[发明专利]基于Gabor小波的近端指间关节纹路识别方法

摘要

本发明利用了Gabor小波分解来提取四根手指(食指、中指、无名指和小指)指间关节的纹路特征。特征提取将最终得出Gabor小波子带间的协方差矩阵。协方差矩阵能够刻画Gabor小波子带之间的相关结构，相比于以独立方式只计算子带方差有更好的区分性；识别部分是比对当前采集身份Gabor子带协方差矩阵和存储器中已经注册的身份的Gabor子带协方差矩阵之间的比较。为了提高性能，先对Gabor小波的子带进行CDF(累计分布函数)变换，再计算变换后的结果。本发明主要特点：(1)识别方法安全性高，四根手指纹路特征保证了系统的安全性；(2)对噪声有很好的抵抗作用，Gabor小波变换和CDF投影能有效抵抗图像噪声干扰。

主权项

基于Gabor小波的近端指间关节纹路识别方法，其特征在于：步骤1、分割手指间关节处的兴趣区域(ROI)区域：步骤1.1、对手指图像进行阈值分割，获得四根手指的第一关节处的ROI。步骤1.2、将四个ROI调整到同样大小，每个ROI的像素调整为w×w。本发明设置w＝60。步骤2、对第i个ROI(i＝1,2,3,4)进行5尺度8方向的Gabor小波分集。这样得到40个子带，记为Sk，其中k＝1,…,40。步骤3、拉直子带Sk为一维向量，用表示。步骤4、对每一个子带利用最大似然方法和Weibull密度函数来估计Weibull分布的参数，记为αk和βk。步骤5、根据步骤3计算的αk和βk，用Weibull分布的CDF(累积分布函数)投影即将里面的像素逐个代入Weibull分布的CDF进行计算，投影后的值是一向量，用Fk表示。Fk的计算如下所示：Fk=1-e-(x/β)α,x∈Sk]]>步骤6、完成所有Fk后，将其组成矩阵F＝[F1,F2,…,F40]。F为40列n行的矩阵，其中n为子带的像素个数。根据F计算其协方差矩阵，表示如下。其中COV(Fi,Fj)＝E[Fi Fj]‑E[Fi]E[Fj]，表示计算向量Fi和Fj之间的协方差。步骤7、身份识别。假定，当前采集的四根手指的协方差矩阵为Ri,i＝1,…,4，存储器中某合法身份人的手指协方差矩阵为R′i,i＝1,…,4。计算四根手指近端指间关节的协方差矩阵之间的黎曼距离之和来判别当前身份是否合法，即：Dist=Σi=14RD(Ri,Ri′)]]>其中表示Ri和R′之间黎曼距离。表示R1和R2的泛化特征值。