主权项 |
一种基于方向特征的手掌静脉主方向特征提取方法,其特征是针对掌脉图像,采用Gaussian_iRadon(G‑iR)变换提取掌脉图像的方向特征矩阵,得到图像主方向特征,所述的采用Gaussian_iRadon(G‑iR)变换提取掌脉图像的方向特征矩阵是在判定中心像素点的主方向D<sub>o</sub>(x<sub>0</sub>,y<sub>0</sub>)时,利用Gaussian函数对中心点的加权规则,削弱邻域内像素点对中心像素点的贡献度,进而减弱iRadon变换提取到的方向信息的分辨能力,其中:实函数f[x,y]在有限邻域local(x,y)内的G‑iR变换定义为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>G</mi><mo>_</mo><msub><mi>Radon</mi><mi>f</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>,</mo><mi>σ</mi><mo>)</mo></mrow><mo>=</mo><mi>f</mi><mo>[</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>]</mo><mo>*</mo><msub><mi>GR</mi><msub><mi>L</mi><mi>k</mi></msub></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>,</mo><mi>σ</mi><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>6</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000604483240000011.GIF" wi="1655" he="114" /></maths>其中<img file="FDA0000604483240000012.GIF" wi="282" he="91" />是Lk的Gaussian加权表示,定义如下:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msub><mi>GR</mi><msub><mi>L</mi><mi>k</mi></msub></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>,</mo><mi>σ</mi><mo>)</mo></mrow><mo>=</mo><mi>δ</mi><mrow><mo>(</mo><msub><mi>L</mi><mi>k</mi></msub><mo>)</mo></mrow><mo>×</mo><mi>G</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>,</mo><mi>σ</mi><mo>)</mo></mrow><mo>;</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>7</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000604483240000013.GIF" wi="1630" he="109" /></maths>Lk即为Section2.1中iRadon变换有关有限线段的定义;等式(8)给出2‑D高斯函数G(x,y,σ)的定义,(x,y)表示Gaussian滤波器中的离散点,(x<sub>0</sub>,y<sub>0</sub>)是滤波器的中心点;σ是高斯滤波器的标准方差;<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><mi>G</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>,</mo><mi>σ</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><msup><mrow><mn>2</mn><mi>πσ</mi></mrow><mn>2</mn></msup></mfrac><mrow><mo>(</mo><mi>exp</mi><mrow><mo>(</mo><mo>-</mo><mfrac><mrow><msup><mrow><mo>(</mo><mi>x</mi><mo>-</mo><msub><mi>x</mi><mn>0</mn></msub><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><mi>y</mi><mo>-</mo><msub><mi>y</mi><mn>0</mn></msub><mo>)</mo></mrow><mn>2</mn></msup></mrow><msup><mrow><mn>2</mn><mi>σ</mi></mrow><mn>2</mn></msup></mfrac><mo>)</mo></mrow><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>8</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000604483240000014.GIF" wi="1743" he="189" /></maths>类似地,根据iRadon变换的竞争编码方式得到由D<sub>o</sub>(x,y)组成的方向特征矩阵;基于G‑iR变换得到的每个像素的主方向D<sub>o</sub>(x,y),根据公式(9),统计其方向特征的分布PD<sub>φ</sub>,并求得整个图像的主方向φ;其中m,n为OM矩阵大小;<maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><msub><mi>PD</mi><mi>φ</mi></msub><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>y</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><munderover><mi>Σ</mi><mrow><mi>x</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><msub><mi>D</mi><mi>o</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>,</mo></mrow>]]></math><img file="FDA0000604483240000015.GIF" wi="446" he="128" /></maths>if D<sub>o</sub>(x,y)=φ;φ=1,2,3,4,5,6<maths num="0005" id="cmaths0005"><math><![CDATA[<mrow><mi>φ</mi><mo>=</mo><munder><mrow><mi>arg</mi><mi>max</mi></mrow><mi>φ</mi></munder><msub><mi>PD</mi><mi>φ</mi></msub><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>9</mn><mo>)</mo></mrow><mo>.</mo></mrow>]]></math><img file="FDA0000604483240000016.GIF" wi="1597" he="124" /></maths> |