一种基于轮廓与边缘纹理特征融合的掌纹识别方法

摘要

本发明属于掌纹识别技术领域，涉及一种基于轮廓与边缘纹理特征融合的掌纹识别方法，先对图像进行预处理，运用均值滤波将掌纹图像分解为图像轮廓和图像边缘纹理，分别采用灰度直方图和差分盒子维进行特性提取，最后使用通用的卡方距离进行匹配，其方法简单，原理科学，识别时间短，识别精度高，能实时识别掌纹，为身份识别提供了一种快速有效的识别方法。

主权项

一种基于轮廓与边缘纹理特征融合的掌纹识别方法，其特征在于先对图像进行预处理，运用均值滤波将掌纹图像分解为图像轮廓和图像边缘纹理，分别采用灰度直方图和差分盒子维进行特性提取，最后使用通用的卡方距离进行匹配，具体步骤如下：(1)、选取掌纹图像：从掌纹数据库中选取200个人的掌纹图像作为样本，并对每个人的掌纹图像进行编号，其中每个人10幅图像，共2000张掌纹图像，随机选取每个人的一张图像作为训练图像，剩余9张作为测试图像；(2)、均值滤波分解掌纹图像：采用均值替代掌纹图像中的各个像素值,对掌纹图像中的像素点(x,y)，选择由其邻近的像素组成的模板，计算得到模板中所有像素的均值，再把该均值赋予当前像素点(x,y)，作为处理后图像在该点上的灰度g(x,y)，然后对掌纹图像进行均值滤波，得到图像轮廓和图像边缘纹理；(3)、灰度直方图提取图像轮廓特征：将步骤(1)得到的掌纹图像进行分块，每块区域为16×16像素，然后使用现有技术中的灰度直方图对每块区域进行灰度统计，作为该区域的特征向量，并联融合每个区域特征向量，得到图像轮廓特征；(4)、差分盒子维提取图像边缘纹理特征：将步骤(1)得到的掌纹图像进行分块，每块区域为4×4或8×8像素，采用现有技术中的差分盒子维方法得到掌纹图像的盒子数，即为图像边缘纹理特征；(5)特征融合：将图像轮廓特征与图像边缘纹理特征并行融合，即向量串联，得到能够代表掌纹图像特征数据的最终特征向量；(6)：卡方距离匹配：先采用通用的卡方距离来度量，特征空间的样本卡方距离为：${\chi }^2(S,M)=\underset{i}{\Sigma }\frac{{(S_i-M_i)}^2}{S_i+M_i}$其中，S为测试图像的最终特征向量，M为训练图像的最终特征向量，i为图像编号，i取值为1‑200的整数；再根据最小的χ²值为匹配的掌纹图像，对比编号是否符合同一个人，即能判断识别的正确与否。