掌纹与掌静脉融合matlab代码,手形、掌纹和掌静脉多特征融合识别

1引言当前,众多研究学者在基于手部特征的生物特征识别技术进行了大量的研究,包括指纹识别[1-2]、手形识别[3-4]、掌纹识别[5-6]、静脉识别[7-8]等,在理论研究和实际系统应用都取得了一定的成果。但是,如众多其他生物特征识别一样,这些单模态生物特征识别技术都存在其固有的缺点而不能达到完美无缺的地步,而且随着科技的发展,人工仿制生物特征的出现,给单模态生物特征识别系统的安全性敲响了警钟[9]。那么就需要融合多个生物特征来提高识别的准确率、稳定性和安全性[10]。多生物特征由于其信息量的增加,必然会带来信息采集、信息融合、识别时间等一系列问题,这些问题是当今多生物特征识别研究的热点。多生物特征识别技术一般包括如下几个方面[11]:用来进行身份识别的信息不仅仅是多种不同的生物特征;也包括同种生物特征的不同个体;以及单一生物特征在不同采集条件下的多个样本,而且还包括同一生物特征样本利用不同的特征提取方法得到的不同的特征。在特征融合方法上可分为4个不同层次,分别是图像层的融合、特征层的融合、匹配量化层的融合以及判决层的融合。那么如何合理选择融合策略是提高生物特征识别技术质量的关键。综合上述问题,本文提出一种手形、掌纹和掌静脉的多特征融合识别方法。利用同一采集设备在不同光源下采集手形、掌纹和掌静脉图像;综合特征层和图像层融合策略,分别将掌纹和掌静脉各自的主特征增强,然后融合到一幅图像中;利用手形特征识别过滤掉大多数非目标样本,然后在剩余的少数目标样本中利用掌纹和掌静脉融合图像进行二次匹配,给出识别结果。多特征融合充分发挥了手形识别速度快、掌纹和掌静脉纹理特征识别率高的优点,同时二次融合策略在保证识别时间的基础上提高了识别率,另外,多特征是同时采集的,特别是活体掌静脉特征的加入,使得识别系统的安全性大大提高。2手形、掌纹和掌静脉多特征融合识别2.1整体系统所提出的融合手形、掌纹和掌静脉3种生物特征识别系统流程图如图1所示。利用同一采集设备分别在可见光和近红外光照明条件下采集手形、掌纹和掌静脉图像,采用非接触采集方式,人手自然张开放在镜头前。首先利用手指相对长度作为特征矢量进行初匹配,获得包括目标样本在内的少数样本作为初匹配样本;然后将初匹配样本进行基于小波变换的掌纹和掌静脉图像融合;提出基于分块纹理基元的特征提取方法进行融合图像特征提取,进行二次匹配,得到最终的识别结果。图1多特征融合识别系统Fig.1Themulti-modalfusionrecognitionsystem2.2图像采集图像采集装置为同一相机配备环装的白色光源和波长为835nm的近红外光源,选择黑色背景,人手自然张开放入相机镜头前,手掌平面尽量保持与镜头平行,在同一位置自动切换光源就可以同时采集到人手图像和掌静脉图像,采集分辨率为80万像素。采集系统结构如图2所示。图2图像采集系统示意图Fig.2Imageacquisitionsystem2.3关键点定位与ROI提取关键点定位是进行图像感兴趣区域(regionofinterest,ROI)选取和特征提取的前提,由于大拇指的活动灵活,在采集的过程中经常会出现大拇指与其他4根手指不在同一平面的状况,本文只对除了大拇指外的其他4根手指提取指根与指尖点进行定位,关键点定位结果如图3所示,所提取的ROI如图4所示,定位和ROI提取的详细过程参见文献[10]所提出的算法。图3关键点定位Fig.3Keypointlocating图4ROI提取图Fig.4ROIextraction2.4掌纹与掌静脉图像融合简单的图像融合是将2幅图像在像素层和特征层