一種3d掌紋認(rèn)證方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及掌紋識(shí)別技術(shù)，具體的說(shuō)是一種3D掌紋認(rèn)證方法。
【背景技術(shù)】
[0002] 掌紋識(shí)別是一種重要的生物特征識(shí)別技術(shù)，掌紋圖像中包含豐富的線(xiàn)特征和紋理 特征，使其在身份認(rèn)證中具有極高的應(yīng)用價(jià)值。但是傳統(tǒng)的2D掌紋識(shí)別技術(shù)存在一些難以 妥善解決的問(wèn)題：（1)2D掌紋容易受到光照變化、皮膚表面涂抹物等因素的干擾。（2)手指姿 態(tài)變化引起的圖像特征的變化。（3)現(xiàn)有的特征提取方法難以充分利用圖像中的有用信息。 最近，香港理工大學(xué)的張大鵬等提出三維掌紋識(shí)別技術(shù)，能夠有效克服光照變化的干擾，但 是其他兩個(gè)問(wèn)題仍然存在。3D掌紋在識(shí)別過(guò)程中仍然需要對(duì)圖像進(jìn)行配準(zhǔn)，然后提取特征 并計(jì)算被識(shí)別樣本與數(shù)據(jù)庫(kù)中模板的匹配分?jǐn)?shù)。配準(zhǔn)算法存在一定的誤差，而其后的特征 提取和識(shí)別過(guò)程可能因?yàn)榕錅?zhǔn)誤差而失敗。圖像配準(zhǔn)是圖像處理研究領(lǐng)域中的一個(gè)典型問(wèn) 題和技術(shù)難點(diǎn)，對(duì)于兩幅圖像，通過(guò)尋找一種空間變換把一幅圖像映射到另一幅圖像，使兩 圖中對(duì)應(yīng)于空間同一位置的點(diǎn)一一對(duì)應(yīng)起來(lái)。因此，圖像配準(zhǔn)計(jì)算復(fù)雜，實(shí)現(xiàn)難度大?，F(xiàn)有 的三維掌紋識(shí)別方法主要包括線(xiàn)特征提取方法和紋理特征提取方法。這些方法在采用 Gabor變換等方法增強(qiáng)掌紋的線(xiàn)特征或紋理特征后，將掌紋圖像轉(zhuǎn)化為特征圖像。由于掌紋 圖像中一部分線(xiàn)特征和紋理特征是穩(wěn)定的，可用來(lái)進(jìn)行身份識(shí)別。而另一部分線(xiàn)特征和紋 理特征是不穩(wěn)定的，對(duì)識(shí)別構(gòu)成干擾，而傳統(tǒng)的掌紋識(shí)別技術(shù)難以區(qū)分這兩類(lèi)特征。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的是提供一種新的3D掌紋的認(rèn)證方法，以解決目前已有方法難以充分 利用掌紋圖像中的有用信息進(jìn)行掌紋認(rèn)證識(shí)別的問(wèn)題。
[0004] 本發(fā)明的目的是這樣實(shí)現(xiàn)的：
[0005] -種3D掌紋的認(rèn)證方法，其包括以下步驟：
[0006] 1)、計(jì)算樣本庫(kù)中的每一張3D掌紋圖像的均值曲率，獲得均值曲率圖像，然后對(duì)所 獲得的均值曲率圖像進(jìn)行歸一化處理，再進(jìn)行灰度化，得到灰度圖像；
[0007] 所述樣本庫(kù)采集自300~500個(gè)不同的手掌，每個(gè)手掌采集圖像數(shù)為10~20;
[0008] 另外，以每個(gè)手掌為一個(gè)用戶(hù)，對(duì)樣本庫(kù)中的每一個(gè)用戶(hù)的任意一張 3D掌紋圖像 另外進(jìn)行預(yù)存；
[0009] 2)、從所得灰度圖像中抽取類(lèi)內(nèi)圖像對(duì)和類(lèi)間圖像對(duì)，然后將抽取的類(lèi)內(nèi)圖像對(duì) 和類(lèi)間圖像對(duì)的所有灰度圖像先進(jìn)行一維變化，再采用幅值平方相干函數(shù)計(jì)算每個(gè)圖像對(duì) 的兩個(gè)圖像信號(hào)之間的相干系數(shù)并設(shè)置類(lèi)標(biāo)簽，以所得帶有標(biāo)簽的相干系數(shù)作為新樣本；
[0010] 其中，類(lèi)內(nèi)圖像對(duì)的兩個(gè)圖像信號(hào)的相干系數(shù)的類(lèi)標(biāo)簽設(shè)置為類(lèi)內(nèi)，類(lèi)間圖像對(duì) 的兩個(gè)圖像信號(hào)的相干系數(shù)的類(lèi)標(biāo)簽設(shè)置為類(lèi)間；類(lèi)內(nèi)圖像對(duì)即來(lái)自同一手掌的兩個(gè)圖像 信號(hào)，類(lèi)間圖像對(duì)即來(lái)自不同手掌的兩個(gè)圖像信號(hào)；
[0011] 3)、使用新樣本對(duì)堆棧式降噪自動(dòng)編碼機(jī)進(jìn)行訓(xùn)練，提取到新樣本特征，形成新的 樣本集，并得到訓(xùn)練好的降噪自動(dòng)編碼機(jī)；
[0012] 4)、基于real adaboost算法和步驟3)提取到的新樣本特征所形成的新的樣本集 訓(xùn)練若干弱分類(lèi)器，這些弱分類(lèi)器的組合構(gòu)成強(qiáng)分類(lèi)器；
[0013] 5)、認(rèn)證：用戶(hù)輸入一幅新的3D掌紋圖像，與預(yù)存的該用戶(hù)的3D掌紋圖像進(jìn)行比 對(duì)，判斷它們屬于同類(lèi)還是異類(lèi)，具體為：
[0014] 首先分別計(jì)算這兩幅3D掌紋圖像的均值曲率，獲得均值曲率圖像，然后進(jìn)行歸一 化處理，再進(jìn)行灰度化，得到兩幅灰度圖像;然后將所得灰度圖像進(jìn)行一維變化;采用幅值 平方相干函數(shù)計(jì)算進(jìn)行一維變化后的兩幅灰度圖像的圖像信號(hào)的相干系數(shù)，然后以該相干 系數(shù)作為輸入，采用步驟3)所得訓(xùn)練好的降噪自動(dòng)編碼機(jī)提取特征，然后利用步驟4)訓(xùn)練 好的強(qiáng)分類(lèi)器對(duì)提取到的特征進(jìn)行分類(lèi)，完成對(duì)該用戶(hù)輸入的新的3D掌紋圖像的認(rèn)證。
[0015] 本發(fā)明的技術(shù)思路是：身份認(rèn)證只需要判斷兩幅圖像是否為同一用戶(hù)的數(shù)據(jù)，為 二分類(lèi)問(wèn)題，為此，僅需計(jì)算兩幅圖像的一致性，并在此基礎(chǔ)上設(shè)計(jì)分類(lèi)器。本發(fā)明采用相 干算法估計(jì)兩幅掌紋圖像的一致性，然后采用降噪自動(dòng)編碼機(jī)提取數(shù)據(jù)的更深層特征，最 后應(yīng)用real adaboost分類(lèi)器確定測(cè)試的兩幅圖像是屬于同類(lèi)還是異類(lèi)。
[0016] 本發(fā)明方法實(shí)現(xiàn)簡(jiǎn)單、快速，沒(méi)有采用常規(guī)的掌紋紋理特征匹配算法，而是采用相 干算法來(lái)計(jì)算圖像間的一致性，并在此基礎(chǔ)上判別他們是否為同一用戶(hù)的數(shù)據(jù)樣本，解決 了掌紋圖像較小的平移問(wèn)題及配準(zhǔn)算法需要尋找定位信息的難題，具有較好的魯棒性。應(yīng) 用深度學(xué)習(xí)的降噪自動(dòng)編碼機(jī)提取特征和降維，使模型具有處理噪聲的能力，進(jìn)而得到更 高的準(zhǔn)確率。
【附圖說(shuō)明】
[0017] 圖1是本發(fā)明實(shí)現(xiàn)流程圖。
[0018] 圖2是第100類(lèi)掌紋-I、100類(lèi)掌紋-Π和101類(lèi)掌紋-I的3D掌紋圖像。
[0019] 圖3是第100類(lèi)掌紋_1、100類(lèi)掌紋-Π和101類(lèi)掌紋-I的3D掌紋圖像的灰度圖像。
[0020] 圖4是第100類(lèi)掌紋-I和100類(lèi)掌紋-Π的相干運(yùn)算結(jié)果。
[0021 ]圖5是第100類(lèi)掌紋-I和101類(lèi)掌紋-I的相干運(yùn)算結(jié)果。
[0022] 圖6是第100類(lèi)掌紋-I和100類(lèi)掌紋-Π、第100類(lèi)掌紋-I和101類(lèi)掌紋-I的部分相干 系數(shù)實(shí)例。
[0023] 圖7是第100類(lèi)掌紋-I和第100類(lèi)掌紋-Π的相干系數(shù)經(jīng)降噪自動(dòng)編碼機(jī)提取到的 特征。
[0024] 圖8是第100類(lèi)掌紋-I和第101類(lèi)掌紋-I的相干系數(shù)經(jīng)降噪自動(dòng)編碼機(jī)提取到的特 征。
[0025] 圖9是Real adaboost分類(lèi)器的R0C曲線(xiàn)。
【具體實(shí)施方式】
[0026]下面按照?qǐng)D1所示的流程對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。
[0027] 1)、數(shù)據(jù)預(yù)處理
[0028]本實(shí)施例所采用的樣本庫(kù)來(lái)自于采用香港理工大學(xué)，樣本庫(kù)中的樣本為4000張3D 掌紋圖像(200人X2只手/人X 10張3D掌紋/只手），以每只手（即一個(gè)用戶(hù)）的3D掌紋圖像為 1類(lèi)，則該樣本庫(kù)包含400類(lèi)共400個(gè)用戶(hù)的3D掌紋圖像，如下：
[0029]
[0030]其中，X表示一個(gè)3D掌紋圖像，其下標(biāo)表示在同類(lèi)樣本中的排序，其上標(biāo)表示樣本 的類(lèi)別排序。
[0031] 另外，從上述每一個(gè)用戶(hù)的10張3D掌紋圖像中任選一幅，另外進(jìn)行預(yù)存。
[0032] 1.1)、通過(guò)計(jì)算曲率特征來(lái)實(shí)現(xiàn)3D圖像平面化：
[0033] 根據(jù)微分幾何知識(shí)，設(shè)曲面S(即3D掌紋圖像，如圖2)的方程式表達(dá)式為X(u，v) = (U，v，f(U，v))。這里u為三維圖像中連續(xù)橫坐標(biāo)，v為三維圖像中連續(xù)縱坐標(biāo)，f表示深度。 [0034]則該3D掌紋圖像的均值曲率為：
[0036]式中，Η表示連續(xù)的3D掌紋圖像的均值曲率，f u，f v是f (u，v)的一階偏導(dǎo)，f uv，f uu，fvv 是f(u，v)的二階偏導(dǎo)。實(shí)際運(yùn)算中將H離散化，得到一副離散的均值曲率圖像C(i，j)，i，j* 別為離散圖像中橫坐標(biāo)和縱坐標(biāo)。
[0037] 本步驟詳細(xì)計(jì)算過(guò)程按照現(xiàn)有常規(guī)方法進(jìn)行計(jì)算即可，也可參照文獻(xiàn)Zhang D，Lu G, Li ff,et al.Palmprint Recognition Using 3-D Information.[J]. IEEE Transactions on Systems Man&Cybernetics Part C,2009,39(5):505-519.〇
[0038] 1.2)、對(duì)均值曲率圖像C(i，j)進(jìn)行歸一化處理，得到歸一化處理后的圖像/):

[0040]
是均值曲率圖像C(i，j)的均值， 均值曲率圖像C(i，j)的標(biāo)準(zhǔn)差，m，n分別為圖像橫坐標(biāo)和縱坐標(biāo)的最大值。
[0041 ] 1.3)、然后將歸一化處理后的圖像Gaj)變換為灰度圖像G(i，j)(如圖3):
[0043] 所得灰度圖像G(i，j)的大小為[128,128]。
[0044] 2 )、抽取類(lèi)內(nèi)圖像對(duì)和類(lèi)間圖像對(duì)，進(jìn)行相干運(yùn)算，生成新樣本
[0045] 2.1)、按如下規(guī)則抽取圖像對(duì)：
[0046] 類(lèi)內(nèi)圖像對(duì)(即來(lái)自于同一手掌的兩幅圖像)抽取規(guī)則為：
[0047]
[0048] 其中，1表示樣本類(lèi)別，1取值為1~400之間的整數(shù)；
[0049] 類(lèi)間圖像對(duì)(即來(lái)自于不同手掌的兩幅圖像)抽取規(guī)則為：
[0050]
[0051 ] 其中，1和k表示樣本類(lèi)別，1和k取值為1~400間的整數(shù)，且1矣k;
[0052] 按以上規(guī)則，可得4000個(gè)類(lèi)內(nèi)圖像對(duì)以及1596000個(gè)類(lèi)間圖像對(duì)，對(duì)于所得 1596000個(gè)類(lèi)間圖相對(duì)，隨機(jī)選取其中4000個(gè)圖像對(duì)進(jìn)行下一步運(yùn)算。
[0053] 2.2)、將步驟2.1)所選取的所有灰度圖像通過(guò)一維變化為1*16384大小，然后計(jì)算 每個(gè)圖像對(duì)內(nèi)的兩幅圖像信號(hào)的相干系數(shù)并設(shè)置標(biāo)簽，將這個(gè)帶有標(biāo)簽的相干系數(shù)當(dāng)作新 樣本，具體為：
[0054] 本發(fā)明中，計(jì)算幅值平方相干函數(shù)采用韋爾奇方法，并采取50%的重疊和長(zhǎng)度為 3640的漢明窗，做FFT點(diǎn)數(shù)為3640，具體的：
[0055] 采用幅值平方相干函數(shù)(MSCF)
計(jì)算由步驟2.1)得到的圖像對(duì) 中兩幅圖像信號(hào)間的相干系數(shù)。這里x(t)與y(t)分別表示圖像對(duì)中的兩幅圖像一維化后得 到的信號(hào)，l〈t〈16384為一維離散坐標(biāo)，Gxy(f)為信號(hào)x(t)和y(t)間的互功率譜密度;Gxx(f) 和G yy(f)分別為信號(hào)x(t)和y(t)的自功率譜密度。
[0056] 將類(lèi)內(nèi)圖像對(duì)中兩個(gè)圖像信號(hào)進(jìn)行相干運(yùn)算所得相干系數(shù)設(shè)置類(lèi)標(biāo)簽為類(lèi)內(nèi)，將 類(lèi)間圖像對(duì)中的兩個(gè)圖像信號(hào)進(jìn)行相干運(yùn)算所得相干系數(shù)設(shè)置類(lèi)標(biāo)簽為類(lèi)間，計(jì)算所得每 個(gè)新樣本(即每個(gè)圖像對(duì)的兩個(gè)圖像信號(hào)的相干系數(shù))為1821維向量。
[0057] 經(jīng)過(guò)本步驟的計(jì)算，得到包含8000個(gè)新樣本的新樣本庫(kù)。
[0058] 相干運(yùn)算的結(jié)果如圖4和圖5所示。圖4為第100類(lèi)的來(lái)自于同一只手掌不同時(shí)刻采 集的掌紋(第