[发明专利]基于差分码及差分码模式的目标识别方法

摘要

本发明公开了一种基于差分码及差分码模式的目标识别方法。通过计算一阶差分信息以及高阶差分信息，进行二值化，从而提取差分码特征及其模式，来进行输入图像的特征提取。该发明应用到掌纹识别上，在香港理工大学的掌纹数据库上取得了0％的等错率，为掌纹识别走向实际应用奠定了坚实基础。同时该方法具有该方法容易实现、复杂度低、提取高阶信息能够保留输入对象的细节信息的优点。

主权项

1、基于差分码及差分码模式的目标识别方法，其特征在于通过以下步骤实现：第一步，获取输入对象信息；所述的输入对象信息是指通过摄像头或者传感器输入的图像或者经过处理的信号，并进行Gabor变换处理；第二步，一阶特征提取；对输入信号中的中心点计算一阶差分，然后进行二值化编码，得到一阶差分码：$f\left(I_{\mathrm{\α},d}^{\′}\left(Z\right)\right)=\left\{\begin{array}{cc}1,\mathrm{if}& I_{\mathrm{\α},d}^{\′}\left(Z\right)>=0\\ 0,\mathrm{if}& I_{\mathrm{\α},d}^{\′}\left(Z\right)\<0\end{array}\right\}$以中心点为中心的一定区域的结果串接在一起构成一阶差分码模式：DCPa，d′(Zx，y)＝(f(Ia，d′(Zx，y))，f(Ia，d′(Zx-d，y))，f(Ia，d′(Zx，y-d))f(Ia，d′(Zx-d，y-d))，f(Ia，d′(Zx+d，y))，f(Ia，d′(Zx，y+d))，f(Ia，d′(Zx+d，y+d))，f(Ia，d′(Zx-d，y+d))，f(Ia，d′(Zx+d，y-d)))步骤三、高阶特征提取；在步骤二的基础上，计算高阶差分码及高阶差分码模式，从而实现高阶特征提取；所述的高阶差分码模式：${\mathrm{DCP}}_{\mathrm{\α},d}^n\left(Z_{x,y}\right)=(f\left(I_{\mathrm{\α},d}^n\left(Z_{x,y}\right)\right),f\left(I_{\mathrm{\α},d}^n\left(Z_{x-d,y}\right)\right),f\left(I_{\mathrm{\α},d}^n\left(Z_{x,y-d}\right)\right)$$f\left(I_{\mathrm{\α},d}^n\left(Z_{x-d,y-d}\right)\right),f\left(I_{\mathrm{\α},d}^n\left(Z_{x+d,y}\right)\right),f\left(I_{\mathrm{\α},d}^n\left(Z_{x,y+d}\right)\right)$$,f\left(I_{\mathrm{\α},d}^n\left(Z_{x+d,y+d}\right)\right),f\left(I_{\mathrm{\α},d}^n\left(Z_{x-d,y+d}\right)\right),f\left(I_{\mathrm{\α},d}^n\left(Z_{x+d,y-d}\right)\right))$步骤四、相似度度量；从两个输入对象中得到的两个差分码表示为Dc1，Dc2可以用海明距离或者XOR算子计算他们的相似度sim：sim＝Dc1XorDc2