[发明专利]Harris角点检测影像金字塔掌纹ROI识别方法

说明书

本发明属于数字图像处理技术领域，公开了一种Harris角点检测影像金字塔掌纹ROI识别方法，包括：输入录入掌纹ROI图像和模板掌纹ROI图像，并对这两个图像的进行MFRAT滤波处理；对滤波处理后的模板掌纹ROI图像，运用Harris角点检测算法提取出分布在掌纹主线、褶皱上的角点并在小块区域内只保留一个角点；根据滤波后的模板掌纹ROI图像上的角点，利用影像金字塔算法获得分布在滤波后的录入掌纹图像上的角点；由已知的角点分布通过平均BLPOC算法得到最终的匹配分数；通过实验设定固定阈值，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。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Harris角点检测影像金字塔掌纹ROI识别方法。

背景技术

生物识别技术能很好的解决传统的身份识别技术的缺点。掌纹识别技术由于其易采集性、设备造价低廉、可用信息丰富、匹配性能较好等优势在生物特征识别技术中脱颖而出，具有非常广阔的应用前景。目前，基于纹理的掌纹识别匹配方法具有较好的匹配性能；掌纹中含有丰富的纹理信息，如掌纹主线、褶皱、分叉等。基于纹理的掌纹识别方法其主要思路是对截取的掌纹ROI图像进行方向编码，以提取每一个像素点的最显著的特征。在掌纹采集过程中，由于手掌的舒展程度、放置姿势等，以及截取掌纹ROI图像算法自身的局限性都会导致掌纹ROI图像产生平移、旋转、畸变等形变，从而降低算法的识别率。现有的解决方法是在匹配过程中对两幅匹配图像进行水平和垂直方向的平移后再进行匹配，取最高的匹配分数值作为两幅图像的匹配分数，该方法在矫正畸变区域像素点坐标的过程中，会对非畸变区域造成错误的匹配。同时，现有方法重复多次匹配取最高分数值的方法会产生大量的冗余匹配，极大影响整体效率。

综上所述，现有技术存在的问题是：传统的掌纹ROI图像匹配存在容易产生错误匹配，算法效率较低。

发明内容

针对现有技术存在的问题，本发明提供了一种Harris角点检测影像金字塔掌纹ROI识别方法。

本发明是这样实现的，一种Harris角点检测影像金字塔掌纹ROI识别方法，所述Harris角点检测影像金字塔掌纹ROI识别方法包括：输入录入掌纹ROI图像和模板掌纹ROI图像，并对两个图像的进行MFRAT滤波处理；对滤波处理后的模板掌纹ROI图像，运用Harris角点检测算法提取出分布在掌纹主线、褶皱上的角点并在小块区域内只保留一个角点；根据滤波后的模板掌纹ROI图像上的角点，利用影像金字塔算法获得分布在滤波后的录入掌纹图像上的角点；由已知的角点分布通过平均BLPOC算法得到最终的匹配分数；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Harris角点检测影像金字塔掌纹ROI识别方法包括以下步骤：

(1)对模板掌纹ROI图像R(x,y)进行MFRAT滤波处理得到模板信息图R_M(m,n)，对录入掌纹ROI图像R'(x,y)进行MFRAT滤波处理得到录入信息图R'_M(m,n)；其中ROI图像是截取掌纹中心区域的128×128像素的正方形区域，(x,y)表示模板掌纹ROI图像R(x,y)与录入掌纹ROI图像R'(x,y)的像素点坐标，(m,n)表示模板信息图R_M(m,n)和录入信息图R'_M(m,n)的像素点坐标；

(2)用基于选择的Harris角点检测算法对模板信息图R_M(m,n)进行特异性处理，提取到一系列分布在掌纹主线、褶皱等主要特征上的角点，坐标值用P⁰表示；

(3)分别获得模板信息图R_M(m,n)的第l(l＝0,1,2)层模板压缩图和录入信息图R'_M(m,n)的第l(l＝0,1,2)层录入压缩图