一種手指靜脈圖像識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于生物特征識別技術(shù)領(lǐng)域，特別是涉及一種手指靜脈圖像識別方法。
【背景技術(shù)】
[0002] 目前，由于傳統(tǒng)的生物特征識別技術(shù)的安全性較低，因此滿足不了人們對高精度 身份識別的需求。隨著生物特征識別技術(shù)的發(fā)展，手指靜脈作為一種新型的生物特征識別 技術(shù)存在很多優(yōu)勢。首先，手指靜脈識別為活體識別，不同的人血管網(wǎng)絡(luò)結(jié)構(gòu)幾乎在成年后 終身不變；其次，手指靜脈是內(nèi)部特征，不存在任何外界因素（如：磨損等）帶來的識別障 礙；手指靜脈的采集系統(tǒng)是非接觸性的，不存在易盜取問題。
[0003] 手指靜脈識別的方法很多，但大部分傳統(tǒng)方法都沒有考慮到數(shù)據(jù)庫中來自同一個 個體（類別）的樣本之間的共性，均需將待識別的樣本與數(shù)據(jù)庫中所有樣本無差別地進行 逐一對比，因此識別效率低下。

【發(fā)明內(nèi)容】

[0004] 為了解決上述問題，本發(fā)明的目的在于提供一種能夠提高識別效率的手指靜脈圖 像識別方法。
[0005] 為了達到上述目的，本發(fā)明提供的手指靜脈圖像識別方法包括按順序進行的下列 步驟：
[0006] 1)將所有待檢測的手指靜脈ROI圖像分為兩部分，一部分作為訓(xùn)練樣本，一部分 作為測試樣本，然后將上述所有圖像進行分類，并給定類別標簽，如果某些圖像來自于同一 根手指，則類別標簽相同；
[0007] 2)將上述所有手指靜脈ROI圖像的尺寸歸一化為46*102 (4692)像素，得到ROI歸 一化靜脈圖像；
[0008] 3)利用Gabor濾波器對上述所有ROI歸一化靜脈圖像進行Gabor增強，分別獲得8 個方向即 0°，22. 5° ,45° ,67.5° ,90° ,112.5° ,135° 和 157. 5° 的 ROI 特征圖像；
[0009] 4)將上述每一個8個方向的ROI特征圖像中相同位置的像素點灰度值--進行比 較，將最大灰度值對應(yīng)的ROI特征圖像的方向作為ROI增強圖像像素點的方向特征，這樣依 次將每個像素點進行比較選擇后，得到ROI增強圖像，并將每個ROI增強圖像表示成ROI增 強圖像矩陣A4witi2;
[0010] 5)采用PCA對所有ROI增強圖像進行降維，并獲取主成分特征，通過調(diào)節(jié)主成分特 征占整個特征空間的貢獻率，將ROI增強圖像降到不同的維數(shù)；
[0011] 6)將每一個降維后的ROI增強圖像都用降維后的樣本特征向量來表征，即將每一 個降維后的ROI增強圖像用高維空間中的一個超球粒來表示，超球粒的球心即為降維后的 樣本特征向量，半徑設(shè)為〇,這樣每個降維后的ROI增強圖像都被抽象為高維空間中具有球 心和半徑的一個原粒，然后對其進行超球粒化而得到X個大超球粒，由此得到一個新的粒 集；
[0012] 7)利用歐氏距離公式計算測試樣本中每一張手指靜脈ROI圖像Gt與上述新的粒 集中每個大超球粒的距離，選出和其距離最小的那個大超球粒Gni，那么大超球粒粒Gni的類 別即為測試樣本中該手指靜脈ROI圖像匕的類別。
[0013] 在步驟3)中，所述的Gabor濾波器的表達式如式（1)所示：
[0015] 其中，σ代表Gabor濾波器的尺度，〇 =4, 5,6;0k表示第k個方向的角度值。
[0016] 在步驟5)中，所述的PCA降維具體過程如下：
[0017] (1)將上述ROI增強圖像矩陣A46_的每一列作為一維，將每一維的數(shù)據(jù)都減去該 維的均值，使其特征中心化而得到矩陣B ;
[0018] (2)計算矩陣B的協(xié)方差矩陣C ;
[0019] (3)計算協(xié)方差矩陣C的特征值和特征向量；
[0020] (4)將特征值由大到小進行排列，若前η個特征值之和已經(jīng)超過了所有特征值之 和的97%，則取前η個特征值對應(yīng)的特征向量，得到一個新的數(shù)據(jù)集。
[0021] 在步驟6)中，所述的對降維后的ROI增強圖像進行超球粒化的具體步驟如下：
[0022] (1)以所有訓(xùn)練樣本中降維后的ROI增強圖像作為操作對象；
[0023] (2)利用下面式（3)所示的歐氏距離公式計算訓(xùn)練樣本中某個原粒G,與所有原粒 G1Q e [1，η])的距離'，并記錄下來，按從小到大的順序保存在矩陣中的第j列中，直到 計算完最后一個原粒Gn，由此得到一個nXn的矩陣D ;歐氏距離公式如下：
[0024] (KG11Gj) = I Ici-CjI I2T1Tj ⑶
[0025] 其中，G1= (C D a)，Gj= (C " r)，C1, 別為 G p Gj的球心，r p &分別為 G p Gj 的半徑；
[0026] (3)將矩陣D中第y+Ι行的最大值設(shè)為閾值P，y為同一個體的訓(xùn)練樣本數(shù)，假定 某個粒G,與其它原粒G1Q e [l，n]，i辛j)的距離為C^1，將這些距離依次與閾值進行比 較，即將第j列中的所有距離值與閾值比較，若滿足d < P，說明這兩個原粒的特征較為相 似，很可能是同一類粒，則將原粒G1挑選出來保存在第j個元胞里，這樣最后會得到η個元 胞，每個元胞里包含若干個可能與原粒6,為同一類的原粒；然后將第j個元胞里保存的所 有原粒的類別標簽與第j個原粒的類別標簽作對比，如果一致，則說明它與第j個原粒是同 一類，將繼續(xù)保留在第j個元胞里，如果不一致，則說明與第j個原粒不是一類，則將其第j 個元胞里剔除；最后便得到了新的元胞集，里面含有η個元胞；
[0027] (4)將所含相同原粒的元胞統(tǒng)計出來，只保留一個，其余刪除，最后從η個元胞中 選出X個元胞，X即為最后劃分出的類別數(shù)，如果分類沒有任何錯誤，則X即為真實類別數(shù)， 如果出現(xiàn)錯誤，則X接近真實類別數(shù)，這樣就將訓(xùn)練樣本集分成了 X類；
[0028] (5)分別將上述X類中每一類里的原粒采用式⑷進行融合，得到X個大超球粒， 由此得到一個新的粒集；融合公式為：
[0030] 其中，P = Cm (Clj/ I I Clj I I)，Q = C^rj (Clj/ I I Clj I I)，Clj是由 C i指向 C』的向量， Cl j = C j-Cy C是融合后大超球粒的圓心，R是融合后大超球粒的半徑。
[0031] 本發(fā)明提供的手指靜脈圖像識別方法通過將PCA與超球?；嘟Y(jié)合的方法把屬 于同一個體的所有手指靜脈ROI圖像粒化融合成一個大超球粒，更好地描述了來自于不同 時間采集的同一個體樣本的共性。識別時，只需將待測試樣本也處理為超球粒，與融合后的 所有大超球粒進行距離比對即可，不需與來自于同一個體的每個樣本進行一一匹配，從而 改善了識別效率低的問題。
【附圖說明】
[0032] 圖1為本發(fā)明中ROI歸一化靜脈圖像。
[0033] 圖2為本發(fā)明中8個方向的ROI特征圖像。
[0034] 圖3為本發(fā)明中ROI增強圖像。
[0035] 圖4為本發(fā)明中融合后的大超球粒示意圖。
【具體實施方式】
[0036] 下面結(jié)合附圖和具體實施例對本發(fā)明提供的手指靜脈圖像識別方法進行詳細說 明。
[0037] 本發(fā)明提供的手指靜脈圖像識別方法包括按順序進行的下列步驟：
[0038] 1)將所有待檢測的手指靜脈ROI (感興趣區(qū)域）圖像分為兩部分，一部分作為訓(xùn)練 樣本，一部分作為測試樣本，然后將上述所有圖像進行分類，并給定類別標簽，如果某些圖 像來自于同一根手指，則類別標簽相同。
[0039] 本發(fā)明中是將來自同一個人的同一根手指（比如右手食指）的10張手指靜脈ROI 圖像中的任意7張選為訓(xùn)練樣本，其他3張作為測試樣本，而這10張手指靜脈ROI圖像因 為同屬一個手指，所以類別相同，則給定相同的類別標簽。
[0040] 2)將上述所有手指靜脈ROI圖像的尺寸歸一化為46*102 (4692)像素，得到如圖1 所示的ROI歸一化靜脈圖像；
[0041] 3)由于上述ROI歸一化靜脈圖像的靜脈紋理和特征并不是很清晰，因此本發(fā)明利 用Gabor濾波器對上述所有ROI歸一化靜脈圖像進行Gabor增強，Gabor濾波器的表達式 如式⑴所示。
[0043] 其中，〇代表Gabor濾波器的尺度，〇 =4,5,6;01;表示第1^個方向的角度值，通 過計算，分別獲得8個方向（0°，22.5°，45°，67.5°，90° ,112.5° ,135° 和 157.5° ) 的ROI特征圖像，如圖2所示。
[0044] 4)將上述每一個8個方向的ROI特征圖像中相同位置的像素點灰度值--進行比 較，將最大灰度值對應(yīng)的ROI特征圖像的方向作為ROI增強圖像像素點的方向特征，這樣依 次將每個像素點進行比較選擇后，得到如圖3所示的ROI增強圖像，并將每個ROI增強圖像 表示成ROI增強圖像矩陣A4wira。
[0045] 5)信息粒在高維空間中的表示方法一直是粒計算的一個重要問題。但若將每個 ROI增強圖像直接看作一個超球粒，特征空間維數(shù)會很高（4692維），這就使得超球粒在高 維空間的表示變得困難，而且計算復(fù)雜，識別效率非常低，所以本步驟采用PCA(主成分分 析法）對所有ROI增強圖像進行降維，并獲取主成分特征，通過調(diào)節(jié)主成分特征占整個特征 空間的貢獻率，將ROI增強圖像降到不同的維數(shù)。
[0046] PCA降維具體過程如下：
[0047] (1)將上述ROI增強圖像矩陣A46_的每一列作為一維，將每一維的數(shù)據(jù)都減去該 維的均值，使其特征中心化而得到矩陣B ;
[0048] (2)計算矩陣B的協(xié)方差矩陣C ;
[0049] (3)計算協(xié)方差矩陣C的特征值和特征向量；
[0050] (4)將特征值由大到小進行排列，若前η個特征值之和已經(jīng)超過了所有特征值之 和的97%，則取前η個特征值對應(yīng)的特征向量，得到一個新的數(shù)據(jù)集。
[0051] 例如，如果前兩個特征值之和已經(jīng)超過了所有特征值之和的97%，滿足要求，則取 前兩個特征值對應(yīng)的特征向量，得到一個102*2的矩陣Μ。
[0052] A 46*2 - A 46*102 X Mlow2 (2)
[0053] 根據(jù)式（2)就把46*102的數(shù)據(jù)集A映射成了 46*2的數(shù)據(jù)集Y，特征由102個減 到了 2個。
[0054] 本發(fā)明中PCA降維結(jié)果如表1所示。每張 ROI增強圖像經(jīng)降維后得到的數(shù)據(jù)的類 別標簽仍與原手指靜脈ROI圖像保持一致。
[0055] 表1 PCA降維后的圖像特征維數(shù)
[0057] 6)未經(jīng)PCA降維前，若將每個ROI增強圖像R'直接表示成超球粒，則樣本所有特 征有4692個，即特征組成的行向量有4692維，維數(shù)過高。因此采用了 PCA降維，如表1設(shè) 貢獻率為80%時，降得的維數(shù)即為62維，則特征組成的行向量就降為62維，由4692維降 到62維可大大減少運算量。至此本步驟中將每一個降維后的ROI增強圖像都用降維后的 樣本特征向量來表征，即將每一個降維后的ROI增強圖像用高維空間中的一個超球粒來表 示，超球粒的球心即為降維后的樣本特征向量，半徑設(shè)為0,這樣每個降維后的ROI增強圖 像都被抽象為高維空間中具有球心和半徑的一個原粒，然后對其進行超球?；玫絏個 大超球粒，由此得到一個新的粒集。具體步驟如下：
[0058] (1)以所有訓(xùn)練樣本中降維后的ROI增強圖像作為操作對象；