基于降維比較的指橫紋定位方法

田永梅，麻英暉，祁樂陶

（1.河北大學(xué)電子信息工程學(xué)院，河北保定 071002；2.中國(guó)環(huán)境管理干部學(xué)院現(xiàn)代化教育中心，河北秦皇島 066004；3.愛荷華州立大學(xué)計(jì)算機(jī)科學(xué)系，愛荷華州埃姆斯 50011）

基于降維比較的指橫紋定位方法

田永梅1，麻英暉2，祁樂陶3

（1.河北大學(xué)電子信息工程學(xué)院，河北保定 071002；2.中國(guó)環(huán)境管理干部學(xué)院現(xiàn)代化教育中心，河北秦皇島 066004；3.愛荷華州立大學(xué)計(jì)算機(jī)科學(xué)系，愛荷華州埃姆斯 50011）

針對(duì)指橫紋感興趣區(qū)域（ROI）難以準(zhǔn)確、快速定位的問(wèn)題，提出了利用降維比較進(jìn)行定位的方法。該方法在圖像定位階段，對(duì)ROI特征圖像在水平和垂直2個(gè)方向投影，實(shí)現(xiàn)了圖像的降維，在保留特征信息的基礎(chǔ)上降低了后續(xù)處理計(jì)算的時(shí)間復(fù)雜度。將降維后的2個(gè)一維向量進(jìn)行比較，最終實(shí)現(xiàn)指橫紋ROI的精準(zhǔn)定位。相對(duì)于傳統(tǒng)方法，本方法降低了運(yùn)算的維數(shù)，算法復(fù)雜度低，速度快，實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的有效性。

Gabor濾波；圖像投影；圖像定位

生物特征識(shí)別是利用人自身固有特性進(jìn)行身份驗(yàn)證的一種技術(shù)。生物特征由于其唯一性、終生不變性、隨身攜帶、不易丟失和冒用、防偽性能好等特點(diǎn)，正在成為身份認(rèn)證的新介質(zhì)，受到商界和學(xué)術(shù)界的普遍關(guān)注。目前，國(guó)內(nèi)外主要研究的生物特征包括指紋、人臉、虹膜、掌紋、手形、手部血管、手指關(guān)節(jié)外側(cè)紋線、聲音、耳廓、簽名等。指紋、手形等手部特征是最早研究并成功應(yīng)用于實(shí)際，被公認(rèn)為最可靠的身份識(shí)別方法之一［1－2］。

指橫紋是近年來(lái)發(fā)現(xiàn)的一種可以作為身份識(shí)別的生物特征［3］，它是指手指第二關(guān)節(jié)內(nèi)側(cè)的屈肌褶紋圖像，見圖1。與其他手部特征相比，指橫紋具有自身的獨(dú)特性：紋線簡(jiǎn)單粗大，且方向相對(duì)統(tǒng)一；感興趣區(qū)域（ROI）集中，且紋線數(shù)量有限；形變范圍小，對(duì)手形姿態(tài)變化不敏感等。這些特點(diǎn)使得較低復(fù)雜度的算法也可以準(zhǔn)確實(shí)現(xiàn)指橫紋的特征提取，從而確保身份識(shí)別系統(tǒng)的實(shí)時(shí)性與準(zhǔn)確性［4］。

圖1 指橫紋圖Fig.1 Inner-knuckle-print

目前基于整個(gè)手指的指橫紋識(shí)別研究主要有：羅榮芳等提出了基于Radon變換和奇異值分解的指橫紋識(shí)別方法［5－6］，用小波分析理論來(lái)提取指橫紋特征，然后利用歐氏距離衡量其相似性；竺樂慶等通過(guò)用余弦函數(shù)計(jì)算指節(jié)紋特征向量之間相似度進(jìn)而實(shí)現(xiàn)最后的匹配［7］?；谑种妇植康闹笝M紋區(qū)域的識(shí)別工作主要有：LI Qiang等提出了使用指橫紋點(diǎn)特征和改進(jìn)的Hausdorff距離度量的身份識(shí)別方法［3］，并且基于Gabor濾波的特征提取方法，采用歸一化互相關(guān)點(diǎn)的匹配方法實(shí)現(xiàn)認(rèn)證系統(tǒng)，取得了較好的效果［7］；毛賢光等還提出了基于小波多分辨率分析原理［8］，利用八鄰域的曲率分析指橫紋定位新算法，提高了系統(tǒng)的魯棒性。此外，研究人員在掌紋識(shí)別中將兩幅圖像在8個(gè)方位平移［9－10］，用“與”運(yùn)算比較兩圖距離，從而將圖像定位，這對(duì)指橫紋感興趣區(qū)域的定位也有很大的借鑒意義。綜上可見，特征提取與匹配是指橫紋識(shí)別的重要步驟，其中的圖像定位問(wèn)題更是衡量系統(tǒng)識(shí)別準(zhǔn)確率和實(shí)時(shí)性的關(guān)鍵。如何精準(zhǔn)、快速地對(duì)兩幅圖進(jìn)行比對(duì)定位已經(jīng)受到人們?cè)絹?lái)越多的關(guān)注。

筆者提出了基于Gabor特征和降維的指橫紋定位新方法。該方法針對(duì)指橫紋方向單一的特點(diǎn)，采用固定方向的Gabor濾波器提取指橫紋特征［4］，并對(duì)特征圖像進(jìn)行投影降維處理，可以直接將運(yùn)算量從（W×H）數(shù)量級(jí)降至（W＋H）數(shù)量級(jí)，最終可以降低特征匹配過(guò)程的時(shí)間復(fù)雜度。通過(guò)實(shí)驗(yàn)證明，本文算法是快速且有效的。

1 指橫紋ROI的獲得

圖像的預(yù)處理是整個(gè)指橫紋識(shí)別系統(tǒng)的基礎(chǔ)，包括將采集到的圖像進(jìn)行單個(gè)手指的分離和指橫紋ROI的分割及歸一化。筆者將中指的第二關(guān)節(jié)內(nèi)側(cè)指橫紋作為研究對(duì)象，采集到的是手指并攏的部分圖像（包括中指、無(wú)名指和部分小指）。根據(jù)手指縫處存在一條黑色暗影的事實(shí)分割手指圖像，然后根據(jù)ROI處紋線能量值最為集中從而粗提取出ROI的幾何位置。

提取ROI的具體流程：將采集到的圖像進(jìn)行灰度化處理，消除色彩和光照影響。對(duì)灰度圖像進(jìn)行Gabor濾波，見圖2a），將其二值化并在水平方向投影，得到圖2b）所示的極值點(diǎn)，這3個(gè)極值點(diǎn)即可表示指縫所在的位置，進(jìn)而可分割出單個(gè)手指圖像（圖2c））。由于指橫紋紋線粗大且明顯，在對(duì)單個(gè)手指圖像濾波并投影后，ROI處的能量值最為集中，據(jù)此可分割出如圖2d）所示的指橫紋ROI。最后對(duì)ROI圖像進(jìn)行歸一化，得到具有統(tǒng)一的均值和方差的樣本圖像。

2 Gabor特征的提取

Gabor濾波器可以方便地觀察圖像固定方向上的頻率信息，提取圖像邊緣信息，具有良好的生物相關(guān)性，這使它在生物特征識(shí)別領(lǐng)域中得到廣泛應(yīng)用。指橫紋紋線多為垂直方向，故李強(qiáng)等采用固定方向的Gabor濾波方法可以較為精確地提取出ROI的紋線特征［4］。本文也采用此方法。復(fù)值二維Gabor濾波器的一般形式表示如下：

圖2 感興趣區(qū)域的提取Fig.2 ROI extraction

式中：φ是Gabor濾波器的方向；f是濾波器的頻率；τ是Gaussian包絡(luò)常數(shù)。本實(shí)驗(yàn)中φ取0.5π，用以得到豎直方向的指橫紋紋線；根據(jù)經(jīng)驗(yàn)值，τ取4.2以使帶寬為常數(shù)；f取2π×0.01；濾波器的范圍設(shè)定為20。用此Gabor函數(shù)觀察輸入的指橫紋ROI圖像，具體過(guò)程如圖3所示。其中圖3a）為輸入原圖像，圖3b）和圖3c）分別為通過(guò)上述參數(shù)的濾波器后所得ROI實(shí)部和虛部的圖像，根據(jù)經(jīng)驗(yàn)，利用虛部濾波圖中特征的識(shí)別效果比利用實(shí)部、模值及相角的效果要好，故本文采用虛部濾波圖進(jìn)行特征的提取。最后取合適的閾值，將虛部濾波圖二值化，得到最終的二值特征，如圖3d）所示。

圖3 特征提取過(guò)程Fig.3 Feature extraction

3 指橫紋的快速定位方法

指橫紋識(shí)別系統(tǒng)中的定位過(guò)程是保證系統(tǒng)實(shí)現(xiàn)的可靠性和實(shí)時(shí)性的關(guān)鍵步驟，傳統(tǒng)方法大多針對(duì)全部特征點(diǎn)多方向平移計(jì)算進(jìn)而對(duì)圖像定位，或者通過(guò)兩圖的卷積，選取互相關(guān)性最大的位置為圖像定位的目標(biāo)位置，過(guò)程較為復(fù)雜，速度較慢。本文采用降維比較法，首先將二值圖像投影為一維向量，再將一維向量雙向平移若干步，在每步均計(jì)算相似度，用所有得到的相似度中的最大值出現(xiàn)的位置將圖像定位，從而匹配圖像。

對(duì)于（W×H）大小的指橫紋圖像，相對(duì)于傳統(tǒng)方法，本算法將運(yùn)算量從（W×H）數(shù)量級(jí)降至（W＋H）數(shù)量級(jí)，在保留特征信息的基礎(chǔ)上降低了后續(xù)處理計(jì)算的時(shí)間復(fù)雜度。設(shè)濾波后的ROI二值圖像有（W×H）個(gè)像素點(diǎn)，即為（W×H）大小的矩陣，矩陣中元素的值為0或1，“1”所在的位置為紋理特征。降維比較法的具體思路表述如下。

4 實(shí)驗(yàn)與討論

4.1 實(shí)驗(yàn)平臺(tái)的介紹

實(shí)驗(yàn)所用數(shù)據(jù)為自行采集的77個(gè)人的820幅手部圖像，每人9～12幅。將每個(gè)人第1個(gè)樣本圖像取其特征作為訓(xùn)練模板（共77個(gè)），其余743個(gè)樣本作為測(cè)試集。通過(guò)預(yù)處理，得到了每個(gè)人中指的內(nèi)側(cè)指橫紋ROI，再通過(guò)特征提取過(guò)程，得到了ROI的二值Gabor特征圖像。

實(shí)驗(yàn)分為識(shí)別和驗(yàn)證2個(gè)過(guò)程。識(shí)別的目的是回答“這個(gè)人是誰(shuí)”，即把每個(gè)測(cè)試樣本和所有訓(xùn)練樣本進(jìn)行匹配，共匹配77×743次。如果兩幅圖來(lái)自于同一個(gè)手指，兩者的匹配稱為真實(shí)匹配，否則稱為虛假匹配。本文所用圖像庫(kù)應(yīng)有743次是真實(shí)匹配，其余76×743次是虛假匹配。

驗(yàn)證的目的是回答“這個(gè)人是不是他自稱的人”，驗(yàn)證過(guò)程分為類間匹配（非法匹配）和類內(nèi)匹配（合法匹配）。將每個(gè)人的每幅圖像與除去該人的其他人的所有圖像逐一進(jìn)行匹配，即類間匹配，共663 644次；將每個(gè)人的每幅圖像與其自身的其他圖像逐一進(jìn)行匹配，即類內(nèi)匹配，共3 968次。相應(yīng)的評(píng)估參數(shù)為錯(cuò)誤接受率（FAR）和錯(cuò)誤拒絕率（FRR）。以ROC曲線直觀描述實(shí)驗(yàn)結(jié)果，其中等錯(cuò)誤率（EER）是FAR和FRR相等時(shí)的點(diǎn)，用來(lái)表述系統(tǒng)驗(yàn)證的準(zhǔn)確性。

4.2 方法準(zhǔn)確性的評(píng)估

在識(shí)別過(guò)程中，743個(gè)測(cè)試樣本里識(shí)別錯(cuò)誤的圖像共29幅，實(shí)驗(yàn)結(jié)果由表1給出?？梢?，利用本文提出的匹配方法所得的辨識(shí)精度高于傳統(tǒng)方法，表明本文所用方法滿足系統(tǒng)的安全性要求。

在驗(yàn)證過(guò)程中，本文方法所得的類內(nèi)匹配和類間匹配所得的兩組相似度值差異較大（相同手指的指橫紋相似度高，均值為0.79，不同手指的指橫紋相似度低，均值為0.41），可以設(shè)定閾值來(lái)判斷匹配的正確性，進(jìn)而完成不同身份的匹配工作。圖4顯示了兩種不同的匹配方法所得的系統(tǒng)ROC曲線，表2對(duì)比顯示了利用兩種方法進(jìn)行驗(yàn)證的實(shí)驗(yàn)結(jié)果，可以看出本文提出的利用降維比較的定位方法所得的等錯(cuò)誤率低于傳統(tǒng)方法。綜上可見，在匹配過(guò)程中，利用本文方法可以提高內(nèi)側(cè)指橫紋識(shí)別系統(tǒng)的準(zhǔn)確性。

表1 識(shí)別過(guò)程的實(shí)驗(yàn)結(jié)果Tab.1 Results of the recognition experiment

4.3 方法準(zhǔn)確性的評(píng)估

本文指橫紋識(shí)別和驗(yàn)證都是在內(nèi)存為2 GB，CPU速度為2.69 GHz的計(jì)算機(jī)上利用MATLAB 7.8及其圖像處理工具箱完成的。由于采用了降維比較法，系統(tǒng)對(duì)圖像匹配定位的速度較快，基于本文圖像庫(kù)平均1次ROI定位時(shí)間僅為2.9 ms，表3顯示了本文方法與傳統(tǒng)方法的定位速度的對(duì)比，可以看出本文方法大大低于傳統(tǒng)方法，能更好地滿足系統(tǒng)實(shí)時(shí)性要求。相信隨著系統(tǒng)設(shè)施的最優(yōu)化和算法的進(jìn)一步完善，系統(tǒng)識(shí)別和驗(yàn)證的效率可以得到較大提高。

圖4 不同匹配方法所得的系統(tǒng)ROC曲線Fig.4 ROC using different matching methods

表2 驗(yàn)證過(guò)程的實(shí)驗(yàn)結(jié)果Tab.2 Results of the verification experiment

表3 不同方法的定位時(shí)間Tab.3 Computation time for locating process

5 結(jié) 語(yǔ)

利用固定方向的Gabor濾波器提取指橫紋圖像特征，在圖像定位階段提出了降維比較法。該方法對(duì)ROI特征圖像在水平和垂直2個(gè)方向投影，實(shí)現(xiàn)了二維圖像數(shù)據(jù)到一維數(shù)據(jù)的轉(zhuǎn)化，大大降低了后續(xù)處理運(yùn)算的時(shí)間復(fù)雜度。同時(shí)，由于指橫紋多為豎直方向，且紋線較為集中，本文方法保留了足夠的關(guān)于指橫紋垂直及水平點(diǎn)陣分布的特征信息，可以通過(guò)將兩投影后的一維向量雙向平移進(jìn)行比對(duì)，準(zhǔn)確完成指橫紋定位及匹配過(guò)程。通過(guò)局部仿真實(shí)驗(yàn)，本文方法的定位時(shí)間僅為2.9 ms，等錯(cuò)誤率為2.18%，說(shuō)明用本文方法進(jìn)行指橫紋定位是快速且有效的。

［1］JAIN A K，ROBERT P W，DUIN J.Statistical pattern recognition：A review［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2000，22（1）：4-37.

［2］回文博，張海春，林立忠.一種基于極坐標(biāo)的指紋分類算法［J］.河北科技大學(xué)學(xué)報(bào)（Journal of Hebei University of Science and Technology），2006，27（2）：162-164.

［3］LI Qiang，QIU Zheng-ding，SUN Dong-mei，et al.Personal identification using knuckleprint［A］.Proceedings of Sinobiometrics＇04［C］.Guangzhou：［s.n.］，2004.680-689.

［4］李 強(qiáng)，裘正定，孫冬梅，等.指橫紋：一種新的生物身份特征［J］.自動(dòng)化學(xué)報(bào)（ACTA Automatica Sinica），2007，33（6）：596-601.

［5］羅榮芳，林土勝.基于投影和小波分析的手指指節(jié)折痕紋識(shí)別算法［J］.計(jì)算機(jī)工程（Computer Engineering），2008，34（5）：216-218.

［6］羅榮芳，林土勝，吳 霆.基于人體手指指節(jié)折痕的身份識(shí)別方法［J］.光學(xué)工程（Opto-Electronic Engineering），2007，34（6）：116-121.

［7］竺樂慶，張三元，幸 銳.基于指節(jié)紋的個(gè)人身份自動(dòng)識(shí)別［J］.自動(dòng)化學(xué)報(bào)（ACTA Automatica Sinica），2009，35（7）：875-881.

［8］毛賢光，賴曉錚，賴聲禮，等.基于小波多分辨率分析的指橫紋定位新算法［J］.計(jì)算機(jī)研究與發(fā)展（Journal of Computer Research and Development），2009，46（4）：629-636.

［9］ZHANG Da-peng，LU Guang-ming，LI Wei.Palmprint recognition using 3-D information［J］.IEEE Trans on Systems，Man and Cybernetics，2009，39（5）：505-519.

［10］ZHANG Lin，ZHANG Lei，ZHANG Da-peng.Finger-knuckle-print：A new biometric identifier［A］.Proceedings of the IEEE international Conference on Image Processing［C］.Piscataway：IEEE Press，2009.1 981-1 984.

［11］郝存明.基于二維不可分小波的人臉識(shí)別方法［J］.河北工業(yè)科技（Hebei Journal of Industrial Science and Technology），2009，26（5）：448-451.

［12］張 英，尹成湖，白振林，等.基于手掌形狀的身份模糊識(shí)別［J］.河北工業(yè)科技（Hebei Journal of Industrial Science and Technology），2004，21（3）：12-13.

A location algorithm of inner-knuckle-print based on dimension reduction

TIAN Yong-mei1，MA Ying-hui2，QI Le-tao3
（1.College of Electronic and Information Engineering，Hebei University，Baoding Hebei 071002，China；2.Modern Education Center，Environmental Management College of China，Qinhuangdao Hebei 066004，China；3.Department of Computer Science，Iowa State University，Ames Iowa 50011，USA）

Considering the difficulty of accurately and fast location of ROI of inner-knuckle-print，a new location algorithm is presented forward based on dimension reduction.This algorithm transforms 2-dimension image data to two 1-dimension data by projecting the binary image in vertical and horizontal direction，and then aligns ROI images through the comparison of the two 1-dimension data.This leads to rapid and efficient recognition.The experimental results verify that it is rapid and effective than traditional methods.

Gabor filtering；projection；image location

TP391.4

A

1008-1542（2012）05-0448-05

2012-09-03；責(zé)任編輯：陳書欣

國(guó)家自然科學(xué)基金資助項(xiàng)目（60903089，61073121）；河北省自然科學(xué)基金資助項(xiàng)目（F2009000215）；河北省科技支撐計(jì)劃項(xiàng)目（072135188）

田永梅（1987-），女，河北保定人，碩士研究生，主要從事模式識(shí)別、圖像處理方面的研究。