專利名稱：基于二維正交Log-Gabor濾波的高精度掌紋識別方法
技術領域：
本發明涉及的是一種基于生物特征的身份識別方法，具體的說是一種基于二維正交 Log-Gabor濾波的高精度掌紋識別方法。
背景技術：
在高度信息化的今天，隨著計算機技術和網絡技術的迅速發展，信息安全顯示出前所未 有的重要性。在日常生活中以及金融、司法、安檢、電子商務等很多場合都需要準確的身份 識別。目前，人類的身份識別方式主要有三種第一種是基于知識的方法，如使用密碼、口
令等；第二種是基于物品的方法，如使用鑰匙、ID卡等；第三種是基于人體的生物特征的方 法，如人臉、指紋、掌紋，語音等。前兩種方法存在著很多的缺陷基于物品的方法攜帶不 方便且容易丟失、損壞、被盜用或偽造；基于知識的方法容易被遺忘、破解等。因此這兩種 方法越來越不適合現代科技發展和社會進步。基于人體生物特征的身份識別方法克服了上述 缺陷，使用生物特征方法是基于人體所固有的特征，不會丟失或忘記。同時，人體的生物特 征各不相同，即使是雙胞胎，他們的指紋、虹膜等信息也各不相同，所以生物特征很難被冒 充和復制。
掌紋識別作為一項新興的生物識別技術，與其他生物特征相比主要有以下優點掌紋的 面積較大，涵括的信息比一枚指紋豐富得多，因此，從理論上來講掌紋具有比指紋更好的可 區分性。同時，掌紋的主要特征是手掌上的幾條主線和褶皺線，因此在低分辨率圖像下提取 的特征也足以提供身份識別所需的信息，并且提取的特征不易受噪聲的干擾。與虹膜特征相 比，掌紋圖像采集設備簡單易行，成本遠低于虹膜圖像的采集設備。和手型特征相比，掌紋 特征穩定，唯一性更強，不易偽造，且識別精度更高。掌紋獲取方式與刑事和訴訟關聯較小， 用戶接受程度較高。
目前，研究人員已經對基于掌紋的生物特征識別方法進行了較深入的研究，并取得了一 定的成果。Duta [N.Duta,A,Jain and K.Mardia, " Matching of Palmprint", Pattern Recognition Letters, vol.23,no.4,pp 477-485,2001]采用與指紋識別相似的方法，從掌紋的紋線中提取點特 征進行脫機掌紋驗證e這種方法對掌紋圖像的質量要求較高,且計算的復雜度較高aHan[C.Han, H.Chen, C丄in and K.Fan， Personal authentication using palmprint features, "Pattern Recognition,vol.36,no.2, pp. 371-381, 2003]利用Sobel算子和形態學算法從掌紋圖像中提取掌紋的線特征，利用這些線特征來實現身份識別。W丄i和D.Zhang[Wenxin Li,David Zhang, Zhoqun Xu， "Palmprint Recognition Based on Fourier Transform.", Journal of Software, 2002, 13(5):879-886.]等人用傅立葉變換將掌紋圖像從空域變換到頻域，然后在頻域中提取能反映空 域中掌紋紋線深淺度的R特征和反應掌紋紋線方向的Theta特征，并用這兩種特征實現了聯 機掌紋鑒別。Zhang [D.Zhang，W.Kong,J.You and M.Wong, "Online palmprint identification", IEEE Trans.Pattern Anal.Machine Intell， vol.25， no.9，卯.1041-1050, 2003]將Gabor濾波器用于 提取掌紋圖像的紋理特征，稱為PalmCode。但這種算法對只采用了掌紋圖像的一個方向的信 息，其他的方向信息丟失，其掌紋識別精度低。Kong[A.Kong,D.ZhangandM.Kame，"Palmprint identification using feature-level fiision，，. Pattern Recognition, vol.39, no.3，pp. 478-487,2006.]對 Palmcode方法進行改進，采用四個方向的Gabor濾波器分別提取四個方向的掌紋圖像的紋理 特征，然后通過融合準則將提取的特征進行融合編碼，稱為FusionCode。因此，這種算法使 得特征提取階段的計算復雜度明顯增加。同時，由于Gabor濾波器中直流分量的存在，使其 提取的特征受光照的影響較大。Zhang[L.Zh加g and D.Zhang, "Characterization of palmptints by wavelets signature via directional context modeling", IEEE Trans. Syst. Man, Cybern.B, vol.34, no.3, pp.1335-1347,2004]利用小波變換的方法進行掌紋識別。鄔向前等人在專利[基于差分 運算的高精度掌紋識別方法，申請號2006100110548，發明人鄔向前，張大鵬，王寬全]中 提供了 一種基于差分運算的掌紋識別方法。You[J.You, W.K.Kong，D.Zhang and K.H.Cheung,"Online hierarchical palmprint coding with multiple features for personal identification in large databases",IEEE Trans. Circuits Syst.Video Technol， vol.14, no.2, pp.234-243, 2004]利用多種特征對掌紋進行分層編碼，以實現在大規模掌紋數據庫中進行身份識別。
發明內容
本發明的目的在于提供一種基于二維正交Log-Gabor濾波的掌紋識別算法，該種算法受 采集光照條件的影響較小，且計算復雜度低，識別精度高。
本發明實現其發明目的所采用的技術方案是， 一種基于二維正交Log-Gabor濾波的高精 度掌紋識別方法，其步驟為
a、 掌紋圖像預處理采用邊緣跟蹤算法得到人掌紋圖像的食指和中指、無名指和小指之 間形成的角點，并通過這兩個角點來校正掌紋圖像，然后切取手掌圖像中心大小為128X128 像素的矩形圖像塊/;
b、 二維正交Log-Gabor濾波用兩個方向相互正交的二維Log-Gabor濾波器構成二維正 交Log-Gabor濾波器OZG (/刀，6>。, ,/。, 07):<formula>formula see original document page 5</formula>其中，G(/，6^。， ，/。,o^是方向為《的二維Log-Gabor濾波器，二維正交Log-Gabor濾波 器0丄G(/,^&,ov,/。,cr,)經反傅立葉變換得到空域的形式/FF7TO丄G入用/FF7TO丄q;對a步 的掌紋圖像/進行巻積濾波操作，得到巻積濾波后的掌紋圖像Of
c、正交相位特征提取對濾波后的掌紋圖像OF采用相位編碼的方式提取掌紋圖像的正 交相位特征= (Fi ,F/)，其中FR,FI由下列公式得出<formula>formula see original document page 5</formula>
d、匹配識別對于兩個掌紋圖像分別進行以上a c步的操作，得到兩個掌紋正交相位特
征POi^/,尸0尸F2,再采用漢明距離匹配算法對PO尸F/和尸Oi^2進行匹配，得到匹配結果。 與現有技術相比，本發明的有益效果是
1、 本發明構造的二維正交Log-Gabor濾波器由于沒有直流分量，所以其提取的掌紋正 交相位特征，從而可以有效地避免不同光照條件對掌紋識別的影響。
2、 本發明構造的二維正交Log-Gabor濾波器與掌紋圖像巻積的結果中包含有兩個相互 垂直方向的信息。與采用單個Log-Gabor濾波器相比，能更好地表達掌紋圖像的信息，掌紋 識別精度高；與多通道Gabor濾波方法的多個Gabor濾波器與掌紋圖像進行多次巻積相比， 本發明只對掌紋圖像作1次巻積運算，從而大大降低了計算復雜度。
3、 本發明在特征提取時，對二維OZG濾波后的掌紋相位信息直接進行量化編碼，不需 要進行其他處理，直接形成掌紋正交相位特征，整個識別算法得到簡化，不僅能夠得到很高 的識別精度，也使得計算速度大大提髙。
4、 在匹配識別階段，本發明直接采用Hamming距離分類器對提取的特征向量進行分類
匹配，算法簡單、計算方便，可以做到實時的掌紋識別。
總之，本發明的方法受采集光照條件的影響小，且計算復雜度低，識別精度高。 仿真實驗也證明本發明方法的識別精度高當錯誤接受率為10°%時，本發明的正確接受 率為97.67%,比FusionCode算法高6.54%，比PalmCode算法高8.47%;當錯誤接受率大于 10-'。/。時，本發明的正確接受率高于93.27%，比FusionCode算法高6.27%，比PalmCode算
OF = /FPT(OIG) * / ，其中*表示巻積運算法高8.26%。可見本發明是一種高精度的身份識別算法。
上述的二維正交Log-Gabor濾波器(9ZX7(/，《,《，(Te,/。，ov)的參數《，0"9，/。，07,分別為 0.73304， 1.046， 0.02994， 0.6633。這四個參數值是基于可分離度最大化準則，由遺傳優化算 法得到，從而使得本發明的正交Log-Gabor達到最優的濾波效果，使識別精度得到提高。
上述d步的匹配識別時，對得到的兩個掌紋正交相位特征尸0尸F/，尸0戶F2先采用采樣因 子/ (4X4)進行下采樣，得到大小為32X64的簡化掌紋正交相位特征PO尸i^")，尸Oi^^),再 采用漢明(Hamming)距離匹配算法對PO尸i^)和PO戶i^)進行匹配，得到匹配結果。這樣， 本發明在匹配計算時，速度進一步得到提高。
圖la、圖lb分別為本發明實施例的兩個原始掌紋圖像。
圖2a、圖2b分別為對圖la、圖lb的兩個原始掌紋圖像分別進行a步處理對應得到的預 處理后掌紋圖像(/!)、 (/2)。
圖3a、圖3b分別為對圖2a、圖2b的兩個預處理后掌紋圖像(/!)、 (/2)提取特征對應 得到的兩個實部編碼f7^,
圖4a、圖4b則分別為對圖2a、圖2b的兩個預處理后掌紋圖像(A)、 (/2)提取特征對 應得到的兩個虛部編碼F力，,/2。
圖5為本發明實施例在不同匹配閾值下的錯誤接受率(FAR)和錯誤拒絕率FRR分布圖。
圖6為本發明實施例不同掌紋識別算法的ROC曲線即錯誤接受率一正確接受率曲線。
具體實施例方式
下面結合附圖和具體的實施方式對本發明作進一步詳細的說明。 實施例一
本發明的一種具體實施方式
為，基于二維正交Log-Gabor濾波的高精度掌紋識別方法， 其步驟是
a、 掌紋圖像預處理采用邊緣跟蹤算法得到原始掌紋圖像的食指和中指、無名指和小指 之間形成的角點，并通過這兩個角點來校正掌紋圖像，然后切取手掌圖像中心大小為128X 128像素的矩形圖像塊/;
b、 二維正交Log-Gabor濾波用兩個方向相互正交的二維Log-Gabor濾波器構成二維正 交Log-Gabor濾波器OIG <formula>formula see original document page 6</formula>其中，G(/Ae。, ，/。,ov)是方向為^的二維Log-Gabor濾波器，二維正交Log-Gabor濾波 器OZG(/,^《, ，/。，ov)經反傅立葉變換得到空域的形式/FF7TO丄G入用/F/T《兀(^對a步 的掌紋圖像/進行巻積濾波操作，得到巻積濾波后的掌紋圖像OF = /FiT(0丄G) * / ，其中*表示巻積運算 本實施例中二維正交Log-Gabor濾波器設計的具體過程為由于二維Log-Gabor濾波器在空域中的不連續性，所以必須在頻域中構造，然后通過反 傅立葉變換轉換到空域中。頻域中，二維Log-Gabor濾波器在極坐標下的表示形式為 G(/,《《， ,/。，cT,)-G,(/,/。，^)xC^(e,e。， )。(log(///0))2其中G,(/，/。，cr》"xp2(1+,)) 徑向的標準偏差。Gep,《, )=eXp -」為徑向成分，其中/。為中心頻率，ov為高斯函數在為角度成分，《為此濾波器的方向角度， 為高斯函數在角度方向的標準偏差。因此，二維Log-Gabor函數在頻率域中表示為G(/ 。，o"e,/0，o",) = exp- -2("。從上式可以看出，二維Log-Gabor濾波器在對數坐標下為高斯函數。與傳統的二維Gabor 濾波器相比，二維Log-Gabor濾波器沒有直流分量，并且包含更多的高頻成分。在對自然圖 像編碼表示方面，傳統的二維Gabor函數濾波器過多的表示了圖像的低頻成分，而對圖像的 高頻成分表示不足。因此，二維Log-Gabor濾波器具有比Gabor更好圖像表示效果。但是一 個Log-Gabor濾波器只能表示一個方向的信息，當需要提取的特征同時表示幾個方向的信息 時，就需要更多的濾波器。這樣就使得計算量大大增加。為此需要構造了一種新的正交Log-Gabor濾波器，來提取掌紋圖像的正交相位特征。設 在頻域中，初始方向為《的二維Log-Gabor濾波器為cr,)，兩個方向相互垂 直的Log-Gabor濾波器構成一個新的正交Log-Gabor濾波器OZG(/，《&， ,/。，力),其表示形 式為OiG(/，《《,a^yo，cr,) -Gf/^^^/o",)-/。,cr,.I V 2 乂此濾波器的參數以可分離度最大化準則，由遺傳算法優化得到。可分離度cf作為遺傳算 法的適應度函數，其表示形式為其中M和A分別表示類內距離和類間距離的平均值，q和q分別表示類內距離和類間距離的標準偏差。優化確定的濾波器參數為^， ,/。,o",卜(0.73304， 1.046,0.02994,0.6633，)。 a)正交相位特征提取對濾波后的掌紋圖像OF采用相位編碼的方式提取掌紋圖像的正 交相位特征POPF^i^,F/)，其中FR為提取相位特征的實部，FI為提取相位特征的虛部，由 下列公式得出從上式可以看出，當提取的掌紋圖像的相位位于[(T ~卯° ]區間時，對應的尸o尸F為a， 1)，當相位位于(90° ~180° ]區間時，對應的PO尸F為(O， 1)。同理可知，當相位位于(180 ° ， 270° )和[270° ，360° )時，對應的PO尸F分別為(0， 0)禾口 (1， 0)。d、匹配識別對于兩個掌紋圖像分別進行a c步的操作，得到兩個掌紋正交相位特征 P(9W^，POP&,先用采樣因子/ (4X4)進行下采樣，得到大小為32X64的簡化掌紋正交相位 特征,戶OPi^)，再采用漢明(Hamming)距離匹配算法對POiy("和進行匹 配，得到匹配結果。實施時，用戶可以根據系統安全性的要求來設定漢明距離匹配算法不同的門限值。如選 擇0.49作為匹配閾值時，錯誤接受率和錯誤拒絕率同時達到1.598%。圖la、圖lb，圖2a、圖2b，圖3a、圖3 b及圖4a、圖4b給出了本實施例對圖la、圖 lb的兩個原始掌紋圖像進行以上a c步的操作后，得到的處理結果。更具體而言圖la、圖 lb分別為本實施例的兩個原始掌紋圖像。圖2a、圖2b為對圖la、圖lb兩個原始掌紋圖像分 別進行a步處理對應得到的預處理后掌紋圖像(/!)、 (/2)。圖3a、圖3b分別為對圖2a、圖 2b的兩個預處理后掌紋圖像(/!)、 (/2)提取特征對應得到的兩個實部編碼FJ " Fi 2;圖4a、 圖4b則分別為對圖2a、圖2b的兩個預處理后掌紋圖像(/。、 (/2)提取特征對應得到的兩個 虛部編碼F/;, F/>本實施例的計算機仿真結果如下仿真實驗中使用的是香港理工大學公開的免費掌紋數據庫PolyU Palmprint Database (http:〃www.comp.polvu.edu.cn.hk/ biometrics/、，該數據庫包含來自100個人每人6張、共600張掌紋圖像。這些圖像是分兩個階段釆集的，兩次采集的平均時間間隔為2個月，每次對每 個手掌采集3張圖像，圖像的大小是384 X 284像素。仿真實驗中，采用[Zhang， D.，Kong，J.,Wong，M.:Online Palmprint Identification. IEEE Transactions on Pattern Analysis and Machine Intelligence 25(2003) 1041-1050]文獻中的預處理技術，將掌紋圖像中心大小為128 X 128像素的圖像塊來代表整個掌紋圖像。本實施例的仿真實驗中，將數據庫中的每一個樣本都與其他樣本迸行本例識別方法的匹 配識別。來自同一手掌的匹配被稱為真匹配，否則稱為假匹配。實驗中共進行了 179700 (600 X599/2)次匹配，其中1500次為真匹配，其余的為假匹配。 一種身份識別方法的性能通常 由兩種錯誤率，即錯誤接受率(False Accept Rate, FAR)和錯誤拒絕率(False Reject Rate，FRR)來 衡量。錯誤拒絕率(FRR)是指系統將合法用戶當成假冒者而拒絕的概率；FAR是指系統將 假冒者當成合法用戶而接受的概率。FAR和FRR這兩個錯誤率反映了一個生物識別系統兩個 不同方面。FAR越低，假冒者被接受的可能性越低，從而系統的安全性越高。FRR越低，合 法用戶被拒絕的可能性越低，從而系統的易用性越好。但是，這兩個錯誤率是矛盾的，二者 不能同時降低，其中的任何一個的降低，必將引起另一個的升高。所以，用戶應該根據不同 的應用來折中調節FAR和FRR:對于安全性要求較高的系統，比如某些軍事系統，安全最重 要，因此應該降低FAR;在對安全性要求不是很高的系統，比如很多民用性系統，易用性很 重要，這時應該相應降低FRR。為了更好的體現FAR和FRR之間的關系，并且方便不同算 法之間的相互比較，通常不同閾值下的FAR和正確接受率GAR (Genuine Accept Rate， GAR-l-FRR)組成二維坐標系中的一系列點(FAR, GAR),并將這些點在坐標系中畫成的曲 線稱為ROC曲線。圖5為本發明實施例方法仿真實驗時，在不同匹配閾值下的錯誤接受率(FAR)和錯誤 拒絕率FRR分布圖。從圖5可以看出FAR和FRR在不同的閾值下的分布情況，當閾值為0.49 時，FAR與FRR相等，均為1.598%。圖6為本發明實施例的方法與現有的兩種基于二維Gabor的掌紋識別算法的ROC曲線。 圖中本發明算法的ROC曲線為*構成的曲線，PalmCode算法的ROC曲線為+構成的曲線 [Kong, Zhang, Wenxin Li, 2003， Palmprint feature extraction using 2-D Gabor filters, Pattern Recognition.36, 2339-2347]; FusionCode算法的ROC曲線為o構成的曲線[Kong and Zhang, 2004. Feature-level Fusion for Effective Palmprint Authentication. Proceedings of the International Conference of Biometric Authentication. 761-767]。從圖6中可以看出本發明的算法遠遠好于這 兩種算法。當錯誤接受率為10°%時，本發明的正確接受率為97.67%，比FusionCode算法高6.54%，比PalmCode算法高8.47%;當錯誤接受率大于10—V。時，本發明的正確接受率高于 93.27%,比FusionCode算法高6.27%，比PalmCode算法高8.26%。可見本發明是一種高精 度的身份識別算法。 實施例二本例的方法與實施例一基本相同，不同的僅僅是匹配識別時，不用采樣因子p(4X4) 進行下采樣，而直接采用漢明(Hamming)距離匹配算法對PO/，fi和尸Oi^進行匹配，得到匹 配結果。本例的方法比實施例一的方法效果更好，但計算量增加。本發明的二維正交Log-Gabor濾波器0丄G(/,《^， ，/。，ay)的參數《, ，/。,cr"除可以 分別取0.73304， 1.046， 0.02994， 0.6633;也可以取與其相近的其它值，但識別精度會有所 降低。
權利要求
1. 一種基于二維正交Log-Gabor濾波的高精度掌紋識別方法，其步驟為a、掌紋圖像預處理采用邊緣跟蹤算法得到原始掌紋圖像的食指和中指、無名指和小指之間形成的角點，并通過這兩個角點來校正掌紋圖像，然后切取手掌圖像中心大小為128×128像素的矩形圖像塊I；b、二維正交Log-Gabor濾波用兩個方向相互正交的二維Log-Gabor濾波器構成二維正交Log-Gabor濾波器OLG(f，θ，θ0，σθ，f0，σf)
2、 根據權利要求1所述的基于二維正交Log-Gabor濾波的高精度掌紋識別方法，其特 征在于所述的二維正交Log-Gabor濾波器0丄G(/^刀。， ，/。,c7,)的參數《, ,/。,07,分別 為0.73304， 1.046， 0.02994， 0.6633。
3、 根據權利要求1所述的基于二維正交Log-Gabor濾波的高精度掌紋識別方法，其特 征在于所述d步的匹配識別時，對得到的兩個掌紋正交相位特征P(9i^;,戶(9戶F2先采用采樣 因子ya(4X4)進行下采樣，得到大小為32X64的簡化掌紋正交相位特征尸0尸F/P),POi^^), 再采用漢明距離匹配算法對戶0尸F/P)和戶0i^^)進行匹配，得到匹配結果。
全文摘要
本發明公開了一種基于二維正交Log-Gabor濾波的高精度掌紋識別方法。它用兩個方向相互正交的二維Log-Gabor濾波器構成二維正交Log-Gabor濾波器OLG(f，θ，θ<sub>0</sub>，σ<sub>θ</sub>，f<sub>0</sub>，σ<sub>f</sub>)，對預處理后的掌紋圖像進行濾波；再對濾波后的掌紋圖像OF采用相位編碼的方式提取掌紋圖像的正交相位特征POPF＝(FR，FI)；再采用漢明距離匹配算法分別對兩個掌紋圖像的正交相位特征POPF<sub>1</sub>和POPF<sub>2</sub>進行匹配，得到匹配結果。該種算法受采集光照條件的影響較小，且計算復雜度低，識別精度高。
文檔編號G06K9/00GK101286195SQ20081004461
公開日2008年10月15日 申請日期2008年6月3日 優先權日2008年6月3日
發明者張家樹, 溫長芝 申請人:西南交通大學