專利名稱：一種基于個性化權(quán)重的手指靜脈識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及手指靜脈識別領(lǐng)域，具體地說是一種基于個性化權(quán)重的手指靜脈識別方法。
背景技術(shù)：
手指靜脈識別是一種新興的具有較好發(fā)展前途的生物特征識別技術(shù)，手指靜脈識別的關(guān)鍵在于如何準(zhǔn)確提取靜脈網(wǎng)絡(luò)，在此基礎(chǔ)上進(jìn)行特征提取和匹配。為了克服低質(zhì)量手指靜脈圖像對識別結(jié)果的影響，基于位模式的特征提取與匹配方法被提出。其基本原理是首先對采集的手指靜脈圖像做一定的預(yù)處理，包括圖像增強、尺寸歸一化等，然后對預(yù)處理后的圖像提取基于位模式的特征，如LBP特征、LDP特征等，這些特征一般被稱為二進(jìn)制編碼。最后利用二進(jìn)制編碼之間的海明距計算兩幅手指靜脈圖像的相似度，以驗證二者是否來自同一枚手指。傳統(tǒng)基于位模式的手指靜脈識別在計算海明距時，往往把二進(jìn)制編碼的每一位對最后識別的貢獻(xiàn)度看作是等同的，這樣，一些噪聲位的存在通常會導(dǎo)致識別率的降低。

發(fā)明內(nèi)容
本發(fā)明為克服上述現(xiàn)有技術(shù)的不足，提供一種基于個性化權(quán)重的手指靜脈識別方法，該方法可以有效地克服噪聲位對識別精度帶來的不利影響，提高了手指靜脈識別系統(tǒng)的識別性能和魯棒性。為實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案一種基于個性化權(quán)重的手指靜脈識別方法，它分為訓(xùn)練過程和識別過程；其中，訓(xùn)練過程首先對訓(xùn)練圖像進(jìn)行預(yù)處理，然后各自提取LBP特征，最后訓(xùn)練出權(quán)重位圖W ；識別過程首先對測試樣本圖像進(jìn)行預(yù)處理，接著進(jìn)行LBP特征提取，最后，通過公式4計算與數(shù)據(jù)庫模板之間的海明距離，根據(jù)設(shè)定的閾值確定識別結(jié)果；Dab=II (codeA 0 codeB) X Wa11/1|VVA11(4)φ是異或運算符，運算符兩邊的數(shù)字若相同結(jié)果為“0”反之則為“1”;若Da小于設(shè)定的閾值θ，則測試圖像屬于A類，θ取值為0.15。所述訓(xùn)練過程和識別過程中對圖像的預(yù)處理過程相同對感興趣區(qū)域提取，然后進(jìn)行尺寸歸一化，完成圖像增強；其中，感興趣區(qū)域提取將富含大量有用信息的手指靜脈區(qū)域提取出來，通過邊緣檢測檢測出手指靜脈的輪廓，然后取輪廓中的最大的內(nèi)接矩形區(qū)域作為感興趣區(qū)域；尺寸歸一化將提取出的感興趣區(qū)域歸一化成MXN像素大小，M = 96，N = 64，圖像增強采用均值濾波法。所述訓(xùn)練過程和識別過程中對圖像的LBP特征提取過程相同它對預(yù)處理后的整個手指區(qū)域特征提取采用LBP特征；LBP定義為通過比較中心點與其周圍點的像素值的大小而得到的一個有序的二值序列；有序的二進(jìn)制可以通過公式(1)表達(dá)成十進(jìn)制的形式LBP(xc,yc)= s(in — ic〕2n(1)公式(1)中的i。和in表示的是中心像素(xc, yc)和它周圍8個像素點的灰度值； 函數(shù)S(X)定義為Sfx) iJx" (2)
、J ιΟ if χ < Ov ‘通過公式(1)和公式(2)對手指靜脈圖像每個像素作為中心點進(jìn)行LBP特征提取，最終得到該靜脈圖像的二進(jìn)制編碼特征。所述訓(xùn)練過程中權(quán)重位圖W的獲得過程為在為每一個生物個體訓(xùn)練權(quán)重位圖時，設(shè)定η個訓(xùn)練樣本圖像；在這η個訓(xùn)練樣本對應(yīng)的LBP 二進(jìn)制編碼中，設(shè)第i位出現(xiàn)值“1”的次數(shù)為nl，出現(xiàn)值為“O”的次數(shù)為n2 ； nl+n2 = η。則第i位的權(quán)重為Wi = (|nl-n2|)/(nl+n2)(3)對每一位按照公式3各自求取權(quán)重，最后獲得權(quán)重位圖w = (wi; w2, W3......wm)這里m = MXNX8, M = 96，N = 64，本發(fā)明為 96X64X8 = 49152。所述識別過程中識別方法為識別時，設(shè)定codeA是數(shù)據(jù)庫里某生物個體A的模板圖像對應(yīng)的LBP 二進(jìn)制編碼，codeB是待測試圖像的LBP 二進(jìn)制編碼，Wa表示A的權(quán)重位圖；則測試圖像與模板圖像之間的海明距離運用公式4求取Dab=I 1 (codeA GcodeB) X Wa11/11Wa||⑷。本發(fā)明的有益效果是通過考察LBP 二進(jìn)制編碼特征中各個位的穩(wěn)定程度，訓(xùn)練權(quán)重位圖，利用權(quán)重位圖，計算待測試圖像與模板圖像之間的海明距離。與原有視每一位均為相同權(quán)重的方法相比，本發(fā)明使得穩(wěn)定的位的權(quán)重較高，不穩(wěn)定的位的權(quán)重較低，因此可以有效地降低噪聲位對識別結(jié)果的不利影響，進(jìn)而提高了手指靜脈識別系統(tǒng)的識別性能和
魯棒性。


圖1為本發(fā)明訓(xùn)練過程流程圖；圖2為本發(fā)明識別過程流程圖。
具體實施例方式下面結(jié)合附圖與實施例對本發(fā)明做進(jìn)一步說明。本發(fā)明分為兩個過程訓(xùn)練過程與識別過程。訓(xùn)練過程首先對訓(xùn)練圖像進(jìn)行預(yù)處理，然后各自提取LBP特征，最后訓(xùn)練出權(quán)重位圖，訓(xùn)練過程見圖1。識別過程中，首先對測試樣本圖像進(jìn)行預(yù)處理，接著進(jìn)行LBP特征提取，最后，通過公式4計算與數(shù)據(jù)庫模板之間的海明距離，根據(jù)設(shè)定的閾值確定識別結(jié)果。識別具體過程見圖2。1、預(yù)處理由于采集到的原始靜脈的圖像中存在一些無用的背景以及較多的噪聲所以要先對原始圖像進(jìn)行預(yù)處理。本發(fā)明的預(yù)處理包括感興趣區(qū)域提取，尺寸歸一化，圖像增強。感興趣區(qū)域提取將富含大量有用信息的手指靜脈區(qū)域提取出來，通過邊緣檢測檢測出手指靜脈的輪廓，然后取輪廓中的最大的內(nèi)接矩形區(qū)域作為感興趣區(qū)域。尺寸歸一化將提取出的感興趣區(qū)域歸一化成MXN像素大小，本發(fā)明M = 96，N = 64。圖像增強采用均值濾波法。2、特征提取在現(xiàn)有的靜脈特征提取方法中，大部分方法都是根據(jù)分割出的靜脈網(wǎng)絡(luò)的紋理或灰度進(jìn)行特征提取，這些算法對于分割出的靜脈網(wǎng)絡(luò)的精度比較高，一旦采集的靜脈圖像質(zhì)量較低，就會影響分割出的靜脈網(wǎng)絡(luò)的準(zhǔn)確性，從而對以后的特征提取和匹配造成很大的影響。為解決這個問題，對預(yù)處理后的整個手指區(qū)域特征提取采用LBP(Local Binary I^attern，局部二值模式)特征。LBP可以定義為通過比較手指靜脈圖像中心點與其周圍點的像素值的大小而得到的一個有序的二值序列。該有序的二值序列可以通過公式(1)表達(dá)成十進(jìn)制的形式LBP(xc,yc)= Σ :〔 — ij2n(1)公式(1)中的i。和in表示的是中心像素(x。，y。)和它周圍8個像素點的灰度值。 函數(shù)S(X)定義為S(K)=^ iJx^ (2)
、.W if χ < 0通過公式⑴和公式⑵對手指靜脈圖像每個像素作為中心點進(jìn)行LBP特征提取，最終得到該靜脈圖像的二進(jìn)制編碼特征。2、訓(xùn)練權(quán)重位圖對于一個生物個體提取的多幅手指靜脈圖像，考察各自的LBP 二進(jìn)制編碼特征， 會發(fā)現(xiàn)一個現(xiàn)象有些位非常穩(wěn)定，在各LBP 二進(jìn)制編碼中取值恒定為“1”或“0”，有些位則不穩(wěn)定，表現(xiàn)為在各LBP 二進(jìn)制編碼中取值有的為“1”，有的為“0”。因此，本發(fā)明區(qū)分每個位的穩(wěn)定程度，作為對識別結(jié)果的貢獻(xiàn)度，即權(quán)重，從而提高識別性能。在為每一個生物個體訓(xùn)練權(quán)重位圖時，本發(fā)明設(shè)定η個訓(xùn)練樣本圖像。在這η個訓(xùn)練樣本對應(yīng)的LBP 二進(jìn)制編碼中，設(shè)第i位出現(xiàn)值“1”的次數(shù)為nl，出現(xiàn)值為“0”的次數(shù)為n2 ；nl+n2 = η。則第i位的權(quán)重為Wi = (|nl-n2|)/(nl+n2)(3)對每一位按照公式3各自求取權(quán)重，最后獲得權(quán)重位圖W = (Wl，w2，W3......wm)。
這里 m = MXNX8，本發(fā)明為 96X64X8 = 49152。3、識別識別時，設(shè)定codeA是數(shù)據(jù)庫里某生物個體A的模板圖像對應(yīng)的LBP 二進(jìn)制編碼， codeB是待測試圖像的LBP 二進(jìn)制編碼，Wa表示A的權(quán)重位圖。則測試圖像與模板圖像之間的海明距離運用公式4求取Dab=I I (codeA β codeB) X Wa 11/|\WA 11(4)φ是異或運算符。運算符兩邊的數(shù)字若相同結(jié)果為“0”反之則為“1”。SDa小于設(shè)定的閾值θ，則測試圖像屬于A類。本發(fā)明θ取值為0.15。
權(quán)利要求
1.一種基于個性化權(quán)重的手指靜脈識別方法，其特征是，它分為訓(xùn)練過程和識別過程； 其中，訓(xùn)練過程首先對訓(xùn)練圖像進(jìn)行預(yù)處理，然后各自提取LBP特征，最后訓(xùn)練出權(quán)重位圖W ；識別過程首先對測試樣本圖像進(jìn)行預(yù)處理，接著進(jìn)行LBP特征提取，最后，通過公式4 計算與數(shù)據(jù)庫模板之間的海明距離，根據(jù)設(shè)定的閾值確定識別結(jié)果；Dab=) l(codeAecodeB) X Wa J | /11 Wa ||(4)Φ是異或運算符，運算符兩邊的數(shù)字若相同結(jié)果為“O”反之則為“1”;若Da小于設(shè)定的閾值θ，則測試圖像屬于A類，θ取值為0.15。
2.如權(quán)利要求1所述的基于個性化權(quán)重的手指靜脈識別方法，其特征是，所述訓(xùn)練過程和識別過程中對圖像的預(yù)處理過程相同對感興趣區(qū)域提取，然后進(jìn)行尺寸歸一化，完成圖像增強；其中，感興趣區(qū)域提取將富含大量有用信息的手指靜脈區(qū)域提取出來，通過邊緣檢測檢測出手指靜脈的輪廓，然后取輪廓中的最大的內(nèi)接矩形區(qū)域作為感興趣區(qū)域；尺寸歸一化將提取出的感興趣區(qū)域歸一化成MXN像素大小，圖像增強采用均值濾波法。
3.如權(quán)利要求1所述的基于個性化權(quán)重的手指靜脈識別方法，其特征是，所述訓(xùn)練過程和識別過程中對圖像的LBP特征提取過程相同它對預(yù)處理后的整個手指區(qū)域特征提取采用LBP特征；LBP定義為通過比較中心點與其周圍點的像素值的大小而得到的一個有序的二值序列；有序的二進(jìn)制可以通過公式(1)表達(dá)成十進(jìn)制的形式LBP(xc,yc)=(1)公式⑴中的i。和in表示的是中心像素(x。，y。)和它周圍8個像素點的灰度值；函數(shù) s (χ)定義為通過公式(1)和公式(2)對手指靜脈圖像每個像素作為中心點進(jìn)行LBP特征提取，最終得到該靜脈圖像的二進(jìn)制編碼特征。
4.如權(quán)利要求1所述的基于個性化權(quán)重的手指靜脈識別方法，其特征是，所述訓(xùn)練過程中權(quán)重位圖W的獲得過程為在為每一個生物個體訓(xùn)練權(quán)重位圖時，設(shè)定η個訓(xùn)練樣本圖像；在這η個訓(xùn)練樣本對應(yīng)的LBP 二進(jìn)制編碼中，設(shè)第i位出現(xiàn)值“1”的次數(shù)為nl，出現(xiàn)值為“O”的次數(shù)為n2 ；nl+n2 =η，則第i位的權(quán)重為Wi = (|nl-n2|)/(nl+n2)(3)對每一位按照公式3各自求取權(quán)重，最后獲得權(quán)重位圖W = (wi; w2, W3......wffl)0
5.如權(quán)利要求1所述的基于個性化權(quán)重的手指靜脈識別方法，其特征是，所述識別過程中識別方法為識別時，設(shè)定codeA是數(shù)據(jù)庫里某生物個體A的模板圖像對應(yīng)的LBP 二進(jìn)制編碼，codeB是待測試圖像的LBP 二進(jìn)制編碼，Wa表示A的權(quán)重位圖；則測試圖像與模板圖像之間的海明距離運用公式4求取Dab=I I (codeA 0 codeB) X Wa 11/+11 Wa ||⑷。
全文摘要
本發(fā)明公開了一種基于個性化權(quán)重的手指靜脈識別方法，該方法可以有效地克服噪聲位對識別精度帶來的不利影響，提高了手指靜脈識別系統(tǒng)的識別性能和魯棒性。它分為訓(xùn)練過程和識別過程；其中，訓(xùn)練過程首先對訓(xùn)練圖像進(jìn)行預(yù)處理，然后各自提取LBP特征，最后訓(xùn)練出權(quán)重位圖W；識別過程首先對測試樣本圖像進(jìn)行預(yù)處理，接著進(jìn)行LBP特征提取，最后，通過公式4計算與數(shù)據(jù)庫模板之間的海明距離，根據(jù)設(shè)定的閾值確定識別結(jié)果；是異或運算符，運算符兩邊的數(shù)字若相同結(jié)果為“0”反之則為“1”；若DA小于設(shè)定的閾值θ，則測試圖像屬于A類，θ取值為0.15。
文檔編號G06K9/62GK102411711SQ20121000101
公開日2012年4月11日 申請日期2012年1月4日 優(yōu)先權(quán)日2012年1月4日
發(fā)明者尹義龍, 楊公平, 楊璐, 肖榮洋, 襲肖明 申請人:山東大學(xué)