一种用于掌纹识别的频段选择方法和装置制造方法及图纸

本发明专利技术提供一种用于掌纹识别的频段选择方法和装置，以减少掌纹识别过程中的运算量并提高掌纹识别的效率。所述方法包括：剔除掌纹图像中对应于信息量较少的频段，得到第一备选频段；基于Gabor滤波器从所述掌纹图像中选择对应于等错误率较低的频段作为第二备选频段；根据k聚类算法，从所述第一备选频段与所述第二备选频段的重叠部分中计算出若干聚类良好的频段聚类，所述聚类良好的频段聚类的中心对应的频段作为最终用于掌纹识别的频段。本发明专利技术提供的技术方案可知能够显著提高掌纹识别的效率和准确率。

Frequency band selection method and device for palm print identification

The invention provides a frequency band selection method and a device for palmprint identification, so as to reduce the amount of computation in the palmprint recognition process and improve the efficiency of palmprint identification. The method comprises the following steps: removing the palmprint image corresponding to the amount of information obtained by the first few band frequency; Gabor filter from the palmprint image selection corresponds to the equal error rate of lower frequency as the second frequency based on K preparation; according to the clustering algorithm, the calculated band clustering the overlap from some good clustering the first alternative band and the second alternative band, band clustering good the corresponding to the center of the band as the final band for palmprint recognition. The technical proposal provided by the invention can obviously improve the efficiency and the accuracy of the palmprint identification.

【技术实现步骤摘要】
一种用于掌纹识别的频段选择方法和装置
本专利技术属于图像处理领域，尤其涉及一种用于掌纹识别的频段选择方法和装置。
技术介绍
随着成像技术和计算性能的提高，掌纹识别逐步发展成为主流的生物识别技术之一，而随着深度摄像头、多光谱/超光谱摄像头的应用，基于手掌掌纹静脉、3D信息、多光谱和超光谱图像的识别也成为可能。人的手掌除了表面有复杂的掌纹以外，内部还有错综复杂的动脉静脉血管和各种结缔组织。由于不同组织在不同光谱下的光学特性不同，在不同的光谱下可以得到不同的图像，因此，结合各种光谱下手掌图像，可以提供更多的有效信息，从而提高手掌识别的准确率。为进一步提高掌纹识别的准确率，一种现有的掌纹识别方法引入了多光谱成像技术。多光谱成像技术可以取得在不同光谱下的手掌表皮及内部组织、血管的图像。然而，由于图片数量过多，造成运算量急剧增长。现有的另一种掌纹识别的方法是基于像素级别的多波段图像融合，并应用小波和曲波变换。在这种方法中，频带的选择是关键。鉴于此，一种对频带的选择方法是通过穷举选择最优的频带组合。然而，由于超光谱的的频段数量一般在10^2数量级或者更大，因此，对于超光谱的掌纹识别而言，上述通过穷举选择最优频带组合的掌纹识别方法效率太低。
技术实现思路
本专利技术的目的在于提供一种用于掌纹识别的频段选择方法和装置，以减少掌纹识别过程中的运算量并提高掌纹识别的效率。本专利技术第一方面提供一种用于掌纹识别的频段选择方法，所述方法包括：剔除掌纹图像中对应于信息量较少的频段，得到第一备选频段；基于Gabor滤波器从所述掌纹图像中选择对应于等错误率较低的频段作为第二备选频段；根据k聚类算法，从所述第一备选频段与所述第二备选频段的重叠部分中计算出若干聚类良好的频段聚类，所述聚类良好的频段聚类的中心对应的频段作为最终用于掌纹识别的频段。本专利技术第二方面提供一种用于掌纹识别的频段选择装置，所述装置包括：第一选择模块，用于剔除掌纹图像中对应于信息量较少的频段，得到第一备选频段；第二选择模块，用于基于Gabor滤波器从所述掌纹图像中选择对应于等错误率较低的频段作为第二备选频段；聚类模块，用于根据k聚类算法，从所述第一备选频段与所述第二备选频段的重叠部分中计算出若干聚类良好的频段聚类，所述聚类良好的频段聚类的中心对应的频段作为最终用于掌纹识别的频段。从上述本专利技术技术方案可知，一方面，在进行k聚类算法之前，通过对掌纹图像的处理，筛选出掌纹图像的信息量较多的频段和等错误率较低的频段，因此，在掌纹识别过程中，只处理这两种频段的重叠部分所对应的掌纹图像大大减少了运算量，能够显著提高掌纹识别的效率；另一方面，通过对信息量较多的频段和等错误率较低的频段对应的掌纹图像进行k聚类算法，计算出聚类良好的频段聚类，选择出最优的频段组合，不仅能够减少掌纹识别的运算量，而且能够显著提高掌纹识别的准确率。附图说明图1是本专利技术实施例一提供的用于掌纹识别的频段选择方法的实现流程示意图；图2是本专利技术实施例二提供的图像中熵的值与频段的对应关系示意图；图3是本专利技术实施例三提供的图像中不同频段与其等错误率的关系示意图；图4是本专利技术实施例四提供的用于掌纹识别的频段选择装置的结构示意图；图5是本专利技术实施例五提供的用于掌纹识别的频段选择装置的结构示意图；图6是本专利技术实施例六提供的用于掌纹识别的频段选择装置的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术实施例提供一种用于掌纹识别的频段选择方法，所述方法包括：剔除掌纹图像中对应于信息量较少的频段，得到第一备选频段；基于Gabor滤波器从所述掌纹图像中选择对应于等错误率较低的频段作为第二备选频段；根据k聚类算法，从所述第一备选频段与所述第二备选频段的重叠部分中计算出若干聚类良好的频段聚类，所述聚类良好的频段聚类的中心对应的频段作为最终用于掌纹识别的频段。本专利技术实施例还提供相应的用于掌纹识别的频段选择装置。以下分别进行详细说明。请参阅附图1，是本专利技术实施例一提供的用于掌纹识别的频段选择方法的实现流程示意图，主要包括以下步骤S101至步骤S103：S101，剔除掌纹图像中对应于信息量较少的频段，得到第一备选频段。需要说明的是，不同频段下所得的图像，所包含的信息量并不相同，掌纹图像也符合这一规律，而且，信息量丰富的掌纹图像相对信息量少的掌纹图像易于识别。因此，在本专利技术实施例中，可以先剔除掌纹图像中对应于信息量较少的频段，得到第一备选频段，其具体可通过如下步骤S1011和步骤S1012来实现：S1011，计算掌纹图像的灰度分布值。在本专利技术实施例中，计算掌纹图像的灰度分布值pd可通过如下公式(1)得到：..............公式(1)其中，Ii,j表示8位编码的掌纹图像，Ii,j的下标i和j表示图像的位置，m和n是掌纹图像的尺寸，k是掌纹图像Ii,j的灰度。S1012，根据步骤S1011计算出的灰度分布值，计算掌纹图像中对应于各个频段的熵，将熵的值较大的频段作为第一备选频段。在本专利技术实施例中，根据步骤S1011计算出的灰度分布值，可通过如下公式(2)计算掌纹图像的熵E：..............公式(2)对于一幅图像，其熵的值越大，包含的信息量则越多，质量越好；掌纹图像亦符合这一规律。因此，在本专利技术实施例中，在计算掌纹图像中对应于各个频段的熵，可以将熵的值较大的频段作为第一备选频段，以提高后续掌纹识别时的识别率。如附图2所示，是图像中熵的值与频段的对应关系。在本专利技术实施例中，显然，如果剔除掌纹图像对应于波长在590nm以下以及在1020nm以上的频段，余下的波长在590nm至1020nm之间的频段，其熵的值相对较大，说明在这一频段范围内的图像的信息量比较，因此，可以将波长在590nm至1020nm之间的频段作为第一备选频段。S102，基于Gabor滤波器从掌纹图像中选择对应于等错误率较低的频段作为第二备选频段。在图像处理领域，等错误率(EqualErrorRate，EER)是从误拒率(FRR，FalseRejectionRate)和误识率(FAR，FalseAcceptationRate)这两个概念引申而来，其中，误拒率即错误拒绝的概率，是从类内匹配来阐述问题，如果有10个志愿者的样本，每个志愿者20幅样本，那么相对于类内测试，例如，对1号志愿者，同一类的这20幅图像之间，互相匹配(假设1:1的匹配)，互相不重复能够进行(20*19)/2次；如果10个志愿者都进行这样的测试，就是10*(20*19)/2次，以上是总的类内匹配次数，每一次匹配，都会根据匹配算法得到一个匹配值th，预设定阈值为TH，如果th>TH就会错误拒绝；误识率即错误接受的概率，是从类间匹配来阐述问题，即不同的类之间进行的匹配，如果根据匹配算法得到的匹配值th小于预设阈值TH，就会认为属于同一类，这种情况就是错误接受。FRR计算公式为FAR计算公式为其中，NGRA是类内测试的总次数，NIRA是类间测试的总次数，NFR和NFA是错误拒绝和错误接受的次数。由于FRR和FAR互相矛盾，因此，当F本文档来自技高网...

【技术保护点】
一种用于掌纹识别的频段选择方法，其特征在于，所述方法包括：剔除掌纹图像中对应于信息量较少的频段，得到第一备选频段；基于Gabor滤波器从所述掌纹图像中选择对应于等错误率较低的频段作为第二备选频段；根据k聚类算法，从所述第一备选频段与所述第二备选频段的重叠部分中计算出若干聚类良好的频段聚类，所述聚类良好的频段聚类的中心对应的频段作为最终用于掌纹识别的频段。

【技术特征摘要】
1.一种用于掌纹识别的频段选择方法，其特征在于，所述方法包括：剔除掌纹图像中对应于信息量较少的频段，得到第一备选频段；基于Gabor滤波器从所述掌纹图像中选择对应于等错误率较低的频段作为第二备选频段；根据k聚类算法，从所述第一备选频段与所述第二备选频段的重叠部分中计算出若干聚类良好的频段聚类，所述聚类良好的频段聚类的中心对应的频段作为最终用于掌纹识别的频段。2.如权利要求1所述的方法，其特征在于，所述剔除待识别掌纹图像中对应于信息量较少的频段，得到第一备选频段，包括：计算所述掌纹图像的灰度分布值；根据所述灰度分布值，计算所述掌纹图像中对应于各个频段的熵，将熵的值较大的频段作为所述第一备选频段。3.如权利要求1所述的方法，其特征在于，所述基于Gabor滤波器从所述掌纹图像中选择对应于等错误率较低的频段作为第二备选频段，包括：基于Gabor滤波器对所述掌纹图像滤波；对所述滤波后的掌纹图像，计算各个频段的等错误率，将所述等错误率小于预设阈值的对应频段作为所述第二备选频段。4.如权利要求3所述的方法，其特征在于，所述基于Gabor滤波器对所述掌纹图像滤波，包括：基于函数G(x,y,θ,u,σ)表示的Gabor滤波器，在所述函数G(x,y,θ,u,σ)的六个方向上对所述掌纹图像滤波，所述函数G(x,y,θ,u,σ)定义如下：所述所述x和y表示所述Gabor滤波器的位置坐标，所述u为正弦波的频率，所述θ是函数G(x,y,θ,u,σ)的方向，所述σ是高斯函数的方差。5.如权利要求4所述的方法，其特征在于，所述函数G(x,y,θ,u,σ)的六...

【专利技术属性】
技术研发人员：孙骏文，王伟明，王琼，王平安，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东,44