一种基于细节点和纹理特征的指纹图像识别方法技术

一种基于细节点和纹理特征的指纹图像识别方法，其步骤包括：进行指纹图像的细节点特征提取；在每个细节点周围一定半径范围内的区域提取纹理特征作为细节点的附加信息；将细节点和相应的纹理特征与模板上匹配的细节点和纹理特征进行拓扑比对，得到比对分数，当比对分数大于设定阈值，则认为该指纹图像与模板来自同一手指，当比对分数小于设定阈值，则认为该指纹图像与模板来自不同手指；将比对分数大于设定阈值的指纹图像融合进模板。本发明专利技术的有益效果：特征包含的信息更加丰富，有利于提高整个指纹识别模块的性能，有利于降低整个指纹识别模块的拒真率和认假率。

A fingerprint image recognition method based on fine node and texture features

【技术实现步骤摘要】
一种基于细节点和纹理特征的指纹图像识别方法
本专利技术属于指纹领域，涉及一种基于细节点和纹理特征的指纹图像识别方法。
技术介绍
20世纪60年代，人们开始利用计算机来处理指纹。从那时起，指纹识别技术在法律方面的应用和研究开始展开。20世纪80年代，随着个人计算机和光学扫描这两项技术的革新，指纹识别技术在其他领域得以应用。现在，作为最成熟的生物识别技术，指纹识别技术因其唯一性、永久性和稳定性，已经广泛地应用于我们生活的各个方面，成为我们生活中不可或缺的一个组成部分。指纹识别技术已经广泛地应用于考勤、门禁、社保、家用电子门锁和智能电子产品等各个方面，随着其应用领域的不断延伸，市场对指纹识别技术的要求也越来越高。但是现有的指纹识别模块，对小面积指纹图像和低质量指纹图像的识别性能有待提高。在这样一个大趋势下，亟需一种新的指纹图像识别方法，该方法提取的特征信息不仅仅是细节点，还有附加信息，这样可以保证即使提取的细节点很少或提取了大量的虚假细节点，也可以进行很好地识别。可见，一种新的指纹图像识别方法的提出，对提高整个指纹识别模块的性能有很大的实际意义。现有的基于细节点的指纹图像识别方案包括图像处理、特征提取和特征比对3个部分，下面对其进行具体介绍。现有方案的识别流程图如图1所示。1)图像处理主要包括以下步骤：a)背景分割：即将指纹图像分为前景和背景，前景为指纹图像有纹路的区域，背景为指纹图像无纹路的区域或质量很差的区域。b)图像均衡：其目的为通过像素点的灰度场强值的计算，使图像在各种灰度场强上都均匀分布相等的像素点数。均衡后的图像，明暗对比度得到了增强。c)方向场提取：方向场描述了指纹脊线和谷线的方向信息。方向场提取的好坏直接影响后续的图像增强，最终影响整个指纹识别方案的性能。d)图像增强：其目的为尽量去除图像的噪声，获得尽可能清晰的纹线结构。e)二值化：其目的为将灰度图像变成非0即1的二值图像。f)细化：把指纹图像的脊线部分按照宽度对称减薄，使指纹脊线成为仅剩一个像素宽度的线。2)特征提取：该方案提取的特征为细节点即端点和叉点。端点是指指纹纹线两头末端，可以是起点也可以是终点。叉点是指两条纹线汇集为一条纹线的交汇点。3)特征比对：该部分是整个指纹识别方案的最后一步，也是评价整个指纹识别方案性能的最主要依据。特征比对首先将两个待比对的特征文件的细节点配准在相同坐标系下，然后对由纹线端点和叉点组成的细节点构造拓扑结构，最终进行拓扑比对，得到比对分数。综上所述，该方案提取的特征信息只有细节点，导致最终得到的比对分数过分地依赖细节点。当指纹图像提取的细节点数量过少或提取大量虚假细节点时，很容易匹配失败或匹配错误，降低整个指纹识别方案的性能。
技术实现思路
本专利技术提供了一种有利于提高整个指纹识别模块的性能、有利于降低整个指纹识别模块的拒真率和认假率的基于细节点和纹理特征的指纹图像识别方法。本专利技术采用的技术方案是：一种基于细节点和纹理特征的指纹图像识别方法，其步骤包括：进行指纹图像的细节点特征提取；在每个细节点周围一定半径范围内的区域提取纹理特征作为细节点的附加信息；将细节点和相应的纹理特征与模板上匹配的细节点和纹理特征进行拓扑比对，得到比对分数，当比对分数大于设定阈值，则认为该指纹图像与模板来自同一手指，当比对分数小于设定阈值，则认为该指纹图像与模板来自不同手指；将比对分数大于设定阈值的指纹图像融合进模板。进一步，纹理特征的提取包括关键点检测、计算关键点主方向与辅方向和计算关键点描述子，其提取的步骤包括：构建高斯金字塔，在下采样的基础上加上了高斯滤波，一幅图像可以产生几组图像，一组图像包括3～5层图像；构建DOG金字塔，将相邻尺度高斯平滑后的图像相减；进行关键点检测，关键点是由DOG空间的局部极值点组成，寻找DOG空间的极值点，每个像素点都要与它所有的相邻点比较，看其是否比它的图像域和尺度域的相邻点大或者小；进行虚假关键点剔除，剔除对比度较低的不稳定极值点和有较强边缘响应的关键点；计算关键点主方向和辅方向，计算关键点周围每个像素点的梯度幅值和方向，并将同方向所有像素点的梯度幅值累加起来，得到梯度方向直方图，梯度方向直方图主峰值所对应的方向为关键点主方向，当梯度方向直方图中存在另一个相当于主峰值80％能量的峰值时，则认为该方向为关键点的辅方向；计算关键点描述子，对关键点周围一定区域内所有像素点计算其梯度幅值和方向，然后对每个梯度幅值乘以高斯权重参数，生成方向直方图。进一步，虚假关键点剔除步骤中先利用DOG函数在尺度空间的Taylor展开式，剔除对比度较低的不稳定极值点；后利用关键点周围一定区域的主曲率，剔除有较强边缘响应的关键点。进一步，特征比对包括：先用基于细节点的指纹图像比对方法寻找匹配细节点对，将提取的细节点与模板中的所有细节点配准在相同坐标系下，进行拓扑比对，找到匹配的细节点对，得出比对分数；继续匹配所有细节点的纹理特征，每匹配成功一对纹理特征，则比对分数加分，否则减分。进一步，纹理特征包括关键点的个数、关键点的坐标、关键点的主方向与辅方向和关键点描述子，其匹配步骤包括：进行粗匹配，采用穷举方式，利用关键点的描述子信息进行最优匹配排序，生成最优匹配对；进行精匹配，在粗匹配基础上，采用GFC和GSC两种编码方式，进一步对纹理特征的内部和交叉的位置关系进行过滤，滤除不符合内联关系的关键点对；其中GSC编码为：纹理特征中的每个关键点与其他关键点在其主方向上的投影最大值；GFC编码为：纹理特征的每个关键点与其他关键点在其主方向分别偏离4个角度的投影的相对比较值；进行仿射关系验证，通过穷举每3组关键点进行仿射变换，并记录每次变换后，符合内联关系的关键点对数、误差和关键点对，最后，返回符合内联关系关键点对数最多且误差最小的仿射变换所对应的关键点对和仿射变换矩阵；进行相似度验证，对于匹配成功的关键点对，继续验证关键点对所在图像周围区域的相似度，若相似度高于设定阈值，则通过验证，否则未通过验证；得出最终纹理特征匹配结果，统计匹配成功的关键点对数，当匹配成功的关键点对数的比例大于设定阈值，则该纹理特征匹配成功，否则匹配失败。进一步，模板上特征融合包括：将细节点的坐标和方向平移旋转至与模板相同的坐标系下，同时也将纹理特征中每个关键点的坐标、主方向与辅方向和描述子平移旋转至与模板相同的坐标系下。进一步，细节点特征提取前进行指纹图像预处理。进一步，纹理特征为HOG特征、LBP特征、Harris角点特征和SIFT特征中的一种或多种。本专利技术的有益效果：(1)提取了细节点周围一定半径范围内的纹理特征，包括HOG特征、LBP特征、Harris角点特征和SIFT特征等纹理特征中的一种或几种，特征包含的信息更加丰富，有利于提高整个指纹识别模块的性能。(2)特征比对时，不再仅仅依赖于细节点，也要考虑细节点周围一定半径范围内的纹理特征，有利于降低整个指纹识别模块的拒真率和认假率。(3)特征融合时，不仅要融合细节点，也要融合细节点周围的一定半径范围内的纹理特征，使得模板信息更加丰富，有利于降低整个指纹识别模块的拒真率和认假率。附图说明图1是现有指纹识别模块的识别流程示意图。图2是本专利技术的流程示意图。图3是本专利技术的SIFT特征提取的流程示意图。图4是本本文档来自技高网...

【技术保护点】
一种基于细节点和纹理特征的指纹图像识别方法，其步骤包括：进行指纹图像的细节点特征提取；在每个细节点周围一定半径范围内的区域提取纹理特征作为细节点的附加信息；将细节点和相应的纹理特征与模板上匹配的细节点和纹理特征进行拓扑比对，得到比对分数，当比对分数大于设定阈值，则认为该指纹图像与模板来自同一手指，当比对分数小于设定阈值，则认为该指纹图像与模板来自不同手指；将比对分数大于设定阈值的指纹图像融合进模板。

【技术特征摘要】
1.一种基于细节点和纹理特征的指纹图像识别方法，其步骤包括：进行指纹图像的细节点特征提取；在每个细节点周围一定半径范围内的区域提取纹理特征作为细节点的附加信息；将细节点和相应的纹理特征与模板上匹配的细节点和纹理特征进行拓扑比对，得到比对分数，当比对分数大于设定阈值，则认为该指纹图像与模板来自同一手指，当比对分数小于设定阈值，则认为该指纹图像与模板来自不同手指；将比对分数大于设定阈值的指纹图像融合进模板。2.根据权利要求1所述的一种基于细节点和纹理特征的指纹图像识别方法，其特征在于：纹理特征的提取包括关键点检测、计算关键点主方向与辅方向和计算关键点描述子，其提取的步骤包括：构建高斯金字塔，在下采样的基础上加上了高斯滤波，一幅图像可以产生几组图像，一组图像包括3～5层图像；构建DOG金字塔，将相邻尺度高斯平滑后的图像相减；进行关键点检测，关键点是由DOG空间的局部极值点组成，寻找DOG空间的极值点，每个像素点都要与它所有的相邻点比较，看其是否比它的图像域和尺度域的相邻点大或者小；进行虚假关键点剔除，剔除对比度较低的不稳定极值点和有较强边缘响应的关键点；计算关键点主方向和辅方向，计算关键点周围每个像素点的梯度幅值和方向，并将同方向所有像素点的梯度幅值累加起来，得到梯度方向直方图，梯度方向直方图主峰值所对应的方向为关键点主方向，当梯度方向直方图中存在另一个相当于主峰值80％能量的峰值时，则认为该方向为关键点的辅方向；计算关键点描述子，对关键点周围一定区域内所有像素点计算其梯度幅值和方向，然后对每个梯度幅值乘以高斯权重参数，生成方向直方图。3.根据权利要求2所述的一种基于细节点和纹理特征的指纹图像识别方法，其特征在于：虚假关键点剔除步骤中先利用DOG函数在尺度空间的Taylor展开式，剔除对比度较低的不稳定极值点；后利用关键点周围一定区域的主曲率，剔除有较强边缘响应的关键点。4.根据权利要求1所述的一种基于细节点和纹理特征的指纹图像识别方法，其特征在于：特征比对包括：先用基于细节点的指纹图像比对方法寻找匹配细节点对，...

【专利技术属性】
技术研发人员：罗美美，杨波，
申请(专利权)人：杭州晟元数据安全技术股份有限公司，
类型：发明
国别省市：浙江,33