一种基于脊线特征和TPS形变模型的指纹图像拼接方法技术

本发明专利技术属于数字图像处理技术领域，公开了一种基于脊线特征和TPS形变模型的指纹图像拼接方法，分别提取两幅待拼接的小面积指纹图像中的细节点，细节点两两配准后，获得相似度分数最高的细节点对；计算获得初次配准的旋转平移参数，得到初次拼接的指纹图像；求取两幅待拼接的小面积指纹图像的细化图；通过N邻域块法寻找细化图的重叠区域的匹配脊线，寻找匹配的脊线对；引入TPS形变模型，从脊线对特征层面修正指纹图像的弹性形变，然后进行二次配准，得到二次拼接的指纹图像的最终结果。本发明专利技术利用细节点进行初次配准，通过N邻域块法寻找重叠区域的匹配脊线，从而减少错误匹配细节点带来的拼接误差。

A fingerprint image mosaic method based on ridge feature and TPS deformation model

The invention belongs to the digital image processing technology field, and discloses a fingerprint image stitching method based on the ridge line features and the TPS deformation model, and extracts two detail points in the small area fingerprint images to be stitched together. After the detail point 22 registration, the details point pairs with the highest similarity fraction are obtained; the first registration is calculated. The image of the first spliced fingerprint is obtained by rotating the translation parameters, and the thinning of two small area fingerprint images to be spliced is obtained. The matching ridges are searched by the N neighborhood block method to find the matched ridge line, and the TPS deformation model is introduced to modify the elastic deformation of the fingerprint image from the ridge line. After two registration, the final result of two stitching fingerprint images is obtained. The invention uses the detail points for the first registration, and searches the matching ridges of the overlapped regions by the N neighborhood block method, thus reducing the stitching error caused by the error matching the fine nodes.

【技术实现步骤摘要】
一种基于脊线特征和TPS形变模型的指纹图像拼接方法
本专利技术属于数字图像处理
，尤其涉及一种基于脊线特征和TPS形变模型的指纹图像拼接方法及自动指纹识别系统。
技术介绍
在众多生物特征识别中，基于指纹的认证是一项重要的生物识别技术，在军事和民用领域都有广泛的应用，由于在实际应用中需要充分考虑可靠性和安全性，指纹识别在过去的几年中受到越来越多的关注。指纹识别普及的另外一个原因是指纹传感器的价格较低，可以很容易的集成到PC键盘、手机和各种智能卡中。在指纹识别领域，指纹细节点是最具差异性和可靠性的特征，也是指纹识别中最常用的特征，其中最突出的是脊线端点和分叉点。传统基于细节点模式的指纹配准算法对细节点的数量有一定要求，当指纹图像形变过大，或者有效匹配面积过小时会有较大的识别精度损失。小面积指纹只包含少量的细节点，将细节点作为指纹配准或者拼接的唯一信息时，识别精度会有较大幅度的降低；在指纹的采集过程中，指纹的3D表面需要被平压在传感器上，这种3D转2D的方式会带来非线性失真，而且每次手指按压力度的大小都会造成不同程度的弹性形变。目前已有小面积指纹拼接大多采用刚性变换进行处理，没有考虑指纹的弹性形变，而在小面积指纹图像中，指纹的弹性形变是影响最终识别率的重要因子，所以传统的未考虑弹性形变的小面积拼接算法难以得到准确的拼接结果及较高的识别率。因此，当前对于小面积指纹识别领域突出的问题在于：1、小面积指纹图像包含的细节点数量少，传统的细节点匹配算法和拼接算法没有引入脊线特征，识别精度不高；2、传统的细节点拼接算法没有纠正指纹非线性失真和弹性形变导致的误差，使得拼接效果差。综上所述，现有技术没有考虑到指纹采集过程中的形变问题，且将细节点作为指纹配准或者拼接的唯一信息，造成拼接效果较差，当拼接图像用作后续指纹识别的模板时，识别率较低。本专利技术提出的方法考虑了指纹采集时带来的弹性形变问题，找到初步配准参数后进一步消除了形变，得到清晰度更高的拼接图像，同时提高了识别率。
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脊线特征和TPS形变模型的指纹图像拼接方法及自动指纹识别系统。本专利技术是这样实现的，一种基于脊线特征和TPS形变模型的指纹图像拼接方法，所述基于脊线特征和TPS形变模型的指纹图像拼接方法，包括：分别提取两幅待拼接的小面积指纹图像中的细节点，细节点两两配准后，获得相似度分数最高的细节点对；计算获得初次配准的旋转平移参数，根据旋转平移参数得到初次拼接的指纹图像；求取两幅待拼接的小面积指纹图像的细化图；通过N邻域块法寻找细化图的重叠区域的匹配脊线，并分别对两幅细化图重叠区域的脊线进行编号，寻找匹配的脊线对；引入TPS形变模型，从脊线对特征层面修正指纹图像的弹性形变，然后进行二次配准，得到二次拼接的指纹图像的最终结果。进一步，所述基于脊线特征和TPS形变模型的指纹图像拼接方法具体包括：步骤一，采集两幅待拼接的固定大小的小面积指纹图像I1(x,y)和I2(x,y)，并将其输入自动指纹识别系统，指纹图像大小均为h×w，其中(x,y)代表图像的像素点坐标；步骤二，分别提取两幅待拼接的小面积指纹图像I1(x,y)和I2(x,y)中的细节点，构建每个细节点的MCC算子，计算两个指纹图像中所有细节点的MCC相似度，获得MCC相似度分数最高的细节点对和θk为纹图像I1(x,y)中第k个细节点的角度，θl为纹图像I2(x,y)中第l个细节点的角度，MCC为Cappilli提出的细节点柱形码匹配算子；步骤三，计算获得初次配准的旋转平移参数，根据旋转平移参数得到初次拼接的指纹图像I0′(x,y)；步骤四，求取两幅待拼接的小面积指纹图像I1(x,y)和I2′(x,y)的细化图像TI1(x,y)和TI2′(x,y)；步骤五，求细化图TI1(x,y)和TI2′(x,y)的重叠区域ROI1(x,y)和ROI2′(x,y)，对细化图的重叠区域的脊线进行编号：步骤六，利用N邻域块法匹配脊线对，N邻域块是指以基准像素点为中心的边长为N的正方形内的所有像素值：步骤七，用TPS模型进行二次配准，得到二次拼接的指纹图像I0(x,y)作为最终结果。进一步，所述步骤三具体包括：(一)根据步骤二得出的细节点对和求出初次匹配的旋转平移参数(Δx,Δy,Δθ)，其中Δx＝xk-xl是指纹图像沿x轴方向平移的量，Δy＝yk-yl是指纹图像沿y轴平移的量，Δθ＝θk-θl是指纹图像旋转的角度；(二)将指纹图像I2(x,y)沿x轴和y轴分别平移Δx和Δy，然后将其中心点作为基准点进行逆时针旋转，旋转角度为得到I2′(x,y)；(三)叠加指纹图像I1(x,y)和指纹图像I2′(x,y)在同一坐标下的像素值，得到初次拼接的指纹图像I0′(x,y)。进一步，所述步骤四具体包括：(A)分别得到两幅小面积指纹图像的二值图像BI1(x,y)和BI2′(x,y)，计算公式如下：其中T是从灰度图像到二值图像的阈值，165≤T≤180，其中T＝175；(B)用8邻域法将二值图像BI1(x,y)和BI2′(x,y)得到细化图像TI1(x,y)和TI2′(x,y)；所述步骤五具体包括：(I)将细化图TI1(x,y)和TI2′(x,y)所有的像素值都设为1，得到图像TI1′(x,y)和TI2″(x,y)；(II)叠加TI1′(x,y)和TI2″(x,y)在同一坐标下的像素值，则像素值为2的点即为重叠区域中的像素，得到重叠区域ROI1(x,y)和ROI2′(x,y)；(III)以像素值为1的点为中心，建立3×3的搜索窗；如果则这个中心点是脊线端点；如果则这个中心点是脊线分叉点；如果则这个中心点是脊线上的点；(IV)对整个重叠区域ROI1(x,y)和ROI2′(x,y)的脊线上的点按从左到右、从上到下进行搜索，分别获得重叠区域ROI1(x,y)和ROI2′(x,y)的脊线编号与坐标的集合Ridge1和Ridge2，其中是重叠区域ROI1(x,y)上的第i条脊线，是重叠区域ROI2′(x,y)上的第i条脊线，mr(x,y)是脊线上的第r条脊线，n是脊线的总脊线数，t是第i条脊线上的总像素值；所述步骤六具体包括：(1)遍历重叠区域ROI1(x,y)中脊线上的像素点，在重叠区域ROI2′(x,y)中进行对应位置的搜索，找到匹配的脊线编号i：(1a)以点(x,y)为中心在ROI2′(x,y)上搜索，搜索边长为N，如果有像素值为1的点，记录该点在ROI2′(x,y)中所在脊线的编号，5≤N≤11，本专利技术中N＝7；(1b)统计编号次数，将步骤(1a)中出现次数最多的编号i作为ROI1(x,y)脊线上的点所匹配的脊线；(2)找到重叠区域ROI1(x,y)中的所有脊线在ROI2′(x,y)中匹配的脊线：将ROI1(x,y)中的每条脊线上的点重复步骤(1a)和(1b),将步骤(1b)中出现次数最多的编号作为脊线在ROI2′(x,y)中的匹配的脊线；所述步骤七具体包括：第一步，分别从重叠区域ROI1(x,y)和ROI2′(x,y)每条脊线的起始位置开始采样，采样间距为脊线间的平均距离d，其中d＝5；得到ROI1(x,y)中的采样点集Gi＝{Gp(xp,yp)|1≤p≤PG}，ROI2′(x,y)中的本文档来自技高网...

【技术保护点】
一种基于脊线特征和TPS形变模型的指纹图像拼接方法，其特征在于，所述基于脊线特征和TPS形变模型的指纹图像拼接方法，包括：分别提取两幅待拼接的小面积指纹图像中的细节点，细节点两两配准后，获得相似度分数最高的细节点对；计算获得初次配准的旋转平移参数，根据旋转平移参数得到初次拼接的指纹图像；求取两幅待拼接的小面积指纹图像的细化图；通过N邻域块法寻找细化图的重叠区域的匹配脊线，并分别对两幅细化图重叠区域的脊线进行编号，寻找匹配的脊线对；引入TPS形变模型，从脊线对特征层面修正指纹图像的弹性形变，然后进行二次配准，得到二次拼接的指纹图像的最终结果。

【技术特征摘要】
1.一种基于脊线特征和TPS形变模型的指纹图像拼接方法，其特征在于，所述基于脊线特征和TPS形变模型的指纹图像拼接方法，包括：分别提取两幅待拼接的小面积指纹图像中的细节点，细节点两两配准后，获得相似度分数最高的细节点对；计算获得初次配准的旋转平移参数，根据旋转平移参数得到初次拼接的指纹图像；求取两幅待拼接的小面积指纹图像的细化图；通过N邻域块法寻找细化图的重叠区域的匹配脊线，并分别对两幅细化图重叠区域的脊线进行编号，寻找匹配的脊线对；引入TPS形变模型，从脊线对特征层面修正指纹图像的弹性形变，然后进行二次配准，得到二次拼接的指纹图像的最终结果。2.如权利要求1所述的基于脊线特征和TPS形变模型的指纹图像拼接方法，其特征在于，所述基于脊线特征和TPS形变模型的指纹图像拼接方法具体包括：步骤一，采集两幅待拼接的固定大小的小面积指纹图像I1(x,y)和I2(x,y)，并将其输入自动指纹识别系统，指纹图像大小均为h×w，其中(x,y)代表图像的像素点坐标；步骤二，分别提取两幅待拼接的小面积指纹图像I1(x,y)和I2(x,y)中的细节点，构建每个细节点的MCC算子，计算两个指纹图像中所有细节点的MCC相似度，获得MCC相似度分数最高的细节点对和θk为纹图像I1(x,y)中第k个细节点的角度，θl为纹图像I2(x,y)中第l个细节点的角度，MCC为Cappilli提出的细节点柱形码匹配算子；步骤三，计算获得初次配准的旋转平移参数，根据旋转平移参数得到初次拼接的指纹图像I0′(x,y)；步骤四，求取两幅待拼接的小面积指纹图像I1(x,y)和I2′(x,y)的细化图像TI1(x,y)和TI2′(x,y)；步骤五，求细化图TI1(x,y)和TI2′(x,y)的重叠区域ROI1(x,y)和ROI2′(x,y)，对细化图的重叠区域的脊线进行编号：步骤六，利用N邻域块法匹配脊线对，N邻域块是指以基准像素点为中心的边长为N的正方形内的所有像素值：步骤七，用TPS模型进行二次配准，得到二次拼接的指纹图像I0(x,y)作为最终结果。3.如权利要求2所述的基于脊线特征和TPS形变模型的指纹图像拼接方法，其特征在于，所述步骤三具体包括：(1)根据步骤二得出的细节点对和求出初次匹配的旋转平移参数(Δx,Δy,Δθ)，其中Δx＝xk-xl是指纹图像沿x轴方向平移的量，Δy＝yk-yl是指纹图像沿y轴平移的量，Δθ＝θk-θl是指纹图像旋转的角度；(2)将指纹图像I2(x,y)沿x轴和y轴分别平移Δx和Δy，然后将其中心点作为基准点进行逆时针旋转，旋转角度为得到I2′(x,y)；(3)叠加指纹图像I1(x,y)和指纹图像I2′(x,y)在同一坐标下的像素值，得到初次拼接的指纹图像I0′(x,y)。4.如权利要求2所述的基于脊线特征和TPS形变模型的指纹图像拼接方法，其特征在于，所述步骤四具体包括：(1)分别得到两幅小面积指纹图像的二值图像BI1(x,y)和BI2′(x,y)，计算公式如下：其中T是从灰度图像到二值图像的阈值，165≤T≤180，其中T＝175；(2)用8邻域法将二值图像BI1(x,y)和BI2′(x,y)得到细化图像TI1(x,y)和TI2′(x,y)；所述步骤五具体包括：(1)将细化图TI1(x,y)和TI2′(x,y)所有的像素值都设为1，得到图像TI1′(x,y)和TI2″(x,y)；(2)叠加TI1′(x,y)和TI2″(x,y)在同一坐标下的像素值，则像素值为2的点即为重叠区域中的像素，得到重叠区域ROI1(x,y)和ROI2′(x,y)；(3)以像素值为1的点为中心，建立3×3的搜索窗；如果则这个中心点是脊线端点；如果则这个中心点是脊线分叉点；如果则这个中心点是脊线上的点；(4)对整个重叠区域ROI1(x,y)和ROI2′(x,y)的脊线上的点按从左到右、从上到下进行搜索，分别获得重叠区域ROI1(x,y)和ROI2′(x,y)的脊线编号与坐标的集合Ridge1和Ridge2，其中是重叠区域ROI1(x,y)上的第i条脊线，是重叠区域ROI2′(x,y)上的第i条脊线，mr(x,y)是脊线上的第r条脊线，n是脊线的总脊线数，t是第i条脊线上的总像素值；所述步骤六具体包括...

【专利技术属性】
技术研发人员：赵恒，吴优，陈炯，庞辽军，秦帅，
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