基于迭代随机抽样一致算法的非接触式掌纹识别方法

摘要

本发明提出一种基于迭代随机抽样一致算法的非接触式掌纹识别方法。该方法通过掌纹图像预处理、尺度不变特征变换特征提取与匹配、外点排除等步骤，最终以匹配的SIFT特征点数量作为分数实现基于掌纹的身份认证或辨识。本发明要解决的问题是非接触式掌纹识别，所使用的掌纹图像不需要非常准确的对齐，因此掌纹图像可以在开放的环境中非接触采集，有利于提高掌纹识别的用户接受度。本发明应用SIFT特征，可以大大降低掌纹图像各种旋转、平移、尺度等线性变换以及其它非线性变换的影响。本发明应用I‑RANSAC算法排除两幅掌纹图像SIFT特征点匹配中的外点，可以解决传统外点排除算法在非线性形变情况下丢失大量内点的问题。

主权项

基于迭代随机抽样一致算法的非接触式掌纹识别方法，分为注册和识别两个阶段，其特征在于：(1)注册阶段分为如下步骤：(1.1)将用户提供的掌纹图像进行掌纹ROI提取，得到掌纹ROI图像；(1.2)对掌纹ROI图像进行预处理以增强掌纹纹理；(1.3)在预处理后的掌纹ROI图像上提取尺度不变特征变换SIFT特征，并存于特征数据库；(2)识别阶段分为如下步骤：(2.1)在用户提供的掌纹图像上进行掌纹ROI提取；(2.2)对掌纹ROI图像进行预处理以增强掌纹纹理；(2.3)在预处理后的掌纹ROI图像上提取尺度不变特征变换SIFT特征；(2.4)将提取到的SIFT特征和数据库中已存的SIFT特征进行匹配，得到匹配的SIFT特征点；所述的SIFT特征提取为如下步骤：(2.4.1)通过使用不同尺度的高斯滤波器与掌纹图像进行卷积运算构造Gaussian尺度空间；(2.4.2)通过对Gaussian尺度空间中相邻尺度的图像进行相减运算，形成Gaussian差分DoG空间，特征点通过检测DoG空间的局部极值点来确定；(2.4.3)在特征点周围选定一个图像块，并计算这一图像块的梯度方向直方图HOG，将HOG的最大值所对应的方向作为该特征点的主方向；(2.4.4)计算特征点的描述子，首先计算特征点周围图像块的HOG，然后利用该点的主方向将HOG进行方向归一化，就得到了该点的描述子；(2.5)通过迭代随机抽样一致算法排除外点；(2.6)将排除外点后得到的匹配点数量作为匹配度，用于身份认证或辨识。