基于掌紋和指橫紋特征融合的身份識別方法
【專利摘要】本發明涉及一種基于掌紋和指橫紋特征融合的身份識別方法，其基于掌紋和指橫紋小波變換特征匹配在分數層的融合來實現。首先，采用小波變換對掌紋和指橫紋圖像進行特征提取，構造出掌紋和指橫紋小波能量特征；其次，對兩類小波能量特征實施相應的特征匹配操作，獲取各自初始匹配分值并進行歸一化處理；最后，使用乘法規則對掌紋和指橫紋歸一化匹配分值進行融合，獲得最終的融合分值。基于融合分值的統計結果可計算出發明方法的識別精度，從而驗證方法的有效性。
【專利說明】基于掌紋和指橫紋特征融合的身份識別方法
【技術領域】
[0001] 本發明涉及一種人體生物特征識別技術的新方法，特別涉及一種基于掌紋和指橫 紋小波能量特征的融合識別新方法，屬于計算機應用領域。
【背景技術】
[0002] 人體生物特征識別技術是計算機與光學、聲學和生物統計學原理等高科技手段相 結合的一種個人身份認證技術，其利用人體固有生物特征進行個人身份鑒定。目前，人體身 份認證技術主要采用人臉、指紋、虹膜、掌紋和指橫紋等特征。此類特征具有諸多優點：（1) 普遍性，任何人都具有此類特征；（2)唯一性，在每個人都擁有同一特征的前提下，任意兩 個人擁有的特征各不相同；（3)永久性，此類特征具有永久不變性，即不會隨時間或者環境 因素的變化而發生大的變化；(4)安全性，此類特征不易被偽造或模仿；（5)可采集性，特征 可以方便的被采集；(6)可接受性，所使用的特征應該比較容易被用戶接受；（7)性能要求， 使用此類特征設計的人體身份認證系統能獲得較高的識別精度。
[0003] 掌紋識別是近年來新興的一種身份識別方法，是對現有生物特征識別技術的重要 補充。和其他生物特征相比，掌紋具有以下特點：（1)跟人臉相比，掌紋采集過程易于控制， 避免了人臉表情變化造成的精度喪失問題；（2)跟指紋、指橫紋相比，掌紋含有更為豐富的 可區分性特征信息，且更容易被用戶接受；（3)跟虹膜相比，掌紋采集設備廉價，使用方便。 掌紋具有主線、褶皺和乳突紋等豐富紋線特征，乳突紋較細、較弱，可從高分辨率、高質量的 圖像中提取，而主線、褶皺較粗、較強，能夠從低分辨率、有噪聲的圖像中提取。此外，掌紋中 的主線和褶皺特征還具有不同的方向信息。
[0004] 同樣，指橫紋識別方法作為另一種生物特征識別技術的重要補充，它同樣具有一 定的自身優勢。指橫紋與人臉、虹膜相比，具有采集過程簡單、采集設備廉價、用戶接受程度 高等特點；指橫紋與指紋、掌紋相比，指橫紋處于手指彎折處，一般不易出現因老繭、污垢造 成的精度損失，而且由于長期的手指彎曲運動使其特征更為明顯，為識別提供了更大方便； 最后，指橫紋分布在不同手指上，更不易被竊取仿造。
[0005] 小波變換作為一種多分辨率分析工具，能夠從不同尺度、不同位置和不同方向分 析處理圖像紋理信息。對于較粗或較強的特征，可以采用大尺度、低分辨率下的小波變換； 對于較細或較弱的特征，可以采用小尺度、高分辨率的小波變換。用小波變換分別進行掌紋 和指橫紋識別是一種公知的方法。但利用單一的掌紋和指橫紋識別技術進行生物特征識 另IJ，其識別精度仍有提升的空間。此外，掌紋和指橫紋特征同處于手掌之中，在特征采集時 利用它同一設備可以同時采集，對其進行融合識別非常便利。
【發明內容】
[0006] 本發明目的是提供一種基于掌紋和指橫紋小波能量特征融合進行身份認證的方 法，其可提高單一基于小波變換的掌紋識別或者基于小波變換的指橫紋識別的識別精度。
[0007] 為了實現上述目的，本發明所采用的技術方案為一種基于小波變換在分數層融合 掌紋和指橫紋特征的方法；其分為掌紋、指橫紋特征提取和分數層特征融合與匹配兩個階 段；即在已獲得預處理好的掌紋和指橫紋圖像的前提下，從掌紋和指橫紋圖像中分別提取 出掌紋小波能量特征和指橫紋小波能量特征，分別計算兩者在分數層的得分，再將掌紋和 指橫紋得分按照分數相乘融合方法構成新的得分，使用新的得分進行識別個體；具體過程 如下：
[0008] 第一步：掌紋和指橫紋小波能量特征提取；
[0009] (1)首先對掌紋和指橫紋圖像進行小波分解；
[0010] 分解得到掌紋、指橫紋的低頻子圖和細節子圖，去除掌紋、指橫紋的低頻子圖；
[0011] (2)將每個細節子圖劃分互不相交的子塊；
[0012] (3)分別計算掌紋和指橫紋的每個細節子圖中子塊相應的能量，并分別構造掌紋 和指橫紋特征向量；
[0013] 第二步：特征匹配與分數層融合；
[0014] (1)分別計算掌紋和指橫紋匹配得分，分為真匹配得分和假匹配得分，并進行歸一 化方法處理；
[0015] (2)按照乘法融合方法，在分數層融合掌紋和指橫紋得分。
[0016] 所述小波分解為3級，掌紋特征提取中小波分解使用'Haar'小波，指橫紋特征提 取中小波分解使用'Dbl'小波。
[0017] 所述掌紋細節子圖分行方向為12塊，列方向塊數根據細節子圖大小計算；指橫紋 細節子圖行方向為3塊，列方向塊數根據細節子圖大小計算。
[0018] 所述細節子圖分為水水平方向細節子圖、堅直方向細節子圖和對角線方向細節子 圖。
[0019] 所述紋和指橫紋匹配得分采用絕對距離計算法。
[0020] 所述歸一化方法為z-score歸一化方法，其公式為
[0021] Score = (x-mean (X))/std (X);
[0022] 其中，x為一類生物特征間的匹配分值向量，mean(X)和std(x)為掌紋或指橫紋真 假匹配的平均值和標準差。
[0023] 所述乘法融合方法的公式為
[0024] score = f^Pi (i = 1, 2, . . . , Μ)；
[0025] 其中，&為指橫紋第i個得分，Pi為掌紋第i個得分；Μ為得分總數目。
[0026] 本發明與現有技術相比，具有以下優點：
[0027] (1) -般基于小波的掌紋識別方法和指橫紋識別方法都僅利用單一掌紋特征或指 橫紋特征，受掌紋和指橫紋各自固有的特征信息豐富程度的限制，單一方法取得的識別精 度仍有較大提升空間；本發明同時采集掌紋和指橫紋特征，充分利用了各自的特征信息，利 用小波變換方法提取特征后在分數層融合，識別精度有較大提高。
[0028] (2)生物特征融合的方法有許多種，比如人臉和掌紋特征的融合，人臉與指紋特征 的融合等等。但此類都需要多套設備分別采集不同人體特征。本發明使用的特征同處于手 掌之中，采集時僅需一套設備即可完成特征的采集，具有一定的便利性，降低了經濟成本。
[0029] (3)本發明進一步將小波細節子圖分塊，分別計算掌紋塊和指橫紋塊的能量，充分 利用了掌紋和指橫紋圖像的局部信息。
[0030] 本發明提出的基于小波變換的掌紋和指橫紋融合的新方法，具有一定的有效性， 其精度比單一方法都有所提高。基于小波變換的掌紋識別其等錯誤率為2. 46%，而基于 小波變換的指橫紋識別其等錯誤率為5. 62%，利用本發明的新方法得到的等錯誤率為 1. 75%。
[0031] 本發明將結合實施例參照附圖進行詳細說明，以便對本發明的目的，特征和有點 進行深入的理解。
【專利附圖】
【附圖說明】
[0032] 圖1本發明新方法流程框圖；
[0033] 圖2本發明方法與單一方法的結果比較。
【具體實施方式】
[0034] 如附圖1所示，本發明是基于小波變換的掌紋和指橫紋分數層融合的方法，其分 為兩個階段：掌紋、指橫紋小波能量特征提取階段和分數層特征融合。為了驗證本發明的有 效性，我們使用香港理工大學的掌紋和指橫紋數據庫。
[0035] 具體實施過程如下：
[0036] 第一步：基于小波變換的掌紋、指橫紋小波能量特征提取；
[0037] (1)基于小波變換的掌紋能量特征計算
[0038] 小波變換以不同尺度分別在水平方向、垂直方向和對角線方向上分解掌紋圖像， 在不同級和不同方向上得到的小波系數構成了掌紋特征。設氏，\和Di分別是第i級小波 在水平方向、堅直方向和對角線方向上分解掌紋圖像的得到的細節圖像。為了描述掌紋紋 理的基本構件，如掌紋線和乳突紋等，我們分別計算成，\和Di方向的小波能量，以此表示 各個基本構件在不同方向上的強度信息。掌紋圖像在HyVi和Di方向上的第i級小波能量 計算公式如下 ：
【權利要求】
1. 基于掌紋和指橫紋特征融合的身份識別方法，其特征在于：其分為掌紋、指橫紋特 征提取和分數層特征融合與匹配兩個階段；即在已獲得預處理好的掌紋和指橫紋圖像的前 提下，從掌紋和指橫紋圖像中分別提取出掌紋小波能量特征和指橫紋小波能量特征，分別 計算兩者在分數層的得分，再將掌紋和指橫紋得分按照分數相乘融合方法構成新的得分， 使用新的得分進行識別個體；具體過程如下： (1) 首先對掌紋和指橫紋圖像進行小波分解； 分解得到掌紋、指橫紋的低頻子圖和細節子圖，去除掌紋、指橫紋的低頻子圖； (2) 將掌紋、指橫紋的每個細節子圖劃分互不相交的子塊； (3) 分別計算掌紋和指橫紋的每個細節子圖中子塊相應的能量，并分別構造掌紋和指 橫紋特征向量； (4) 分別計算掌紋和指橫紋匹配得分，分為真匹配得分和假匹配得分，并進行歸一化方 法處理； (5) 按照乘法融合方法，在分數層融合掌紋和指橫紋得分。
2. 根據權利要1所述的基于掌紋和指橫紋特征融合的身份識別方法，其特征在在于： 所述步驟（1)中的小波分解為3級，掌紋特征提取中小波分解使用'Haar'小波，指橫紋特 征提取中小波分解使用'Dbl'小波。 根據權利要1所述的基于掌紋和指橫紋特征融合的身份識別方法，其特征在在于：所 述步驟（2)中的掌紋細節子圖分行方向為12塊，列方向塊數根據細節子圖大小計算；指橫 紋細節子圖行方向為3塊，列方向塊數根據細節子圖大小計算。
3. 根據權利要1所述的基于掌紋和指橫紋特征融合的身份識別方法，其特征在在于： 所述步驟（2)中細節子圖分為水水平方向細節子圖、堅直方向細節子圖和對角線方向細節 子圖。
4. 根據權利要1所述的基于掌紋和指橫紋特征融合的身份識別方法，其特征在在于： 所述步驟（2)中紋和指橫紋匹配得分采用絕對距離計算法。
5. 根據權利要1所述的基于掌紋和指橫紋特征融合的身份識別方法，其特征在在于： 所述步驟（2)中歸一化方法為z-score歸一化方法，其公式為 Score = (χ-mean(x))/std(x)； 其中，X為一類生物特征間的匹配分值向量，mean(x)和std(x)為掌紋或指橫紋真假匹 配的平均值和標準差。
6. 根據權利要1所述的基于掌紋和指橫紋特征融合的身份識別方法，其特征在在于： 所述步驟（5)中乘法融合方法的公式為 score = fi*Pi (i = 1, 2,. . . , Μ)； 其中，fi為指橫紋第i個得分，Pi為掌紋第i個得分；Μ為得分總數目。
【文檔編號】G06K9/46GK104112125SQ201410360564
【公開日】2014年10月22日 申請日期:2014年7月24日 優先權日:2014年7月24日
【發明者】張建新, 張強, 劉建洋 申請人:大連大學