·546· 智能系统学报 第13卷 126 96 89 848485889090939994 國值 858486889292939494 34 87 46 T=2 858586 90 9093 90 9697 85858990 9294949699 56 95 106 86868892 96 9799101103 85889296 979910010099 CSLBP码值：101I 899094961019999100103 图4 CSLBP算子的编码过程 9092949610099101100104 Fig.4 The encoding process of CSLBP 929494979999100103103 (a) CSLBP算子提取的特征维数为2=16，远小 g0764g7813g6850 于LBP。算子提取的特征维数28=256.在统计直方 图过程中大大降低了特征维数，达到了减少存储 1784 589 空间占用和缩短计算时间的目的，且得到了梯度 g2829g388 g4913 方向上的信息。 (b) (c) 1.2.2多尺度块中心对称局部二进制模式(MB MB-CSLBP CODE 0001 CSLBP) 图5MB-CSLBP算子的编码过程 LBP算子和CSLBP算子计算简单且可以描 Fig.5 The encoding process of MB-CSLBP 述图像的微观结构特征，但由于二者均是对图像 单个像素点做对比，对噪声和拓扑变化的鲁棒性 2基于MB-CSLBP的手指静脉特征 差，无法描述图像宏观结构特征，影响了识别 加密方案 率。多尺度块中心对称局部二进模式(multi-scale 模糊承诺方案是利用纠错码的容错能力，在 block center-symmetric local binary pattern) 基于汉明距离的度量空间内将生物特征信息和纠 素块区域的平均灰度值代替CSLBP算子中的单 错码技术相结合的一种密钥绑定方案。 个像素点的灰度值进行编码的求取，MB-CSLBP 因为MB-CSLBP编码是长度固定的而本文使 算子比LBP算子占用存储空间更小、受到噪声的 用的BCH编码是一种变长数字编码，便于在整个 影响更小，同时该算子可同时提取图像的微观结 加密解密的过程中进行处理，因此，可以发现基 构和宏观结构的特征，可以减小图像宏观特征信 于MB-CSLBP的二进制手指静脉特征编码非常 息的损失，完整表达图像的信息可增强分类效 适合于模糊承诺方案的应用。 果，弥补了1.1节中的LBP算子的不足。 2.1BCH码和SHA-1安全散列算法简介 MB-CSLBP算子的计算如式(4)： 在模糊承诺方案中，需要用到密码学中有关 的知识和方法，因此首先介绍在本节中需要用到 MB-CSLBP= >s(B-B)2" 的BCH码以及SHA-1安全散列算法的相关内容。 2.1.1BCH码 B= 8 (4) k=0 自1959年发展起来的BCH码(Bose、Ray- 」1，x≥7 s)=0,其他 Chaudhuri、Hocquenghem)是一种能纠正多位错误 的循环码22。这种用来校正多个随机错误的循 式中：L表示像素块正方形区域的边长，表示单 环、多级、变长数字编码在编码理论尤其是纠错 个像素点的灰度值，B是第i个正方形区域的像素 码方面中被广泛地研究和应用。 灰度值之和。阈值T可增强MB-CSLBP算子在 BCH码把信源待发的信息序列划分为多个 平滑图像灰度差异的鲁棒性，T的值过大会使提 长度为固定的k位消息组，再将每一消息组独立变 取出的特征值全被置为0，因此T应是一个较小 换成长为n(>k的二进制数字组码字的过程就是 的正数，在本文针对静脉特征提取过程中经过大 编码，其逆过程称为译码。当消息组的数目为 量的对比实验，最终确定选择T=0时，所提取的 m(m≤2)，由此所获得的m个码字的全体便称为码 静脉纹理特征有最好的鲁棒性。图5给出了MB- 长为n、信息数目为m的分组码，记作n,m。 CSLBP算子的编码过程。 BCH码的编码与解码是建立在有限域的域 如图5所示，当阈值T=0时，依次比较关于中 论和多项式基础上的。在编码过程中还可以构建 心正方形区域对称的两个正方形区域的灰度值之 一个检测多项式，此多项式用于在接受端对接受 和得到二进制编码0001，特征值为1。 到的码字进行检测，看是否有错误。以基于有限CSLBP码值：1011 126 96 89 34 87 46 56 95 106 阈值 T=2 1 0 1 1 图 4 CSLBP 算子的编码过程 Fig. 4 The encoding process of CSLBP 2 4 = 16 LBP8,1 2 8 = 256 CSLBP 算子提取的特征维数为 ，远小 于 算子提取的特征维数 ，在统计直方 图过程中大大降低了特征维数，达到了减少存储 空间占用和缩短计算时间的目的，且得到了梯度 方向上的信息。 1.2.2 多尺度块中心对称局部二进制模式 (MB￾CSLBP) LBP 算子和 CSLBP 算子计算简单且可以描 述图像的微观结构特征，但由于二者均是对图像 单个像素点做对比，对噪声和拓扑变化的鲁棒性 差，无法描述图像宏观结构特征，影响了识别 率。多尺度块中心对称局部二进模式 (multi-scale block center- symmetric local binary pattern)[21]用像 素块区域的平均灰度值代替 CSLBP 算子中的单 个像素点的灰度值进行编码的求取，MB-CSLBP 算子比 LBP 算子占用存储空间更小、受到噪声的 影响更小，同时该算子可同时提取图像的微观结 构和宏观结构的特征，可以减小图像宏观特征信 息的损失，完整表达图像的信息可增强分类效 果，弥补了 1.1 节中的 LBP 算子的不足。 MB-CSLBP 算子的计算如式 (4)： MB-CSLBP = ∑3 n=0 s(Bn − Bn+4)2n B = L 2∑−1 k=0 gk s(x) = { 1, x ⩾ T 0, 其他 (4) gk Bi 式中：L 表示像素块正方形区域的边长， 表示单 个像素点的灰度值， 是第 i 个正方形区域的像素 灰度值之和。阈值 T 可增强 MB-CSLBP 算子在 平滑图像灰度差异的鲁棒性，T 的值过大会使提 取出的特征值全被置为 0，因此 T 应是一个较小 的正数，在本文针对静脉特征提取过程中经过大 量的对比实验，最终确定选择 T=0 时，所提取的 静脉纹理特征有最好的鲁棒性。图 5 给出了 MB￾CSLBP 算子的编码过程。 如图 5 所示，当阈值 T=0 时，依次比较关于中 心正方形区域对称的两个正方形区域的灰度值之 和得到二进制编码 0001，特征值为 1。 MB-CSLBP CODE 0001 (a) (b) (c) 0 0 0 g 2 829 1 g 1 784 g 0 764 g 3 886 g 7 813 g 4 913 g 5 891 g 6 850 84 84 84 85 88 89 88 90 90 90 90 90 92 94 94 94 94 94 94 96 90 90 96 97 90 93 93 93 92 92 99 99 94 85 94 94 85 85 85 85 89 85 86 86 86 88 88 92 92 92 92 96 96 96 96 97 97 97 99 99 99 99 99 99 99 101 101 103 103 104 101 100 100 100 100 100 100 103 99 103 86 图 5 MB-CSLBP 算子的编码过程 Fig. 5 The encoding process of MB-CSLBP 2 基于 MB-CSLBP 的手指静脉特征 加密方案 模糊承诺方案是利用纠错码的容错能力，在 基于汉明距离的度量空间内将生物特征信息和纠 错码技术相结合的一种密钥绑定方案。 因为 MB-CSLBP 编码是长度固定的而本文使 用的 BCH 编码是一种变长数字编码，便于在整个 加密解密的过程中进行处理，因此，可以发现基 于 MB-CSLBP 的二进制手指静脉特征编码非常 适合于模糊承诺方案的应用。 2.1 BCH 码和 SHA-1 安全散列算法简介 在模糊承诺方案中，需要用到密码学中有关 的知识和方法，因此首先介绍在本节中需要用到 的 BCH 码以及 SHA-1 安全散列算法的相关内容。 2.1.1 BCH 码 自 1959 年发展起来的 BCH 码 (Bose、Ray￾Chaudhuri、Hocquenghem) 是一种能纠正多位错误 的循环码[22]。这种用来校正多个随机错误的循 环、多级、变长数字编码在编码理论尤其是纠错 码方面中被广泛地研究和应用。 k n(n > k) m m ⩽ 2 m m n,m BCH 码把信源待发的信息序列划分为多个 长度为固定的 位消息组,再将每一消息组独立变 换成长为 的二进制数字组码字的过程就是 编码，其逆过程称为译码。当消息组的数目为 ( ),由此所获得的 个码字的全体便称为码 长为 n、信息数目为 的分组码,记作 。 BCH 码的编码与解码是建立在有限域的域 论和多项式基础上的。在编码过程中还可以构建 一个检测多项式，此多项式用于在接受端对接受 到的码字进行检测，看是否有错误。以基于有限 ·546· 智 能 系 统 学 报 第 13 卷