一种基于Gabor响应域重构的指关节纹识别方法

摘要

本发明公开了一种基于Gabor响应域重构的指关节纹识别方法，以一组带有方向的二维Gabor滤波器作为字典，运用稀疏表示计算测试样本和训练样本中每个样本不同方向上的Gabor响应表示；以训练样本对应方向上的Gabor响应作为字典，对测试样本每个方向上的Gabor响应进行线性重构；对重构前和重构后的测试样本以及训练样本的Gabor响应运用多方向二值编码方法进行特征编码；对重构前和重构后的测试样本，分别计算其与训练样本的匹配距离；利用自适应二值融合策略，自适应融合重构前、重构后的测试样本与训练样本的距离信息，最终得到测试样本与训练样本的匹配距离。本发明可较好地减小由于姿势变形而引起的错误拒绝，满足实际应用对高效身份识别的要求。

主权项

一种基于Gabor响应域重构的指关节纹识别方法，其特征在于，包括以下具体步骤：步骤1，以一组带有方向的二维Gabor滤波器作为字典，运用稀疏表示方法计算测试样本和训练样本中每个样本不同方向上的Gabor响应表示，具体为：对测试样本和训练样本中的每个样本，运用稀疏表示方法计算其每个块的稀疏表示系数，以此作为该样本不同方向上的Gabor响应表示，其中，每个块以样本的每个像素位置为中心，其大小与滤波器的维度相同；步骤2，以训练样本对应方向上的Gabor响应作为字典，对测试样本每个方向上的Gabor响应进行线性重构；步骤3，对重构前和重构后的测试样本以及训练样本的Gabor响应运用多方向二值编码方法进行特征编码，具体为：运用多方向二值编码方法对重构前测试样本的Gabor响应进行特征编码，编码过程为：$P_l^b(x,y)=\left\{\begin{array}{cc}1,& \begin{array}{cc}if& y_l\left(g\right)(x,y)\ge T_l\end{array}\\ 0,& else\end{array}\right.$式中，P_l^b(x,y)表示重构前的测试样本P的第l个二值编码图像P_l^b中第x行、第y列元素值；y_l(g)(x,y)表示重构前的测试样本P方向θ_l上的Gabor响应y_l(g)中第x行、第y列元素值；T_l为第一编码阈值，l＝{0,1,…K‑1}，K为Gabor滤波器组中滤波器个数；运用多方向二值编码方法对重构后的测试样本的Gabor响应进行特征编码，编码过程为：$\widehat{P_l^b}(x,y)=\left\{\begin{array}{cc}1,& \begin{array}{cc}if& \widehat{y_l}\left(g\right)(x,y)\ge T_l^{\prime }\end{array}\\ 0,& else\end{array}\right.$式中，表示重构后的测试样本的第l个二值编码图像中第x行、第y列元素值；表示重构后的测试样本方向θ_l上的Gabor响应中第x行、第y列元素值；T_l′为第二编码阈值，l＝{0,1,…K‑1}，K为Gabor滤波器组中滤波器个数；运用多方向二值编码方法对训练样本的Gabor响应进行特征编码，编码过程为：$Q_l^b(x,y)=\left\{\begin{array}{cc}1,& \begin{array}{cc}if& x_l\left(g\right)(x,y)\ge T_l^{\prime \prime }\end{array}\\ 0,& else\end{array}\right.$式中，表示训练样本Q第l个二值编码图像中第x行、第y列元素值；x_l(g)(x,y)表示训练样本Q方向θ_l上的Gabor响应x_l(g)中第x行、第y列元素值；T_l”为第三编码阈值，l＝{0,1,…K‑1}，K为Gabor滤波器组中滤波器个数；步骤4，对重构前和重构后的测试样本，分别计算其与训练样本的匹配距离；其中，对重构前的测试样本，计算其与训练样本的匹配距离，具体为：$d_b=\frac{{\Sigma }_{x=1}^{Rows}{\Sigma }_{y=1}^{cols}{\Sigma }_{l=0}^{K-1}\left(P_l^b\right(x,y)\otimes Q_l^b(x,y\left)\right)\cap \left(P_M\right(x,y)\cap Q_M(x,y\left)\right)}{{\mathrm{K\Sigma }}_{x=1}^{Rows}{\Sigma }_{y=1}^{cols}{P}_M(x,y)\cap Q_M(x,y)}$式中，d_b表示重构前的测试样本P和训练样本Q之间的匹配距离；Rows和Cols分别表示编码图像的行数和列数；P_M(x,y)、Q_M(x,y)分别表示P_M、Q_M中第x行、第y列元素值，表示训练样本Q的第l个二值编码图像，P_M和Q_M分别表示P_l^b和的掩模；表示按位或操作，∩表示按位与操作；步骤5，利用自适应二值融合策略，自适应融合重构前、重构后的测试样本与训练样本的匹配距离，最终得到测试样本与训练样本的匹配距离。