[发明专利]基于2DPCA和分区LBP的单样本静脉识别的方法

摘要

本发明是一种基于2DPCA特征和分区LBP特征的静脉识别方法，克服了单样本识别性能较低的问题，仅仅利用手掌静脉图像样本，避免了采集多种生物特征样本的麻烦，实验结果表明，本发明在很大程度上克服了手掌静脉识别中单样本情况的影响，提高了单样本情况下的识别率，从而保证了单样本手掌静脉识别的实用性。

主权项

一种基于2DPCA和分区LBP的单样本手掌静脉识别方法，其特征在于包括如下步骤：步骤1、生成2DPCA特征库：步骤11、对训练图像库中的每张原始单样本手掌静脉图像通过图像重采样方法采样4次生成4张虚拟子图像，然后再利用奇异值扰动的虚拟图像生成算法，对该原始单样本手掌静脉图像的奇异值进行扰动4次生成另外4张虚拟子图像；步骤12、利用2DPCA算法从生成的8张虚拟子图像上提取静脉特征，得到原始单样本手掌静脉图像的投影特征图像形成2DPCA特征库；步骤2、生成分区LBP特征库：步骤21、将训练图像库中的每张原始单样本手掌静脉图像的ROI区域按行2等分和列2等分的模式，划分为4个大小相等的子图像；步骤22、对每个子图像利用圆形LBP算子提取纹理特征，其步骤为：对子图像中的每个像素点，在半径为8的圆形LBP算子的窗口中，以窗口中心点的灰度值为阈值对窗口内16个采样点像素作二值化处理，得到16位二进制数，计算公式为：LBPP,R(I)=Σp=1PS(Zp-Zc)2p-1---(4)]]>其中Zp、Zc表示LBP算子内采样点的像素值和LBP算子中心点的像素值，P表示圆形LBP算子的窗口中像素点的个数，R表示圆形LBP算子的窗口的半径，I表示子图像；步骤23、对得到的LBP纹理特征，进一步提取它的等价模式，即当LBP纹理特征所对应的循环二进制数从0到1或从1到0最多有两次跳变时，该LBP纹理特征对应的二进制数就称为等价模式；步骤24、将原始单样本手掌静脉图像对应的每个子图像的Uniform LBP直方图连接起来形成整幅图像的静脉特征表达图，形成分区LBP特征库；步骤3、双层筛选：步骤31、提取测试图像的2DPCA特征与2DPCA特征库按最近邻法进行匹配，选出相似度排名前10％的样本，然后利用这10％的样本类别，选取所对应的分区LBP特征库作为步骤32的搜索样本空间；步骤32、提取测试图像的分区LBP特征与步骤31中缩小的分区LBP特征库按最近邻法选出最佳匹配模式类，即从缩小的分区LBP特征库中选出与分区LBP特征距离最小的样本类别，匹配过程结束。