CN106407907A - 基于投影算子与小波变换的掌纹识别系统 - Google Patents
基于投影算子与小波变换的掌纹识别系统 Download PDFInfo
- Publication number
- CN106407907A CN106407907A CN201610793548.5A CN201610793548A CN106407907A CN 106407907 A CN106407907 A CN 106407907A CN 201610793548 A CN201610793548 A CN 201610793548A CN 106407907 A CN106407907 A CN 106407907A
- Authority
- CN
- China
- Prior art keywords
- wavelet transformation
- palm print
- projection
- palm
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1365—Matching; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明属于具有光照变化的掌纹识别领域,具体涉及基于投影算子与小波变换的掌纹识别系统。该系统是一种基于子空间特征提取的方案,对高维掌纹数据进行降维,降低了计算量的同时也减少了数据的存储空间。考虑到投影算子和小波变换的内在联系,本发明巧妙的将二者结合使用,同时利用了投影算子具有子空间分解的性质,避免了特征维数的人为设定,以及根据子空间投影最佳逼近的性质,选用最近邻分类器。本发明具有一定的鲁棒性,对掌纹图像光照的变化不敏感,取得了有较高的识别率。
Description
技术领域
本发明属于具有光照变化的掌纹识别领域,具体涉及基于投影算子与小波变换的掌纹识别系统。
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
(一)要解决的技术问题
本发明要解决的技术问题是:为了克服基于子空间的特征提取方法中特征维数设定的问题,如何提出了一种特征维数无须人为设定的特征提取方案,比如基于子空间特征提取的掌纹识别方案。
(二)技术方案
为解决上述技术问题,本发明提供基于投影算子与小波变换的掌纹识别系统,其包括:掌纹数据库构造模块、小波变换模块、零空间构造模块、鉴别投影构造模块、掌纹数据库降维模块、判别模块;其中,
所述掌纹数据库构造模块用于构造掌纹数据库;
所述小波变换模块用于对掌纹数据库中的图像的进行小波变换;
所述零空间构造模块用于对小波变换后的掌纹数据构造投影算子的零空间;
所述鉴别投影构造模块用于使用奇异值分解的方法求得该空间的鉴别投影;
所述掌纹数据库降维模块用于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;
所述判别模块用于在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。
其中,所述掌纹数据库构造模块构造掌纹数据库的过程中:
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,每个人的掌纹图像包括:正面光照射图,左侧光照射图、右侧光照射图,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xi1,xi2…xi11,i=1,2…,c表示掌纹图像,其中i表示类别,即图像所属的不同的人。
其中,所述小波变换模块对掌纹数据库中的图像的进行小波变换的过程中:
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:
yi1,yi2…yi11,i=1,2,…,c。
其中,所述零空间构造模块对小波变换后的掌纹数据构造投影算子的零空间的过程中:
计算投影算子的零空间;对属于第i类的掌纹图像样本xi1,xi2…xi11,进行小波变换得到小波表示系数yi1,yi2…yi11,i=1,2,…,c;
计算每个类别的中心;
然后计算图像偏移值j=1,2,…,11;
然后根据图像偏移值zij构造投影算子零空间的元素;
若zij∈Rn,Rn=80×100,构造它们分别保持zij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。
其中,所述鉴别投影构造模块使用奇异值分解的方法求得该空间的鉴别投影的过程中:
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鉴别投影矩阵奇异值分解法的说明如下:
设矩阵B∈Rm×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=UΣVT;
其中,则Ur=[u1,u2,…,ur]为B的列向量组成空间的一组标准正交基,即
其中,所述掌纹数据库降维模块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的过程中:
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。
其中,所述判别模块在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的过程中:
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,最后利用掌纹图像数据库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。
(三)有益效果
与现有技术相比较,本发明具备如下有益效果:
(1)本发明具有一定的鲁棒性,对对掌纹图像光照的变化不敏感。
(2)本发明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)与其他方案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xi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
为使本发明的目的、内容、和优点更加清楚,下面结合实施例,对本发明的具体实施方式作进一步详细描述。
为解决现有技术的问题,本发明提供一种基于投影算子与小波变换的掌纹识别系统,其包括:掌纹数据库构造模块、小波变换模块、零空间构造模块、鉴别投影构造模块、掌纹数据库降维模块、判别模块;其中,
所述掌纹数据库构造模块用于构造掌纹数据库;
所述小波变换模块用于对掌纹数据库中的图像的进行小波变换;
所述零空间构造模块用于对小波变换后的掌纹数据构造投影算子的零空间;
所述鉴别投影构造模块用于使用奇异值分解的方法求得该空间的鉴别投影;
所述掌纹数据库降维模块用于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;
所述判别模块用于在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。
其中,所述掌纹数据库构造模块构造掌纹数据库的过程中:
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,每个人的掌纹图像包括:正面光照射图,左侧光照射图、右侧光照射图,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xi1,xi2…xi11,i=1,2…,c表示掌纹图像,其中i表示类别,即图像所属的不同的人。
其中,所述小波变换模块对掌纹数据库中的图像的进行小波变换的过程中:
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:
yi1,yi2…yi11,i=1,2,…,c。
其中,所述零空间构造模块对小波变换后的掌纹数据构造投影算子的零空间的过程中:
计算投影算子的零空间;对属于第i类的掌纹图像样本xi1,xi2…xi11,进行小波变换得到小波表示系数yi1,yi2…yi11,i=1,2,…,c;
计算每个类别的中心;
然后计算图像偏移值j=1,2,…,11;
然后根据图像偏移值zij构造投影算子零空间的元素;
若zij∈Rn,Rn=80×100,构造它们分别保持zij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。
其中,所述鉴别投影构造模块使用奇异值分解的方法求得该空间的鉴别投影的过程中:
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鉴别投影矩阵奇异值分解法的说明如下:
设矩阵B∈Rm×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=UΣVT;
其中,则Ur=[u1,u2,…,ur]为B的列向量组成空间的一组标准正交基,即
其中,所述掌纹数据库降维模块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的过程中:
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。
其中,所述判别模块在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的过程中:
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,最后利用掌纹图像数据库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。
此外,本发明还提供一种基于投影算子与小波变换的掌纹识别方法,其包括如下步骤:
步骤S1:构造掌纹数据库;
步骤S2:对掌纹数据库中的图像的进行小波变换;
步骤S3:用小波变换后的掌纹数据构造投影算子的零空间;
步骤S4:使用奇异值分解的方法求得该空间的鉴别投影;
步骤S5: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;
步骤S6: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。
其中,所述步骤S1中: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,每个人的掌纹图像包括:正面光照射图,左侧光照射图、右侧光照射图,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xi1,xi2…xi11,i=1,2…,c表示掌纹图像,其中i表示类别,即图像所属的不同的人。
其中,所述步骤S2中: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:
yi1,yi2…yi11,i=1,2,…,c。
其中,所述步骤S3中:计算投影算子的零空间;对属于第i类的掌纹图像样本xi1,xi2…xi11,进行小波变换得到小波表示系数yi1,yi2…yi11,i=1,2,…,c;
计算每个类别的中心;
然后计算图像偏移值j=1,2,…,11;
然后根据图像偏移值zij构造投影算子零空间的元素;
若zij∈Rn,Rn=80×100,构造它们分别保持zij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。
其中,所述步骤S4中: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鉴别投影矩阵奇异值分解法的说明如下:
设矩阵B∈Rm×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=UΣVT;
其中,则Ur=[u1,u2,…,ur]为B的列向量组成空间的一组标准正交基,即
其中,所述步骤S5中: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。
其中,所述步骤S6中: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,最后利用掌纹图像数据库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。
综上,本发明属于具有光照变化的掌纹识别领域,具体涉及基于投影算子与小波变换的掌纹识别系统。该系统是一种基于子空间特征提取的方案,对高维掌纹数据进行降维,降低了计算量的同时也减少了数据的存储空间。考虑到投影算子和小波变换的内在联系,本发明巧妙的将二者结合使用,同时利用了投影算子具有子空间分解的性质,避免了特征维数的人为设定,以及根据子空间投影最佳逼近的性质,选用最近邻分类器。本发明具有一定的鲁棒性,对掌纹图像光照的变化不敏感,取得了有较高的识别率。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (7)
1.基于投影算子与小波变换的掌纹识别系统,其特征在于,其包括:掌纹数据库构造模块、小波变换模块、零空间构造模块、鉴别投影构造模块、掌纹数据库降维模块、判别模块;其中,
所述掌纹数据库构造模块用于构造掌纹数据库;
所述小波变换模块用于对掌纹数据库中的图像的进行小波变换;
所述零空间构造模块用于对小波变换后的掌纹数据构造投影算子的零空间;
所述鉴别投影构造模块用于使用奇异值分解的方法求得该空间的鉴别投影;
所述掌纹数据库降维模块用于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;
所述判别模块用于在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。
2.如权利要求1所述的基于投影算子与小波变换的掌纹识别方法,其特征在于,所述掌纹数据库构造模块构造掌纹数据库的过程中:
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,每个人的掌纹图像包括:正面光照射图,左侧光照射图、右侧光照射图,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xi1,xi2…xi11,i=1,2…,c表示掌纹图像,其中i表示类别,即图像所属的不同的人。
3.如权利要求2所述的基于投影算子与小波变换的掌纹识别方法,其特征在于,所述小波变换模块对掌纹数据库中的图像的进行小波变换的过程中:
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:
yi1,yi2…yi11,i=1,2,…,c。
4.如权利要求3所述的基于投影算子与小波变换的掌纹识别方法,其特征在于,所述零空间构造模块对小波变换后的掌纹数据构造投影算子的零空间的过程中:
计算投影算子的零空间;对属于第i类的掌纹图像样本xi1,xi2…xi11,进行小波变换得到小波表示系数yi1,yi2…yi11,i=1,2,…,c;
计算每个类别的中心;
然后计算图像偏移值
然后根据图像偏移值zij构造投影算子零空间的元素;
若zij∈Rn,Rn=80×100,构造它们分别保持zij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。
5.如权利要求4所述的基于投影算子与小波变换的掌纹识别方法,其特征在于,所述鉴别投影构造模块使用奇异值分解的方法求得该空间的鉴别投影的过程中:
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鉴别投影矩阵奇异值分解法的说明如下:
设矩阵B∈Rm×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=UΣVT;
其中,则Ur=[u1,u2,…,ur]为B的列向量组成空间的一组标准正交基,即
6.如权利要求5所述的基于投影算子与小波变换的掌纹识别方法,其特征在于,所述掌纹数据库降维模块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的过程中:
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。
7.如权利要求6所述的基于投影算子与小波变换的掌纹识别方法,其特征在于,所述判别模块在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的过程中:
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,最后利用掌纹图像数据库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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610793548.5A CN106407907A (zh) | 2016-08-31 | 2016-08-31 | 基于投影算子与小波变换的掌纹识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610793548.5A CN106407907A (zh) | 2016-08-31 | 2016-08-31 | 基于投影算子与小波变换的掌纹识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106407907A true CN106407907A (zh) | 2017-02-15 |
Family
ID=58001559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610793548.5A Pending CN106407907A (zh) | 2016-08-31 | 2016-08-31 | 基于投影算子与小波变换的掌纹识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106407907A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062816A (zh) * | 2018-01-10 | 2018-05-22 | 深圳市晟达机械设计有限公司 | 一种驾驶员身份识别系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105893913A (zh) * | 2014-10-30 | 2016-08-24 | 北京京航计算通讯研究所 | 一种基于投影算子与小波变换的掌纹识别方法 |
-
2016
- 2016-08-31 CN CN201610793548.5A patent/CN106407907A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105893913A (zh) * | 2014-10-30 | 2016-08-24 | 北京京航计算通讯研究所 | 一种基于投影算子与小波变换的掌纹识别方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062816A (zh) * | 2018-01-10 | 2018-05-22 | 深圳市晟达机械设计有限公司 | 一种驾驶员身份识别系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105956582B (zh) | 一种基于三维数据的人脸识别系统 | |
CN100461204C (zh) | 一种基于二维偏最小二乘法的面部表情识别方法 | |
CN108038476A (zh) | 一种基于边缘检测与sift的人脸表情识别特征提取方法 | |
CN103996047B (zh) | 基于压缩谱聚类集成的高光谱图像分类方法 | |
CN103413151B (zh) | 基于图正则低秩表示维数约简的高光谱图像分类方法 | |
CN102831447A (zh) | 多类别面部表情高精度识别方法 | |
Huang et al. | Globality-locality preserving projections for biometric data dimensionality reduction | |
CN102663391A (zh) | 一种图像的多特征提取与融合方法及系统 | |
CN101556600B (zh) | 一种dct域上的图像检索方法 | |
CN103208011B (zh) | 基于均值漂移和组稀疏编码的高光谱图像空谱域分类方法 | |
CN106446772A (zh) | 一种人脸识别系统中的防欺骗方法 | |
CN103136516A (zh) | 可见光与近红外信息融合的人脸识别方法及系统 | |
CN105654122B (zh) | 基于核函数匹配的空间金字塔物体识别方法 | |
CN114511012A (zh) | 基于特征匹配和位置匹配的sar图像与光学图像匹配方法 | |
Bąk et al. | Person re-identification using deformable patch metric learning | |
CN109165698A (zh) | 一种面向智慧交通的图像分类识别方法及其存储介质 | |
CN108960142A (zh) | 基于全局特征损失函数的行人再识别方法 | |
CN110135520A (zh) | 基于图补全和自适应视角权重分配的不完备多视角聚类方法、装置、系统及存储介质 | |
CN107194314A (zh) | 融合模糊2dpca和模糊2dlda的人脸识别方法 | |
Xu et al. | Subpixel component analysis for hyperspectral image classification | |
CN113034521B (zh) | 基于多目标进化的极化sar图像超像素分割方法 | |
CN106407907A (zh) | 基于投影算子与小波变换的掌纹识别系统 | |
CN111325158B (zh) | 一种基于cnn和rfc的集成学习的极化sar图像分类方法 | |
CN104268535B (zh) | 一种二维图像的特征提取方法 | |
Tian et al. | Support vector machine with mixture of kernels for image classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170215 |
|
WD01 | Invention patent application deemed withdrawn after publication |