一種用于掌紋識別的頻段選擇方法和裝置制造方法及圖紙

本發明專利技術提供一種用于掌紋識別的頻段選擇方法和裝置，以減少掌紋識別過程中的運算量并提高掌紋識別的效率。所述方法包括：剔除掌紋圖像中對應于信息量較少的頻段，得到第一備選頻段；基于Gabor濾波器從所述掌紋圖像中選擇對應于等錯誤率較低的頻段作為第二備選頻段；根據k聚類算法，從所述第一備選頻段與所述第二備選頻段的重疊部分中計算出若干聚類良好的頻段聚類，所述聚類良好的頻段聚類的中心對應的頻段作為最終用于掌紋識別的頻段。本發明專利技術提供的技術方案可知能夠顯著提高掌紋識別的效率和準確率。

Frequency band selection method and device for palm print identification

The invention provides a frequency band selection method and a device for palmprint identification, so as to reduce the amount of computation in the palmprint recognition process and improve the efficiency of palmprint identification. The method comprises the following steps: removing the palmprint image corresponding to the amount of information obtained by the first few band frequency; Gabor filter from the palmprint image selection corresponds to the equal error rate of lower frequency as the second frequency based on K preparation; according to the clustering algorithm, the calculated band clustering the overlap from some good clustering the first alternative band and the second alternative band, band clustering good the corresponding to the center of the band as the final band for palmprint recognition. The technical proposal provided by the invention can obviously improve the efficiency and the accuracy of the palmprint identification.

【技術實現步驟摘要】
一種用于掌紋識別的頻段選擇方法和裝置
本專利技術屬于圖像處理領域，尤其涉及一種用于掌紋識別的頻段選擇方法和裝置。
技術介紹
隨著成像技術和計算性能的提高，掌紋識別逐步發展成為主流的生物識別技術之一，而隨著深度攝像頭、多光譜/超光譜攝像頭的應用，基于手掌掌紋靜脈、3D信息、多光譜和超光譜圖像的識別也成為可能。人的手掌除了表面有復雜的掌紋以外，內部還有錯綜復雜的動脈靜脈血管和各種結締組織。由于不同組織在不同光譜下的光學特性不同，在不同的光譜下可以得到不同的圖像，因此，結合各種光譜下手掌圖像，可以提供更多的有效信息，從而提高手掌識別的準確率。為進一步提高掌紋識別的準確率，一種現有的掌紋識別方法引入了多光譜成像技術。多光譜成像技術可以取得在不同光譜下的手掌表皮及內部組織、血管的圖像。然而，由于圖片數量過多，造成運算量急劇增長。現有的另一種掌紋識別的方法是基于像素級別的多波段圖像融合，并應用小波和曲波變換。在這種方法中，頻帶的選擇是關鍵。鑒于此，一種對頻帶的選擇方法是通過窮舉選擇最優的頻帶組合。然而，由于超光譜的的頻段數量一般在10^2數量級或者更大，因此，對于超光譜的掌紋識別而言，上述通過窮舉選擇最優頻帶組合的掌紋識別方法效率太低。
技術實現思路
本專利技術的目的在于提供一種用于掌紋識別的頻段選擇方法和裝置，以減少掌紋識別過程中的運算量并提高掌紋識別的效率。本專利技術第一方面提供一種用于掌紋識別的頻段選擇方法，所述方法包括：剔除掌紋圖像中對應于信息量較少的頻段，得到第一備選頻段；基于Gabor濾波器從所述掌紋圖像中選擇對應于等錯誤率較低的頻段作為第二備選頻段；根據k聚類算法，從所述第一備選頻段與所述第二備選頻段的重疊部分中計算出若干聚類良好的頻段聚類，所述聚類良好的頻段聚類的中心對應的頻段作為最終用于掌紋識別的頻段。本專利技術第二方面提供一種用于掌紋識別的頻段選擇裝置，所述裝置包括：第一選擇模塊，用于剔除掌紋圖像中對應于信息量較少的頻段，得到第一備選頻段；第二選擇模塊，用于基于Gabor濾波器從所述掌紋圖像中選擇對應于等錯誤率較低的頻段作為第二備選頻段；聚類模塊，用于根據k聚類算法，從所述第一備選頻段與所述第二備選頻段的重疊部分中計算出若干聚類良好的頻段聚類，所述聚類良好的頻段聚類的中心對應的頻段作為最終用于掌紋識別的頻段。從上述本專利技術技術方案可知，一方面，在進行k聚類算法之前，通過對掌紋圖像的處理，篩選出掌紋圖像的信息量較多的頻段和等錯誤率較低的頻段，因此，在掌紋識別過程中，只處理這兩種頻段的重疊部分所對應的掌紋圖像大大減少了運算量，能夠顯著提高掌紋識別的效率；另一方面，通過對信息量較多的頻段和等錯誤率較低的頻段對應的掌紋圖像進行k聚類算法，計算出聚類良好的頻段聚類，選擇出最優的頻段組合，不僅能夠減少掌紋識別的運算量，而且能夠顯著提高掌紋識別的準確率。附圖說明圖1是本專利技術實施例一提供的用于掌紋識別的頻段選擇方法的實現流程示意圖；圖2是本專利技術實施例二提供的圖像中熵的值與頻段的對應關系示意圖；圖3是本專利技術實施例三提供的圖像中不同頻段與其等錯誤率的關系示意圖；圖4是本專利技術實施例四提供的用于掌紋識別的頻段選擇裝置的結構示意圖；圖5是本專利技術實施例五提供的用于掌紋識別的頻段選擇裝置的結構示意圖；圖6是本專利技術實施例六提供的用于掌紋識別的頻段選擇裝置的結構示意圖。具體實施方式為了使本專利技術的目的、技術方案及有益效果更加清楚明白，以下結合附圖及實施例，對本專利技術進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本專利技術，并不用于限定本專利技術。本專利技術實施例提供一種用于掌紋識別的頻段選擇方法，所述方法包括：剔除掌紋圖像中對應于信息量較少的頻段，得到第一備選頻段；基于Gabor濾波器從所述掌紋圖像中選擇對應于等錯誤率較低的頻段作為第二備選頻段；根據k聚類算法，從所述第一備選頻段與所述第二備選頻段的重疊部分中計算出若干聚類良好的頻段聚類，所述聚類良好的頻段聚類的中心對應的頻段作為最終用于掌紋識別的頻段。本專利技術實施例還提供相應的用于掌紋識別的頻段選擇裝置。以下分別進行詳細說明。請參閱附圖1，是本專利技術實施例一提供的用于掌紋識別的頻段選擇方法的實現流程示意圖，主要包括以下步驟S101至步驟S103：S101，剔除掌紋圖像中對應于信息量較少的頻段，得到第一備選頻段。需要說明的是，不同頻段下所得的圖像，所包含的信息量并不相同，掌紋圖像也符合這一規律，而且，信息量豐富的掌紋圖像相對信息量少的掌紋圖像易于識別。因此，在本專利技術實施例中，可以先剔除掌紋圖像中對應于信息量較少的頻段，得到第一備選頻段，其具體可通過如下步驟S1011和步驟S1012來實現：S1011，計算掌紋圖像的灰度分布值。在本專利技術實施例中，計算掌紋圖像的灰度分布值pd可通過如下公式(1)得到：..............公式(1)其中，Ii,j表示8位編碼的掌紋圖像，Ii,j的下標i和j表示圖像的位置，m和n是掌紋圖像的尺寸，k是掌紋圖像Ii,j的灰度。S1012，根據步驟S1011計算出的灰度分布值，計算掌紋圖像中對應于各個頻段的熵，將熵的值較大的頻段作為第一備選頻段。在本專利技術實施例中，根據步驟S1011計算出的灰度分布值，可通過如下公式(2)計算掌紋圖像的熵E：..............公式(2)對于一幅圖像，其熵的值越大，包含的信息量則越多，質量越好；掌紋圖像亦符合這一規律。因此，在本專利技術實施例中，在計算掌紋圖像中對應于各個頻段的熵，可以將熵的值較大的頻段作為第一備選頻段，以提高后續掌紋識別時的識別率。如附圖2所示，是圖像中熵的值與頻段的對應關系。在本專利技術實施例中，顯然，如果剔除掌紋圖像對應于波長在590nm以下以及在1020nm以上的頻段，余下的波長在590nm至1020nm之間的頻段，其熵的值相對較大，說明在這一頻段范圍內的圖像的信息量比較，因此，可以將波長在590nm至1020nm之間的頻段作為第一備選頻段。S102，基于Gabor濾波器從掌紋圖像中選擇對應于等錯誤率較低的頻段作為第二備選頻段。在圖像處理領域，等錯誤率(EqualErrorRate，EER)是從誤拒率(FRR，FalseRejectionRate)和誤識率(FAR，FalseAcceptationRate)這兩個概念引申而來，其中，誤拒率即錯誤拒絕的概率，是從類內匹配來闡述問題，如果有10個志愿者的樣本，每個志愿者20幅樣本，那么相對于類內測試，例如，對1號志愿者，同一類的這20幅圖像之間，互相匹配(假設1:1的匹配)，互相不重復能夠進行(20*19)/2次；如果10個志愿者都進行這樣的測試，就是10*(20*19)/2次，以上是總的類內匹配次數，每一次匹配，都會根據匹配算法得到一個匹配值th，預設定閾值為TH，如果th>TH就會錯誤拒絕；誤識率即錯誤接受的概率，是從類間匹配來闡述問題，即不同的類之間進行的匹配，如果根據匹配算法得到的匹配值th小于預設閾值TH，就會認為屬于同一類，這種情況就是錯誤接受。FRR計算公式為FAR計算公式為其中，NGRA是類內測試的總次數，NIRA是類間測試的總次數，NFR和NFA是錯誤拒絕和錯誤接受的次數。由于FRR和FAR互相矛盾，因此，當F本文檔來自技高網...

【技術保護點】
一種用于掌紋識別的頻段選擇方法，其特征在于，所述方法包括：剔除掌紋圖像中對應于信息量較少的頻段，得到第一備選頻段；基于Gabor濾波器從所述掌紋圖像中選擇對應于等錯誤率較低的頻段作為第二備選頻段；根據k聚類算法，從所述第一備選頻段與所述第二備選頻段的重疊部分中計算出若干聚類良好的頻段聚類，所述聚類良好的頻段聚類的中心對應的頻段作為最終用于掌紋識別的頻段。

【技術特征摘要】
1.一種用于掌紋識別的頻段選擇方法，其特征在于，所述方法包括：剔除掌紋圖像中對應于信息量較少的頻段，得到第一備選頻段；基于Gabor濾波器從所述掌紋圖像中選擇對應于等錯誤率較低的頻段作為第二備選頻段；根據k聚類算法，從所述第一備選頻段與所述第二備選頻段的重疊部分中計算出若干聚類良好的頻段聚類，所述聚類良好的頻段聚類的中心對應的頻段作為最終用于掌紋識別的頻段。2.如權利要求1所述的方法，其特征在于，所述剔除待識別掌紋圖像中對應于信息量較少的頻段，得到第一備選頻段，包括：計算所述掌紋圖像的灰度分布值；根據所述灰度分布值，計算所述掌紋圖像中對應于各個頻段的熵，將熵的值較大的頻段作為所述第一備選頻段。3.如權利要求1所述的方法，其特征在于，所述基于Gabor濾波器從所述掌紋圖像中選擇對應于等錯誤率較低的頻段作為第二備選頻段，包括：基于Gabor濾波器對所述掌紋圖像濾波；對所述濾波后的掌紋圖像，計算各個頻段的等錯誤率，將所述等錯誤率小于預設閾值的對應頻段作為所述第二備選頻段。4.如權利要求3所述的方法，其特征在于，所述基于Gabor濾波器對所述掌紋圖像濾波，包括：基于函數G(x,y,θ,u,σ)表示的Gabor濾波器，在所述函數G(x,y,θ,u,σ)的六個方向上對所述掌紋圖像濾波，所述函數G(x,y,θ,u,σ)定義如下：所述所述x和y表示所述Gabor濾波器的位置坐標，所述u為正弦波的頻率，所述θ是函數G(x,y,θ,u,σ)的方向，所述σ是高斯函數的方差。5.如權利要求4所述的方法，其特征在于，所述函數G(x,y,θ,u,σ)的六...

【專利技術屬性】
技術研發人員：孫駿文，王偉明，王瓊，王平安，
申請(專利權)人：中國科學院深圳先進技術研究院，
類型：發明
國別省市：廣東,44