[发明专利]基于方向特征的手掌静脉分类索引构建方法

摘要

本发明公开了一种基于方向特征的手掌静脉分类索引构建方法，它采用Gaussian_iRadon（G‑iR）变换提取掌脉图像的方向特征矩阵，得到图像主方向，以此图像主方向构建分类索引，本发明提供的一种基于方向特征的手掌静脉分类索引构建方法，利用Gaussian Radon变换提取掌静脉图像方向特征信息，并用统计法分析高、中、低三种分辨率下的图像相应的方向特征矩阵，进而得到简单且有效的分类索引结构，能增强对掌脉的形变误差及噪声的鲁棒性，有效地实现了各子库中样本分布的均匀性，大大减少了检索时间。

主权项

一种基于方向特征的手掌静脉分类索引构建方法，其特征是首先针对掌脉图像，采用Gaussian_iRadon(G‑iR)变换提取掌脉图像的方向特征矩阵，得到图像主方向，以此图像主方向构建分类索引，所述的采用Gaussian_iRadon(G‑iR)变换提取掌脉图像的方向特征矩阵是在判定中心像素点的主方向D_o(x₀,y₀)时，利用Gaussian函数对中心点的加权规则，削弱邻域内像素点对中心像素点的贡献度，进而减弱iRadon变换提取到的方向信息的分辨能力，其中：实函数f[x,y]在有限邻域local(x,y)内的G‑iR变换定义为：$G\_{\mathrm{Radon}}_f(k,\mathrm{\σ})=f\[x,y\]*{\mathrm{GR}}_{L_k}(x,y,\mathrm{\σ})---\left(6\right)$其中是Lk的Gaussian加权表示,定义如下:${\mathrm{GR}}_{L_k}(x,y,\mathrm{\σ})=\mathrm{\δ}\left(L_k\right)\×G(x,y,\mathrm{\σ});---\left(7\right)$等式(8)给出2‑D高斯函数G(x,y,σ)的定义，(x,y)表示Gaussian滤波器中的离散点，(x₀,y₀)是滤波器的中心点；σ是高斯滤波器的标准方差；$G(x,y,\mathrm{\σ})=\frac{1}{2{\mathrm{\π\σ}}^2}\left(\exp \right(-\frac{{(x-x_0)}^2+{(y-y_0)}^2}{2{\mathrm{\σ}}^2}\left)\right)---\left(8\right)$根据iRadon变换的竞争编码方式得到由D_o(x,y)组成的方向特征矩阵；所述的图像主方向构建分类索引是基于G‑iR变换得到的每个像素的主方向D_o(x,y)，根据公式(9)，统计其方向特征的分布PD_φ，并求得整个图像的主方向φ；其中m,n为OM矩阵大小；${\mathrm{PD}}_{\mathrm{\φ}}=\underset{y=1}{\overset{n}{\Σ}}\underset{x=1}{\overset{m}{\Σ}}{D}_o(x,y),if{D}_o(x,y)=\mathrm{\φ};\mathrm{\φ}=1,2,3,4,5,6$$\mathrm{\φ}=\underset{\mathrm{\φ}}{\mathrm{argmax}}{\mathrm{PD}}_{\mathrm{\φ}}---\left(9\right)$利用图像主方向φ，将数据库分成6类，即φ＝1；φ＝2；φ＝3；φ＝4；φ＝5；φ＝6；在掌脉图像采集过程中采集高、中、低三个分辨率下的图像，分别用三个不同大小的G‑iR滤波器提取图像方向特征，并用上述提取主方向的方法，得到高、中、低三个分辨率下图像的主方向[φ₁,φ₂,φ₃]，取3个主方向[φ₁,φ₂,φ₃]的众数(mode)作为最终的主方向Φ，定义公式(10)：Φ＝mode(φ₁,φ₂,φ₃)；Φ＝1，2，3，4，5，6    (10)根据主方向Φ，将大型数据库分成6个子库L₁(Φ＝1),L₂(