基于2DPCA和分区LBP的单样本静脉识别的方法技术

本发明专利技术是一种基于2DPCA特征和分区LBP特征的静脉识别方法，克服了单样本识别性能较低的问题，仅仅利用手掌静脉图像样本，避免了采集多种生物特征样本的麻烦，实验结果表明，本发明专利技术在很大程度上克服了手掌静脉识别中单样本情况的影响，提高了单样本情况下的识别率，从而保证了单样本手掌静脉识别的实用性。

【技术实现步骤摘要】
基于2DPCA和分区LBP的单样本静脉识别的方法
本专利技术属于手掌静脉识别
，涉及一种基于2DPCA和分区LBP的单样本静脉识别的方法。
技术介绍
随着现代社会的发展与进步，人们对社会信息化和网络化安全性的要求越来越高。静脉身份识别作为当前最新的一种生物特征识别技术，也相应地受到国内外研究机构和公司越来越多的重视。所谓的静脉识别，是指将皮肤下的静脉血管作为身份特征进行身份识别的技术。静脉作为血管的一种，它比动脉靠近皮肤，更易于通过近红外线检测获取。静脉图案的曲线和分支相当的复杂，每个人的差别十分清楚，据统计，手掌静脉分布的相似率只有不到0.00008%，相比于指纹、虹膜等的识别，它具有更高的精确度。静脉血管位于体表内部，随年龄增长其组织结构变化不大，而且很难伪造或是手术改变，可以避免一旦皮表受损害而无法进行指纹、掌纹识别的缺陷；相比DNA、虹膜识别，它的采集过程十分友好。一个典型的静脉识别系统主要分为两个部分：一是注册部分，包括图像预处理、特征提取及特征数据库的生成；二是验证部分，包括图像预处理、特征提取及与特征数据库中的特征进行匹配判断。不过，在当前的静脉识别研究中，大部分本文档来自技高网...

【技术保护点】
一种基于2DPCA和分区LBP的单样本手掌静脉识别方法，其特征在于包括如下步骤：步骤1、生成2DPCA特征库：步骤11、对训练图像库中的每张原始单样本手掌静脉图像通过图像重采样方法采样4次生成4张虚拟子图像，然后再利用奇异值扰动的虚拟图像生成算法，对该原始单样本手掌静脉图像的奇异值进行扰动4次生成另外4张虚拟子图像；步骤12、利用2DPCA算法从生成的8张虚拟子图像上提取静脉特征，得到原始单样本手掌静脉图像的投影特征图像形成2DPCA特征库；步骤2、生成分区LBP特征库：步骤21、将训练图像库中的每张原始单样本手掌静脉图像的ROI区域按行2等分和列2等分的模式，划分为4个大小相等的子图像；步骤...

【技术特征摘要】
1.一种基于2DPCA和分区LBP的单样本手掌静脉识别方法，其特征在于包括如下步骤：步骤1、生成2DPCA特征库：步骤11、对训练图像库中的每张原始单样本手掌静脉图像通过图像重采样方法采样4次生成4张虚拟子图像，然后再利用奇异值扰动的虚拟图像生成算法，对该原始单样本手掌静脉图像的奇异值进行扰动4次生成另外4张虚拟子图像；步骤12、利用2DPCA算法从生成的8张虚拟子图像上提取静脉特征，得到原始单样本手掌静脉图像的投影特征图像形成2DPCA特征库；步骤2、生成分区LBP特征库：步骤21、将训练图像库中的每张原始单样本手掌静脉图像的ROI区域按行2等分和列2等分的模式，划分为4个大小相等的子图像；步骤22、对每个子图像利用圆形LBP算子提取纹理特征，其步骤为：对子图像中的每个像素点，在半径为8的圆形LBP算子的窗口中，以窗口中心点的灰度值为阈值对窗口内16个采样点像素作二值化处理，得到16位二进制数，计算公式为：其中Zp、Zc表示LBP算子内采样点的像素值和LBP算子中心点的像素值，P表示圆形LBP算子的窗口中像素点的个数，R表示圆形LBP算子的窗口的半径，I表示子图像；步骤23、对得到的LBP纹理特征，进一步提取它的等价模式，即当LBP纹理特征所对应的循环二进制数从0到1或从1到0最多有两次跳变时，该LBP纹理特征对应的二进制数就称为等价模式；步骤24、将原始单样本手掌静脉图像对应的每个子图像的UniformLBP直方图连接起来形成整幅图像的静脉特征表达图，形成分区LBP特征库；步骤3、双层筛选：步骤31、提取测试图像的2DPCA特征与2DPCA特征库按最近邻法进行匹配，选出相似度排名前10％的样本，然后利用这10％的样本类别，选取所对应的分区LBP特征库作为步骤32的搜索样本空间；步骤32、提取测试图像的分区LBP特征与步骤31中缩小的分区LBP特征库按最近邻法选出最佳匹配模式类，即从缩小的分区LB...

【专利技术属性】
技术研发人员：冯桂，林建民，
申请(专利权)人：华侨大学，
类型：发明
国别省市：福建,35