本发明专利技术公开了一种基于二维Ｌｏｇ－Ｇａｂｏｒ混合相位特征加密的高精度安全掌纹识别方法。它采用４个方向的混合二维Ｌｏｇ－Ｇａｂｏｒ混合滤波器对预处理后的掌纹图像进行滤波；然后采用相位编码的方式对滤波后的结果提取混合相位特征；接着用密码序列按异或处理方式对提取的掌纹混合相位特征进行加密操作；然后对加密操作后得到的两个加密掌纹混合相位特征，用Ｈａｍｍｉｎｇ距离匹配算法进行匹配，得到匹配结果。该种算法受采集光照条件的影响较小，用密码序列按异或处理方式对掌纹混合相位特征进行加密操作能在不改变类内距离的同时增大了类间距离，不仅提高了掌纹的识别精度，计算复杂度低，且用户可通过更改密码方式保护其隐私保护，系统安全性好。
【技术实现步骤摘要】
本专利技术涉及一种基于生物特征加密的安全身份识别方法，尤其涉及一种基于二维Log-Gabor混合滤波相位特征加密的高精度安全掌纹识别算法。
技术介绍
在高度信息化的今天，随着计算机技术和网络技术的迅速发展，信息安全显示出前所未有的重要性。在日常生活中以及金融、司法、安检、电子商务等很多场合都需要准确的身份识别。今天，人类的身份识别的方式主要有三种第一种是基于知识的方法，如使用密码、口令等；第二种是基于物品的方法，如使用钥匙、ID卡等；第三种是基于人体的生物特征的方法，如人脸、指纹、掌纹，语音等。前两种方法存在着很多的缺陷，基于物品的方法携带不方便且容易丢失、损坏、被盗用或伪造；基于知识的方法容易被遗忘、破解等。因此这两种方法越来越不适合现代科技发展和社会进步。基于人体生物特征的身份识别方法克服了上述缺陷，使用生物特征方法是基于人体所固有的特征，不会丢失或忘记。同时，人体的生物特征各不相同，即使是双胞胎，他们的指纹、虹膜等信息也各不相同，所以生物特征很难被冒充和复制。由于人体生物特征不仅具有唯一性和终身不变性的特点，且数量也非常有限，一旦人的这些有限生物特征被泄漏或被盗用，直接后果就是人的这些生物特征将不能再用于安全系统中的身份匹配识别和身份认证。此外，当一个人的人体生物特征未经加密就直接用于多个独立的安全系统身份识别认证时，一个安全系统的生物特征被攻破或者泄露，所有的这些独立的安全系统均不再安全，会造成各种安全问题，也不能保护隐私。因此就需要由直接的生物特征转移匹配和识别转移到加密域(加密后的生物特征)进行可更替的安全匹配和识别。另外在公司企业中，新人的加入或者已有员工离职，这些都需要对这些人的生物特征(隐私)进行保护。对这些特征作加密处理后，新的特征数据的注册和离职员工的删除后都能够保证不会对其本人产生不良影响。 掌纹识别作为一项新兴的生物识别技术，与其他生物特征相比主要有以下优点掌纹的面积较大，涵括的信息比一枚指纹丰富得多，因此，从理论上来讲掌纹具有比指纹更好的可区分性，提取的特征不易受噪声的干扰。与虹膜特征相比，掌纹图像采集设备简单易行，成本远低于虹膜图像的采集设备。和手型特征相比，掌纹特征稳定，唯一性更强，不易伪造，且识别精度更高。掌纹获取方式与刑事和诉讼关联较小，因此用户接受程度较高。 目前，研究人员已经对基于掌纹的生物特征识别方法进行了较深入的研究，并取得了一定的成果。Duta采用与指纹识别相似的方法，从掌纹的纹线中提取点特征进行脱机掌纹验证。这种方法对掌纹图像的质量要求较高，且计算的复杂度较高。Han利用Sobel算子和形态学算法从掌纹图像中提取掌纹的线特征，利用这些线特征来实现身份识别。W.Li和D.Zhang等人用傅立叶变换将掌纹图像从空域变换到频域，然后在频域中提取能反映空域中掌纹纹线深浅度的R特征和反应掌纹纹线方向的Theta特征，并用这两种特征实现了联机掌纹鉴别。Zhang等人在美国专利和以及Zhang将Gabor滤波器用于提取掌纹图像的纹理特征，称为PalmCode。但这种算法对只采用了掌纹图像的一个方向的信息，其他的方向信息丢失，其掌纹识别精度低。Kong对Palmcode方法进行改进，采用四个方向的Gabor滤波器分别提取四个方向的掌纹图像的纹理特征，然后通过融合准则将提取的特征进行融合编码，称为FusionCode。因此，这种算法使得特征提取阶段的计算复杂度明显增加。同时，由于Gabor滤波器中直流分量的存在，使其提取的特征受光照的影响较大。Zhang利用小波变换的方法进行掌纹识别。邬向前等人在专利中提供了一种基于差分运算的掌纹识别方法。You利用多种特征对掌纹进行分层编码，以实现在大规模掌纹数据库中进行身份识别。不过，这些方法的识别精度不仅仍有待提高，且缺少安全性和隐私保护。Zhang[L.Zhang and D.Zhang，”，安全性得到一定程度的增强了，但识别精度有所下降。因此，有必要专利技术一种能增强安全性和隐私保护的高精度掌纹识别方法。
技术实现思路
本专利技术的目的在于提供一种基于二维Log-Gabor混合滤波相位特征加密的安全掌纹识别算法，该方法受采集光照条件的影响较小，计算复杂度低，掌纹的识别精度高，系统安全性好。 本专利技术实现其专利技术目的，所采用的技术方案是，一种基于二维Log-Gabor混合滤波相位特征加密的高精度掌纹安全识别方法，其步骤是 a、掌纹图像预处理采用边缘跟踪算法得到人掌纹图像的食指和中指、无名指和小指之间形成的角点，并通过这两个角点来校正掌纹图像，然后切割出手掌图像中心且大小为128×128像素的掌纹图像块I； b、二维Log-Gabor混合滤波用4个不同方向的二维Log-Gabor滤波器构成二维混合Log-Gabor滤波器LGMF(θ0，σθ，f0，σf) 其中，Gi(θi，σθ，f0，σf)是方向为θi的二维Log-Gabor滤波器，ai为方向θi的加权系数，二维Log-Gabor混合滤波器LGMF经反傅立叶变换得到空域的形式IFFT(LGMF)，用IFFT(LGMF)对a步的掌纹图像块I进行卷积滤波操作，得到卷积滤波后的掌纹图像MF， MF＝IFFT(LGMF)*I，其中*表示空域卷积运算 c、掌纹混合相位特征提取对滤波后的掌纹图像MF采用相位编码的方式提取掌纹图像的混合相位特征PMPF(Palmprint Mixture Phase Feature)，PMPF＝(MFR，MFI)，其中MFR是掌纹特征实部编码，MFI是掌纹特征虚部编码，分别由下列公式得出 d、掌纹混合相位特征加密用长度和掌纹混合相位特征PMPF的bit数相同的伪随机比特序列E对掌纹混合相位特征PMPF进行异或处理，得到加密掌纹混合相位特征EPMPF e、匹配识别对于两个掌纹图像分别进行a～d步的操作，得到两个加密掌纹混合相位特征EPMPF1，EPMPF2；再采用Hamming距离匹配算法对加密掌纹混合相位特征EPMPF1和EPMPF2进行匹配，得到匹配结果。 与现有技术相比，本专利技术的有益效果是 1.本专利技术构造的二维Log-Gabor混合滤波器由于没有直流分量，较之有直流分量的Gabor滤波器，其提取的掌纹混合相位特征可以有效地避免光照条件不同对掌纹识别的影响。 2.本专利技术构造的二维Log-Gabor混合滤波器与掌纹图像卷积的结果中包含有4个不同方向的信息。与采用单个Log-Gabor滤波器相比，能更好地表达掌纹图像的信息，掌纹识别精度高；与多通道Gabor滤波方法的多个Gabor滤波器与掌纹图像进行多次卷积相比，本专利技术只对掌纹图像作1次卷积运算，从而降低了计算复杂度。 3.本专利技术在特征提取时，对二维LGMF滤波后的掌纹相位信息直接进行量化编码，直接形成掌纹混合相位特征，简化了识别算法。 4、对相位特征进行异或加密处理，使本方法在基于生物特征进行识别的同时，又结合了基于知识密码的身份识别，在不改变同一手掌不同情况下几次提取的掌纹特征间的(类内)距离同时，通过不同密码增大了不同人的掌纹之间(类间)距离，大大提高了的识别精度。 5、由于识别时既需用人的掌纹特征又需要密码，因此当掌纹被窃取后，系统仍能本文档来自技高网...
【技术保护点】
基于二维Ｌｏｇ－Ｇａｂｏｒ混合滤波相位特征加密的高精度掌纹安全识别方法，其步骤是：ａ、掌纹图像预处理：采用边缘跟踪算法得到人掌纹图像的食指和中指、无名指和小指之间形成的角点，并通过这两个角点来校正掌纹图像，然后切割出手掌图像中心且大小为１２８×１２８像素的掌纹图像块Ｉ；ｂ、二维Ｌｏｇ－Ｇａｂｏｒ混合滤波：用４个不同方向的二维Ｌｏｇ－Ｇａｂｏｒ滤波器构成二维混合Ｌｏｇ－Ｇａｂｏｒ滤波器ＬＧＭＦ（θ↓［０］，σ↓［θ］，ｆ↓［０］，σ↓［ｆ］）：ＬＧＭＦ（θ↓［０］，σ↓［θ］，ｆ↓［０］，σ↓［ｆ］）＝＊ａ↓［ｉ］Ｇ↓［ｉ］（θ↓［ｉ］，σ↓［θ］，ｆ↓［０］，σ↓［ｆ］）其中，Ｇ↓［ｉ］（θ↓［ｉ］，σ↓［θ］，ｆ↓［０］，σ↓［ｆ］）是方向为θ↓［ｉ］的二维Ｌｏｇ－Ｇａｂｏｒ滤波器，ａ↓［ｉ］为方向θ↓［ｉ］的加权系数，二维Ｌｏｇ－Ｇａｂｏｒ混合滤波器ＬＧＭＦ经反傅立叶变换得到空域的形式ＩＦＦＴ（ＬＧＭＦ），用ＩＦＦＴ（ＭＬＧ）对ａ步的掌纹图像块Ｉ进行卷积滤波操作，得到卷积滤波后的掌纹图像ＭＦ，ＭＦ＝ＩＦＦＴ（ＬＧＭＦ）＊Ｉ，其中＊表示空域卷积运算ｃ、掌纹混合相位特征提取：对滤波后的掌纹图像ＭＦ采用相位编码的方式提取掌纹图像的混合相位特征ＰＭＰＦ（ＰａｌｍｐｒｉｎｔＭｉｘｔｕｒｅＰｈａｓｅＦｅａｔｕｒｅ），ＰＭＰＦ＝（ＭＦＲ，ＭＦＩ），其中ＭＦＲ是掌纹特征实部编码，ＭＦＩ是掌纹特征虚部编码，分别由下列公式得出：＊＊＊ｄ、掌纹混合相位特征加密：用长度和掌纹混合相位特征ＰＭＰＦ的ｂｉｔ数相同的伪随机比特序列Ｅ对掌纹混合相位特征ＰＭＰＦ进行异或处理，得到加密掌纹混合相位特征ＥＰＭＰＦ：ＥＰＭＰＦ＝ＰＭＰＦ⊕Ｅ；ｅ、匹配识别：对于两个掌纹图像分别进行ａ～ｄ步的操作，得到两个加密掌纹混合相位特征ＥＰＭＰＦ↓［１］，ＥＰＭＰＦ↓［２］；再采用Ｈａｍｍｉｎｇ距离匹配算法对加密掌纹混合相位特征ＥＰＭＰＦ↓［１］和ＥＰＭＰＦ↓［２］进行匹配，得到匹配结果。...
【技术特征摘要】
【专利技术属性】
技术研发人员：张家树，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：90[中国|成都]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。