484 智能系统学报 第5卷 式中：(x。,y)为中心点坐标，NSCT表示经过NSCT 变换的掌纹子图，NSCT(g。)为中心点的灰度值， NSCT(g。)(p=0,…,P-1)为相邻P个点的灰度 值，U为二进制串中0/1之间的变换次数，最多的变 换次数为2. LBP8,1、LBP6.2和LBP4.3统一模式的特征维数 分别为10、18和26.下图显示的分别是掌纹的原始 图像，以及分别计算LBPs,1、LBP6.2和LBP4,3算子的 图像. 图2NSCT3层分解 Fig.2 The three levels decomposition of NSCT 1.2掌纹子图的多分辨率LBP掌纹特征表示 掌纹图像经过NSCT变换后得到各个尺度和各 图4计算掌纹图像的LBP.1、LBP6.2和LBP43算子的 个方向的掌纹子图后，采用LBP算子来描述掌纹子 图像 图的细节特征和纹线结构特征，并使用统计直方图 Fig.4 LBPs.1,LBP6.2 and LBP2.3 of palmprint through 的形式作为掌纹的特征向量. compute 局部二进制模式(local binary pattern,LBP)I2] 1.3基于直方图的相似度计算 最早由Ojala等人提出，是一种有效的纹理描述算 本文将对经过NSCT变换得到的各个尺度和各个 子.LBP算子定义为：在一幅图像的任何3×3的邻 方向的掌纹子图计算LBP特征，如果对一整幅掌纹 域内，包括9个点，1个中心点灰度值设为g。和8个 图像提取LBP特征，则只能表征掌纹图像的全局轮廓 相邻点灰度值设为(g0,81,82,3,B4,85,6,87),用 特征，而不能表现掌纹图像局部特征，并且掌纹上的主 8个相邻点灰度值的与中心点值相比较，大于等于 线、乳突纹和皱褶等特征也与它们在空间位置上的分 中心点灰度值8。的用1表示，反之用0表示，从左 布密切相关，也不能很好表示；所以在计算直方图特征 上角顺时针读出得到一个8位的二进制串，转换成 向量前，首先应该将每幅掌纹子图分成m块，再用直方 十进制作为该点的LBP编码值. 图描述所有分块的LBP特征，连接所有掌纹子图的 LBP值计算过程如图3所示： 分块直方图特征作为掌纹的特征向量， 678945 110 计算出图像的LBPP值之后，需要统计图像的 555536 ·1550 =110000112—*195。 直方图特征，计算公式如下： 793548 100 H=∑I(fx,y）=),i=0,1,…,P+1, 图3LBP值计算过程 Fig.3 Computation process of LBP operator -6:为股 (1) 后来Ojala等人通过对标准LBP算子的扩展， 连接12幅掌纹子图的12×m块直方图特征， 得到统一模式的LBP算子LBP,这种算子有着 作为一幅掌纹特征的最终的表示(H,H1,2,…, 很强的旋转不变性和灰度不变性，可以减小由于掌 H1,m,…,H2,m） 纹图像的旋转和光照不匀带来的影响，其中P、R表 计算待识别样本直方图特征与其他掌纹的直方 示在中心点周围半径R的范围内均匀取P个相邻 图相似度如式(2)： 点的灰度值，上标iu2表示旋转不变的统一模式. 在本方法中将会对经过NSCT变换的掌纹子图 X(S,M)=∑(S-M)2 Sij +Mid (2) 计算LBP的值，LBP算子的公式定义如下： 式中：S和M为式(1)中的统计的直方图特征， LBPR= X(S,M)中样本的类别即为待识别样本所属类别. ∑(NSCT(g)-NSCT(ge)),ifU(LBPr,R)≤2； 本文提出的多分辨率LBP特征的提取方法，主 要包括如下几个步骤： P+1, 其他. 1)对原始掌纹图像进行NSCT变换，得到各个 S(x)= 1,x≥0； 尺度和各个方向的掌纹子图.其中对原始掌纹图像 l0,x<0. 进行3层NSCT分解，共产生12幅掌纹子图