一种基于传播算法的指纹交叉库匹配方法组成比例

本发明专利技术属于数字图像处理技术领域，公开了一种基于传播算法的指纹交叉库匹配方法，所述基于传播算法的指纹交叉库匹配方法选择相似度较高的基准细节点对构建细节点局部结构算子；通过传播算法完成局部区域内细节点间的精确匹配；使用新的基准点对继续进行局部区域内的精确匹配；匹配范围从局部区域逐步传播到整幅图像，进而完成全局层面的匹配工作。本发明专利技术实现了较低的EER值，指纹交叉匹配结果更为准确。

A fingerprint cross library matching method based on propagation algorithm

The invention belongs to the digital image processing technology field, and discloses a fingerprint cross library matching method based on the propagation algorithm. The fingerprint cross library matching method based on the propagation algorithm selects the local structure operator of the fine node to construct the fine node local structure operator with the higher similarity degree, and completes the details between the local areas through the transmission algorithm. The precise matching of the local area is continued with the new datum point, and the matching range is gradually spread from the local area to the whole image, and then the matching work of the global level is completed. The invention realizes a lower EER value, and the result of fingerprint cross matching is more accurate.

【技术实现步骤摘要】
一种基于传播算法的指纹交叉库匹配方法
本专利技术属于数字图像处理
，尤其涉及一种基于传播算法的指纹交叉库匹配方法。
技术介绍
当今社会已经进入信息时代，传统的以密码为特征的识别技术，如银行卡、PIN码等越来越难以满足当下的信息安全需求。生物特征识别作为一种颇具应用价值和前景的技术手段能够提高身份认证的安全性，并能以更加便捷的方式满足日常生活中的加解密需求。在对稳定性、识别精度、用户接受度、便捷程度以及低硬件成本等方面综合考量下，指纹识别与其它生物特征识别相比具有天然优势。固有的诸多优点也使得指纹识别技术被广泛应用在社会生活的各个领域，如电子政务、电子商务、考勤管理以及移动终端应用等等。在自动指纹识别系统中，一般把传统的来自于同一采集仪的指纹间匹配称为“常规匹配”，将来自于不同采集仪的指纹间匹配称为“交叉匹配”。由于采集指纹时手指放置角度和按压力度的不同，同一个指纹在同一个采集仪下前后采集的结果会发生一定角度和距离的旋转平移以及指纹脊线结构的形变。由于两幅图像来自于同一采集仪，旋转平移和形变量相对较小，传统的优秀指纹匹配方法可以对其进行修正并取得较高的匹配精度。但目前市面上的指纹采集仪按照成像原理可分为电容采集仪、光学采集仪和超声波采集仪等，按采集模式可分为按压采集仪(滚动按压、平面按压、和整手按压)、刮擦采集仪和非接触采集仪等。指纹采集仪采集原理不同，采集的标准和规格不同，导致来自不同指纹采集仪的指纹图像间存在较大的非线性形变。传统的指纹匹配方法难以修正图像间的非线性形变，导致两张匹配图像之间误识率增大，极大的影响了识别精度。在交叉库匹配中，目前比较主流的非线性形变的解决方法是设计非线性形变模型，修正各个采集仪采集指纹时各种非线性形变，统一划为一个规格的指纹模型。再用传统的指纹预处理及匹配方法进行匹配。然而，这类方法相当于实现了指纹匹配工作之前的指纹配准工作，依然没有针对较大非线性形变进行处理。综上所述，现有技术存在的问题是：现有的指纹匹配方法匹配不同采集仪间指纹时稳定性与鲁棒性较差，识别精度低。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于传播算法的指纹交叉库匹配方法，可应用于自动指纹识别系统。本专利技术是这样实现的，一种基于传播算法的指纹交叉库匹配方法，所述基于传播算法的指纹交叉库匹配方法选择相似度较高的基准细节点对构建细节点局部结构算子，完成细节点间的精确匹配；通过传播算法找到满足基准点条件的细节点对，使用新的基准点对继续进行局部区域内的精确匹配；匹配范围从局部区域逐步传播到整幅图像，完成全局层面的匹配。进一步，所述基于传播算法的指纹交叉库匹配方法包括以下步骤：(1)输入待匹配指纹图像Q(x,y)和模板指纹图像T(x',y')，使用VerifingerSDK对这两幅图像进行处理，获得两幅图像的细节点集合mQ＝(x,y,θ)i(i＝1,...,N1)和mT＝(x',y',θ')i(i＝1,...,N2)，以及指纹细化图像skeletonQ和skeletonT，其中(x,y)表示待匹配指纹图像Q(x,y)的像素点坐标，(x',y')表示模板指纹图像T(x',y')的像素点坐标，θ与θ'表示细节点角度，N1代表待匹配指纹图像中细节点总个数，N2代表模板指纹图像中细节点总个数，VerifingerSDK是基于PC平台的单机指纹识别算法软件，集成了指纹图像预处理、指纹图像特征提取、指纹图像匹配等；(2)对两幅指纹图像的细节点坐标进行尺度为scale＝DPIT/DPIQ的缩放，其中DPIQ为采集待匹配指纹图像Q(x,y)所使用指纹传感器的分辨率，DPIT为采集模板指纹图像T(x',y')所使用指纹传感器的分辨率，缩放前待匹配指纹图像中细节点的坐标为(x0,y0)，缩放后的细节点坐标为(x,y)，两者之间的关系如下：(3)使用MCCSDK计算待匹配指纹细节点集合mQ＝(x,y,θ)i(i＝1,...,N1)和模板指纹细节点集合mT＝(x',y',θ')i(i＝1,...,N2)间的MCC相似度，并将细节点MCC相似度降序排序，获得细节点MCC相似度分数集合S(i,j)代表待匹配指纹的第i个细节点与模板指纹的第j个细节点间的匹配分数；(4)选取MCC相似度排名前25的细节点对作为基准配准点对集Mi(i＝1,...,25)，利用传播算法根据基准配准点计算两幅指纹图像的匹配分数；(5)将依据25对初始配准细节点对计算的25个匹配分数进行排序，选取最高的值作为两幅指纹图像的最终匹配分数；(6)设定固定阈值TH，将匹配分数与所设定固定阈值相比，如果匹配分数大于阈值则认为指纹为真匹配，否则为假匹配。进一步，所述(4)具体包括：1)根据MCC相似度从大到小依次选取Mi(i＝1,...,25)中的一对基准配准点对；2)分别计算两幅图像中其它细节点相对于基准配准点的极坐标Q(r,t)和T(r',t')，其中r、t和r'和t'按照以下公式计算如下：r和t分别对应待匹配指纹中其他细节点相对于基准配准点的距离和角度，r'和t'分别对应模板指纹中其他细节点相对于基准配准点的距离和角度；3)在待匹配指纹图像和模板指纹图像中，以基准配准点为中心构造细节点局部结构算子；4)将位于待匹配指纹细节点局部结构算子内的细节点统一为细节点集m，依次遍历所有位于模板指纹细节点局部结构算子内的细节点，寻找能与m中细节点匹配的细节点组成集合m'，并判断m与m'中是否存在种子点对Sd；5)如果存在种子点对Sd，则开启传播，以种子点对Sd作为新的基准配准点对重复3)与4)，没有满足条件的种子点对时，终止传播，即匹配完毕；6)所有匹配细节点对的MCC相似度的和为两幅指纹图像之间的匹配分数，计算公式如下：其中num是确定为匹配的细节点对数，是待匹配指纹中细节点i和模板指纹中的细节点j之间的MCC相似度分数。进一步，所述构造细节点局部结构算子包括：(1)将以初始配准细节点为圆心，一定半径长度的圆分成n＝R×K个区域，其中R代表圈数，K是按照360度角将其分割的数目，取R＝5，R＝8，Rmax是最外圈的半径，为150像素；(2)设定待匹配指纹细节点局部结构算子的五个半径的数值分别是：30、60、90、120、150像素，角度区域的范围为：0°～45°，45°～90°，90°～135°，135°～180°，180°～225°，225°～270°，270°～315°，315°～360°；(3)五个半径的数值范围是：0～38像素，18～72像素，44～106像素，70～140像素，96～174像素，模板指纹的局部细节点结构算子角度区域的分割数为8，角度区域的范围在原始八个区域的基础上，每个区域的左右边界各扩大30°；(4)以初始配准细节点方向为基准方向，从内而外的按逆时针方向对细节点结构算子内的扇形区域进行编号。进一步，所述判断是否存在种子点对Sd的流程包括：1)比较待匹配的细节点对是否处于同一个扇形区域中，如果处于同一个扇形区域，进行下一步，不满足则直接跳到下一个细节点对；2)当判断在同一个局部细节点结构算子中的待匹配指纹与模板指纹中的两个细节点属于同一个扇形区域后，求极坐标的距离差值与角度差值，当距离与角度的差值都小于设定的阈值且二者的MCC相似度本文档来自技高网...

【技术保护点】
一种基于传播算法的指纹交叉库匹配方法，其特征在于，所述基于传播算法的指纹交叉库匹配方法选择相似度较高的基准细节点对构建细节点局部结构算子，完成细节点间的精确匹配；通过传播算法找到满足基准点条件的细节点对，使用新的基准点对继续进行局部区域内的精确匹配；匹配范围从局部区域逐步传播到整幅图像，完成全局层面的匹配。

【技术特征摘要】
1.一种基于传播算法的指纹交叉库匹配方法，其特征在于，所述基于传播算法的指纹交叉库匹配方法选择相似度较高的基准细节点对构建细节点局部结构算子，完成细节点间的精确匹配；通过传播算法找到满足基准点条件的细节点对，使用新的基准点对继续进行局部区域内的精确匹配；匹配范围从局部区域逐步传播到整幅图像，完成全局层面的匹配。2.如权利要求1所述的基于传播算法的指纹交叉库匹配方法，其特征在于，所述基于传播算法的指纹交叉库匹配方法包括以下步骤：(1)输入待匹配指纹图像Q(x,y)和模板指纹图像T(x',y')，使用VerifingerSDK对这两幅图像进行处理，获得两幅图像的细节点集合mQ＝(x,y,θ)i(i＝1,...,N1)和mT＝(x',y',θ')i(i＝1,...,N2)，以及指纹细化图像skeletonQ和skeletonT，其中(x,y)表示待匹配指纹图像Q(x,y)的像素点坐标，(x',y')表示模板指纹图像T(x',y')的像素点坐标，θ与θ'表示细节点角度，N1代表待匹配指纹图像中细节点总个数，N2代表模板指纹图像中细节点总个数，VerifingerSDK是基于PC平台的单机指纹识别算法软件，集成了指纹图像预处理、指纹图像特征提取、指纹图像匹配；(2)对两幅指纹图像的细节点坐标进行尺度为scale＝DPIT/DPIQ的缩放，其中DPIQ为采集待匹配指纹图像Q(x,y)所使用指纹传感器的分辨率，DPIT为采集模板指纹图像T(x',y')所使用指纹传感器的分辨率，缩放前待匹配指纹图像中细节点的坐标为(x0,y0)，缩放后的细节点坐标为(x,y)，两者之间的关系如下：(3)使用MCCSDK计算待匹配指纹细节点集合mQ＝(x,y,θ)i(i＝1,...,N1)和模板指纹细节点集合mT＝(x',y',θ')i(i＝1,...,N2)间的MCC相似度，并将细节点MCC相似度降序排序，获得细节点MCC相似度分数集合S(i,j)代表待匹配指纹的第i个细节点与模板指纹的第j个细节点间的匹配分数；(4)选取MCC相似度排名前25的细节点对作为基准配准点对集Mi(i＝1,...,25)，利用传播算法根据基准配准点对计算两幅指纹图像的匹配分数；(5)将依据25对初始配准细节点对计算的25个匹配分数进行排序，选取最高的值作为两幅指纹图像的最终匹配分数；(6)设定固定阈值TH，将匹配分数与所设定固定阈值相比，如果匹配分数大于阈值则认为指纹为真匹配，否则为假匹配。3.如权利要求2所述的基于传播算法的指纹交叉库匹配方法，其特征在于，所述(4)具体包括：1)根据MCC相似度从大到小依次选取Mi(i＝1,...,25)中的一对细节点对作为基准配准点对；2)分别计算两幅图像中其它细节点相对于基准配准点的极坐标Q(r,t)和T(r',t')，其中r、t和r'和t'按照以下公式计算如下：r和t分别对应待匹配指纹中其他细节点相对于基准配准点的距离和角度，r'和t'分别对应模板指纹中其他细节点相对于基准配准点的距离和角度；3)在待匹配指纹图像和模板指纹图像中，以基准配准点为中心构造细节点局部结构算子；4)将位于待匹配指纹细节点局部结构算子内的细节点统一为细节点集m，依次遍历所有位于模板指纹细节点局部结构算子内的细节点，寻找能与m中细节点匹配的细节点组成集合m'，并判断m与m'中是否存在种子点对Sd；5)如果存在种子点对Sd，则开启传播，以种子点对Sd作为新的基准配准点对重复3)与4)，没有满足条件的种子点对时，终止传播，即匹配完毕；6)所有匹配细...

【专利技术属性】
技术研发人员：赵恒，秦帅，陈炯，庞辽军，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61