一种采用Gabor变换和分块降维的腭皱识别方法技术

本发明专利技术属于人体生物特征法医同一认定技术领域，具体技术方案为：一种采用Gabor变换和分块降维的腭皱识别方法，具体步骤为：获取腭皱数字图像；对采集到的高清腭皱图像进行预处理；选取合适的Gabor滤波器参数构建滤波模板；将预处理后的腭皱图像与Gabor滤波器模板进行卷积运算，构建由实部特征和虚部特征共同组成的腭皱Gabor特征图；采用四宫格、九宫格、十六宫格、横向八条、竖向八条五种不同的分块方案进行腭皱特征降维；采用最近邻分类器对腭皱特征进行分类，并输出腭皱分类结果；本方法提出的分块思想简化了降维的流程，在实际操作过程中，可以降低计算的复杂度，加快运算的速度。

A recognition method of cleft palate based on Gabor transform and block dimension reduction

【技术实现步骤摘要】
一种采用Gabor变换和分块降维的腭皱识别方法
本专利技术属于人体生物特征法医同一认定
，具体涉及一种用于法医同一认定的采用Gabor变换和分块降维的腭皱识别方法。
技术介绍
腭皱是位于人口腔硬腭前部，从切牙乳突向后由腭中缝向两侧延伸的黏膜隆起，以腭中缝为界，每侧3-7条，形状不规则，呈不对称的辐射状褶皱样。腭皱作为一种人体生物特征，其形态由DNA遗传基因控制发育而形成。在人的一生中，腭皱只会因正常生长发育而发生长度和宽度的变化，其形态、排列始终保持在同一位置，即使疾病，外伤以及化学腐蚀都不会使其发生变化，腭皱具有遗传性、稳定性、独特性、耐高温性和抗腐败性，因此，腭皱可以作为一种法医同一认定的生物特征指标。Gabor小波与人类视觉里的简单细胞非常相似，它的实部可以增强图像的平滑度，虚部对图像细节和边缘比较敏感。与其他方法相比较，Gabor小波能够很好地描述对应于空间频率(尺度)、空间位置及方向的局部结构信息。因为，Gabor小波在提取图像特征时，对光照变化不太敏感，适应能力较强，能够容忍一定程度的图像变形；采用较小的数据就能满足实际需求；二维Gabor滤波器能同时在空间域和频率域提取图像最优局部特性。采用Gabor小波提取腭皱图像特征，必然面临一个棘手的问题：即经过Gabor特征提取后，每一个腭皱图像都会产生一个超高维的特征行向量，如果直接用这个特征向量进行特征匹配，会增加计算难度甚至导致维度灾难，最终降低识别率，致使匹配效果非常差。由此，数据降维成为一个必须解决的关键问题，进而问题转化为选取一种合理的方法对采用Gabor变换提取的特征图像进行降维，如果选用的方法不合适，会造成大量数据丢失。目前常用的方法有主成分分析法(PrincipalComponentAnalysis，PCA)。PCA降维的主要思想是，将特征从高维映射到低维空间上，得到的低维特征是全新的正交特征，它就是所谓的主成分，是重新构造出来的特征。在PCA中，采用正交变换的方法，把一组可能存在相关性的变量变成一组线性不相关的变量，就是为了消除变量之间的相关性及冗余性，然而这种方法也有明显的不足：(1)当高维数据呈现非线性结构时，PCA不能有效地发现数据的本质特征；(2)PCA要求原始数据满足高斯分布，对于不服从高斯分布的数据，PCA不能得到理想的结果；(3)PCA中需要保持主成分量的个数难以确定。虽然在某些情况下可以通过协方差矩阵相邻特征值间的比值来选择主成分分量，但当特征值的变换比较平缓时，很难对主成分进行选取。图像分类一般是根据所提取的特征向量，利用分类技术进行分类，对降维后的特征向量进行分类需要选择合适的分类器，选择不同的分类器会影响匹配的效果。在图像识别中，最常见的分类器有决策树、贝叶斯分类、支持向量机、Logistic回归和最近邻分类等，决策树分类器短时间内处理大量数据，得到可行且效果较好的结果，但是对于各类别样本数量不一致数据，信息增益更偏向于那些具有更多数值的特征且忽略属性之间的相关性；贝叶斯分类相对于其他分类算法需要事先知道先验概率，在判别过程中，存在一定的差错率；支持向量机可以解决高维以及非线性分类问题具有良好的效果，但是需要较大的内存；Logistic回归在分类过程之中，计算速度快，但是特征处理比较复杂；最近邻分类器在处理小样本分类识别问题上，思想简单，理论成熟。
技术实现思路
为解决现有技术存在的技术问题，本专利技术提供了一种能够完成腭皱图像识别的能够用于人体生物特征法医同一认定的方法，准确快速，识别效果好。为实现上述目的，本专利技术所采用的技术方案为：一种采用Gabor变换和分块降维的腭皱识别方法，具体步骤为：步骤一、获取腭皱图像基本信息，具体地，对口腔器械及采集设备进行消毒，让口腔志愿者平躺在牙椅上，将志愿者的椅位调整为规范位置(即：志愿者下颌与地面平行，上颌与地面呈90°)，对志愿者进行口内消毒，让志愿者尽可能大张口，将牙科专用反光板固定在志愿者下颌后牙位置，利用光学原理，将腭皱成像至反光镜片中，调整数码单反相机(佳能EOS300D)，使其与反光板垂直，固定焦距拍摄即可获取高清腭皱数字图像，调整反光板位置和口腔椅的光照强度可以获取不同情况下的腭皱图像。步骤二、对腭皱图像进行预处理，主要目的是消除图像中与腭皱无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而增加特征抽取、图像分割、匹配和识别的可靠性，因为采集图像会出现很多不必要的信息，如牙齿，舌头等，可利用图像处理软件Photoshop对其进行初步的裁剪处理，粗略去除大部分背景，将初步处理后的图像作为待处理图像送入预处理系统，具体地，对彩色腭皱图像进行灰度化。对灰度化后的腭皱图像进行灰度归一化和尺寸归一化，此后，进行必要的平滑处理，消除腭皱图像采集过程中引入的噪声，同时进行必要的腭皱图像增强操作。步骤三、构建腭皱Gabor滤波模板，构建二维Gabor滤波器：二维Gabor函数都是由高斯函数调制而成，二维Gabor函数的表达式如下：实数部分为：虚数部分为：其中，x'＝xcosθ+ysinθ(4)y'＝-xsinθ+ycosθ(5)λ为滤波器的波长，它的值以像素为单位，通常大于等于2，λ不大于输入图像尺寸的五分之一；θ为滤波器的方向，它指定了Gabor函数并行条纹的方向，它的取值为0到360°；ψ为相位偏移，取值范围为-180°到180°；γ参数值为空间纵横比，决定了Gabor函数形状的椭圆率；当γ＝1时，形状为圆；当γ<1时，形状随着平行条纹方向而拉长，通常该值为0.5；Gabor滤波器的半响应空间频率带宽b和σ/γ的比率有关，其中，σ表示Gabor函数的高斯因子的标准差，如公式(6)和(7)所示：式(6)和式(7)中参数σ的值不能直接设置，它仅随着带宽b变化，频率带宽值必须是正实数，通常为1，标准差和波长的关系式如公式(8)所示：σ＝0.56λ(8)频率带宽越小，标准差越大，Gabor滤波器形状越大，可见平行兴奋和抑制区条纹数量越多。在空域中，一个二维的Gabor滤波器是一个正弦平面波和高斯核函数的乘积。Gabor滤波器参数选择：在Gabor滤波器参数选择问题上，主要考虑方向和尺度两个参量。Gabor滤波器对腭皱图像的方向以及高低频信息比较敏感，每个Gabor滤波器的方向和尺度都不相同，可以提取到非常多的图像特征细节信息。步骤四、将预处理后的腭皱图像与Gabor滤波器模板进行卷积，得到腭皱图像Gabor特征图，采用Gabor变换提取腭皱图像特征，构建由5个尺度和8个方向组成腭皱图像的Gabor滤波器模板，将输入的腭皱图像分别与Gabor滤波器模板进行卷积，得到腭皱图像的Gabor实部特征和Gabor虚部特征，并依次转化为一维行向量，得到2621440(256×256×5×8)维的Gabor特征向量。步骤五、采用本文档来自技高网...

【技术保护点】
1.一种采用Gabor变换和分块降维的腭皱识别方法，其特征在于，具体步骤为：/n步骤一、获取腭皱图像基本信息；/n步骤二、对腭皱图像进行预处理；/n步骤三、构建腭皱Gabor滤波模板；/n步骤四、将预处理后的腭皱图像与Gabor滤波器模板进行卷积，得到腭皱图像Gabor特征图；/n步骤五、采用四宫格、九宫格、十六宫格、横向八条、竖向八条五种不同的分块方案对特征图进行降维；/n步骤六、将降维后的腭皱特征送入最近邻分类器，输出腭皱识别结果。/n

【技术特征摘要】
1.一种采用Gabor变换和分块降维的腭皱识别方法，其特征在于，具体步骤为：
步骤一、获取腭皱图像基本信息；
步骤二、对腭皱图像进行预处理；
步骤三、构建腭皱Gabor滤波模板；
步骤四、将预处理后的腭皱图像与Gabor滤波器模板进行卷积，得到腭皱图像Gabor特征图；
步骤五、采用四宫格、九宫格、十六宫格、横向八条、竖向八条五种不同的分块方案对特征图进行降维；
步骤六、将降维后的腭皱特征送入最近邻分类器，输出腭皱识别结果。


2.根据权利要求1所述的一种采用Gabor变换和分块降维的腭皱识别方法，其特征在于，在步骤一中，志愿者平躺并口内消毒，志愿者张口至最大张度，将反光板固定在志愿者下颚后牙位置，将腭皱成像至反光镜片中，调节数码单反相机的镜头与反光板垂直，摄取高清腭皱数字图像，调整反光板位置和光照强度以获取多种腭皱图像。


3.根据权利要求1所述的一种采用Gabor变换和分块降维的腭皱识别方法，其特征在于，在步骤二中，去除腭皱图像中的无关信息，并对彩色腭皱图像灰度化。


4.根据权利要求1所述的一种采用Gabor变换和分块降维的腭皱识别方法，其特征在于，在步骤三中，构建二维Gabor滤波器：
二维Gabor函数的表达式如下：



实数部分为：



虚数部分为：



其中，
x'＝xcosθ+ysinθ
(4)

【专利技术属性】
技术研发人员：张雄，罗强，李冰，王安红，上官宏，武有成，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：山西;14