[发明专利]一种基于Gabor响应域重构的指关节纹识别方法

说明书

技术领域

本发明涉及一种指关节纹图像的识别，特别涉及一种基于Gabor响应域重构的指关节纹识别方法，属于模式识别技术领域。

背景技术

生物特征识别技术是为了进行身份识别与验证而采用自动技术测量生物身体的特征或是个人的行为特点，并将这些特征或者特点与数据库的模板数据进行比较，完成认证的一种解决方法。人的生物特征是唯一的，生物特征识别技术的基本工作就是对这些基本的、可测量或可自动识别和验证的生理特征进行统计分析。所有的工作大多进行了这样4个步骤：图像获取、特征抽取、比较和匹配。生物特征识别系统捕捉到生物特征的样品，唯一的特征将会被提取并且转化成数字的符号。接着，这些符号被存成个人的特征模板，这种模板可能会在识别系统中，也可能在各种各样的存储器中，如计算机的数据库、智能卡或条码卡中，人们同识别系统进行交互，认证其身份，以确定匹配或不匹配。

基于指关节纹的身份识别是生物特征识别中的一种。指关节纹指的是人手指上第二、三指节上的乳突线花纹，其纹理结构比较简单，绝大部分是由横线、斜线、波浪线和弧形线的花纹组成。一般来说，指关节纹包括褶皱线，主线与脊等信息。其中，主线信息由个体的基因决定，它在婴儿出生前就已经形成。褶皱线等信息则与后天的生活环境与生活习惯有关。由于个体的基因、生活环境及习惯都不尽相同，因此形成的指关节纹差异也各不相同。指关节纹的这些特性使得其可以作为生物特征来进行身份识别。

目前指关节纹识别方法归类如下：

1.基于子空间和流形学习的方法

类似于一般图像一些基于子空间分析和流形学习的方法可以用来进行指关节纹特征抽取。例如基于Gabor特征的正交线性鉴别分析(OLDA)，基于Gabor特征的核主分量分析与线性鉴别分析(KPCA+LDA)，重构判别分析，最大近邻子空间边缘准则，多流形判别分析，加权线性嵌入等。

2.基于局部编码的方法

类似于掌纹识别，一组带有不同方向的2D Gabor滤波器首先对指关节纹图像进行卷积，然后根据卷积响应值，采用“胜者为王”的策略来提取主方向信息。在提取局部主方向时，由于某些区域相对比较平坦，具有主方向的可能性比较小，Zhang等人对原始的竞争编码方法进行了改进,提出了改进的竞争编码方法(Improved Competitive Coding,ImCompCode)。与此同时，提取局部区域的模信息，提出模编码方法(Magnitude Coding,MagCode)。然后把方向信息和模信息在匹配距离层进行加权融合，得到了不错的效果。通过借鉴Riesz变换在信号处理方面的应用，Zhang等人提出了基于Riesz变换的编码方法。在减小运算时间的情况下，能够获得与经典的竞争编码方法类似的性能。随后，基于相位一致性的框架，Zhang等人提取了三种特征：相位一致性特征，相位特征和方向特征，最后在匹配距离层进行加权融合，也取得了不错的效果。

3.基于局部和全局融合的方法

方向编码方法是在局部窗口内估计方向信息，因此，是一种局部特征提取方法。通过把图像看成一个整体，同时利用图像的傅里叶变换系数作为全局特征，Zhang等人提出了一种局部-全局信息融合(local-global information combination,LGIC)的策略，通过加权平均融合局部和全局这两种特征，取得较好的识别效果。

在实际图像采集过程中，采集者摆放手指位置时容易出现姿势变形。以上提到的一些编码方法对这类姿势变形比较敏感，容易导致同一个人不同阶段采集得到的图像间的匹配距离增大，进而会导致错误拒绝，降低系统的性能。

发明内容

本发明所要解决的技术问题是提供一种基于Gabor响应域重构的指关节纹识别方法，针对现有方法对测试图像中可能含有的姿势变形敏感这一缺点，满足实际应用中对基于指关节纹的高效身份识别的要求。

本发明为解决上述技术问题采用以下技术方案：

本发明提供一种基于Gabor响应域重构的指关节纹识别方法，包括以下具体步骤：

步骤1，以一组带有方向的二维Gabor滤波器作为字典，运用稀疏表示计算测试样本和训练样本中每个样本不同方向上的Gabor响应表示；

步骤2，以训练样本对应方向上的Gabor响应作为字典，对测试样本每个方向上的Gabor响应进行线性重构；

步骤3，对重构前和重构后的测试样本以及训练样本的Gabor响应运用多方向二值编码方法进行特征编码；

步骤4，对重构前和重构后的测试样本，分别计算其与训练样本的匹配距离；