[发明专利]基于特异扩展八邻域双Gabor掌纹ROI匹配方法

说明书

本发明属于数字图像处理技术领域，公开了一种基于特异扩展八邻域双Gabor掌纹ROI匹配方法，包括：输入待匹配掌纹ROI图像和模板掌纹ROI图像，进行双Gabor滤波；进行方向编码处理，得到编码图像；对编码图像的异变度进行归一化编码，筛选出异变度最高的点；将两幅编码图像进行影像金字塔计算获得1、1/2尺度的变换图像；获得各个尺度图像采样点的偏移量，找出采样点偏移后的位置；通过计算采样点之间的相对位置与偏移后采样点之间的相对位置得到初步匹配分数；计算两幅掌纹异变度归一化编码的重合度，结合初步匹配分数获得最终的匹配分数；通过设定固定阈值判断是否为真匹配。本发明能够准确地进行掌纹图像ROI匹配。

技术领域

本发明属于数字图像处理技术领域，尤其涉及一种基于特异扩展八邻域双Gabor掌纹ROI匹配方法。

背景技术

当今社会已经进入信息时代，传统的以密码为特征的生物特征识别技术，如口令码、PIN码等越来越难以满足当下的信息安全需求。生物特征识别作为一种颇具应用价值和前景的技术手段能够提高身份认证的安全性，并能以更加便捷的方式满足日常生活中的加解密需求。在对稳定性、识别精度、用户接受度、便捷程度以及低硬件成本等方面综合考量下，发现掌纹识别与传统生物特征识别相比具有天然优势。这些固有的诸多优点也使得掌纹识别技术作为一种新兴的生物特征识别技术逐步进入大众视野，掌纹识别技术已在近年来成为生物特征识别应用领域的热点之一。在自动掌纹识别系统中，掌纹ROI图像识别率的提升主要是靠对掌纹特征提取与掌纹匹配算法设计这两个关键点进行优化改进。目前国际上通用的掌纹识别系统主要利用的掌纹的方向信息，对掌纹方向信息进编码后再进行识别匹配。基于方向的掌纹识别方法普遍存在三个不足：一方面，低分辨率掌纹采集设备采集的掌纹图像清晰度有限，这导致准确提取掌纹方向信息难度较大；另一方面，被采集者本身手掌的疤痕、乱纹等不稳定特征也会干扰方向的提取，造成错误提取；再一方面，掌纹采集时容易发生旋转平移，会对掌纹ROI图像造成整体方向的干扰，导致两张匹配图像之间误识率增大。现有的掌纹匹配方法提取掌纹方法的信息几乎都是依托Gabor滤波器，单纯的Gabor的稳定性与鲁棒性较差，无法进一步稳定提升识别精度。其他类似相位相关匹配算法，一般都是均匀采点，对于提取的特征没有针对性，识别精度较低。

综上所述，现有技术存在的问题是：现有的掌纹匹配算法提取掌纹方法存在Gabor的稳定性与鲁棒性较差，识别精度低。

发明内容

针对现有技术存在的问题，本发明提供了一种基于特异扩展八邻域双Gabor掌纹ROI匹配方法。

本发明是这样实现的，一种基于特异扩展八邻域双Gabor掌纹ROI匹配方法，所述基于特异扩展八邻域双Gabor掌纹ROI匹配方法包括以下步骤：

步骤一，输入待匹配掌纹ROI图像和模板掌纹ROI图像，对这两个图像的进行双Gabor滤波；

步骤二，对两幅图像的滤波结果进行方向编码处理，得到编码图像；

步骤三，依据扩展八邻域求取编码图像各个像素点的方向异变度，并对编码图像的异变度进行归一化编码，筛选出异变度最高的一些点；

步骤四，将两幅编码图像进行影像金字塔计算获得1、1/2尺度的变换图像；

步骤五，将同尺度图像的采样点进行对应的BLPOC计算，获得各个尺度图像采样点的偏移量，进而找出采样点偏移后的位置；

步骤六，通过计算采样点之间的相对位置与偏移后采样点之间的相对位置得到初步匹配分数；

步骤七，计算两幅掌纹异变度归一化编码的重合度，结合初步匹配分数获得最终的匹配分数；

步骤八，通过设定固定阈值，如果匹配分数大于阈值则认为掌纹为真匹配，否则为假匹配。

进一步，所述基于特异扩展八邻域双Gabor掌纹ROI匹配方法包括以下步骤：