一種新穎的低分辨率條件下的掌紋識別方法

 收稿日期：2007-10-31；

修回日期：2008-03-05

基金項目：國家自然科學基金資助項目（60672078，60472088）



作者簡介：苑瑋琦(1960-)，男，所長，學科帶頭人，教授，博導，主要研究方向為計算機視覺檢測、生物特征識別、圖像處理、模式識別、圖像采集與處理系統(yuan60@126.com)；

趙偉鵬(1982-)，男(回族)，碩士研究生，主要研究方向為圖像處理、模式識別；

桑海峰（1978-），講師，博士，主要研究方向為生物特征識別.

(沈陽工業大學 視覺檢測技術研究所， 沈陽 110023)

摘要：

掌紋識別是利用人的手掌圖像進行身份鑒別的一種新興生物特征識別技術。當今的掌紋識別方法存在的比較困難的問題之一就是在特征提取時受一些客觀因素制約，影響后面的匹配精度。為此，提出一種改進的基于相位相關的掌紋圖像匹配算法。該算法不受光照、平移的影響，對噪聲也有很好的魯棒性。在此基礎上實驗了該算法在不同分辨率下的表現，發現當分辨率降為原圖像的十六分之一時，該算法仍然能取得較高的識別率，證明了該算法在較低分辨率下的有效性。

關鍵詞：掌紋識別; 相位相關; 低分辨率

中圖分類號：TP391

文獻標志碼：A

文章編號：1001-3695(2008)10-3066-03

Palmprint recognition method under low resolution

YUAN Wei-qi， ZHAO Wei-peng， SANG Hai-feng

(Computer Vision Group， Shenyang University of Technology， Shenyang 110023， China)

Abstract:

Palmprint identification is a new identification method of physiological biometrics by using palmprint image. Today one of the difficult problems in palmprint identification is that the matching performance is significantly influenced by many parameters in feature extraction process， which may vary depending on environmental factors .This paper gave a recognition algorithm using improved phase-based correlation image matching. The proposed algorithm was not influenced by brightness and shift， and highly robust against the noise. Based on these points， conducted a series of experiments on different resolutions to get the matching performance. Results show that when the resolution descended to sixteenth of the original， the proposed algorithm got high recognition rate all the same. It proves that the proposed algorithm exhibits efficient identification performance at lower resolutions.

Key words：palmprint recognition; phase-based correlation; low resolution

0引言

在當今社會，對個人身份鑒別的需求無處不在，并且與日俱增。傳統的鑒別方法已經不能滿足社會的需要，人們期待一種更為安全、方便、有效的個人身份識別方式。

近幾年來，由于生物特征識別的安全性、高效性、易接受等優點為解決上述問題提供了一種完美的方案。作為生物特征識別的一個重要分支，掌紋識別近幾年也開始受到人們的廣泛關注。掌紋識別是指根據人手掌上的有效信息來識別哪些掌紋圖像是來自同一只手掌，哪些是來自不同的手掌。掌紋識別主要有以下幾個特點：

a)沒有兩個人的掌紋能夠完全相同，即掌紋具有很好的惟一性。

b)與指紋相比掌紋的有效區域更大，所包含的信息更豐富，可以在低分辨率的情況下進行特征提取。

c)掌紋識別更易于被人們所接受，不會產生抵觸情緒。

d)較虹膜識別設備來說系統成本低，更易于市場推廣。

由于掌紋識別具有諸多優點，近年來越來越受到人們的重視，與此相關的新技術和新方法也不斷出現。

目前掌紋識別方法主要包括基于空間結構特征[1]、基于頻域特征[2]以及基于統計特征[3]。其中，由香港理工大學張大鵬教授等人提出的基于Gabor濾波器編碼融合的掌紋識別方法[4]已被應用到他們開發的掌紋識別門禁系統上，取得了相當不錯的效果。

本文提出一種改進的基于圖像相位相關的掌紋識別算法。該算法提取圖像二維傅里葉變換后的相位信息作為特征進行匹配。與其他算法不同，該算法基本上不受平移和光照變化的影響，對噪聲也有相當的免疫性。這種技術已經成功應用到很多計算機視覺領域[5]，也被證明在指紋、虹膜識別等生物特征識別方面[6]取得了不錯的效果。

1圖像相位相關匹配算法分析

首先介紹一下相位相關函數(phase-only correlation)的定義?？紤]兩幅大小為N1×N數學表達式為

其中：代表共軛；θ(k1，k2)代表相位差θF(k1，k2)-θG(k1，k2)。相位相關函數rfg(n1，n2)是RFG(k1，k2)的二維傅里葉反變換，即

表明兩幅相同圖片的POC函數是一個沖擊函數。

相位相關（POC）的特性體現在圖像匹配的準確性上。當兩幅圖片為相似圖像時，它們的POC函數rfg(n1，n2)有一個明顯的突出的相關峰值；當兩幅圖像不相似時，此相關峰值下降得十分迅速，甚至幾乎看不到明顯的峰值。因此，相位相關函數（POC）峰值的高度可以作為判別兩幅圖像的匹配依據。

相位相關函數(POC)其他重要特性包括以下幾個方面：

a）光照不變性

表明函數峰值大小沒有變化，只是峰值的位置平移了(τ1，τ2)。筆者可以從峰值的位置來估計出圖像平移的大小。

c）對加性噪聲的魯棒性

當兩幅圖像完全相同時，POC函數是一個沖擊函數，相關峰值為1。當一幅圖像包含隨機加性噪聲時，相關峰值雖然隨著噪聲能量的增加而降低但峰值形狀不變。據此筆者認為POC函數對加性噪聲具有很好的魯棒性。

2限帶相位相關函數

限帶相位相關函數（band-limited phase-only correlation）是對POC函數的改進，通過傅里葉反變換時消除無意義的高頻成分，提高相關峰值和匹配的精度[6]。假設圖像固有頻率為k1=-K1，…，K1，k2=-K2，…，K2。其中：0≤K1≤M1，0≤K2≤M2。頻譜的有效范圍為L1=2K1+1，L2=2K2+1。限帶相位相關函數（BLPOC）表達式為

帶寬參數，范圍從0到1。

圖1為分別應用POC函數和BLPOC函數進行真匹配的例子?？梢钥闯鯞LPOC比POC函數的相關峰值更高，具有更好的區分能力。

3實驗仿真及結果分析

降低分辨率不但可以減少對圖像采集硬件的要求，降低系統成本，而且可以提高系統執行速度，減少特征向量存儲空間，具有很強的實際意義。本次實驗用高斯金字塔分解的方法模擬前端采集設備降低掌紋圖像的分辨率，然后采用限帶相位相關算法(BLPOC)進行匹配，驗證該算法在低分辨率條件下的有效性。本次實驗采用香港理工大學公開的掌紋圖庫，從中隨機抽取100人，每人取6幅總600幅圖像。

實驗步驟如下：

a)對掌紋原始圖像進行預處理，預處理后圖像統一為128×128[3]。

b)采用限帶相位相關算法（BLPOC）對每兩幅圖片進行匹配，計算它們的相關峰值作為匹配的依據，記錄類間與類內的相關峰值大小。

c)對預處理后的圖像進行高斯金字塔分解，得到64×64的圖像，然后重復步驟b）。

d)對已降低分辨率的圖像重復步驟c），直到分辨率降為16×16，如圖2所示。

為了驗證BLPOC算法在各個分辨率下的有效性，筆者在同一分辨率條件下對每兩幅圖像都進行匹配，類內比較次數為1 500次，類間比較次數為178 200次。同時為了得到最優的帶寬參數，K1/M1、K2/M2的取值為0.1~1，按步長0.1遞增。當比值為1時，BLPOC函數退變為POC函數。共進行40組每組179 700次類內類間比較。所有實驗均在Pentium4 3.0 GHz下應用MATLAB 7.0軟件編寫程序及測試。圖3是不同的分辨率在不同的帶寬比參數下匹配結果的平均錯誤率曲線（EER）?？梢园l現，當分辨率降到16×16時，平均錯誤率明顯升高，而其他三種分辨率在帶寬比為0.5~1差異并不大。表1為各個分辨率在各個帶寬比下的識別率，兩者都證明在一定的分辨率范圍內該算法確實有效。同時對不同分辨率下的匹配時間進行比較后發現，帶寬比對匹配時間影響不大，可以忽略不計，匹配時間隨分辨率的降低而降低。綜合考慮運算時間、識別率、圖像大小因素后，筆者認為當分辨率為32×32，帶寬比K1/M1=K2/M2=0.6時，該算法達到最優，EER=0.31%，識別率=99.86%。圖4為它的類內匹配距離與類間匹配距離統計分布結果和誤識率(FAR)與誤拒率(FRR)統計結果?？梢钥闯鲈摲椒ù_實能有效地將同類與異類掌紋分開。

本文比較了在同等分辨率下該方法與基于PCA的掌紋識別方法。圖5為比較結果的ROC曲線?？梢钥闯鲈摲椒黠@優于PCA，再次證明了該方法的有效性。

4結束語

本文介紹了一種基于相位相關的掌紋識別新方法。該方法已經被證明在指紋、虹膜等其他生物特征識別領域取得了較好的結果。本次實驗證明該方法在低分辨率情況下對掌紋識別同樣有效，而且識別率能達到99%以上，能夠滿足作為系統軟件的要求。但由于相位相關算法對圖像旋轉較為敏感，當圖像旋轉大于5°時，其相關峰值衰減到0[5]。今后的工作重點應該研究怎樣減小圖像旋轉帶來的影響，同時提高圖像預處理的定位精度，從而更好地提高匹配精度。

參考文獻：

[1]WU Xiang-qian， WANG Kuan-quan， ZHANG D. An approach to line feature representation and matching for palmprint recognition[J]. Journal of Software， 2004，15(6):869-880.

[2]LI Wen-xin，ZHANG D，XU Zhuo-qun.Palmprint recognition based on Fourier transform[J].Journal of Software，2002，13(5):879-886.

[3]LU Guang-ming， ZHANG D， WANG Kuan-quan. Palmprint recognition using eigenpalms features[J]. Pattern Recognition Letters， 2003，24(9-10):1463-1467.

[4]ZHANG D， KONG Wai-kin， YOU J， et al. Online palmprint identification[J]. IEEE Trans on Pattern Analysis and Machine Intelligence， 2003，25(9):1041-1050.

[5]KUGLIN C D， HINESS D C. The phase correlation image alignment method[C]//Proc of Int Conference on Cybernetics and Society. 1975:163-165.

[6]ITO K， NAKAJIMA K， KOBAYASHI K， et al. A fingerprint-mat-ching algorithm using phase-only correlation[J]. IEICE Trans on Fundamentals of Electronics， Communication and Computer Sciences， 2004，E87-A(3):682-691.