[发明专利]一种多光谱掌纹精细纹路提取识别方法

摘要

一种多光谱掌纹精细纹路提取识别方法及其采集台，属于身份识别领域。本发明的目的是在多种光谱照射下采集掌纹图像，并将这些多光谱采集的掌纹图像处理后获得极其精准掌纹纹路的多光谱掌纹精细纹路提取识别方法。本发明步骤是多光谱图像采集、单光谱图像精细纹路特征提取、多光谱图像精细纹路特征融合、形态学处理、十字形纹和米字形纹识别。本发明不仅能明晰的显示手掌上的主线，而且能提取浅而细的精细纹路；识别出具有特殊形状的精细纹路——十字形纹和米字形纹。

主权项

一种多光谱掌纹精细纹路提取识别方法，其特征在于：a、多光谱图像采集：针对手掌的相同区域，每个光谱下采集一幅掌纹图像；得到多光谱图像，，，…，，其中A、B、C、……、N为1、2、3、……、N个不同光谱；b、单光谱图像精细纹路特征提取：首先，对某光谱下的图像进行三层方向变换冗余的Contourlet变换分解，其中，得到十五幅子带图像，其中，表示某光谱图像经分解后的最低频子带系数，和分别表示第一层分解出的“水平”方向高频子带系数和 “垂直”方向高频子带系数，表示第二、三层分解出的所有高频子带系数；其次，计算系数矩阵和的绝对值矩阵，分别将两个绝对值矩阵中各个元素从大到小排列，取出中间的元素的值分别记和；然后，遍历系数矩阵的各个元素，当元素值大于等于时，说明此为强边缘系数，则保留元素的值，当元素值小于时，说明此为弱边缘系数或者噪点，则将元素的值置0，进行消除,同理对系数矩阵进行处理；最后，把最低频子带系数和第二、三层分解出的所有高频子带系数均置0；c、多光谱图像精细纹路特征融合：将不同光谱下的待融合图像、、、…经步骤b处理后，把各自第一层“水平”方向高频子带系数、、…、相融合，各自第一层“垂直”方向高频子带系数、、…、相融合；第一层高频系数融合采用系数绝对值选最大融合规则，即选取对应位置上系数的绝对值大的系数作为融合后的系数；第二、三层高频系数融合和最低频系数融合都采用系数叠加的融合规则，即选取对应位置上的系数加和值作为融合后的系数，这里融合后它们的系数均为0；将融合后的各层系数进行方向变换冗余Contourlet逆变换；d、形态学处理：首先，二值化，方向变换冗余Contourlet逆变换后图像的每个像素值都是有正有负的系数，其中大于1的系数在图像上显示为白色，小于0的系数在图像上显示为黑色，系数值在0～1之间的系数在图像上显示为灰色，因此，将所有像素值小于0的像素的值置零，将所有像素值大于等于零的像素的值置1，得到二值化后的图像；然后，图像取反，用1减去二值化的图像,将图像中黑色像素转换成了白色，将图像中白色像素转换成了黑色，即得到反色后的图像纹路为白色，其他为黑色；最后，形态学膨胀、细化、膨胀处理，使用结构元素‘disk’，半径为1，对图像进行膨胀，得到膨胀后的图像；将膨胀后的图像细化成单像素图像；由于单像素图像在纹线交叉的地方可能出现空点，因此要再对其进行膨胀，膨胀的结构元素是‘disk’，变径为1，得到微膨胀后的图像，中纹线的像素宽度在3个像素点左右；其中膨胀是指将图像中的黑色区域变大，白色纹线变细；e、十字形纹和米字形纹识别：(1)搜索图像中的白色像素点，当白色像素点m1八邻域的点均为白色时，则此点是纹线的内点，即为各纹线中心交叉点；(2)根据十字纹的大小和形状特点，建立“形状矩阵”，其中正十字形状矩阵为Ⅰ型，45°状态的正十字矩阵为Ⅱ型；(3)以m1为中心的区域内的像素点值所成的矩阵设为M1，将M1分别和不同类型的“形状矩阵”进行“与”运算，对得到的结果矩阵求矩阵的和值，将此和值作为“m1点是I/II型十字中心交叉点”的打分值；(4)当打分值越接近“形状矩阵”的和值时，表明以m1为中心的矩形区域内的点的分布越接近“形状矩阵”，反之，则和“形状矩阵”的相似度越低；(5)根据识别精度的要求设置阈值T，当打分值小于或等于T时，放弃此点，继续搜索下一个白色像素点进行“形状矩阵”对比；当打分值大于T时，表明此点m1是中心交叉点，且形状同“形状矩阵”，就表明此点是十字纹中心交叉点；当同一个像素点，既是“I型十字中心交叉点”，又是“II型十字中心交叉点”，则表明此点是“米字形纹中心交叉点”。