基于最优编码位的手指多模态特征提取与融合方法技术

一种基于最优编码位的手指多模态图像编码和融合方法。其方法对原始手指三模态图像进行增强，获得手指三模态增强图像；利用方向编码方法对上述手指三模态增强图像的最优增强方向进行二进制编码，以提取出手指三模态的有效纹理特征，获得手指三模态特征编码；利用特征编码融合方法对手指三模态特征编码进行融合，获得最终融合图像等步骤。本发明专利技术效果：有效凸显了手指血管成像区域，实现了退化手指图像的稳定增强。解决了可能会产生的冗余信息和冗余特征编码位的问题，以便提取特征。可以充分利用手指三模态信息并提高识别的准确性和鲁棒性。棒性。棒性。

【技术实现步骤摘要】
基于最优编码位的手指多模态特征提取与融合方法


[0001]本专利技术属于手指多模态图像识别
，具体涉及一种基于最优编码位的手指多模态图像编码和融合方法。

技术介绍

[0002]随着信息时代的到来和计算机技术的飞速发展，信息安全已成为社会保障的前提。目前采用单模态特征进行身份鉴别的产品已经得到了广泛的应用。在单模态生物特征识别的应用中，其识别性能容易受到类内变异和欺骗攻击的阻碍，以及容易受到实际采集条件和环境的限制，因此不能满足人们在日常生活中高性能的身份鉴别需求。在通用性、准确性和安全性方面，多模态生物识别总是优于单模态方法。多模态融合可以提取多个模态之间的互补和共同特征，更加全面细致地描述主体的特征信息，提高身份识别系统的稳定性和安全性。因此，多模态识别顺应时代潮流的发展，成为当前研究的重要方向。
[0003]在众多的生物特征组合中，手部特征由于具有高灵活和用户接受性，基于手指的多模态身份认证技术尤其引人关注。手指的指纹、静脉、指节纹均具有非常高的特异性，通过特征之间的组合，可以达到远远超过单一特征的识别精度。此外，这些特征都集中于手指位置，可以统一采集，对设备要求不高，应用成本低，用户易于接受，因此有利于技术快速实现产品化。
[0004]由于传统的手指多模态特征表达方法对照明不敏感，并且不具有灰度不变性和旋转不变性。然而，基于编码的特征表示方法在光照不变性、特征描述能力和特征匹配效率方面提供了更高的性能。因此，探索一种对光照变化不敏感并且识别精度高的鲁棒性特征编码方法就成为研究中的关键问题。此外，现有的多模态融合方法会产生较大的存储空间，并且这些特征表达和融合方法没有充分考虑手指的辨别特征，不能产生令人满意的识别性能。所以研究出具有鲁棒性的特征表达方法对提高手指多模态特征融合系统的识别性能具有重大的价值。

技术实现思路

[0005]为了解决上述问题，本专利技术的目的在于提供一种基于最优编码位的手指多模态图像编码和融合方法。
[0006]为了达到上述目的，本专利技术提供的基于最优编码位的手指多模态图像编码和融合方法包括按顺序进行的下列步骤：
[0007]1)对原始手指三模态图像进行增强，获得手指三模态增强图像；
[0008]2)利用方向编码方法对上述手指三模态增强图像的最优增强方向进行二进制编码，以提取出手指三模态的有效纹理特征，获得手指三模态特征编码；
[0009]3)利用特征编码融合方法对步骤2)中获得的手指三模态特征编码进行融合，获得最终融合图像。
[0010]在步骤1)中，所述对原始手指三模态图像进行增强，获得手指三模态增强图像的
方法是：首先，使用多尺度、方向性、可容性的Gabor滤波器组对原始手指三模态图像进行Gabor滤波；然后，以韦伯定律为基础，对滤波后的图像建立方向性韦伯差分激励；最后，在多尺度情况下，获得具有尺度响应最强和方向响应最强的图像，即手指三模态增强图像。
[0011]在步骤2)中，所述利用方向编码方法对上述手指三模态增强图像的最优增强方向进行二进制编码，以提取出手指三模态的有效纹理特征，获得手指三模态特征编码的方法是：
[0012]首先，使用8位二进制编码来表示当前像素的8个方向；然后，给当前像素定义一个主方向，并将最优增强方向与主方向对齐；之后，仅将手指三模态增强图像的最优增强方向上的邻域值与当前像素值的大小进行比较来获取二进制编码；如果邻域值大于当前像素值，则将两个像素之间的二进制编码设为1，否则设为0；当前像素的二进制编码恒为1，其他二进制编码位的值全设为0，由此获得手指三模态特征编码。
[0013]在步骤3)中，所述利用特征编码融合方法对步骤2)中获得的手指三模态特征编码进行融合，获得最终融合图像的方法是：首先定义手指三模态特征编码融合的主方向；然后将步骤2)中方向编码方法中的主方向与上述手指三模态特征编码融合的主方向对齐，之后以手指三模态特征编码融合的主方向为中心，按照融合排序进行融合，获得最终融合图像。
[0014]本专利技术提供的基于最优编码位的手指多模态图像编码和融合方法具有如下有益效果：
[0015]1、由于捕获的原始手指三模态图像的边缘存在噪声和冗余信息，造成成像区域质量低下等问题，因此，本专利技术提供了一种融合韦伯定律与Gabor滤波的手指静脉血管区域稳定增强方法。通过Gabor滤波的多尺度、多方向特性，放大了韦伯局部描述子的方向激励能力，实现了Gabor滤波的最优响应与韦伯定律最优激励的相互配合，从而有效凸显了手指静脉血管成像区域，实现了退化手指静脉图像的稳定增强。实验结果表明，该方法同样适用于指纹和指节纹。
[0016]2、提供一种基于韦伯局部描述子的方向编码方法。在多尺度情况下，韦伯激励响应同时具有尺度响应最强和方向响应最强特点，因此对最优增强方向进行编码，解决了可能会产生的冗余信息(含噪声)和冗余特征编码位的问题，以便提取特征。最优方向的编码可以采用方向性和无方向性两种编码方法。
[0017]3、提供了一种特征编码融合方法。该方法定义主方向，将手指三模态的方向位与上述主方向对齐，逐次排列手指三模态的特征编码信息，可以充分利用手指三模态信息并提高识别的准确性和鲁棒性。
附图说明
[0018]图1为WLD的3*3邻域示意图。
[0019]图2为WLD的三种不同邻域示意图。
[0020]图3为部分原始手指静脉图像和手指静脉增强图像示例。(a)原始手指静脉图像；(b)n＝3；(c)n＝5；(d)n＝7。
[0021]图4为手指三模态增强图像示例。(a)手指静脉增强图像；(b)指节纹增强图像；(c)指纹增强图像。
[0022]图5为当前像素W的5*5邻域示意图。
[0023]x
c
[0024]图6为编码示例。
[0025]图7为手指三模态特征编码融合方法示意图；(a)方向性；(b)无方向性。
[0026]图8为原始手指三模态图像和手指三模态特征编码融合图像:(a)原始手指三模态图像，(b)方向性手指三模态特征编码融合图像；(c)无方向性手指三模态特征编码融合图像。
[0027]图9为不同特征表达方法的识别性能比较；(a)不同特征表达方法的ROC曲线；(b)不同特征表达方法的10次测试准确率曲线。
[0028]图10为不同排序方法的ROC曲线。
[0029]图11为不同融合方法的识别性能比较；(a)不同融合方法的ROC曲线；(b)不同融合方法的10次测试准确率曲线。
具体实施方式
[0030]下面结合附图和具体实施例对本专利技术进行详细说明。
[0031]本专利技术提供的基于最优编码位的手指多模态图像编码和融合方法包括按顺序进行的下列步骤：
[0032]1)对原始手指三模态图像进行增强，获得手指三模态增强图像；
[0033]局部描述子的图像内容表达与增强方法相对于全局描述子而言，局部描述子善于捕捉图像内容的局部变化，利于刻画目标的局部特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于最优编码位的手指多模态图像编码和融合方法，其特征在于：所述方法包括按顺序进行的下列步骤：1)对原始手指三模态图像进行增强，获得手指三模态增强图像；2)利用方向编码方法对上述手指三模态增强图像的最优增强方向进行二进制编码，以提取出手指三模态的有效纹理特征，获得手指三模态特征编码；3)利用特征编码融合方法对步骤2)中获得的手指三模态特征编码进行融合，获得最终融合图像。2.根据权利要求1所述的基于最优编码位的手指多模态图像编码和融合方法，其特征在于：在步骤1)中，所述对原始手指三模态图像进行增强，获得手指三模态增强图像的方法是：首先，使用多尺度、方向性、可容性的Gabor滤波器组对原始手指三模态图像进行Gabor滤波；然后，以韦伯定律为基础，对滤波后的图像建立方向性韦伯差分激励；最后，在多尺度情况下，获得具有尺度响应最强和方向响应最强的图像，即手指三模态增强图像。3.根据权利要求1所述的基于最优编码位的手指多模态图像编码和融合方法，其特征在于：在步骤2)中，所述利用方向编码方法...

【专利技术属性】
技术研发人员：杨玉清，杨金锋，薛月菊，李树一，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：