基于Log－Gabor混合滤波相位特征加密的高精度掌纹安全识别方法

摘要

本发明公开了一种基于二维Log－Gabor混合相位特征加密的高精度安全掌纹识别方法。它采用4个方向的混合二维Log－Gabor混合滤波器对预处理后的掌纹图像进行滤波；然后采用相位编码的方式对滤波后的结果提取混合相位特征；接着用密码序列按异或处理方式对提取的掌纹混合相位特征进行加密操作；然后对加密操作后得到的两个加密掌纹混合相位特征，用Hamming距离匹配算法进行匹配，得到匹配结果。该种算法受采集光照条件的影响较小，用密码序列按异或处理方式对掌纹混合相位特征进行加密操作能在不改变类内距离的同时增大了类间距离，不仅提高了掌纹的识别精度，计算复杂度低，且用户可通过更改密码方式保护其隐私保护，系统安全性好。

主权项

1、基于二维Log-Gabor混合滤波相位特征加密的高精度掌纹安全识别方法，其步骤是：a、掌纹图像预处理：采用边缘跟踪算法得到人掌纹图像的食指和中指、无名指和小指之间形成的角点，并通过这两个角点来校正掌纹图像，然后切割出手掌图像中心且大小为128×128像素的掌纹图像块I；b、二维Log-Gabor混合滤波：用4个不同方向的二维Log-Gabor滤波器构成二维混合Log-Gabor滤波器LGMF(θ0，σθ，f0，σf)：$\mathrm{LGMF}({\theta }_0,{\sigma }_{\theta },f_0,{\sigma }_f)=\underset{i=1}{\overset{4}{\Sigma }}{a}_i{G}_i({\theta }_i,{\sigma }_{\theta },f_0,{\sigma }_f)其中，Gi(\theta i，\sigma \theta ，f0，\sigma f)是方向为\theta i的二维Log-Gabor滤波器，ai为方向\theta i的加权系数，二维Log-Gabor混合滤波器LGMF经反傅立叶变换得到空域的形式IFFT(LGMF)，用IFFT(MLG)对a步的掌纹图像块I进行卷积滤波操作，得到卷积滤波后的掌纹图像MF，MF＝IFFT(LGMF)*I，其中*表示空域卷积运算c、掌纹混合相位特征提取：对滤波后的掌纹图像MF采用相位编码的方式提取掌纹图像的混合相位特征PMPF(Palmprint\; Mixture\; Phase\; Feature)，PMPF＝(MFR，MFI)，其中MFR是掌纹特征实部编码，MFI是掌纹特征虚部编码，分别由下列公式得出：$ \mathrm{MFR}=\begin{array}{c}\left\{\begin{array}{ccc}1& \mathrm{if}& \mathrm{Re}\left[\mathrm{MF}\right]\ge 0\\ 0& \mathrm{if}& \mathrm{Re}\left[\mathrm{MF}\right]<0\end{array}\right.;\end{array}$ \mathrm{MFI}=\left\{\begin{array}{ccc}1& \mathrm{if}& \mathrm{Im}\left[\mathrm{MF}\right]\ge 0\\ 0& \mathrm{if}& \mathrm{Im}\left[\mathrm{MF}\right]<0\end{array}\right..d、掌纹混合相位特征加密：用长度和掌纹混合相位特征PMPF的bit数相同的伪随机比特序列E对掌纹混合相位特征PMPF进行异或处理，得到加密掌纹混合相位特征EPMPF：$ \mathrm{EPMPF}=\mathrm{PMPF}\oplus E;e、匹配识别：对于两个掌纹图像分别进行a～d步的操作，得到两个加密掌纹混合相位特征EPMPF1，EPMPF2；再采用Hamming距离匹配算法对加密掌纹混合相位特征EPMPF1和EPMPF2进行匹配，得到匹配结果。$$$$