本發(fā)明屬于具有光照變化的掌紋識別領(lǐng)域，具體涉及基于投影算子與小波變換的掌紋識別系統(tǒng)。

背景技術(shù)：

目前，人們的工作和生活越來越離不開身份識別與身份驗(yàn)證，掌紋識別技術(shù)作為一種新的身份鑒別技術(shù)受到了越來越多的關(guān)注。如何表征掌紋是掌紋識別問題中的難點(diǎn)也是熱點(diǎn)。有效的表征掌紋是提高掌紋識別技術(shù)性能的關(guān)鍵，而基于子空間的特征抽取方法是表征掌紋的有效方法之一，它有著統(tǒng)計理論作為支撐，取得了很好的效果。但是，在基于子空間的特征提取法中，特征的維數(shù)一般需要人為設(shè)定，影響了該方法的實(shí)用性。

技術(shù)實(shí)現(xiàn)要素：

(一)要解決的技術(shù)問題

本發(fā)明要解決的技術(shù)問題是：為了克服基于子空間的特征提取方法中特征維數(shù)設(shè)定的問題，如何提出了一種特征維數(shù)無須人為設(shè)定的特征提取方案，比如基于子空間特征提取的掌紋識別方案。

(二)技術(shù)方案

為解決上述技術(shù)問題，本發(fā)明提供基于投影算子與小波變換的掌紋識別系統(tǒng)，其包括：掌紋數(shù)據(jù)庫構(gòu)造模塊、小波變換模塊、零空間構(gòu)造模塊、鑒別投影構(gòu)造模塊、掌紋數(shù)據(jù)庫降維模塊、判別模塊；其中，

所述掌紋數(shù)據(jù)庫構(gòu)造模塊用于構(gòu)造掌紋數(shù)據(jù)庫；

所述小波變換模塊用于對掌紋數(shù)據(jù)庫中的圖像的進(jìn)行小波變換；

所述零空間構(gòu)造模塊用于對小波變換后的掌紋數(shù)據(jù)構(gòu)造投影算子的零空間；

所述鑒別投影構(gòu)造模塊用于使用奇異值分解的方法求得該空間的鑒別投影；

所述掌紋數(shù)據(jù)庫降維模塊用于利用鑒別投影對掌紋數(shù)據(jù)進(jìn)行特征提取，得到降維后的掌紋數(shù)據(jù)庫；

所述判別模塊用于在待測掌紋圖像經(jīng)小波變換后，利用鑒別投影對其進(jìn)行降維，然后利用降維后的掌紋數(shù)據(jù)庫，使用最近鄰分類器對降維后的待測樣本進(jìn)行分類。

其中，所述掌紋數(shù)據(jù)庫構(gòu)造模塊構(gòu)造掌紋數(shù)據(jù)庫的過程中：

采集掌紋圖像數(shù)據(jù)，構(gòu)造掌紋庫；掌紋圖像是從不同角度，不同光照條件下拍攝的，每個人的掌紋圖像包括：正面光照射圖，左側(cè)光照射圖、右側(cè)光照射圖，其中每幅圖像大小為80×100；每個人共采集11幅圖像；假設(shè)共采集了c個人，用x_i1,x_i2…x_i11,i＝1,2…,c表示掌紋圖像，其中i表示類別，即圖像所屬的不同的人。

其中，所述小波變換模塊對掌紋數(shù)據(jù)庫中的圖像的進(jìn)行小波變換的過程中：

對掌紋庫中的掌紋圖像進(jìn)行小波變換，使用的小波正交基為“db2”小波正交基；小波變換后的掌紋圖像記為：

y_i1,y_i2…y_i11,i＝1,2,…,c。

其中，所述零空間構(gòu)造模塊對小波變換后的掌紋數(shù)據(jù)構(gòu)造投影算子的零空間的過程中：

計算投影算子的零空間；對屬于第i類的掌紋圖像樣本x_i1,x_i2…x_i11,進(jìn)行小波變換得到小波表示系數(shù)y_i1,y_i2…y_i11,i＝1,2,…,c；

計算每個類別的中心；

然后計算圖像偏移值j＝1,2,…,11；

然后根據(jù)圖像偏移值z_ij構(gòu)造投影算子零空間的元素；

若z_ij∈Rⁿ，Rⁿ＝80×100，構(gòu)造它們分別保持z_ij中尺度d下的尺度系數(shù)，水平方向、垂直方向、對角線方向的小波系數(shù)不變，而其余元素為零。

其中，所述鑒別投影構(gòu)造模塊使用奇異值分解的方法求得該空間的鑒別投影的過程中：

使用奇異值分解法計算零空間的一組標(biāo)準(zhǔn)正交基按列構(gòu)成鑒別投影矩陣奇異值分解法的說明如下：

設(shè)矩陣B∈R^m×n是零空間元素按列構(gòu)成的矩陣，n為元素個數(shù)，rank(B)＝r，矩陣B的奇異值分解為B＝UΣV^T；

其中，則U_r＝[u₁,u₂,…,u_r]為B的列向量組成空間的一組標(biāo)準(zhǔn)正交基，即

其中，所述掌紋數(shù)據(jù)庫降維模塊利用鑒別投影對掌紋數(shù)據(jù)進(jìn)行特征提取，得到降維后的掌紋數(shù)據(jù)庫的過程中：

將鑒別投影矩陣作用于小波變換后的掌紋圖像數(shù)據(jù)，構(gòu)造出特征提取后的掌紋圖像數(shù)據(jù)，即得到降維后的掌紋圖像數(shù)據(jù)庫P。

其中，所述判別模塊在待測掌紋圖像經(jīng)小波變換后，利用鑒別投影對其進(jìn)行降維，然后利用降維后的掌紋數(shù)據(jù)庫，使用最近鄰分類器對降維后的待測樣本進(jìn)行分類的過程中：

對于待測掌紋圖像樣本，首先進(jìn)行小波變換，選取尺度d下的小波表示系數(shù)作為新的掌紋數(shù)據(jù)，然后使用鑒別投影矩陣進(jìn)行特征提取，最后利用掌紋圖像數(shù)據(jù)庫P，使用最近鄰分類器進(jìn)行分類，判別待測人物屬于數(shù)據(jù)庫中的哪一個人，或者是不屬于此數(shù)據(jù)庫中的人。

(三)有益效果

與現(xiàn)有技術(shù)相比較，本發(fā)明具備如下有益效果：

(1)本發(fā)明具有一定的魯棒性，對對掌紋圖像光照的變化不敏感。

(2)本發(fā)明利用了投影算子具有空間分解的性質(zhì)，分解的子空間維數(shù)是一定的，避免了其他方法人為選取特征維數(shù)。

(3)與其他方案中使用最近鄰分類器比起來，本發(fā)明中使用最近鄰分類器是有理論依據(jù)的。根據(jù)投影算子的相關(guān)知識，原始空間的元素x在子空間的投影x_i對x有最佳逼近性，而本發(fā)明中得到降維后的掌紋數(shù)據(jù)可以看作是原掌紋圖像數(shù)據(jù)在投影算子零空間的投影，根據(jù)投影的最佳逼近性，可以認(rèn)為同類數(shù)據(jù)投影后“距離”可能會更近，故選用最近鄰分類效果會較好。

具體實(shí)施方式

為使本發(fā)明的目的、內(nèi)容、和優(yōu)點(diǎn)更加清楚，下面結(jié)合實(shí)施例，對本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)描述。

為解決現(xiàn)有技術(shù)的問題，本發(fā)明提供一種基于投影算子與小波變換的掌紋識別系統(tǒng)，其包括：掌紋數(shù)據(jù)庫構(gòu)造模塊、小波變換模塊、零空間構(gòu)造模塊、鑒別投影構(gòu)造模塊、掌紋數(shù)據(jù)庫降維模塊、判別模塊；其中，

所述掌紋數(shù)據(jù)庫構(gòu)造模塊用于構(gòu)造掌紋數(shù)據(jù)庫；

所述小波變換模塊用于對掌紋數(shù)據(jù)庫中的圖像的進(jìn)行小波變換；

所述零空間構(gòu)造模塊用于對小波變換后的掌紋數(shù)據(jù)構(gòu)造投影算子的零空間；

所述鑒別投影構(gòu)造模塊用于使用奇異值分解的方法求得該空間的鑒別投影；

所述掌紋數(shù)據(jù)庫降維模塊用于利用鑒別投影對掌紋數(shù)據(jù)進(jìn)行特征提取，得到降維后的掌紋數(shù)據(jù)庫；

所述判別模塊用于在待測掌紋圖像經(jīng)小波變換后，利用鑒別投影對其進(jìn)行降維，然后利用降維后的掌紋數(shù)據(jù)庫，使用最近鄰分類器對降維后的待測樣本進(jìn)行分類。

其中，所述掌紋數(shù)據(jù)庫構(gòu)造模塊構(gòu)造掌紋數(shù)據(jù)庫的過程中：

采集掌紋圖像數(shù)據(jù)，構(gòu)造掌紋庫；掌紋圖像是從不同角度，不同光照條件下拍攝的，每個人的掌紋圖像包括：正面光照射圖，左側(cè)光照射圖、右側(cè)光照射圖，其中每幅圖像大小為80×100；每個人共采集11幅圖像；假設(shè)共采集了c個人，用x_i1,x_i2…x_i11,i＝1,2…,c表示掌紋圖像，其中i表示類別，即圖像所屬的不同的人。

其中，所述小波變換模塊對掌紋數(shù)據(jù)庫中的圖像的進(jìn)行小波變換的過程中：

對掌紋庫中的掌紋圖像進(jìn)行小波變換，使用的小波正交基為“db2”小波正交基；小波變換后的掌紋圖像記為：

y_i1,y_i2…y_i11,i＝1,2,…,c。

其中，所述零空間構(gòu)造模塊對小波變換后的掌紋數(shù)據(jù)構(gòu)造投影算子的零空間的過程中：

計算投影算子的零空間；對屬于第i類的掌紋圖像樣本x_i1,x_i2…x_i11,進(jìn)行小波變換得到小波表示系數(shù)y_i1,y_i2…y_i11,i＝1,2,…,c；

計算每個類別的中心；

然后計算圖像偏移值j＝1,2,…,11；

然后根據(jù)圖像偏移值z_ij構(gòu)造投影算子零空間的元素；

若z_ij∈Rⁿ，Rⁿ＝80×100，構(gòu)造它們分別保持z_ij中尺度d下的尺度系數(shù)，水平方向、垂直方向、對角線方向的小波系數(shù)不變，而其余元素為零。

其中，所述鑒別投影構(gòu)造模塊使用奇異值分解的方法求得該空間的鑒別投影的過程中：

使用奇異值分解法計算零空間的一組標(biāo)準(zhǔn)正交基按列構(gòu)成鑒別投影矩陣奇異值分解法的說明如下：

設(shè)矩陣B∈R^m×n是零空間元素按列構(gòu)成的矩陣，n為元素個數(shù)，rank(B)＝r，矩陣B的奇異值分解為B＝UΣV^T；

其中，則U_r＝[u₁,u₂,…,u_r]為B的列向量組成空間的一組標(biāo)準(zhǔn)正交基，即

其中，所述掌紋數(shù)據(jù)庫降維模塊利用鑒別投影對掌紋數(shù)據(jù)進(jìn)行特征提取，得到降維后的掌紋數(shù)據(jù)庫的過程中：

將鑒別投影矩陣作用于小波變換后的掌紋圖像數(shù)據(jù)，構(gòu)造出特征提取后的掌紋圖像數(shù)據(jù)，即得到降維后的掌紋圖像數(shù)據(jù)庫P。

其中，所述判別模塊在待測掌紋圖像經(jīng)小波變換后，利用鑒別投影對其進(jìn)行降維，然后利用降維后的掌紋數(shù)據(jù)庫，使用最近鄰分類器對降維后的待測樣本進(jìn)行分類的過程中：

對于待測掌紋圖像樣本，首先進(jìn)行小波變換，選取尺度d下的小波表示系數(shù)作為新的掌紋數(shù)據(jù)，然后使用鑒別投影矩陣進(jìn)行特征提取，最后利用掌紋圖像數(shù)據(jù)庫P，使用最近鄰分類器進(jìn)行分類，判別待測人物屬于數(shù)據(jù)庫中的哪一個人，或者是不屬于此數(shù)據(jù)庫中的人。

此外，本發(fā)明還提供一種基于投影算子與小波變換的掌紋識別方法，其包括如下步驟：

步驟S1：構(gòu)造掌紋數(shù)據(jù)庫；

步驟S2：對掌紋數(shù)據(jù)庫中的圖像的進(jìn)行小波變換；

步驟S3：用小波變換后的掌紋數(shù)據(jù)構(gòu)造投影算子的零空間；

步驟S4：使用奇異值分解的方法求得該空間的鑒別投影；

步驟S5：利用鑒別投影對掌紋數(shù)據(jù)進(jìn)行特征提取，得到降維后的掌紋數(shù)據(jù)庫；

步驟S6：待測掌紋圖像經(jīng)小波變換后，利用鑒別投影對其進(jìn)行降維，然后利用降維后的掌紋數(shù)據(jù)庫，使用最近鄰分類器對降維后的待測樣本進(jìn)行分類。

其中，所述步驟S1中：采集掌紋圖像數(shù)據(jù)，構(gòu)造掌紋庫；掌紋圖像是從不同角度，不同光照條件下拍攝的，每個人的掌紋圖像包括：正面光照射圖，左側(cè)光照射圖、右側(cè)光照射圖，其中每幅圖像大小為80×100；每個人共采集11幅圖像；假設(shè)共采集了c個人，用x_i1,x_i2…x_i11,i＝1,2…,c表示掌紋圖像，其中i表示類別，即圖像所屬的不同的人。

其中，所述步驟S2中：對掌紋庫中的掌紋圖像進(jìn)行小波變換，使用的小波正交基為“db2”小波正交基；小波變換后的掌紋圖像記為：

y_i1,y_i2…y_i11,i＝1,2,…,c。

其中，所述步驟S3中：計算投影算子的零空間；對屬于第i類的掌紋圖像樣本x_i1,x_i2…x_i11,進(jìn)行小波變換得到小波表示系數(shù)y_i1,y_i2…y_i11,i＝1,2,…,c；

計算每個類別的中心；

然后計算圖像偏移值j＝1,2,…,11；

然后根據(jù)圖像偏移值z_ij構(gòu)造投影算子零空間的元素；

若z_ij∈Rⁿ，Rⁿ＝80×100，構(gòu)造它們分別保持z_ij中尺度d下的尺度系數(shù)，水平方向、垂直方向、對角線方向的小波系數(shù)不變，而其余元素為零。

其中，所述步驟S4中：使用奇異值分解法計算零空間的一組標(biāo)準(zhǔn)正交基按列構(gòu)成鑒別投影矩陣奇異值分解法的說明如下：

設(shè)矩陣B∈R_m×n是零空間元素按列構(gòu)成的矩陣，n為元素個數(shù)，rank(B)＝r，矩陣B的奇異值分解為B＝UΣV^T；

其中，則U_r＝[u₁,u₂,…,u_r]為B的列向量組成空間的一組標(biāo)準(zhǔn)正交基，即

其中，所述步驟S5中：將鑒別投影矩陣作用于小波變換后的掌紋圖像數(shù)據(jù)(注意此數(shù)據(jù)只包含尺度d下的數(shù)據(jù))，構(gòu)造出特征提取后的掌紋圖像數(shù)據(jù)，即得到降維后的掌紋圖像數(shù)據(jù)庫P。

其中，所述步驟S6中：對于待測掌紋圖像樣本，首先進(jìn)行小波變換，選取尺度d下的小波表示系數(shù)作為新的掌紋數(shù)據(jù)，然后使用鑒別投影矩陣進(jìn)行特征提取，最后利用掌紋圖像數(shù)據(jù)庫P，使用最近鄰分類器進(jìn)行分類，判別待測人物屬于數(shù)據(jù)庫中的哪一個人，或者是不屬于此數(shù)據(jù)庫中的人。

綜上，本發(fā)明屬于具有光照變化的掌紋識別領(lǐng)域，具體涉及基于投影算子與小波變換的掌紋識別系統(tǒng)。該系統(tǒng)是一種基于子空間特征提取的方案，對高維掌紋數(shù)據(jù)進(jìn)行降維，降低了計算量的同時也減少了數(shù)據(jù)的存儲空間?？紤]到投影算子和小波變換的內(nèi)在聯(lián)系，本發(fā)明巧妙的將二者結(jié)合使用，同時利用了投影算子具有子空間分解的性質(zhì)，避免了特征維數(shù)的人為設(shè)定，以及根據(jù)子空間投影最佳逼近的性質(zhì)，選用最近鄰分類器。本發(fā)明具有一定的魯棒性，對掌紋圖像光照的變化不敏感，取得了有較高的識別率。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進(jìn)和變形，這些改進(jìn)和變形也應(yīng)視為本發(fā)明的保護(hù)范圍。