一种基于十进制映射查询表的掌纹识别方法技术

本发明专利技术公开了一种基于十进制映射查询表的掌纹识别方法，首先将若干原始掌纹图像转换为零一特征矩阵，并进行行向量整合或者列向量整合，然后对整合后的零一数组行或者零一数组列进行分块和十进制转换后映射到二值查询表中形成对应于原始掌纹图像的掌纹特征数组阵；识别时对待识别掌纹图像采用同样的方式形成待识别的掌纹特征数组阵，然后利用距离匹配算法将待识别的掌纹特征数组阵与原始掌纹图像的掌纹特征数组阵进行距离匹配，根据匹配分数来进行认证决策。本方法能够提高掌纹识别的安全性以及掌纹识别的识别准确性和计算识别效率或者速度。

Palmprint recognition method based on decimal map query table

This invention discloses a palmprint recognition method based on decimal mapping query table. First, some original palmprint images are converted into zero or one feature matrices, line vector integration or column vector integration are carried out, then the integrated zero or one array rows or zero or one array columns are divided and decimal conversion is mapped to two values. The array of palmprint features corresponding to the original palmprint image is formed in the inquiry table, and the recognition palmprint array array is formed in the same way as the recognition palmprint image, and the distance matching algorithm is used to match the array of the palmprint array and the palmprint array of the original palmprint image by the distance matching algorithm. The authentication decision is made according to the matching score. This method can improve palmprint recognition security and palmprint recognition accuracy and computational efficiency or speed.

【技术实现步骤摘要】
一种基于十进制映射查询表的掌纹识别方法
本专利技术属于掌纹识别
，特别涉及一种基于十进制映射查询表的掌纹识别方法。
技术介绍
随着近年互联网+的理念越来越流行，个人信息的安全性也变的越来越重要，传统的身份认证方式，如钥匙，密码等，存在容易丢失、易被盗取、易被破解等危险，为了提高安全性，生物识别技术逐步进入了人类的生活之中。相比较于传统识别方法使用依赖个人持有或者记忆的标识进行身份识别，生物识别技术使用人类固有的生理特征或者行为特征进行身份识别，具有稳定性强，区别性高，采集容易等优点。掌纹识别是近几年提出的一种较新的生物特征识别技术。掌纹中含有丰富的主线、皱纹、细小的纹理、脊末梢、分叉点等都可以用来进行身份识别，显然掌纹识别作为身份识别与认证方式具有一定的便捷性和可靠性。但是掌纹图像是稀有资源，一个人只有两个手掌，大部分人的手掌具有对称性，并且随着年龄的增长,掌纹的基本纹路结构并不再发生变化。考虑到现今身份认证场景的普遍性，同一用户相同特征的掌纹生物特征很可能保存和共享于多个数据库中。如果用户在一个数据库中的掌纹生物特征被成功窃取,则此用户保存在其他数据库中的掌纹生物特征都不再安全，掌纹中含有的个人隐私很有可能被泄露，其也适合再被用于其它认证系统。因此研究安全的掌纹识别认证技术是非常必要的。
技术实现思路
本专利技术要解决的技术问题是，提供一种基于十进制映射查询表的掌纹识别方法，提高掌纹识别的安全性以及掌纹识别的识别准确性和计算识别效率或者速度。为解决上述技术问题，本专利技术所采用的技术方案是：一种基于十进制映射查询表的掌纹识别方法，包括以下步骤：S1：获取若干原始掌纹图像，提取每个原始掌纹图像的ROI图像，将所述ROI图像转换成零一特征矩阵；S2：对于每个零一特征矩阵，将其所有行向量整合成一行零一数组或者将其所有列向量整合成一列零一数组；S3：将步骤S2产生的每个零一数组行或者零一数组列进行等分块，每个分块的码字长度为ω，并将各个分块数组转换成十进制数；S4：若步骤S3中为零一数组行分块，则根据分块大小随机产生一个二值查询表，查询表的行数等于2ω，列数为ω，记为第一查询表；若为零一数组列分块，则根据分块大小随机产生一个二值查询表，查询表的行数为ω，列数为2ω，记为第二查询表；所述第一查询表的行数以及第二查询表的列数自零开始；S5：在第一查询表中随机选取d(d≤ω)列，对于由零一数组行得到的任一分块数组，根据其对应十进制数在第一查询表中选取相应行，并在该行中选取属于前述d列的d个比特数；或者，在第二查询表中随机选取d(d≤ω)行，对于同一零一数组列得到的任一分块数组，根据其对应十进制数在第一查询表中选取相应列，并在该列中选取属于前述d行的d个比特数；由同一零一数组行或者零一数组列的所有分块所选取的所有比特数组成作为该零一数组行或零一数组列来源的原始掌纹图像的掌纹特征数组阵；S6：对于待识别掌纹图像，通过步骤S1至S5得到其掌纹特征数组阵；S7：将待识别掌纹图像的掌纹特征数组阵与原始掌纹图像的掌纹特征数组阵进行距离匹配识别。在上述技术方案中，查询表随机产生特性能够保证其应用于不同的识别场景中，通过不同分块大小以及利用不同选取方式而得到的不同的查询比特，会产生不同的掌纹特征数组阵。该方法产生的掌纹特征数组阵能够满足不可逆性，多样性、可撤销性，有利于提高识别的安全性、精确度和识别速度。本方法利用掌纹特征数组阵进行识别认证，不再直接使用掌纹主线、皱纹、细小的纹理、脊末梢、分叉点等掌纹生物特征。即使掌纹特征数组阵被盗取，其不可逆性保证了，无法通过掌纹特征数组阵还原原始掌纹图像。其多样性保证了所能够产生的掌纹特征数组阵的数量足够多，即使是将同一原始掌纹应用于多个识别场景，也能够保证不同的识别场景可以分配到不同的或者是随机的掌纹特征数组阵，不同的识别场景之间不产生关联性。即使多个识别场景或者数据库中的掌纹特征数组阵被盗，也不能通过交叉匹配的方式还原原始掌纹。其可撤销性保证了即使掌纹特征数组阵被盗，可通过改变查询表或者改变分块大小或者改变查询比特等方式产生新的安全的掌纹特征数组阵用于掌纹识别认证。本方法应用距离匹配进行掌纹识别，距离匹配适用于实时的识别匹配，识别精确度高，识别速度快，从而保证了本方法的识别性能。作为改进，在上述的步骤S1中，首先构造如下的Gabor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ROI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，所述距离为汉明距离，表示如下：其中H表示最终的汉明距离，m，n代表掌纹特征数组阵的行数和列数，F表示掌纹特征数组阵。运用汉明距离匹配可以有效减少匹配识别计算时的复杂度。综上，本专利技术既能够提高掌纹识别的安全性，又能够提高掌纹识别的识别准确性以及计算识别效率或者速度。附图说明图1是本专利技术具体实施方式中十进制映射查询表示意图。图2是本专利技术具体实施方式中仿真实验的ROC曲线图。具体实施方式该基于十进制映射查询表的掌纹识别方法，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，在原始掌纹图像上截取大小为128×128像素的掌纹区域作为ROI图像。将每个ROI图像转换成零一特征矩阵。具体来说，对于每个ROI图像，可以采取以下方式将其转换成零一特征矩阵：(1)首先构造如下的Gabor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本文档来自技高网...

【技术保护点】
一种基于十进制映射查询表的掌纹识别方法，包括以下步骤：S1：获取若干原始掌纹图像，提取每个原始掌纹图像的ROI图像，将所述ROI图像转换成零一特征矩阵；S2：对于每个零一特征矩阵，将其所有行向量整合成一行零一数组或者将其所有列向量整合成一列零一数组；S3：将步骤S2产生的每个零一数组行或者零一数组列进行等分块，每个分块的码字长度为ω，并将各个分块数组转换成十进制数；S4：若步骤S3中为零一数组行分块，则根据分块大小随机产生一个二值查询表，查询表的行数等于2

【技术特征摘要】
1.一种基于十进制映射查询表的掌纹识别方法，包括以下步骤：S1：获取若干原始掌纹图像，提取每个原始掌纹图像的ROI图像，将所述ROI图像转换成零一特征矩阵；S2：对于每个零一特征矩阵，将其所有行向量整合成一行零一数组或者将其所有列向量整合成一列零一数组；S3：将步骤S2产生的每个零一数组行或者零一数组列进行等分块，每个分块的码字长度为ω，并将各个分块数组转换成十进制数；S4：若步骤S3中为零一数组行分块，则根据分块大小随机产生一个二值查询表，查询表的行数等于2ω，列数为ω，记为第一查询表；若为零一数组列分块，则根据分块大小随机产生一个二值查询表，查询表的行数为ω，列数为2ω，记为第二查询表；所述第一查询表的行数以及第二查询表的列数自零开始；S5：在第一查询表中随机选取d(d≤ω)列，对于由零一数组行得到的任一分块数组，根据其对应十进制数在第一查询表中选取相应行，并在该行中选取属于前述d列的d个比特数；或者，在第二查询表中随机选取d(d≤ω)行，对于同一零一数组列得到的任一分块数组，根据其对应十进制数在第一查询表中选取相应列，并在该列中选取属于前述d行的d个比特数；由同一零一数组行或者零一数组列的所有分块所选取的所有比特数组成作为该零一数组行或零一数组列来源的原始掌纹图像的掌纹特征数组阵；S6：对于待识别掌纹图像，通过步骤S1至S5得到其掌纹特征数组阵；S7：将待识别掌纹图像的掌纹特征数组阵与原始掌纹图像的掌纹特征数组阵进...

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