基于竞争码和bloom滤波器的掌纹识别方法技术

本发明专利技术公开了一种基于竞争码和bloom滤波器的掌纹识别方法，利用竞争码特征和bloom滤波器来生成可撤销掌纹特征矩阵。掌纹识别认证时利用同样方式生成待识别掌纹图像的掌纹特征矩阵，并利用支持向量机将待识别的掌纹特征矩阵与在此之前生成的掌纹特征矩阵进行分类识别。本发明专利技术具有掌纹识别安全性高和识别率高的特点。

【技术实现步骤摘要】
基于竞争码和bloom滤波器的掌纹识别方法
本专利技术属于掌纹识别
，特别涉及基于竞争码和bloom滤波器的掌纹识别方法。
技术介绍
在现代信息社会,电子网络等越来越多地融入我们的生活，随之也产生了信息安全这一全球性问题。目前最为便捷与安全的解决方案无疑就是生物识别技术。掌纹识别是一种非侵犯性的识别方法，具有用户易接受、对采集设备要求不高等优点。然而随着掌纹识别系统应用的不断推广,掌纹识别也逐渐暴露出与一些其他生物特征识别系统相同的安全问题，例如用户的掌纹特征终生不变,一旦人的掌纹特征被泄露或者盗用，用户无法撤销、更改和重新发布自己的掌纹特征，直接后果就是人的掌纹特征将不能再直接用于安全系统中身份匹配识别和身份认证。随着生活中越来越多生物特征识别系统的出现,同一用户的掌纹特征很可能保存和共享于多个数据库中。如果某用户在一个数据库中的掌纹特征被成功窃取,则此用户保存在其他数据库中的掌纹特征都不再安全。人们只有两个手掌,掌纹特征资源十分有限,直接使用未加保护的掌纹生物特征将导致严重的安全隐患和隐私问题。因此,研究可撤除的掌纹识别与认证技术具有重要意义。
技术实现思路
本专利技术要解决的技术问题是，提供一种基于竞争码和bloom滤波器的掌纹识别方法，利用竞争码和bloom滤波器来生成可撤除的掌纹特征矩阵，并利用支持向量机进行掌纹分类识别，提高掌纹识别精度和安全性。为解决上述技术问题，本专利技术所采用的技术方案是：基于竞争码和bloom滤波器的掌纹识别方法，包括以下步骤：S1：获取若干原始掌纹图像，提取出每个原始掌纹图像的ROI图像；S2：提取每个ROI图像的竞争码特征矩阵，并将竞争码特征矩阵转化成二值特征矩阵；S3：对上述产生的每个二值特征矩阵进行等分块处理；S4：将步骤S3所得到的每个分块矩阵通过密钥映射到相应的bloom滤波器中，形成若干与原始掌纹图像一一对应的掌纹特征矩阵；S5：对于待识别掌纹图像，通过步骤S1至S4获取属于该待识别掌纹图像的掌纹特征矩阵；S6：通过支持向量机对所述待识别掌纹特征矩阵进行分类识别。在上述技术方案中，竞争编码是基于方向的表达方法，能够求得掌纹图像的每个像素，从而把图像从灰度空间映射到方向信息空间，竞争码特征具有占用空间小、匹配速度快、识别精度高、对于较低分辨率的掌纹同样具有优异的识别效果等优点。通过映射bloom滤波器能够在保持原始掌纹图像提取和识别精度的基础上生成加密的掌纹特征矩阵，从而在进行识别时仅使用待识别人的加密掌纹特征矩阵以及通过原始掌纹图像生成的掌纹特征矩阵，不直接通过待识别人和原始掌纹图像来源者(或识别参照者，下同)的掌纹生物特征，从而对掌纹生物特征进行隐私保护。所生成的掌纹特征矩阵是可撤除的，即使掌纹特征矩阵被盗，一方面由于bloom滤波器映射的不可逆性，仅根据掌纹特征矩阵无法还原原始掌纹图像，进一步提高对掌纹生物特征的保护；另一方面不影响通过改变密钥来产生新的掌纹特征矩阵来进行掌纹识别。另外，本专利技术可以调整分块矩阵的码字长度和块长度，不同码字长度和块长度情况下映射bloom滤波器所形成的掌纹特征矩阵也不同，密钥空间足够大，有效地保证了本专利技术抵抗交叉攻击的能力。运用支持向量机即使是在原始掌纹图像数量较少的情况下也能够得到比其它算法好很多的结果，从而提高识别率。支持向量机具有优秀的泛化能力，其最终决策函数只由少数的支持向量所确定,计算的复杂性取决于支持向量的数目,而不是样本空间的维数,这在某种意义上避免了“维数灾难”。作为改进，在上述的步骤S2中，首先构造如下的滤波器：其中，x'＝(x-x0)cosθ+(y-y0)sinθ，y'＝-(x-x0)sinθ+(y-y0)cosθ，(x0,y0)表示滤波器中心点，ω表示径向频率，θ表示滤波器角度，δ表示频率响应的半幅带宽；竞争规则定义为：argminj(I(x,y)*ψR(x,y,w,θj))其中，I是预处理后的图像，ψR是Gabor滤波器的实部，θj是滤波器角度，j＝{0,1,2,3,4,5}表示滤波器选取的的六个角度；然后将产生的竞争码特征矩阵转化成相应的二值特征矩阵。Gabor小波与人类视觉系统中简单细胞的视觉刺激响应非常相似。它在提取目标的局部空间和频率域信息方面具有良好的特性。Gabor小波对于图像的边缘敏感，能够提供良好的方向选择和尺度选择特性，而且对于光照变化不敏感,能够提供对光照变化良好的适应性。作为改进，在上述的步骤S4中，首先根据分块矩阵的码字长度ω产生长度为2ω的bloom滤波器，bloom滤波器初始值全为0；对于任一分块矩阵，对该分块矩阵中的每列二值向量异或上密钥，从而转化成相应的若干十进制数值；然后将所述bloom滤波器中对应该若干十进制数值的位数进行置1操作，且bloom滤波器同一个位置只有第一个置1操作有效，从而把该分块矩阵映射到一个与其对应的矩阵块；属于同一个二值方向共生向量矩阵的所有分块矩阵映射后所得到的所有矩阵块组成作为该二值方向共生向量矩阵来源的原始掌纹图像的掌纹特征矩阵。本处改进进一步说明了：通过映射bloom滤波器能够在保持原始掌纹图像提取和识别精度的基础上生成加密的掌纹特征矩阵。本方法中生成的掌纹特征矩阵是可撤除的，即使掌纹特征矩阵被盗，一方面由于bloom滤波器映射的不可逆性，仅根据掌纹特征矩阵无法还原ROI图像或原始掌纹图像，进一步提高对掌纹生物特征的保护；另一方面不影响通过改变密钥来产生新的掌纹特征矩阵来进行掌纹识别。另外，本专利技术可以调整分块矩阵的码字长度和块长度，不同码字长度和块长度情况下映射bloom滤波器所形成的掌纹特征矩阵也不同，密钥空间足够大，有效地保证了本专利技术抵抗交叉攻击的能力。作为改进，将步骤S4所形成的掌纹特征矩阵存储在数据库中，一方面便于字典矩阵的共享或者迁移，从而使得在必要时某一场景下形成的字典矩阵也可以应用于其他场景，从而不必每次均获取字典矩阵，具有一定的便利性，另一方面如前述，该字典矩阵是由掌纹特征矩阵组成的，即使在共享或迁移时丢失或者被窃取，也无法根据该字典矩阵还原原始掌纹图像，因而这种共享或者迁移仍具有高安全性。综上，本专利技术利用竞争码特征和bloom滤波器生成可撤除的掌纹特征矩阵，并利用支持向量机对待识别者和原始掌纹图像来源者的掌纹特征矩阵进行分类识别，既能够提高掌纹识别安全性，同时具有识别率高的特点。附图说明图1是本专利技术具体实施方式中分块矩阵映射到bloom滤波器的流程示意图。具体实施方式该基于竞争码和bloom滤波器的掌纹识别方法，包括以下步骤：S1：采用合适方式(例如拍照、扫描等方式)获取若干原始掌纹图像，这些原始掌纹图像来自于若干个体。在不同场景下，所选取的若干个体可能不同，并且这若干个体是作为后续的识别参照。提取出每个原始掌纹图像的ROI图像。在进行ROI图像提取时，可以采用如下方式：对于任一原始掌纹图像，将该原始掌纹图像进行二值化处理得到二值图像，在二值图像中提取手掌外边缘轮廓并检测食指、中指之间和无名指、小指之间形成的角点(手指与手指之间的凹陷处即为角点)，以两角点的连线作为纵轴，从两角点的中点向纵轴作垂线，将垂线作为横轴，以纵轴和横轴的交点作为坐标原点，坐标原点与纵轴、横轴形成新坐标系，在新的坐标系下，在原始掌纹图像上本文档来自技高网...

【技术保护点】
基于竞争码和bloom滤波器的掌纹识别方法，包括以下步骤：S1：获取若干原始掌纹图像，提取出每个原始掌纹图像的ROI图像；S2：提取每个ROI图像的竞争码特征矩阵，并将竞争码特征矩阵转化成二值特征矩阵；S3：对上述产生的每个二值特征矩阵进行等分块处理；S4：将步骤S3所得到的每个分块矩阵通过密钥映射到相应的bloom滤波器中，形成若干与原始掌纹图像一一对应的掌纹特征矩阵；S5：对于待识别掌纹图像，通过步骤S1至S4获取属于该待识别掌纹图像的掌纹特征矩阵；S6：通过支持向量机对所述待识别掌纹特征矩阵进行分类识别。

【技术特征摘要】
1.基于竞争码和bloom滤波器的掌纹识别方法，包括以下步骤：S1：获取若干原始掌纹图像，提取出每个原始掌纹图像的ROI图像；S2：提取每个ROI图像的竞争码特征矩阵，并将竞争码特征矩阵转化成二值特征矩阵；S3：对上述产生的每个二值特征矩阵进行等分块处理；S4：将步骤S3所得到的每个分块矩阵通过密钥映射到相应的bloom滤波器中，形成若干与原始掌纹图像一一对应的掌纹特征矩阵；S5：对于待识别掌纹图像，通过步骤S1至S4获取属于该待识别掌纹图像的掌纹特征矩阵；S6：通过支持向量机对所述待识别掌纹特征矩阵进行分类识别。2.根据权利要求1所述的基于竞争码和bloom滤波器的掌纹识别方法，其特征在于：在步骤S2中，首先构造如下的滤波器：其中，x'＝(x-x0)cosθ+(y-y0)sinθ，y'＝-(x-x0)sinθ+(y-y0)cosθ...

【专利技术属性】
技术研发人员：李恒建，邱建，董吉文，
申请(专利权)人：济南大学，
类型：发明
国别省市：山东,37