基于掌紋圖像配準的非接觸掌紋識別方法
【專利摘要】本發(fā)明涉及一種基于掌紋圖像配準的非接觸掌紋識別方法，分為注冊和識別兩個階段。在注冊階段，將用戶提供的原型圖像進行ROI提取，在ROI圖像上提取競爭碼特征并存于特征數(shù)據(jù)庫，同時將ROI圖像經(jīng)預處理后提取SIFT特征存于特征數(shù)據(jù)庫。在識別階段，在用戶提供的查詢圖像上進行相同的ROI提取、競爭碼特征提取和SIFT特征提取的操作。將提取到的SIFT特征和數(shù)據(jù)庫中已存的SIFT特征進行匹配，得到匹配的SIFT特征點。同時由匹配的SIFT特征點得到SIFT特征的匹配度，并將兩種匹配度進行融合得到最終匹配度用于身份認證或識別。解決非接觸掌紋圖像的形變問題，提高了識別精度。
【專利說明】基于掌紋圖像配準的非接觸掌紋識別方法
【技術領域】
[0001]本發(fā)明涉及一種基于掌紋圖像配準的非接觸掌紋識別方法。
【背景技術】
[0002]掌紋識別是近年來新興的一種生物特征識別技術。它具有用戶接受程度較好，識別精度較高的優(yōu)點。
[0003]現(xiàn)有的掌紋特征提取和匹配方法通常需要待匹配的兩幅掌紋圖像較好的對齊，而解決掌紋圖像對齊的最常用方法是設計一種專用掌紋圖像采集設備，在采集圖像時，用戶將手掌置于設備之上，使用輔助定位裝置限制手指和手掌的活動，以保證每次采集的掌紋圖像能夠較好的對齊。而這種方式的最大缺陷是大大降低了掌紋識別的用戶接受程度。
[0004]解決這一問題的有效手段是使用非接觸方式采集掌紋圖像。但在非接觸采集方式中，由于缺少了輔助定位裝置，采集到的掌紋圖像往往存在較明顯的旋轉、尺度、平移等變換。這些變換即使經(jīng)過感興趣區(qū)域(ROI)提取也很難消除。

【發(fā)明內容】

[0005]基于以上不足之處，本發(fā)明提出一種基于掌紋圖像配準的非接觸掌紋識別方法。
[0006]本發(fā)明所采用的技術如下:一種基于掌紋圖像配準的非接觸掌紋識別方法，分為注冊和識別兩個階段。在注冊階段，將用戶提供的原型掌紋圖像進行掌紋ROI提取，得到掌紋ROI圖像，在掌紋ROI圖像上提取掌紋競爭碼特征并存于特征數(shù)據(jù)庫，同時將掌紋ROI圖像預處理后提取尺度不變特征變換(SIFT)特征存于特征數(shù)據(jù)庫；在識別階段，在用戶提供的查詢掌紋圖像上進行相同的掌紋ROI提取、掌紋競爭碼特征提取、預處理和SIFT特征提取操作，將提取到的SIFT特征和數(shù)據(jù)庫中已存的SIFT特征進行匹配，得到匹配的SIFT特征點，利用匹配的SIFT特征點對查詢掌紋圖像進行配準，并在配準的掌紋圖像上提取掌紋競爭碼特征，將掌紋競爭碼特征與數(shù)據(jù)庫中已存的掌紋競爭碼特征進行匹配，得到匹配度，同時由匹配的SIFT特征點得到SIFT特征的匹配度，并將兩種匹配度進行融合得到最終匹配度用于身份認證或辨識。
[0007]本發(fā)明還具有如下技術特征:
[0008]1、所述的將ROI圖像預處理采用圓形Gabor濾波器對掌紋圖像進行濾波操作處理，達到增強的目的，
[0009]圓形Gabor濾波器如下式所示:
【權利要求】
1.一種基于掌紋圖像配準的非接觸掌紋識別方法，分為注冊和識別兩個階段，其特征在于:在注冊階段，將用戶提供的掌紋原型圖像進行掌紋ROI提取，得到掌紋ROI圖像，在掌紋ROI圖像上提取掌紋競爭碼特征并存于特征數(shù)據(jù)庫，同時將掌紋ROI圖像預處理后提取SIFT特征存于特征數(shù)據(jù)庫；在識別階段，在用戶提供的掌紋查詢圖像上進行相同的掌紋ROI提取、掌紋競爭碼特征提取和SIFT特征提取操作，將提取到的SIFT特征和數(shù)據(jù)庫中已存的SIFT特征進行匹配，得到匹配的SIFT特征點，利用匹配的SIFT特征點對查詢掌紋圖像進行配準，并在配準的掌紋圖像上提取掌紋競爭碼特征，將掌紋競爭碼特征與數(shù)據(jù)庫中已存的掌紋競爭碼特征進行匹配，得到匹配度，同時由匹配的SIFT特征點得到SIFT特征的匹配度，并將兩種匹配度進行融合得到最終匹配度用于身份認證或辨識。
2.根據(jù)權利要求1所述的一種基于掌紋圖像配準的非接觸掌紋識別方法，其特征在于:所述的將ROI圖像預處理采用圓形Gabor濾波器對掌紋圖像進行濾波操作處理，達到增強的目的，圓形Gabor濾波器如下式所示:
3.根據(jù)權利要求1所述的一種基于掌紋圖像配準的非接觸掌紋識別方法，其特征在于:所述的SIFT特征提取分為四個步驟:(1)、通過使用不同尺度的高斯濾波器與掌紋圖像進行卷積運算構造Gaussian尺度空間；(2)、通過對Gaussian尺度空間中相鄰尺度的圖像進行相減運算,形成Gaussian差分DoG空間，特征點通過檢測DoG空間的局部極值點來確定；(3)、在特征點周圍選定一個圖像塊，并計算這一圖像塊的梯度方向直方圖H0G，將HOG的最大值所對應的方向作為該特征點的主方向；(4)、計算特征點的描述子，首先計算特征點周圍圖像塊的H0G，然后利用該點的主方向將HOG進行方向歸一化，就得到了改點的描述子。
4.根據(jù)權利要求1所述的一種基于掌紋圖像配準的非接觸掌紋識別方法，其特征在于:所述的將提取到的SIFT特征和數(shù)據(jù)庫中已存的SIFT特征進行匹配，兩個SIFT特征點描述子滿足如下條件，認為這兩個SIFT特征點是匹配的:
5.根據(jù)權利要求1所述的一種基于掌紋圖像配準的非接觸掌紋識別方法，其特征在于:所述的利用匹配的SIFT特征點對查詢掌紋圖像進行配準為使用匹配的SIFT特征點來計算單應，為消除誤匹配點對計算單應的影響，使用RANSAC算法排除外點后計算單應；如果兩幅掌紋圖像匹配成功的SIFT特征點對小于4，則無法計算單應，則直接認為兩幅圖像來自不同的類別。
6.根據(jù)權利要求1所述的一種基于掌紋圖像配準的非接觸掌紋識別方法，其特征在于:所述的掌紋的競爭碼特征提取，競爭碼算法首先使用一組Gabor濾波器對掌紋ROI圖像進行濾波，所使用的濾波器為:
7.根據(jù)權利要求1所述的一種基于掌紋圖像配準的非接觸掌紋識別方法，其特征在于:所述的兩種匹配度進行融合為競爭碼特征的匹配度和匹配的SIFT特征點的數(shù)量作為決策的標準，以進一步提高識別的精度，經(jīng)融合的匹配度表示為:
【文檔編號】G06K9/60GK103440480SQ201310385672
【公開日】2013年12月11日 申請日期:2013年8月22日 優(yōu)先權日:2013年6月5日
【發(fā)明者】鄔向前, 卜巍, 趙秋實 申請人:哈爾濱工業(yè)大學