英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料
基于Gabor特征的高分辨率掌纹细节提取
摘要：由于主线，折痕和其他噪声的强烈影响，提取有效细节难以实现高分辨率掌纹。 本文提出了一种新的细节点检测和可靠性测量方法，用于高分辨率掌纹细节提取。 首先，我们提出了用于掌纹表示的Gabor振幅 - 相位模型，其包含足够的掌纹信息并且由相位场和幅度场组成。由于相位场中细节的明确含义，构造了一个细节描述符直接检测它们。此外，为了测量细节的可靠性并去除不可靠的细节，设计了Gabor幅相特征向量。它可以用于冗余地描述细节的局部区域。然后在模型训练中引入Adaboost算法，选择最佳特征和相应的弱分类器进行细节真实性判别。最后，选择弱分类器的加权线性组合的响应值用于细节可靠性测量和不可靠的分类。根据我们的分析，选定的特征对于描述细节区域并测量其可靠性有意义且有用。实验结果表明，我们提出的方法是有效的细节提取，并可以提高匹配性能。
关键词：掌纹识别，细节提取，细节可靠性测量，Adaboost算法，Gabor滤波器
1 介绍
作为一项重要的生物识别功能，近年来掌纹受到了更多关注。对掌纹的研究基本上是根据掌纹的分辨率分为低分辨率和高分辨率的类型。 低分辨率掌纹通常由相机或其他光学仪器捕捉，其主要特征如主线和纹理主要用于识别方法。 已经有许多方法提出了低分辨率掌纹识别[1-3]。 高分辨率掌纹通常是由扫描仪采集的墨迹图像。 基于它们的识别方法总是借鉴以指纹识别为特征的指纹特征。由于某些区域的图像质量较差，难以从高分辨率掌纹中有效提取细节折痕，噪音等。
图1高分辨率掌纹图像。
右下框：清除山脊区域; 左下框：受折痕影响的区域; 上部框：模糊区域。
同时，大掌纹图像尺寸和巨大细节数量也需要大量计算。由于高分辨率掌纹在法医学方面具有丰富的信息和重要作用，近年来，越来越多的研究集中于此[4-7]。
主线干扰，折痕和噪声降低了图像某些部分的质量。因此，许多伪细节可能被提取到掌纹中，并且难以有效提取可靠的细节。图1是一个高分辨率掌纹图像的例子。 右下角的纹理非常清晰，图像质量非常好，并且很容易从该区域提取细节。 在左下方的框中，由于大量折痕的影响，脊线被切断，并且在该区域可能会产生伪细节。 上方框中的图像模糊，其中的脊线不清晰，可靠的细节也难以从中提取出来。
因此，在掌纹细节提取程序中比在指纹中更有效地测量细节可靠性并有效去除不可靠的细节。 目前在掌纹质量评估和细节可靠性测量方面很少有专门的工作。 然而，由于掌纹与指纹之间存在局部相似性，因此这是一个值得关于指纹质量估计和细节可靠性测量的讨论和调查[8]。 陈等人。[9]提出了一种基于岭谷间隙的指纹质量估计方法。 Fronthaler等人[10]设计一组方向描述符并将它们卷积到图像上，然后评估局部图像质量。 阿吉拉尔等人。 [11]和林等人。[12]分别使用局部区域的傅立叶变换的响应以及全局指纹来估计指纹的局部质量或全局质量。由于当地地区图像质量差受到噪声的严重影响，从这些地区提取的细节不太可信。相反，从优质当地提取的细节更可靠。 因此，细节的可靠性总是反映在局部图像的质量，如文献[13]。
Gabor滤波器[14]被广泛用于指纹增强。 从理论和实践上证明，它对于消除边缘模式的噪声是有效的。 在文献[15]中，作者在指纹细节提取中引入了一个复杂的Gabor滤波器。2D复Gabor滤波器对图像的卷积响应由幅度场和相位场组成。相场描述脊的纹理结构; 幅度场表示局部图像与滤波器之间的一致程度，其中包括局部图像区域的质量信息。由于相位场和幅度场包含足够的条纹图案信息，本文中我们检测细节并基于它们测量高分辨率掌纹的可靠性。
图2显示了高分辨率掌纹细节提取的过程。 在我们的工作中，我们关注重点框中的核心步骤，检测相位场中的细节并基于相位和振幅场来测量它们的可靠性以用于筛选。 在本文中，Gabor幅相模型被引入用于掌纹表示。 它由相位场和幅度场组成
图像预处理和分割
方向和频率场的估计
图像增强
基于可靠性的细节去除
细节检测
后期处理
图2高分辨率掌纹细节提取过程。
复杂的Gabor滤波器卷积到掌纹上。由于相位领域中细节的明确含义，我们设计了一个细节描述符来直接检测它们。另外，为了测量细节的可靠性并去除不可靠的细节，设计了Gabor幅相特征向量。它由Gabor振幅特征向量和Gabor相位特征向量组成，用来描述具有大量冗余信息的局部细节区域。然后，我们使用Adaboost算法通过真实和伪细节的人工标记样本来训练模型，并挑出最具判别力的Gabor幅相特征及其相应的弱分类器。最后，利用所选弱分类器的加权线性组合的响应值来评估细节的可靠性并去除不可靠的特征。通过对选定功能的分析，这些功能符合人们对细节的直观理解。 它们适用于描述细节并测量它的可靠性。我们检测细节并用提出的方法测量它们的可靠性。 与基于二值化和细化的经典细节检测方法以及基于傅里叶变换的细节可靠性度量方法相比，所提出的方法能够在真细节点和伪细节点之间产生更多的判别性可靠性分值，并且可以获得更好的细节提取结果。
本文的其余部分组织如下：第2节介绍Gabor振幅相位模型的Plank表示。 然后，细节检测方法在第3节中说明。第4节介绍了我们提出的细节可靠性测量方法。 实验结果和分析在第5节。最后，第6节给出了一个结论。
2 Gabor振幅相位模型
在我们的Gabor幅相模型中，引入了2D复Gabor滤波器[16]。 它的形式是
其中u =xcostheta; ysintheta;，v =-xsintheta; ycostheta;，omega;，theta;分别表示滤波器的频率和方向，可以使用文献[4 ]。 sigma;theta;，sigma;theta;perp;是沿theta;方向及其垂直方向的尺度参数。
用复杂的Gabor滤波器卷积掌纹，我们可以得到这个结果
这里，A（x0，y0）表示振幅项，phi;（x0，y0）是相位项，f′（x，y）均值 - 方差归一化，D表示局部区域。
幅度A（x0，y0）实际上是图像块和Gabor滤波器gomega;，theta;的内积，当脊清晰时它的响应更高，可以很好地拟合Gabor滤波器。 因此，幅度A（x0，y0）包含图像质量信息。 我们引入归一化的幅度以去除图像块和Gabor滤波器的不同强度：
其中1·1表示D上的L2范数。可以证明A′（x0，y0）isin;[0,1]。
图3显示了不同质量区域的归一化幅度场和相位场。 从这个数字我们可以得出结论，在阶段（右栏），质量差导致混乱的阶段和
图3 Gabor振幅相位模型中不同质量的掌纹区域及其归一化幅度和相位场。
上面的图像显示质量好的区域，而下面的图像显示质量差的区域。 左：原始掌纹区域; 中间：归一化幅度场; 右：相场。
良好的品质使得相线更加清晰。 在归一化的幅度场（中间列）中，优质区域的响应明显大于劣质区域的响应。 更重要的是，掌纹中的细节对应于相位场中的相位不连续线的结束和分叉（例如图3中的优质区域及其相位区域中的细节）。 显然，Gabor幅相模型的归一化幅度和相位场可以反映脊结构信息和质量信息。 因此，我们在本文中检测细节并基于它们测量它们的可靠性。
3 相场中的细节检测
从Gabor振幅相位模型中的相位场可以看出相应的相位的区间。另外中线
强度最小的脊的相位具有近似-pi;或pi;的相位。 因此，如果出现两个相邻像素的相位不连续性，即相应的相位是-pi;和pi;，
那么两个像素的位置就是精确的脊中心。 图4给出了一个在Gabor幅相模型中的细节区域及其相位场的良好直观实例。
基于上述论点，阶段领域的细节具有明确的意义。 它们位于相场中的相位不连续线的末端和分叉处。 这些位置是无法解开的奇异位置。 因此，我们可以设计一个描述符来检测细节，通过检测其最近8个邻居中每两个相邻像素之间的相位不连续性。
给定一个像素及其邻居Pk，k = 1,2，.... . . ，8（顺时针或逆时针排序），相应的Gabor相由psi;k表示。 两个相邻像素Pk，Pk 1的相位不连续性检测器可以被定义为
图4 Gabor幅相模型中的细节面积及其相位场
相场中的不连续只发生在脊中心。
图5通过沿着脊线行进来确定细节方向
脊线位于相位不连续处。
其中sgn是修改后的符号函数
这里，alpha;是阈值参数，psi;96psi;1。 也就是说，只有足够大的相位变化（近似2pi;）才会使检测器产生 1结果。 然后，细节检测算子SP被定义为
这是邻居之间相位不连续的整数计数器。 很明显，计数器SP将是1或3，当且仅当像素P位于脊的结尾或分叉处，我们判断它是细节。 请注意，方向域中从0到pi;的不连续性将改变相位的符号。 因此，我们用方向跳跃附近的点取代相位值，其取向接近于零，在细节检测中取其相反的数值。 而且，总是有四个相邻像素被识别为细节。 一个简单的合并策略可以用来合并所有距离小于r的候选细节（r被选择为经验上的3个像素）。
细节的位置必须尽快确定细节的方向。 这可以通过定位与细节分享脊线的一些参考点来完成。 为了标记这些点，我们简单地沿着脊线行进，或者等同地，沿着来自细节点的相位不连续线行进一定的距离。 细节方向可以使用参考点轻松计算。 图5显示了使用参考点计算的细节方向。 结束的方向是从细节到参考点。 分岔的方向是参考点和细节的三个角度中最小角度的角平分线方向。 山脊结构也在山脊跟踪过程中进行分析。 当地山脊结构不合理的细节将被丢弃。
与传统的细节检测方法[17,18]相比，该方法通过图像二值化和细化来检测基于骨架图像的细节，我们提出的方法可以直接从Gabor相场中检测细节，而不需要复杂和困难的图像二值化和细化过程，并避免这些程序可能带来的问题。
3 2 1 0 1 2 3
3
2
1
X
0
1
2
3
Y
图6相位场中的细节周围的格子
4 细节可靠性测量
在高分辨率掌纹细节提取中，由于主线，折痕，噪声等的干扰，掌纹中会检测到许多不可靠的细节。 细节可靠性测量方法对于去除不可靠的细节以获得有效的细节提取是至关重要的。 在本节中，我们设计了一个由Gabor相位特征向量和Gabor幅度特征向量组成的Gabor幅相特征向量来描述细节局部区域。 然后，引入Adaboost算法进行模型训练。 最后，细节可靠性通过选择弱分类器的加权线性组合来测量不可靠的细节去除。
4.1 Gabor幅度相位特征向量
对于每个细节，相位场和幅度场根据需要旋转以与预定义的方向对齐。 选择以细节点为中心的43times;43像素（包含3-4个脊）的块并且在该块上构建7times;7的网格，给出网格顶点集合{P（i，j）|。 - 3 i，j 3}。 图6是在相场中的细节周围的格子。
4.1.1 加伯阶段特征矢量
给定掌纹的估计相位场phi;（x，y），沿线段的phi;（x，y）的总变化
l：PQ定义为
其中lphi;（x，y）是沿l的方向导数。 因为phi;（x，y）沿着l逐段平滑，所以线积分（6）是明确定义的，最多有限跳跃不连续性。 在以前的工作[19]中，Vl是用作局部纹理描述符以改善细节匹配的性能。 在本文中，只有平行于坐标轴的线段被认为是高效和简单的。 构造Gabor相位特征向量的想法非常简单。 例如，给定沿着x轴的线段PQ，其中P =（i1，j），Q =（i2，j），结合以下线段：
1) 沿着y轴的平移P1Q1，即P1=（i1，j Delta;j），Q1=（i2，j Delta; j）的。
2) 关于y轴的反射P2Q2，即P2=（-i1，j），Q2=（-i2，j）。
3) 关于行x-y = 0的反射P3Q3，即P3=（j，i1），Q3=（j，i2）。
4) 关于行x y = 0的反射P4Q4，即P4=（-j，-i1），Q4=（-j，-i TF201））。
然后，总变差VQ和差值VQ-VQK被用作特征。 形式上，P P Pk
用于评估细节可靠性的相位特征包括以下组：
1) 沿x轴V(i2 ,j)的总变化给出每行C2= 21个特征，因此7times;21 = 147功能总数。
2) 沿变换的水平线段的总变化差异，即V(i2 ,j1 ) -V(i2 ,j2)，总共产生C2times;C2= 441个特征。
3) 沿着y轴对称水平线段的总变化的差异，即，V(minus;i2 ,j)-V(i2,j)，总共产生7times;C2= 147个特征。
4) 上述1-3的垂直副本给出了另外的147 441 147特征。
5) 沿x - y = 0对称线段的总变化的差异，即V(i2,j) -V(j,i2 )，总共产生7times;C2= 147个特征。
6) 沿着x y = 0对称线段的总变化的差异，即V(i2,j) -V(minus;j,minus;i2)，总共产生7times;C2= 147个特征。
总之，基于相位场的总变化构造了1764个特征。 在实践中，
Vl需要特别注意离散phi;（x，y）的固有不连续性和由phi;（x，y）估计引入的额外不连续性。 详情请参阅[19]。
4.1.2 Gabor振幅特征向量
Gabor幅度特征向量也可以通过幅度场中的相同格子来设计。 对于矩形区域Dp（pxlt;qx和pylt;qy），其中格子顶点p是左上点，q是矩形区域的右下点。 归一化振幅的统计平均值和方差
将矩形区域中的平均值p和Varp表示为Gabor的
全文共16499字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[15401]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
