CN105893913A - 一种基于投影算子与小波变换的掌纹识别方法 - Google Patents

Abstract

本发明属于一种基于子空间特征提取的掌纹识别方法，具体涉及一种基于投影算子与小波变换的掌纹识别方法。它包括如下步骤，构造掌纹数据库；对掌纹数据库中的图像的进行小波变换；用小波变换后的掌纹数据构造投影算子的零空间；使用奇异值分解的方法求得该空间的鉴别投影；利用鉴别投影对掌纹数据进行特征提取，得到降维后的掌纹数据库；待测掌纹图像经小波变换后，利用鉴别投影对其进行降维，然后利用降维后的掌纹数据库，使用最近邻分类器对降维后的待测样本进行分类。本发明的优点是，具有一定的鲁棒性，对掌纹图像光照的变化不敏感；利用了投影算子具有空间分解的性质，分解的子空间维数是一定的，避免了其他方法人为选取特征维数。

Description

一种基于投影算子与小波变换的掌纹识别方法

技术领域

本发明属于一种基于子空间特征提取的掌纹识别方法，具体涉及一种基于投影算子与小波变换的掌纹识别方法。

背景技术

目前，人们的工作和生活越来越离不开身份识别与身份验证，掌纹识别技术作为一种新的身份鉴别技术受到了越来越多的关注。如何表征掌纹是掌纹识别问题中的难点也是热点。有效的表征掌纹是提高掌纹识别技术性能的关键，而基于子空间的特征抽取方法是表征掌纹的有效方法之一，它有着统计理论作为支撑，取得了很好的效果。但是，在基于子空间的特征提取法中，特征的维数一般需要人为设定，影响了该方法的实用性。

发明内容

本发明的目的是提供一种基于投影算子与小波变换的掌纹识别方法，它能够克服基于子空间的特征提取方法中特征维数设定的问题。

本发明是这样实现的，一种基于投影算子与小波变换的掌纹识别方法，其特征在于：它包括如下步骤，

第一步，采集掌纹图像数据，构造掌纹库；

第二步，对掌纹库中的掌纹图像进行小波变换，使用的小波正交基为“db2”小波正交基，小波变换后的掌纹图像记为y_i1，y_i2…y_i11，i＝1，2，…，c；

第三步，计算投影算子的零空间；

对属于第i类的掌纹图像样本x_i1，x_i2…x_i11，，进行小波变换得到小波表示系数y_i1，y_i2…y_i11，i＝1，2，…，c计算每个类别的中心然后计算j＝1，2，…，11，然后根据z_ij构造投影算子零空间的元素，若z_ij∈Rⁿ，构造它们分别保持z_ij中尺度d下的尺度系数，水平方向、垂直方向、对角线方向的小波系数不变，而其余元素为零；

第四步，使用奇异值分解法计算零空间的一组标准正交基按列构成矩为鉴别投影矩阵；

第五步，将鉴别投影矩阵作用于小波变换后的掌纹图像数据，构造出特征提取后的掌纹图像数据，即得到降维后的掌纹图像数据库P；

第六步，对于待测掌纹图像样本，首先进行小波变换，选取尺度d下的小波表示系数作为新的掌纹数据，然后使用鉴别投影矩阵进行特征提取，最后利用人类图像数据库P，使用最近邻分类器进行分类，判别待测人物属于数据库中的哪一个人，或者是不属于此数据库中的人。

所述的第一步掌纹图像是从不同角度，不同光照条件下拍摄的，每个人的掌纹图像特点包括：正面光照射，左侧光照射、右侧光照射，其中每幅图像大小为80×100，每个人共采集11幅图像，采集了c个人，用x_i1，x_i2…x_i11，i＝1，2…，c表示掌纹图像。

所述的第四步奇异值分解法的如下：

矩阵B∈R^{m × n}是零空间元素按列构成的矩阵，n为元素个数，rank(B)＝r，矩阵B的奇异值分解为B＝UΣV^T，其中 $U=[U_r,{\tilde{U}}_r],V=[V_r,{\tilde{V}}_r],$ $\mathrm{\Σ}=\left[\begin{array}{cc}{\mathrm{\Σ}}_r& 0_{r\×(n-r)}\\ 0_{(m-r)\×(n-r)}& 0_{(n-r)\×(n-r)}\end{array}\right],$ 则U_r＝[u₁，u₂，…，u_r]为B的列向量组成空间的一组标准正交基，即A＝U_r。

本发明的优点是，1.具有一定的鲁棒性，对对掌纹图像光照的变化不敏感；2.利用了投影算子具有空间分解的性质，分解的子空间维数是一定的，避免了其他方法人为选取特征维数；3.与其他方法中使用最近邻分类器比起 来，本发明中使用最近邻分类器是有理论依据的。根据投影算子的相关知识，原始空间的元素x在子空间的投影x_i对x有最佳逼近性，而本发明中得到降维后的掌纹数据可以看作是原掌纹图像数据在投影算子零空间的投影，根据投影的最佳逼近性，可以认为同类数据投影后“距离”可能会更近，故选用最近邻分类效果会较好。

具体实施方式

下面结合实施例对本发明进行详细介绍：

一种基于投影算子与小波变换的掌纹识别方法，它包括如下步骤：

第一步，构造掌纹数据库；

第二步，对掌纹数据库中的图像的进行小波变换；

第三步，用小波变换后的掌纹数据构造投影算子的零空间；

第四步，使用奇异值分解的方法求得该空间的鉴别投影；

第五步，利用鉴别投影对掌纹数据进行特征提取，得到降维后的掌纹数据库；

第六步，待测掌纹图像经小波变换后，利用鉴别投影对其进行降维，然后利用降维后的掌纹数据库，使用最近邻分类器对降维后的待测样本进行分类。

具体步骤如下所述：

第一步，采集掌纹图像数据，构造掌纹库。掌纹图像是从不同角度，不同光照条件下拍摄的，每个人的掌纹图像特点包括：正面光照射，左侧光照射、右侧光照射，其中每幅图像大小为80×100。每个人共采集11幅图像。假设共采集了c个人，用x_i1，x_i2…x_i11，i＝1，2…，c表示掌纹图像，其中i表示类别。

第二步，对掌纹库中的掌纹图像进行小波变换，使用的小波正交基为“db2”小波正交基。小波变换后的掌纹图像记为y_i1，y_i2…y_i11，i＝1，2，…，c；

第三步，计算投影算子的零空间。对属于第i类的掌纹图像样本 x_i1，x_i2…x_i11，，进行小波变换得到小波表示系数y_i1，y_i2…y_i11，i＝1，2，…，c计算每个类别的中心然后计算j＝1，2，…，11，然后根据z_ij构造投影算子零空间的元素，若z_ij∈Rⁿ，构造它们分别保持z_ij中尺度d下的尺度系数，水平方向、垂直方向、对角线方向的小波系数不变，而其余元素为零。

第四步，使用奇异值分解法计算零空间的一组标准正交基按列构成矩为鉴别投影矩阵。奇异值分解法的说明如下：

设矩阵B∈R^{m × n}是零空间元素按列构成的矩阵，n为元素个数，rank(B)＝r，矩阵B的奇异值分解为B＝UΣV^T，其中 $U=[U_r,{\tilde{U}}_r],V=[V_r,{\tilde{V}}_r],\mathrm{\Σ}=\left[\begin{array}{cc}{\mathrm{\Σ}}_r& 0_{r\×(n-r)}\\ 0_{(m-r)\×(n-r)}& 0_{(n-r)\×(n-r)}\end{array}\right],$ 则U_r＝[u₁，u₂，…，u_r]为B的列向量组成空间的一组标准正交基，即A＝U_r。

第五步，将鉴别投影矩阵作用于小波变换后的掌纹图像数据(注意此数据只包含尺度d下的数据)，构造出特征提取后的掌纹图像数据，即得到降维后的掌纹图像数据库P。

第六步，对于待测掌纹图像样本，首先进行小波变换，选取尺度d下的小波表示系数作为新的掌纹数据，然后使用鉴别投影矩阵进行特征提取，最后利用人类图像数据库P，使用最近邻分类器进行分类，判别待测人物属于数据库中的哪一个人，或者是不属于此数据库中的人。

Claims (3)

1.一种基于投影算子与小波变换的掌纹识别方法，其特征在于：它包括如下步骤，

第一步，采集掌纹图像数据，构造掌纹库；

第二步，对掌纹库中的掌纹图像进行小波变换，使用的小波正交基为“db2”小波正交基，小波变换后的掌纹图像记为y_i1，y_i2…y_i11，i＝1，2，…，c；

第三步，计算投影算子的零空间；

对属于第i类的掌纹图像样本x_i1，x_i2…x_i11，，进行小波变换得到小波表示系数y_i1，y_i2…y_i11，i＝1，2，…，c计算每个类别的中心然后计算j＝1，2，…，11，然后根据z_ij构造投影算子零空间的元素，若z_ij∈Rⁿ，构造它们分别保持z_ij中尺度d下的尺度系数，水平方向、垂直方向、对角线方向的小波系数不变，而其余元素为零；

第四步，使用奇异值分解法计算零空间的一组标准正交基按列构成矩 为鉴别投影矩阵；

第五步，将鉴别投影矩阵作用于小波变换后的掌纹图像数据，构造出特征提取后的掌纹图像数据，即得到降维后的掌纹图像数据库P；

第六步，对于待测掌纹图像样本，首先进行小波变换，选取尺度d下的小波表示系数作为新的掌纹数据，然后使用鉴别投影矩阵进行特征提取，最后利用人类图像数据库P，使用最近邻分类器进行分类，判别待测人物属于数据库中的哪一个人，或者是不属于此数据库中的人。

2.如权利要求1所述的一种基于投影算子与小波变换的掌纹识别方法，其特征在于：所述的第一步掌纹图像是从不同角度，不同光照条件下拍摄的，每个人的掌纹图像特点包括：正面光照射，左侧光照射、右侧光照射，其中每幅图像大小为80×100，每个人共采集11幅图像，采集了c个人，用x_i1，x_i2…x_i11，i＝1，2…，c表示掌纹图像。

3.如权利要求1所述的一种基于投影算子与小波变换的掌纹识别方法，其特征在于：所述的第四步奇异值分解法的如下：

矩阵B∈R^m×n是零空间元素按列构成的矩阵，n为元素个数，rank(B)＝r，矩阵B的奇异值分解为B＝U∑V^T，其中 $\mathrm{\Σ}=\left[\begin{array}{cc}{\mathrm{\Σ}}_r& 0_{r\×(n-r)}\\ 0_{(m-r)\×(n-r)}& 0_{(n-r)\×(n-r)}\end{array}\right],$ 则U_r＝[u₁，u₂，…，u_r]为B的列向量组成空间的一组标准正交基，即A＝U_r。