一种基于Gabor滤波器和LBP算子的手掌静脉识别方法及系统技术方案

本发明专利技术提供了一种基于Gabor滤波器和LBP算子的手掌静脉识别方法及系统，利用GABOR滤波器和LBP算子的互补性，采集手掌静脉数据，对图像进行Gabor变换、LBP特征提取、直方图主导特征求取；提取完的手掌图像的特征数据发送到服务器端，服务器端将其与图像库中已知身份的手掌静脉图像的特征进行比对，计算二者间的距离。最后将距离最小的图像库中的人的身份作为被测手掌静脉图像的人的身份，完成图像的识别，获得更高的查准率，通过统计分析的方法提取直方图的起主导作用的向量，将其应用于手掌静脉识别，本发明专利技术计算量小，提高查准率。

A palmar vein recognition method and system based on Gabor filter and LBP operator

The invention provides a method and system for palm vein recognition method of Gabor filter and LBP operator based on the use of complementary GABOR filter and LBP operator, the acquisition of palm vein image data, Gabor transform, LBP feature extraction, feature extraction for dominant histogram; end of the palm image feature data is sent to the server. The server will feature the palm vein image with the known image database identity comparison, calculation of distance between the two. Finally, the minimum distance of image database in the identity of the person is used as a palm vein images of people's identity, image recognition, get higher precision, the method through the statistical analysis of the extracted vector histogram plays a dominant role, its application in the palm vein recognition, a small amount of calculation and improve the accuracy.

【技术实现步骤摘要】
一种基于Gabor滤波器和LBP算子的手掌静脉识别方法及系统
本专利技术涉及图像识别的
，具体涉及一种基于Gabor滤波器和LBP算子的手掌静脉识别方法及系统。
技术介绍
人体的手掌静脉具有唯一性稳定性，隐藏在表皮下，结构复杂很难被复制，手掌静脉图像难以窃取拍摄，这些使得手掌静脉成为一种高安全性的生物特征。作为生物特征识别领域的前沿课题，手掌静脉图像识别技术以其高安全性等优势拥有着广泛的应用前景，成为近几年的研究热点。局部二值模式(LBP)是一种灰度范围内的纹理描述方式，它从一种纹理局部近邻定义中衍生出来，最初是为了辅助性地度量局部图像对比度提出。近年来，研究者们成功地将其用于人脸特征描述和识别，并取得了显著的效果。然而，LBP算子本身还不够完善。Gabor滤波器，又被称为Gabor核、Gabor小波。在空间域上，Gabor滤波器，被定义成不同方向和频率的复平面波对髙斯滤波器的调制。从频域上看，Gabor滤波器是一组二维的带通滤波器，具有明度的尺度和方向的选择性，它能够对原图像的不同复频率特征进行选择，实现将原图像分解成为多个各自具有不同频谱特征的子图像。然而，使用LBP算子或者Gabor滤波器之一进行手掌掌纹识别的查准率较低，计算量较大。因此，本领域亟需一种查准率高、计算量小的手掌静脉识别技术，提高识别效率和质量。
技术实现思路
基于上述问题，本专利技术提出了一种基于Gabor滤波器和LBP算子的手掌静脉识别方法及系统。本专利技术提供如下技术方案：一方面，本专利技术提供了一种基于Gabor滤波器和LBP算子的手掌静脉识别方法，包括：步骤101，采集手掌静脉图像；步骤102，对所述手掌静脉图像进行Gabor变换、LBP特征提取、直方图主导特征提取；步骤103，将提取完的所述手掌静脉图像的特征发送到服务器端，服务器端将所述手掌静脉图像与图像库中已知身份的手掌静脉图像的特征进行比对，计算二者间的距离，将距离最小的图像库中的人的身份作为被测手掌静脉图像的人的身份，完成图像的识别。其中，所述对所述手掌静脉图像进行Gabor变换、LBP特征提取具体为：选取等间隔u个方向和v个尺度共N个Gabor滤波器的滤波器组对手掌静脉图像进行滤波，得到N个滤波响应输出图像，然后运用C-LBP算子从每个输出图像的幅度部分中提取纹理信息，得到包含N个GaborLBP图像的图像组，其中u，v，N为正整数，N＝u×v。其中，在获得Gabor滤波器、LBP算子处理过的图像后，将Gabor和LBP处理过的图像分割成n×n个相互不重叠的矩形区域，对每个矩形区域求取各模式的分布直方图，所述分布直方图的计算按式(1-1)和(1-2)式中，S(x)是布尔状态的指示函数，I(x,y)是区域内坐标为(x,y)的像素的模式，l为模式标号，L为模式数量，同时也是分布直方图中竖条的数目，H(l)＝∑x，yS(I(x，y)＝l)，l＝1，2，3......L(1-1)，其中，所述直方图主导特征提取具体为：GaborLBP图像的区域i的主导特征为一集合Ri，集合中的元素是区域中出现频数较多的LBP模式类型ti.及其在该区域中出现的百分比p(ti)，所构成的结构体掌脉图像I的主导特征V为GaborLBP图像组的N个图像的主导特征的集合。其中，计算距离具体为：两个图像I1和I2的主导特征V1，V2：求的距离：先对进行扩展，保持已有的模式类型及百分比不变，增加己无彼有的模式类型，同时将这些模式类型的百分比设置为0，为的模式集合，根据扩展后的的相同模式类型的对应百分比的欧几里得距离：另外，本专利技术还提供了一种基于Gabor滤波器和LBP算子的手掌静脉识别系统，所述系统包括：图像采集模块，采集手掌静脉图像；特征提取模块，对所述手掌静脉图像进行Gabor变换、LBP特征提取、直方图主导特征提取；图像识别模块，将提取完的所述手掌静脉图像的特征发送到服务器端，服务器端将所述手掌静脉图像与图像库中已知身份的手掌静脉图像的特征进行比对，计算二者间的距离，将距离最小的图像库中的人的身份作为被测手掌静脉图像的人的身份，完成图像的识别。其中，所述对所述手掌静脉图像进行Gabor变换、LBP特征提取具体为：选取等间隔u个方向和v个尺度共N个Gabor滤波器的滤波器组对手掌静脉图像进行滤波，得到N个滤波响应输出图像，然后运用C-LBP算子从每个输出图像的幅度部分中提取纹理信息，得到包含N个GaborLBP图像的图像组，其中u，v，N为正整数，N＝u×v。其中，在获得Gabor滤波器、LBP算子处理过的图像后，将Gabor和LBP处理过的图像分割成n×n个相互不重叠的矩形区域，对每个矩形区域求取各模式的分布直方图，所述分布直方图的计算按式(1-1)和(1-2)式中，S(x)是布尔状态的指示函数，I(x,y)是区域内坐标为(x,y)的像素的模式，l为模式标号，L为模式数量，同时也是分布直方图中竖条的数目，H(l)＝∑x，yS(I(x，y)＝l)，l＝1，2，3......L(1-1)，其中，所述直方图主导特征提取具体为：GaborLBP图像的区域i的主导特征为一集合Ri，集合中的元素是区域中出现频数较多的LBP模式类型ti.及其在该区域中出现的百分比p(ti)，所构成的结构体掌脉图像I的主导特征V为GaborLBP图像组的N个图像的主导特征的集合。其中，计算距离具体为：两个图像I1和I2的主导特征V1，V2：求的距离：先对进行扩展，保持已有的模式类型及百分比不变，增加己无彼有的模式类型，同时将这些模式类型的百分比设置为0，为的模式集合，根据扩展后的的相同模式类型的对应百分比的欧几里得距离：本专利技术提供了一种基于Gabor滤波器和LBP算子的手掌静脉识别方法及系统，利用GABOR滤波器和LBP算子的互补性，采集手掌静脉数据，对图像进行Gabor变换、LBP特征提取、直方图主导特征求取；提取完的手掌图像的特征数据发送到服务器端，服务器端将其与图像库中已知身份的手掌静脉图像的特征进行比对，计算二者间的距离。最后将距离最小的图像库中的人的身份作为被测手掌静脉图像的人的身份，完成图像的识别，获得更高的查准率，通过统计分析的方法提取直方图的起主导作用的向量，将其应用于手掌静脉识别，本专利技术计算量小，提高查准率。附图说明图1是本专利技术的方法流程图。图2是本专利技术的系统结构框图。具体实施方式为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。一方面，本专利技术的实施方式提供了一种基于Gabor滤波器和LBP算子的手掌静脉识别方法，附图1为本专利技术的方法流程图，包括：步骤101，采集手掌静脉图像；掌脉采集设备的细节有差别，但其结构相似。在采集设备中，光源负责发出近红外光，匀光板负责使手掌获得均匀的光照，红外滤光片负责滤去反射回摄像机的可见光，避免可见光对成像效果造成影响。其原理是:手掌在720～1100nm近红外光的照射下，掌脉中的血红蛋白(包括氧合血红蛋白和还原血红蛋白)对近红外光的吸收强于周围组织对近红外光的吸收，手掌反射回的光被图像传感器接收本文档来自技高网...

【技术保护点】
一种基于Gabor滤波器和LBP算子的手掌静脉识别方法，其特征在于：步骤101，采集手掌静脉图像；步骤102，对所述手掌静脉图像进行Gabor变换、LBP特征提取、直方图主导特征提取；步骤103，将提取完的所述手掌静脉图像的特征发送到服务器端，服务器端将所述手掌静脉图像与图像库中已知身份的手掌静脉图像的特征进行比对，计算二者间的距离，将距离最小的图像库中的人的身份作为被测手掌静脉图像的人的身份，完成图像的识别。

【技术特征摘要】
1.一种基于Gabor滤波器和LBP算子的手掌静脉识别方法，其特征在于：步骤101，采集手掌静脉图像；步骤102，对所述手掌静脉图像进行Gabor变换、LBP特征提取、直方图主导特征提取；步骤103，将提取完的所述手掌静脉图像的特征发送到服务器端，服务器端将所述手掌静脉图像与图像库中已知身份的手掌静脉图像的特征进行比对，计算二者间的距离，将距离最小的图像库中的人的身份作为被测手掌静脉图像的人的身份，完成图像的识别。2.根据权利要求1所述的方法，其特征在于：所述对所述手掌静脉图像进行Gabor变换、LBP特征提取具体为：选取等间隔u个方向和v个尺度共N个Gabor滤波器的滤波器组对手掌静脉图像进行滤波，得到N个滤波响应输出图像，然后运用C-LBP算子从每个输出图像的幅度部分中提取纹理信息，得到包含N个GaborLBP图像的图像组，其中u，v，N为正整数，N＝u×v。3.根据权利要求2所述的方法，其特征在于：在获得Gabor滤波器、LBP算子处理过的图像后，将Gabor和LBP处理过的图像分割成n×n个相互不重叠的矩形区域，对每个矩形区域求取各模式的分布直方图，所述分布直方图的计算按式(1-1)和(1-2)式中，S(x)是布尔状态的指示函数，I(x,y)是区域内坐标为(x,y)的像素的模式，l为模式标号，L为模式数量，同时也是分布直方图中竖条的数目，H(l)＝∑x，yS(I(x，y)＝l)，l＝1，2，3......L(1-1)，4.根据权利要求2所述的方法，其特征在于：所述直方图主导特征提取具体为：GaborLBP图像的区域i的主导特征为一集合Ri，集合中的元素是区域中出现频数较多的LBP模式类型ti.及其在该区域中出现的百分比p(ti)，所构成的结构体掌脉图像I的主导特征V为GaborLBP图像组的N个图像的主导特征的集合。5.根据权利要求1所述的方法，其特征在于：计算距离具体为：两个图像I1和I2的主导特征V1，V2：求的距离：先对进行扩展，保持已有的模式类型及百分比不变，增加己无彼有的模式类型，同时将这些模式类型的百分比设置为0，为的模式集合，根据扩展后的的相同模式类型的对应百分比的欧几里得距离：6.一种基...

【专利技术属性】
技术研发人员：王莹，
申请(专利权)人：郑州云海信息技术有限公司，
类型：发明
国别省市：河南,41