申请/专利权人：宜宾学院

申请日：2017-09-01

公开（公告）日：2020-09-29

公开（公告）号：CN107688787B

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/32(20060101);G06K9/62(20060101)

优先权：

专利状态码：失效-未缴年费专利权终止

法律状态：2022.08.12#未缴年费专利权终止;2018.03.13#实质审查的生效;2018.02.13#公开

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：1.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：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，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小波分解，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4计算的αk和βk，用Weibull分布的累积分布函数CDF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： 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COVFl,Fj＝E[FlFj]-E[Fl]E[Fj]，表示计算向量Fl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： 其中表示Ri和R′i之间黎曼距离，表示Ri和R′i的泛化特征值。

全文数据：基于Gabor小波的近端指间关节纹路识别方法技术领域[0001]本发明涉及一种指间关节纹路识别方法，尤其涉及用Gabor小波变换识别多个手指的近端指间关节纹路的方法，属于模式识别领域。背景技术[0002]基于人体生物特征的身份认证应用十分广泛。手指指纹、人脸、虹膜是目前比较市场上使用广泛的生物特征。使用上述特征处理技术复杂，而且容易受到环境与噪声干扰，因而在一定程度上影响了其使用价值。比如指纹特征对灰尘、潮湿等污染因素比较明感，且手指指纹容易被非法获取比如拿东西时留在物体上指纹容易被非法采集和模拟）；人脸易受光照、姿势、装饰等因素影响;而虹膜使的使用不如指纹和人脸方便。由于使用方便，手指上的生物特征备受青睐。由于手指间关节纹路特征仍具有惟一特性，而且由手指间关节纹路的特征相对简单清晰，近年来研究人员提的关注。手指节的正面纹路手心面和背面纹路手背面均可以用于人的身份识别。相比于指纹特征，手指节背面纹路特征的优点是不容易被非法获取，然而其缺点是在识别的时候，手指节的纹路会随着手指伸而变化，给自动识别带来了困难。[0003]目前基于手指指间关节纹路识别的装置和方法主要针对单手指情况，但单个手指纹路识别精度相对不高，且稳定性也不如多手指纹路特征。对基于内容的特征提取方法，LBP、Gabor小波、深度网络都是目前使用较多的技术。深度网络需要较高的硬件环境，实现成本较高，目前还不适合嵌入式的门禁系统。对于噪声环境下LBP算法稳定性较差。发明内容[0004]根据现有基于生物特征识别方法的不足，设计一种多个手指的近端指间关节纹路图像的识别方法，提供安全可靠的认证方式。本发明同时四根手指的近端指间关节背面的纹路用于身份认证。四根手指分别是:食指、中指、无名指和小指。本发明利用了Gabor小波分解来提取手指纹路特征，同样也适合手指远端指间关节纹路的识别。Gabor小波由下面表达式确定：其中是Gabor滤波器（是尺度参数;m是尺度参数，J是分解的尺度数量。W是中心频率，σ是方差。[0005]本发明的识别方法具有两方面优点：（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。[0006]本发明本的方案分为特征提取与识别两部分。特征提取部分将最终得出手指图像的基于Gabor小波子带的协方差矩阵。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，在对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。这里⑶F选取Weibull分布的累积分布函数。Weibull累积分布函数如下：其中，α和β分别是形状参数和尺度参数。根据子带系数，用Weibull的密度函数和最大似然估计来计算α和β的值。Weibull的密度函数表示为：通过将Gabor所有的子带用Weibull分布的CDF投影后，再计算投影后的系数之间的协方差矩阵，更能提高算法的鲁棒性。[0007]当进行识别的时候需要比较两个协方差矩阵之间的相似程度，以鉴别身份的合法性。两个协方差矩阵RdPR2t间的相似度用矩阵的黎曼距离来表示：其中表示Ri和R2的泛化特征值。附图说明[0008]图1为本发明的使用的手指近端指间关节背面示意图[0009]图2为本发明的提取一根手指近端指间关节特征的流程图具体实施方式[0010]下面具体说明本发明的具体实施方案：[0011]发明本的内容分为特征提取与识别认证两部分。识别的目标是手指的近端指间关节背面的纹路，见图1中矩形框中的区域，侧面示意图见图1中的右图，截取区域大约2cm。特征提取部分将最终得出手指图像的特征;识别部分是比对当前采集身份的特征与已注册的手指间关节特征向量之间的比较。本发明方法实现的具体步骤如下所示：[0012]步骤1、分割手指间关节处的兴趣区域ROI区域：[0013]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。[00M]步骤1.2、将四个ROI调整到同样大小，每个ROI的像素调整为wXw。本发明设置W=60〇[0015]步骤2、对第i个ROIi=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=l，…，40。见图2。[0016]步骤3、拉直子带Sk为一维向量，用：表示。见图2。[0017]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ak和见图2。[0018]步骤5、根据步骤3计算的adPPk，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：[0019]步骤6、完成所有Fk后，将其组成矩阵F=[F1,为40列η行的矩阵，其中η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COVFi，Fj=E[FiFj]-E[Fi]E[Fj]，表示计算向量Fi和Fj之间的协方差。[0020]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R1J=I，···，4,存储器中某合法身份人的手指协方差矩阵为=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：其中，表示Ri和R之间黎曼距离=表示R1和R2的泛化特征值。

权利要求：1.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R0I。步骤1.2、将四个ROI调整到同样大小，每个ROI的像素调整为wXw。本发明设置w=60。步骤2、对第i个ROIi=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=l，…,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I，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ak和步骤5、根据步骤3计算的叫和，用Weibull分布的⑶F累积分布函数投影，即将里面的像素逐个代入Weibull分布的⑶F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：步骤6、完成所有Fk后，将其组成矩阵F=[F1J2,…，F4QhF为40列η行的矩阵，其中η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COVFi，Fj=E[FiFj]-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R1,ί=1，···，4,存储器中某合法身份人的手指协方差矩阵为=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：其中，表示Ri和V之间黎曼距离。表示Ri和R2的泛化特征值。2.基于Gabor小波的近端指间关节纹路识别方法，其特征在于：用Gabor小波同时提取四根手指近端指间关节图像的协方差矩阵。这4个基于Gabor小波变换的协方差矩阵表示了人的身份特征。3.基于Gab〇r小波的近端指间关节纹路识别方法，其特征在于：用Weibu11分布的⑶F累积分布函数投影Gabor小波的子带为一维向量后，再计算投影向量间的协方差矩阵。

百度查询： 宜宾学院 基于Gabor小波的近端指间关节纹路识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD