CN101604385A

CN101604385A - 一种掌纹识别方法和掌纹识别装置

Info

Publication number: CN101604385A
Application number: CNA2009101086437A
Authority: CN
Inventors: 沈琳琳
Original assignee: Shenzhen University
Current assignee: Shenzhen University
Priority date: 2009-07-09
Filing date: 2009-07-09
Publication date: 2009-12-16

Abstract

本发明涉及掌纹识别技术，针对现有掌纹识别技术中存在的对所采集掌纹图像的预处理要求较高等缺陷，提供一种掌纹识别方法和掌纹识别装置。掌纹识别方法包括提取待提取图像的掌纹特征其具体包括：对待提取图像进行旋转校正，生成校正图像；使用预先设定的Gabor小波对校正图像进行卷积操作，并对卷积操作后的校正图像进行取幅值或者取相位操作，生成响应图像；对响应图像进行局部二进制模式特征抽取，得到待提取图像的局部二进制模式编码，依此生成掌纹特征。本发明还提供了一种掌纹识别装置。本发明技术方案可提供旋转不变性，处理速度快，因此可做到实时的掌纹识别。

Description

一种掌纹识别方法和掌纹识别装置

技术领域

本发明涉及掌纹识别技术，更具体地说，涉及一种掌纹识别方法和掌纹识别装置。

背景技术

身份识别方法广泛应用于人们日常生活的方方面面。传统的身份识别方法主要包括两种，第一种是基于知识的身份识别方法，第二种是基于物品的身份识别方法。基于知识的身份识别方法包括基于例如但不限于密码、口令等认证手段的身份识别方法，这种方法存在的主要缺陷在于密码、口令等认证手段容易被忘记。基于物品的身份识别方法包括基于例如但不限于钥匙、身份证、智能卡等认证手段的身份识别方法，这种方法存在的主要缺陷在于钥匙、身份证、智能卡等认证手段容易丢失。因此，一旦认证手段被忘记、丢失或者被其他人获取，个人身份就很容易被冒名者顶替。

相对传统的身份识别方法，以生物特征作为认证手段的身份识别方法采用诸如指纹、掌纹等人体固有特征作为认证手段进行身份识别，因此具有不会被遗忘、丢失和很难被仿冒等诸多优点，这样便可实现更为安全的身份认证。

在以生物特征作为认证手段的众多身份识别方法之中，掌纹识别方法近年来发展较快。相对于指纹，掌纹的特征主要是手掌上的主线和相连的分叉，这些信息比较明显，因此对采集设备的精度要求较低。相比虹膜，掌纹图像采集设备要简单得多，而且也更容易被用户接受。

掌纹识别方法主要包含注册和识别两个过程。注册过程用于采集待注册用户的掌纹，提取掌纹特征，据此生成掌纹模板。由于主线及其分叉是掌纹的主要特性，不同掌纹的主线和分叉在长度方向上不同，特征提取的关键是提取能够描述这些主线及其分叉特性的信息。识别过程用于采集待识别用户的掌纹，并将其与已注册用户的掌纹模板进行匹配，以此来识别用户身份。识别过程的关键是计算所采集的待识别用户的掌纹与存储的掌纹模板之间的相似程度，并根据相似值做出判决。

尽管掌纹识别技术近年来得到了长足的发展，但现有掌纹识别技术中仍然存在一些缺陷。例如，现有掌纹识别技术对所采集掌纹图像的预处理要求较高，且精度较高的掌纹识别技术运算量也较大且识别系统过于复杂，而且采集到的掌纹存在旋转差异。此外，通过现有掌纹识别技术采集到的数据易受光照等环境因素的影响。

因此，需要一种掌纹识别技术方案，可解决现有掌纹识别技术中存在的上述缺陷。

发明内容

本发明要解决的技术问题在于，针对现有掌纹识别技术中存在的对所采集掌纹图像的预处理要求较高、运算量较大、系统过于复杂、采集到的数据易受光照等环境影响等缺陷，提供一种掌纹识别方法和掌纹识别装置。

本发明解决其技术问题所采用的技术方案是：

构造一种掌纹识别方法，包括注册步骤，其具体包括采集待注册掌纹的原始指纹图像，并将其作为待提取图像提取其掌纹特征，然后将提取的掌纹特征存储为掌纹模板，所述提取其掌纹特征进一步包括：

对待提取图像进行旋转校正，生成校正图像；

使用预先设定的Gabor小波对校正图像进行卷积操作，并对卷积操作后的校正图像进行取幅值或者取相位操作，生成响应图像；

对响应图像进行局部二进制模式特征抽取，得到待提取图像的局部二进制模式编码，依此生成掌纹特征。

在本发明提供的掌纹识别方法中，所述旋转校正进一步包括计算待提取图像中食指与中指之间的角点，和无名指与小拇指之间的角点之后，以所述两个角点的连线对所述待提取图像进行旋转校正。

在本发明提供的掌纹识别方法中，所述Gabor小波由下列公式实现：

其中，f＝0.0916，θ＝π/4，σ＝5.6179。

在本发明提供的掌纹识别方法中，所述使用预先设定的Gabor小波对校正图像进行卷积操作由以下公式实现：

其中G(x，y)代表响应图像，I为校正图像。

在本发明提供的掌纹识别方法中，还包括识别步骤，其具体包括采集待识别掌纹的原始掌纹图像，并将其作为待提取图像提取其掌纹特征，然后将该掌纹特征与每一掌纹模板进行匹配，输出匹配结果，其中依据如下公式来将提取的掌纹特征与每一掌纹模板进行匹配：

d (P, Q) = \frac{Σ_{i = 1}^{N} Σ_{j = 1}^{N} Σ_{k = 1}^{8} P (i, j : k) &CircleTimes; Q (i, j : k)}{8 \times N \times N}

其中，P(i，j:k)代表提取的掌纹特征的局部二进制模式编码，Q(i，j:k)代表该掌纹模板的局部二进制模式编码，d(P，Q)代表提取的掌纹特征与该掌纹模板之间的距离，经过匹配，若算得的d(P，Q)小于预先设定的阈值，则提取的掌纹特征与该掌纹模板相匹配。

本发明还提供了一种掌纹识别装置，包括：

采集模块；

提取模块；

存储模块；

注册模块，用于在收到注册命令后，

调用采集模块采集待注册掌纹的原始指纹图像并将其作为待提取图像；

调用提取模块提取该待提取图像的掌纹特征，其具体包括：

对待提取图像进行旋转校正，生成校正图像；

对响应图像进行局部二进制模式特征抽取，得到待提取图像的局部二进制模式编码，依此生成掌纹特征；

将提取的掌纹特征作为掌纹模板存储到存储模块之中。

在本发明提供的掌纹识别装置中，所述提取模块用于计算待提取图像中食指与中指之间的角点，和无名指与小拇指之间的角点之后，以所述两个角点的连线对所述待提取图像进行旋转校正。

在本发明提供的掌纹识别装置中，述Gabor小波

由下列公式实现：

其中，f＝0.0916，θ＝π/4，σ＝5.6179。

在本发明提供的掌纹识别装置中，所述提取模块用于使用以下公式来使用预先设定的Gabor小波对校正图像进行卷积操作：

其中G(x，y)代表响应图像，I为校正图像。

在本发明提供的掌纹识别装置中，还包括识别模块，用于：

调用采集模块采集待识别掌纹的原始掌纹图像，并将其作为待提取图像；

调用提取模块提取该待提取图像的掌纹特征，然后将该掌纹特征与存储模块中存储的每一掌纹模板进行匹配，输出匹配结果，其中依据如下公式来将提取的掌纹特征与每一掌纹模板进行匹配：

d (P, Q) = \frac{Σ_{i = 1}^{N} Σ_{j = 1}^{N} Σ_{k = 1}^{8} P (i, j : k) &CircleTimes; Q (i, j : k)}{8 \times N \times N}

实施本发明的技术方案，具有以下有益效果：通过采用Gabor小波抽取局部纹理信息，使得提取的掌纹特征受光照影响小，对掌纹提取设备变化具有较强的鲁棒性。此外通过在提取对光照、环境鲁棒的Gabor响应基础上，进一步采用局部二进制模式算子提取局部Gabor响应变化特征，而该特征描述了中心像素和邻域像素的相对变化信息，具有旋转不变性。因此本发明对掌纹图像预处理要求低，掌纹图像进行匹配时可以具有不同的旋转差异。在匹配识别阶段，本发明采用编码之间的异或计算距离，处理速度快，因此可做到实时的掌纹识别。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是依据本发明一较佳实施例的掌纹特征提取方法的流程图；

图2A～2J为图1中掌纹特征提取方法各阶段掌纹图像的效果图；

图3是依据本发明一较佳实施例的掌纹识别装置的逻辑结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供了一种掌纹识别方法，包括注册步骤和识别步骤，下面就结合附图和具体实施例分别对这两个步骤进行详细描述。

本发明提供的掌纹识别方法包括注册步骤和识别步骤。注册步骤包括采集待注册掌纹的原始掌纹图像，依此作为待提取图像，提取该待提取图像的掌纹特征，生成掌纹模板并存储。识别步骤包括采集待识别掌纹的原始掌纹图像，依此作为待提取图像，提取该待提取图像的掌纹特征，并将其与存储的掌纹模板进行匹配，输出匹配结果。在上述过程中，对待提取图像进行掌纹特征提取是本发明技术方案的核心，下面就结合以下附图和具体实施例对其进行详细描述。

图1是依据本发明一较佳实施例的掌纹特征提取方法100的流程图。为便于描述，结合图2A～2J来展示图1所示方法100各个阶段掌纹图像的具体处理效果。中如图1所示，方法100开始于步骤102。

随后，在下一步骤104，对待提取图像进行旋转校正，生成校正图像。

图2A是依据本发明一较佳实施例的待提取图像的示意图。对该待提取图像，可采用例如但不限于边缘提取和轮廓跟踪等方法，来分别计算待提取图像中：食指与中指之间的角点，和无名指与小拇指之间的角点。有关采用边缘提取和轮廓跟踪等方法计算角点的具体方法已经在现有技术中做了清楚的描述，因此本文不再赘述。图2B为在图2A中待提取图像的轮廓上进行角点标记之后的示意图。如图2B所示，算得的待提取图像中食指与中指之间的角点为M，无名指与小拇指之间的角点为N。

在计算完待提取图像中食指与中指之间的角点，和无名指与小拇指之间的角点之后，将这两个角点连线。然后旋转待提取图像，使得上述两个角点的连线平行于垂直方向，此时的待提取图像即为校正图像，该校正图像如图2C所示。

作为可选的，为降低计算量，还可对待提取图像进行裁剪，将裁剪后的待提取图像作为校正图像。例如，可将待提取图像的掌纹中心作为原点，提取预先设定大小(例如但不限于128×128像素)的图像作为校正图像。剪裁部分在待提取图像中的位置以及剪裁部分的具体示意图分别如图2D和2E所示。

随后，在下一步骤106，使用预先设定的Gabor小波对校正图像进行卷积操作，并对卷积操作后的校正图像进行取幅值或者取相位操作，生成响应图像。

在步骤106中，首先使用预先设定的Gabor小波对校正图像进行卷积操作。在具体实现过程中，该Gabor小波可采用如下45度方向的Gabor小波

(公式1)

其中，f＝0.0916，θ＝π/4，σ＝5.6179，其中，f为小波正弦波的中心频率，θ为正弦波变化方向，σ为高斯函数包络参数。该小波如图2F所示。在具体实现过程中，将上述Gabor小波通过减去均值的方法去除直流分量，然后与校正图像进行卷积操作。经过上述卷积操作，校正图像中的每一像素都将对应复数域中的一个复数值，其幅度和相位的值均为实数。此后，对卷积操作后的校正图像进行取幅值或取相位操作，即取每一像素所对应复数值的幅度或者相位作为该像素的响应值，得到响应图像(如图2G所示)，具体过程可采用下列公式实现：

(公式2)

其中G(x，y)代表响应图像，I为步骤104中得到的校正图像。

在具体实现过程中，上述卷积操作也可采用如下方式来进行，即首先将校正图像和上述Gabor小波分别进行快速傅立叶变换以变换到频域，然后将二者进行乘积操作，再将算得的乘积进行快速反傅立叶变换。

随后，在下一步骤108，对响应图像进行局部二进制模式(LBP，LocalBinary Pattern)特征抽取，依此来提取掌纹特征。

对于响应图像之中的每一像素，局部二进制模式特征抽取的过程如下：

以当前像素为中心，将该像素的响应值与相邻像素的响应值进行比较，得到当前像素的一组纹理编码。例如，假设当前像素的响应值为54，其相邻的8个像素的响应值如图2H所示。若相邻像素的响应值大于当前像素的响应值，则该相邻像素对应的编码值为1，否则为0。经过计算，得到当前像素的纹理编码11000011，如图2I所示，该纹理编码反映了当前像素的响应值与其周围8个相邻像素响应值之间的大小关系，其不受图像旋转影响，具有旋转不变性。此外，由于该编码是以像素的响应值为基础计算得到的，因此该编码对光照、环境变化不敏感。此时的编码图像如图2J所示。

最后，方法100结束于步骤110。对于大小为128×128像素的校正图像，通过执行上述步骤102～步骤108，可得到长度为128×128×8的局部二进制模式编码。

如上文所述，识别步骤包括采集待识别掌纹的原始掌纹图像，依此作为待提取图像，执行上文所述的方法100以提取该待提取图像的掌纹特征，并将其与存储的掌纹模板进行匹配，输出匹配结果。在具体实现过程中，可依据如下公式来将提取的掌纹特征与掌纹模板进行匹配：

d (P, Q) = \frac{Σ_{i = 1}^{N} Σ_{j = 1}^{N} Σ_{k = 1}^{8} P (i, j : k) &CircleTimes; Q (i, j : k)}{8 \times N \times N}

(公式3)

其中，P(i，j:k)代表提取的掌纹特征的局部二进制模式编码，Q(i，j:k)代表掌纹模板的局部二进制模式编码，d(P，Q)代表提取的掌纹特征与掌纹模板之间的距离以上述大小为128×128像素的校正图像为例，则N的取值为128。经过匹配，若算得的d(P，Q)小于预先设定的阈值，则说明提取的掌纹特征与该掌纹模板相匹配。

本发明还提供了一种与上述掌纹识别方法相对应的掌纹识别装置，下面就结合图3对其进行详细描述。

图3是依据本发明一较佳实施例的掌纹识别装置300的逻辑结构示意图。如图3所示，掌纹识别装置300包括注册模块302、采集模块304、提取模块306、存储模块308和识别模块310。

注册模块302用于在收到注册命令后，调用采集模块304采集待注册掌纹的原始指纹图像，并将其作为待提取图像发往提取模块306提取掌纹特征，然后将提取的掌纹特征作为掌纹模板存储到存储模块308之中。其中，有关掌纹特征提取的内容已经在上文结合图1中的方法100做了详细的描述，因此此处不再赘述。

识别模块310用于在收到识别命令后，调用采集模块304采集待识别掌纹的原始指纹图像，并将其作为待提取图像发往提取模块306提取掌纹特征，然后将提取的掌纹特征与储模块308之中存储的掌纹模板进行匹配，输出匹配结果。具体匹配过程已经在上文结合公式3以及相关说明做了详细的描述，因此此处不再赘述。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims

1、一种掌纹识别方法，包括注册步骤，其具体包括采集待注册掌纹的原始指纹图像，并将其作为待提取图像提取其掌纹特征，然后将提取的掌纹特征存储为掌纹模板，其特征在于，所述提取其掌纹特征进一步包括：

对待提取图像进行旋转校正，生成校正图像；

2、根据权利要求1所述的掌纹识别方法，其特征在于，所述旋转校正进一步包括计算待提取图像中食指与中指之间的角点，和无名指与小拇指之间的角点之后，以所述两个角点的连线对所述待提取图像进行旋转校正。

3、根据权利要求1所述的掌纹识别方法，其特征在于，所述Gabor小波

由下列公式实现：

其中，f＝0.0916，θ＝π/4，σ＝5.6179。

4、根据权利要求3所述的掌纹识别方法，其特征在于，所述使用预先设定的Gabor小波对校正图像进行卷积操作由以下公式实现：

其中G(x，y)代表响应图像，I为校正图像。

5、根据权利要求1所述的掌纹识别方法，其特征在于，还包括识别步骤，其具体包括采集待识别掌纹的原始掌纹图像，并将其作为待提取图像提取其掌纹特征，然后将该掌纹特征与每一掌纹模板进行匹配，输出匹配结果，其中依据如下公式来将提取的掌纹特征与每一掌纹模板进行匹配：

d (P, Q) = \frac{Σ_{i = 1}^{N} Σ_{j = 1}^{N} Σ_{k = 1}^{8} P (i, j, : k) &CircleTimes; Q (i, j : k)}{8 \times N \times N}

其中，P(i，j：k)代表提取的掌纹特征的局部二进制模式编码，Q(i，j：k)代表该掌纹模板的局部二进制模式编码，d(P，Q)代表提取的掌纹特征与该掌纹模板之间的距离，若算得的d(P，Q)小于预先设定的阈值，则提取的掌纹特征与该掌纹模板相匹配。

6、一种掌纹识别装置，其特征在于，包括：

采集模块；

提取模块；

存储模块；

注册模块，用于在收到注册命令后，

调用提取模块提取该待提取图像的掌纹特征，其具体包括：

对待提取图像进行旋转校正，生成校正图像；

将提取的掌纹特征作为掌纹模板存储到存储模块之中。

7、根据权利要求6所述的掌纹识别装置，其特征在于，所述提取模块用于计算待提取图像中食指与中指之间的角点，和无名指与小拇指之间的角点之后，以所述两个角点的连线对所述待提取图像进行旋转校正。

8、根据权利要求6所述的掌纹识别装置，其特征在于，述Gabor小波

由下列公式实现：

其中，f＝0.0916，θ＝π/4，σ＝5.6179。

9、根据权利要求8所述的掌纹识别装置，其特征在于，所述提取模块用于使用以下公式来使用预先设定的Gabor小波对校正图像进行卷积操作：

其中G(x，y)代表响应图像，I为校正图像。

10、根据权利要求6所述的掌纹识别装置，其特征在于，还包括识别模块，用于：

d (P, Q) = \frac{Σ_{i = 1}^{N} Σ_{j = 1}^{N} Σ_{k = 1}^{8} P (i, j, : k) &CircleTimes; Q (i, j : k)}{8 \times N \times N}