基于2dpca和分區(qū)lbp的單樣本靜脈識別的方法
【專利摘要】本發(fā)明是一種基于2DPCA特征和分區(qū)LBP特征的靜脈識別方法，克服了單樣本識別性能較低的問題，僅僅利用手掌靜脈圖像樣本，避免了采集多種生物特征樣本的麻煩，實驗結(jié)果表明，本發(fā)明在很大程度上克服了手掌靜脈識別中單樣本情況的影響，提高了單樣本情況下的識別率，從而保證了單樣本手掌靜脈識別的實用性。
【專利說明】基于2DPCA和分區(qū)LBP的單樣本靜脈識別的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于手掌靜脈識別【技術(shù)領(lǐng)域】，涉及一種基于2DPCA和分區(qū)LBP的單樣本靜脈識別的方法。
【背景技術(shù)】
[0002]隨著現(xiàn)代社會的發(fā)展與進步，人們對社會信息化和網(wǎng)絡(luò)化安全性的要求越來越高。靜脈身份識別作為當(dāng)前最新的一種生物特征識別技術(shù)，也相應(yīng)地受到國內(nèi)外研究機構(gòu)和公司越來越多的重視。所謂的靜脈識別，是指將皮膚下的靜脈血管作為身份特征進行身份識別的技術(shù)。靜脈作為血管的一種，它比動脈靠近皮膚，更易于通過近紅外線檢測獲取。靜脈圖案的曲線和分支相當(dāng)?shù)膹?fù)雜，每個人的差別十分清楚，據(jù)統(tǒng)計，手掌靜脈分布的相似率只有不到0.00008%，相比于指紋、虹膜等的識別，它具有更高的精確度。靜脈血管位于體表內(nèi)部，隨年齡增長其組織結(jié)構(gòu)變化不大，而且很難偽造或是手術(shù)改變，可以避免一旦皮表受損害而無法進行指紋、掌紋識別的缺陷；相比DNA、虹膜識別，它的采集過程十分友好。一個典型的靜脈識別系統(tǒng)主要分為兩個部分:一是注冊部分，包括圖像預(yù)處理、特征提取及特征數(shù)據(jù)庫的生成；二是驗證部分，包括圖像預(yù)處理、特征提取及與特征數(shù)據(jù)庫中的特征進行匹配判斷。
[0003]不過，在當(dāng)前的靜脈識別研究中，大部分的是基于多樣本的算法研究，算法的識別率會隨著訓(xùn)練樣本個數(shù)的增加而提高，但是當(dāng)只有單個樣本時，識別性能則會顯著下降。為了解決單樣本識別性能缺陷，目前的研究主要關(guān)注的是多模態(tài)生物特征融合方法。但是，在實際應(yīng)用中，經(jīng)常會遇到缺乏多種生物特征樣本的情況。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的為了避免采集多種生物特征樣本的麻煩，提供了一種基于2DPCA和分區(qū)LBP的單樣本手掌靜脈識別方法，有效地提高單樣本手掌靜脈識別率。
[0005]本發(fā)明一種基于2DPCA和分區(qū)LBP的單樣本手掌靜脈識別方法，包括如下步驟:
[0006]步驟1、生成2DPCA特征庫:
[0007]步驟11、對訓(xùn)練圖像庫中的每張原始單樣本手掌靜脈圖像通過圖像重采樣方法采樣4次生成4張?zhí)摂M子圖像，然后再利用奇異值擾動的虛擬圖像生成算法，對該原始單樣本手掌靜脈圖像的奇異值進行擾動4次生成另外4張?zhí)摂M子圖像；
[0008]步驟12、利用2DPCA算法從生成的8張?zhí)摂M子圖像上提取靜脈特征，得到原始單樣本手掌靜脈圖像的投影特征圖像形成2DPCA特征庫；
[0009]步驟2、生成分區(qū)LBP特征庫:
[0010]步驟21、將訓(xùn)練圖像庫中的每張原始單樣本手掌靜脈圖像的ROI區(qū)域按行2等分和列2等分的模式，劃分為4個大小相等的子圖像；
[0011]步驟22、對每個子圖像利用圓形LBP算子提取紋理特征，其步驟為:對子圖像中的每個像素點，在半徑為8的圓形LBP算子的窗口中，以窗口中心點的灰度值為閾值對窗口內(nèi)16個采樣點像素作二值化處理，得到16位二進制數(shù)，計算公式為:
[0012]
【權(quán)利要求】
1.一種基于2DPCA和分區(qū)LBP的單樣本手掌靜脈識別方法，其特征在于包括如下步驟: 步驟1、生成2DPCA特征庫: 步驟11、對訓(xùn)練圖像庫中的每張原始單樣本手掌靜脈圖像通過圖像重采樣方法采樣4次生成4張?zhí)摂M子圖像，然后再利用奇異值擾動的虛擬圖像生成算法，對該原始單樣本手掌靜脈圖像的奇異值進行擾動4次生成另外4張?zhí)摂M子圖像； 步驟12、利用2DPCA算法從生成的8張?zhí)摂M子圖像上提取靜脈特征，得到原始單樣本手掌靜脈圖像的投影特征圖像形成2DPCA特征庫； 步驟2、生成分區(qū)LBP特征庫: 步驟21、將訓(xùn)練圖像庫中的每張原始單樣本手掌靜脈圖像的ROI區(qū)域按行2等分和列2等分的模式，劃分為4個大小相等的子圖像； 步驟22、對每個子圖像利用圓形LBP算子提取紋理特征，其步驟為:對子圖像中的每個像素點，在半徑為8的圓形LBP算子的窗口中，以窗口中心點的灰度值為閾值對窗口內(nèi)16個采樣點像素作二值化處理，得到16位二進制數(shù)，計算公式為:
2.根據(jù)權(quán)利要求1所述的一種基于2DPCA和分區(qū)LBP的單樣本手掌靜脈識別方法，其特征在于:所述的圖像重采樣方法是通過對原始單樣本手掌靜脈圖像進行采樣來獲取新的虛擬子圖像，具體過程是將訓(xùn)練圖像庫中的每張原始單樣本手掌靜脈圖像劃分成PXQ大小的子塊，然后從每個PXQ大小的子塊中采樣一個像素點構(gòu)成原始單樣本手掌靜脈圖像的一張?zhí)摂M子圖像，所述的P和Q分別是采樣間距的長和寬，令P=Q=2，設(shè)原始單樣本手掌靜脈圖像的大小是MXN，M、N分別是圖像的長和寬，則經(jīng)過圖像重采樣生成的一張?zhí)摂M子圖像 Iij(m, η)為:Iij(m, n)=I ((m-1) XP+i, (n_l) XQ+j) (I) 式(I)中，I≤m≤M/P，l≤η≤N/Q，I≤i≤P，I≤j≤Q。
3.根據(jù)權(quán)利要求1所述的一種基于2DPCA和分區(qū)LBP的單樣本手掌靜脈識別方法，其特征在于:所述的基于奇異值擾動的虛擬圖像生成方法是通過對原始單樣本手掌靜脈圖像的奇異值進行擾動來生成新的虛擬子圖像，假設(shè)I (x，y)表示一張MXN的靜脈圖像的灰度值分布，其中xe [l，M]，ye [1，N]，通過式(2)得到一張新的虛擬子圖像P: P=UXnV1 (2) 式(2)中，η表不擾動系數(shù)，U、V分別表不為一個正交矩陣,T表不矩陣的轉(zhuǎn)置，Σ表不一個對角矩陣，它對角線上的值為圖像矩陣I (x，y)的奇異值，U，Σ，V由圖像矩陣I(x，y)的奇異值分解公式(3)決定:Ι=υΣντ (3)。
4.根據(jù)權(quán)利要求1所述的一種基于2DPCA和分區(qū)LBP的單樣本手掌靜脈識別方法，其特征在于:所述的2DPCA算法是直接利用虛擬子圖像得到協(xié)方差矩陣，求得協(xié)方差矩陣的前d個較大的特征值所對應(yīng)的特征向量組成投影矩陣，然后把上述8張?zhí)摂M子圖像都投影到上述特征向量上，得到原始單樣本手掌靜脈圖像的投影特征圖像。
【文檔編號】G06K9/62GK103839051SQ201410077823
【公開日】2014年6月4日 申請日期:2014年3月5日 優(yōu)先權(quán)日:2014年3月5日
【發(fā)明者】馮桂, 林建民 申請人:華僑大學(xué)