基于Gabor小波变换的掌纹纹理特征的描述讲义.doc

基于Gabor小波变换的掌纹纹理特征的描述 引言 掌纹识别是近年来新兴的一种身份识别方法，是对现有生物识别技术的重要补充。与其他生物识别技术相比，掌纹识别有着比指纹含有更多的可区分信息比虹膜采集设备的价格低廉比人脸识别的精度高独特的优点, Gabor小波能很好地表达空域、频域中的纹理信息,能检测出纹理中的边缘和线段信息, 另外，Gabor变换还有着良好的时频特性,如空间可定位性、方向可选择性、有效降低空域频域中的二维不确定性，所以，Gabor特征已经在许多图像分析和应用中得到应用。 Gabor小波的特征提取方法 2.1、小波分解 小波变换是一个常用的图像分析手段，并且在纹理识别中有较多的应用。一个二维小波变换可以看作两个连续的一维小波变换。小波变换是一种时间－尺度分析方法，而且具有多分辨率(multiresolution analysis）的特点，在处理时所进行的是空域与频域的局部变换。离散小波变换将一副图像分解为大小、位置和方向都不同的分量。一个图像做小波分解后，不同分辨率的子图像对应的频率是不同的。 （a）Gabor函数 二维Gabor函数具有方向选择性和带通性,能比较精确地提取图像的局部纹理特征,其二维函数为: u表示Gabor核函数的方向u = 0, 1,?, k - 1。v表示Gabor滤波的波长ν= 0, 1, ?, s- 1，K表示总的方向数。参数(/K决定了高撕窗口的大小，这里取(＝(。通过选取不同的参数u和ν,可以得到一组Gabor滤波器,形成一组非正交基。 2.3、Gabor滤波器 每一对Gabor滤波器都对应于一个特定的空间频率和方向。特征提取同时抽取频率信息和方向信息，滤波器的中心频率越小，提取的纹理特征的尺度越大。通常，中心频率选择为2的幂次方，在本算法中，选择中心频率为s＝4；对于每个中心频率，选择8个相位角，即方向为：0(、20(、40(、60(、80(、100(、120(、160(。这样，一共有32个Gabor滤波通道。对每个通道的滤波结果，我们提取均值和方差作为代表该通道的特征。因此，对于每一幅输入图像，多通道Gabor滤波共抽取64个特征。 2.4、　特征向量的表示 给定一幅图像 f(x, y) ,其 Gabor小波变换可以定义为 *代表取其共轭复数，用 Gabor小波变换系数的模的平均值和标准方差来表示抽取的灰度图像目标的特征。 即: 　 特征向量用和来构建。S＝4和k =6组成的特征向量为 3、程序设计 3.1、Gabor纹理特征提取的步骤： （1）、导入所要处理的图形； （2）Gabor核函数，即Gabor滤波函数； （5）,具有优良的识别能力，结果基本符合要求。 几点展望： 1)为了进一步提高掌纹特征提取的精确度，可考虑对图像进行一些预处理操作，增加一些图像增强的算法。2)掌纹特征提取的方法有很多，如果能用其它方法实现对掌纹特征的描述，例如：采用基于多分辨率分析的方法，再将两种方法进行对比，评价其优劣，那么就能对基于Gabor小波变换的掌纹纹理特征提取方法产生更为客观的认识。3) 本算法还没有经过大规模样本的实验，其算法的准确性、识别的精确性还有待于进一步的验证。 参考文献 【1】邬向前、张大鹏、王宽全 掌纹识别技术 科学出版社 2006 【2】秦前清、杨宗凯，实用小波分析，西安电子科技大学出版社，1994. 【3】杨淑莹、边奠英,VC++图像处理程序设计（第二版）清华大学出版社，北京交通大学出版社。 第 2 页 共 6 页