思路
为了解决上述问题，本专利技术的目的在于提供一种手指多模态生物特征球形粒化和匹配方法。为了达到上述目的，本专利技术提供的手指多模态生物特征球形粒化和匹配方法包括按顺序进行的下列步骤：1)首先对多个不同个体的单模态原始指静脉ROI图像、指纹ROI图像和指节纹ROI图像利用静态小波变换方法分别进行两层分解，由此获得多幅包括指静脉、指纹和指节纹在内的三个模态的低频图像；2)将上述多幅三个模态的低频图像分别进行图像对准，包括尺寸归一化和数值归一化处理；3)将上述每幅归一化后的单模态低频图像中所有像素值采用按行串联的方法形成一个高维向量，以该向量在高维空间中对应的点为球心，零为半径，构造一个原子超球粒，这样每一幅归一化后的单模态低频图像就形成一个指静脉、指纹或指节纹原子超球粒；4)以每一个体的指静脉、指纹和指节纹原子超球粒为顶点确定一个三角形△1(GFV，GFP，GFKP)，该三角形的重心对应原子超球粒Gc1；同时原子超球粒Gc1与指静脉原子超球粒GFV和指节纹原子超球粒GFKP又可以唯一地确定一个三角形△2(GFV，Gc1，GFKP),该三角形的重心对应原子超球粒Gc2；连接原子超球粒Gc2与指静脉原子超球粒GFV而形成一条线段，以该线段的中点作为球心CFs，线段长度的一半作为半径RFs画圆而形成一个融合超球粒GFs；5)将上述融合超球粒随机分成两部分，一部分作为训练样本，另一部分作为测试样本；对训练样本中的每一个融合超球粒给定一个类别标签而作为一个模板超球粒，即属于同一个体的三模态图像具有相同的类别标签，并将所有模板超球粒按半径大小升序排列，构建模板数据库；而将测试样本中的所有融合超球粒作为类别标签未知的待匹配超球粒；6)通过分析模板数据库中同类别超球粒的半径差来确定半径容差alw的取值，根据模板数据库中两两超球粒之间的夹角余弦相似度来确定最大相似度阈值SimTh的取值。7)从测试样本中选定一个待匹配超球粒Gx＝(Cx,Rx)，根据假设的半径容差alw确定半径检索范围为[Rx-alw,Rx+alw]，那么所有半径在该范围内的模板超球粒均为下一步的匹配对象；之后根据式(8)所示的夹角余弦公式分别计算出待匹配超球粒与匹配对象中每一个模板超球粒的球心向量的相似度，并确定出相似度最大值maxSim；然后对相似度最大值maxSim与相似度阈值SimTh进行比较，若相似度最大值maxSim大于或等于相似度阈值SimTh，则相似度最大值maxSim对应的模板超球粒的类别即为待匹配超球粒的类别；反之，待匹配超球粒的类别无法确定，说明该超球粒未在模板数据库中进行注册；最后，通过判断待匹配超球粒获得的类别与其自身的类别是否一致来确定特征匹配是否成功，由此可以确定出待匹配超球粒与哪个模板超球粒属于同一个体，从而完成识别过程。在步骤2)中，所述的尺寸归一化处理方法是将指纹低频图像调整到119×100像素，指静脉低频图像调整到70×170像素，指节纹低频图像调整到70×170像素。在步骤2)中，所述的数值归一化处理方法是按式(1)对上述低频图像进行数值归一化，使得每幅低频图像的像素值都在0和1之间，计算公式如下： I i , j * = I i , j - I m i n I m a x - I min - - - ( 1 ) ]]>其中，Ii,j表示低频图像中像素点(i，j)的原像素值，Imin表示整幅图像所有像素值中的最小值，Imax表示整幅图像所有像素值中的最大值，Ii,j*表示低频图像中像素点(i，j)归一化后的像素值。在步骤3)中，所述的指静脉原子超球粒GFV、指纹原子超球粒GFP、指节纹原子超球粒GFKP的表达式如下： G F V = ( C f v , 0 ) , C f v = [ I 1 , 1 f v , I 1 , 2 f v , ... , I M v , N v f v ] - - - ( 2 ) ]]> G F P = ( C f p , 0 ) , 本文档来自技高网...

【技术保护点】
一种手指多模态生物特征球形粒化和匹配方法，其特征在于：所述的手指多模态生物特征球形粒化和匹配方法包括按顺序进行的下列步骤：1)首先对多个不同个体的单模态原始指静脉ROI图像、指纹ROI图像和指节纹ROI图像利用静态小波变换方法分别进行两层分解，由此获得多幅包括指静脉、指纹和指节纹在内的三个模态的低频图像；2)将上述多幅三个模态的低频图像分别进行图像对准，包括尺寸归一化和数值归一化处理；3)将上述每幅归一化后的单模态低频图像中所有像素值采用按行串联的方法形成一个高维向量，以该向量在高维空间中对应的点为球心，零为半径，构造一个原子超球粒，这样每一幅归一化后的单模态低频图像就形成一个指静脉、指纹或指节纹原子超球粒；4)以每一个体的指静脉、指纹和指节纹原子超球粒为顶点确定一个三角形△1(GFV，GFP，GFKP)，该三角形的重心对应原子超球粒Gc1；同时原子超球粒Gc1与指静脉原子超球粒GFV和指节纹原子超球粒GFKP又可以唯一地确定一个三角形△2(GFV，Gc1，GFKP),该三角形的重心对应原子超球粒Gc2；连接原子超球粒Gc2与指静脉原子超球粒GFV而形成一条线段，以该线段的中点作为球心CFs，线段长度的一半作为半径RFs画圆而形成一个融合超球粒GFs；5)将上述融合超球粒随机分成两部分，一部分作为训练样本，另一部分作为测试样本；对训练样本中的每一个融合超球粒给定一个类别标签而作为一个模板超球粒，即属于同一个体的三模态图像具有相同的类别标签，并将所有模板超球粒按半径大小升序排列，构成模板数据库；而将测试样本中的所有融合超球粒作为类别标签未知的待匹配超球粒；6)通过分析模板数据库中同类别超球粒的半径差来确定半径容差alw的取值，根据模板数据库中两两超球粒之间的夹角余弦相似度来确定最大相似度阈值SimTh的取值；7)从测试样本中选定一个待匹配超球粒Gx＝(Cx,Rx)，根据设定的半径容差alw确定半径检索范围为[Rx‑alw,Rx+alw]，那么所有半径在该范围内的模板超球粒均为下一步的匹配对象；之后根据式(8)所示的夹角余弦公式分别计算出待匹配超球粒与匹配对象中每一个模板超球粒的球心向量的相似度，并确定出相似度最大值maxSim；然后对相似度最大值maxSim与相似度阈值SimTh进行比较，若相似度最大值maxSim大于或等于相似度阈值SimTh，则相似度最大值maxSim对应的模板超球粒的类别即为待匹配超球粒的类别；反之，待匹配超球粒的类别无法确定，说明该超球粒未在模板数据库中进行注册；最后，通过判断待匹配超球粒获得的类别与其自身的类别是否一致来确定特征匹配是否成功，由此可以确定出待匹配超球粒与哪个模板超球粒属于同一个体，从而完成识别过程。...

【技术特征摘要】
1.一种手指多模态生物特征球形粒化和匹配方法，其特征在于：所述的手指多模态生物特征球形粒化和匹配方法包括按顺序进行的下列步骤：1)首先对多个不同个体的单模态原始指静脉ROI图像、指纹ROI图像和指节纹ROI图像利用静态小波变换方法分别进行两层分解，由此获得多幅包括指静脉、指纹和指节纹在内的三个模态的低频图像；2)将上述多幅三个模态的低频图像分别进行图像对准，包括尺寸归一化和数值归一化处理；3)将上述每幅归一化后的单模态低频图像中所有像素值采用按行串联的方法形成一个高维向量，以该向量在高维空间中对应的点为球心，零为半径，构造一个原子超球粒，这样每一幅归一化后的单模态低频图像就形成一个指静脉、指纹或指节纹原子超球粒；4)以每一个体的指静脉、指纹和指节纹原子超球粒为顶点确定一个三角形△1(GFV，GFP，GFKP)，该三角形的重心对应原子超球粒Gc1；同时原子超球粒Gc1与指静脉原子超球粒GFV和指节纹原子超球粒GFKP又可以唯一地确定一个三角形△2(GFV，Gc1，GFKP),该三角形的重心对应原子超球粒Gc2；连接原子超球粒Gc2与指静脉原子超球粒GFV而形成一条线段，以该线段的中点作为球心CFs，线段长度的一半作为半径RFs画圆而形成一个融合超球粒GFs；5)将上述融合超球粒随机分成两部分，一部分作为训练样本，另一部分作为测试样本；对训练样本中的每一个融合超球粒给定一个类别标签而作为一个模板超球粒，即属于同一个体的三模态图像具有相同的类别标签，并将所有模板超球粒按半径大小升序排列，构成模板数据库；而将测试样本中的所有融合超球粒作为类别标签未知的待匹配超球粒；6)通过分析模板数据库中同类别超球粒的半径差来确定半径容差alw的取值，根据模板数据库中两两超球粒之间的夹角余弦相似度来确定最大相似度阈值SimTh的取值；7)从测试样本中选定一个待匹配超球粒Gx＝(Cx,Rx)，根据设定的半径容差alw确定半径检索范围为[Rx-alw,Rx+alw]，那么所有半径在该范围内的模板超球粒均为下一步的匹配对象；之后根据式(8)所示的夹角余弦公式分别计算出待匹配超球粒与匹配对象中每一个模板超球粒的球心向量的相似度，并确定出相似度最大值maxSim；然后对相似度最大值maxSim与相似度阈值SimTh进行比较，若相似度最大值maxSim大于或等于相似度阈值SimTh，则相似度最大值maxSim对应的模板超球粒的类别即为待匹配超球粒的类别；反之，待匹配超球粒的类别无法确定，说明该超球粒未在模板数据库中进行注册；最后，通过判断待匹配超球粒获得的类别与其自身的类别是否一致来确定特征匹配是否成功，由此可以确定出待匹配超球粒与哪个模板超球粒属于同一个体，从而完成识别过程。2.根据权利要求1所述的手指多模态生物特征球形粒化和匹配方法，其特征在于：在步骤2)中，所述的尺寸归一化处理方法是将指纹低频图像调整到119×100像素，指静脉低频图像调整到70×170像素，指节纹低频图像调整到70×170像素。3.根据权利要求1所述的手指多模态生物特征球形粒化和匹配方法，其特征在于：在步骤2)中，所述的数值归一化处理方法是按式(1)对上述低频图像进行数值归一化，使得每幅低频图像的像素值都在0和1之间，计算公式如下： I i , j * = I i , j - I m i n I m a x - I min - - - ( 1 ) ]]>其中，Ii,j表示低频图像中像素点(i，j)的原像素值，Imin表示整幅图像所有像素值中的最小值，Imax表示整幅图像所有像素值中的最大值，Ii,j*表示低频图像中像素点(i，j)归一化后的像素值。4.根据权利要求1所述的手指多模态生物特征球形粒化和匹配方法，其特征在于：在步骤3)中，所述的指静脉原子超球粒GFV、指纹原子超球粒GFP、指节纹原子超球粒GFKP的表达式如下： G F V = ( C f v , 0 ) , C f v = [ I 1 , 1 f v , I 1 , 2 f v , ... , I M v , N v f v ] - - - ( 2 ) ]]> G F P = ( C f p , 0 ) , C f p = [ I 1 , 1 f p , I 1 , 2 f p , ... , I M p , N p f p ] - - - ( 3 ) ]]> G F K P = ( C f k p , ...

【专利技术属性】
技术研发人员：杨金锋，白改燕，师一华，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：天津;12