基于纹理特征的掌纹识别方法

基于纹理的方法是目前使用较多的掌脉特征提取方法。该方法将掌脉图像看作是纹理图像，通常使用某种变换将掌脉图像变换到另一个域，而后提取其纹理信息。

（1）有文献利用曲波可以代表平滑弯曲物体的特征，提出先采用主成分分析（principal component analysis，PCA）对图像降维，而后提取曲波变换系数代表掌脉纹理特征，用曲波变换系数来代表静脉图像的特征。曲波变换尺度选为3，角度选为16，将原始大小为200×250的图像进行分解，得到一个近似曲波系数作为1级特征向量，16个详细一层曲波系数作为2级特征向量，32个详细二层曲波系数作为3级特征向量。以NN分类器进行3类特征的分类，最后以加权欧几里得距离完成匹配。

（2）有研究者提出两种掌脉提取方法。其一是以邻域匹配Radon变换提取掌脉信息，再改进汉明距离进行匹配。其二是基于Hessian相位的方法。通过分析归一化掌脉图像的二阶导数特征值提取血管结构，同样以改进汉明距离进行匹配。

（3）有实验指出静脉血管图像切面分布与高斯函数分布比较相像，因此采用多尺度高斯匹配滤波来提取掌脉纹理结构特征，并进行模板匹配识别，可以得到较好的匹配效果，但是该匹配方法非常容易受图像旋转和平移的影响。有研究者提出在匹配阶段以迭代最近点（iterative closest point，ICP）方式代替模板匹配。ICP算法是二维数字图像配准的主导性算法，能较好地解决旋转问题。其实现过程为：在将待匹配图像和数据库中一幅图像进行匹配时，搜索两幅图像点集中的最近点对，去掉距离大于阈值的点对，用ICP算法计算旋转和平移的值，将待匹配图像做旋转和平移，如果两幅图像中最近点集中点的个数不增加则计算匹配得分。否则再重复以上的过程，直到得分已不在阈值范围之内。此时给出两幅图像的匹配得分，以阈值判断是否匹配。

（4）以Radon变换结合离散余弦转换（discrete cosine transformation，DCT）提取静脉的主要纹理特征，并以欧氏距离进行匹配。(www.xing528.com)

（5）利用基于最近邻方向的方向编码线模式。首先用小波分解得到图像的低频信息，再用Sobel算子在竖直、水平、45、-45°方向检测边缘，将检测结果以二进制编码的形°式表示，并采用汉明距离进行匹配。以0°、45°、90°、135°四个方向的2D-Gabor提取掌脉并以方向编码表示掌脉特征，以位串形式表示编码，最后采用汉明距离匹配。

（6）有文献提出了两种掌脉特征提取模式。基于局部二值模式（local binary pattern，LBP）的方法将掌脉图像分成16个子区域，提取各子图像的描述子，共得到3840个描述子用以描述掌脉图像，最后以直方图相交的方法匹配。基于LDP的方法也将掌脉图像分成16个子区域，在0°、45°、90°、135°四个方向上分别以三阶局部定向模式（local directional pattern，LDP）提取掌脉描述子，最后以直方图相交的方法匹配。

（7）采用复合匹配滤波（complex matched filtering，CMF）提取掌脉图像，CMF包含8个不同方向的高斯核，以相同的尺度来提取不同方向的血管，然后以分段方式存储血管信息，既减少了识别信息又节省了存储空间。在匹配时，根据两个向量存储段的长度、方向夹角和绝对位置的乘积进行比较。

这些提取纹理特征的方法也会受到掌脉图像中掌脉纹理信息不够丰富、不够清晰的影响，从而可能对识别性能造成影响。