一种基于SVM和随机森林的指纹图像质量判断方法技术

一种基于SVM和随机森林的指纹图像质量判断方法，步骤包括：挑选质量相对较好的图像作为训练用正样本，挑选质量较差的图像作为训练用负样本；对训练用正样本和训练用负样本进行特征提取，将这些特征组成特征向量并进行归一化处理；将归一化后的特征向量输入到LIBSVM进行训练得到SVM模型；将归一化后的特征向量输入到随机森林模型进行训练得到随机森林模型；对待预测样本进行特征提取和特征向量归一化处理；将归一化的待预测样本的特征向量分别代入SVM模型和随机森林模型获得相应的质量分数；将SVM模型得到的质量分数与随机森林模型得到的质量分数求均值，并将其作为最终的预测结果。

A method of fingerprint image quality judgement based on SVM and random forest

A fingerprint image quality estimation method based on SVM and random forest. The steps include: selecting a relatively better image as a training sample, selecting a poor quality image as a negative sample for training, and extracting the feature vectors with a positive sample and a training negative sample. The normalization process is carried out; the normalized eigenvectors are input to the LIBSVM to train the SVM model; the normalized eigenvectors are input into the random forest model to get the random forest model; the feature extraction and the feature vector normalization of the predicted samples are treated, and the normalization of the unpredicted samples is special. The eigenvectors are divided into the SVM model and the random forest model to obtain the corresponding mass fraction, and the mass fraction obtained by the SVM model and the mass fraction obtained by the random forest model are calculated, and the results are taken as the final prediction results.

【技术实现步骤摘要】
一种基于SVM和随机森林的指纹图像质量判断方法
本专利技术属于指纹领域，涉及一种基于SVM和随机森林的指纹图像质量判断方法。
技术介绍
随着生物识别技术的发展，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。但是现有的指纹识别模块，由于平台限制，其识别速度与性能均有待提高。而在指纹图像注册、特征提取和比对时对指纹图像质量的判断水平是影响整个指纹识别模块水平的重要因素之一。可见，一种快速有效地判断指纹图像质量方法的提出，对提高整个指纹识别模块的速度和性能有很大的实际意义。在这样一个大趋势下，亟需一种指纹图像质量判断方法，来快速剔除质量很差的图像，提高整个模块的识别速度和性能。一个较好的指纹识别模块应要求用户多次录入指纹，对于质量很差的指纹图像不予注册，仅注册质量较好的指纹图像。特征提取时，仅对那些质量较好的指纹图像提取特征，以有效地降低拒真率和提高识别速度。在比对时，对于质量差的指纹图像，不参与比对和生成模板，这样可以有效地降低认假率和提高识别速度。对现有的基于主成分分析(PCA)的指纹图像质量判断方案描述如下：1)对输本文档来自技高网...

【技术保护点】
一种基于SVM和随机森林的指纹图像质量判断方法，其特征在于：包括样本训练和样本预测，样本训练步骤包括：挑选质量相对较好的图像作为训练用正样本，挑选质量较差的图像作为训练用负样本；对训练用正样本和训练用负样本进行方差、脊谷对比度、方向一致性、Gabor特征值、HOG特征和LBP特征的提取，将这些特征组成特征向量并进行归一化处理；将归一化后的特征向量输入到LIBSVM进行训练得到SVM模型；将归一化后的特征向量输入到随机森林模型进行训练得到随机森林模型；样本预测步骤包括：对待预测样本进行特征提取和特征向量归一化处理；将归一化的待预测样本的特征向量分别代入SVM模型和随机森林模型获得相应的质量分数；...

【技术特征摘要】
1.一种基于SVM和随机森林的指纹图像质量判断方法，其特征在于：包括样本训练和样本预测，样本训练步骤包括：挑选质量相对较好的图像作为训练用正样本，挑选质量较差的图像作为训练用负样本；对训练用正样本和训练用负样本进行方差、脊谷对比度、方向一致性、Gabor特征值、HOG特征和LBP特征的提取，将这些特征组成特征向量并进行归一化处理；将归一化后的特征向量输入到LIBSVM进行训练得到SVM模型；将归一化后的特征向量输入到随机森林模型进行训练得到随机森林模型；样本预测步骤包括：对待预测样本进行特征提取和特征向量归一化处理；将归一化的待预测样本的特征向量分别代入SVM模型和随机森林模型获得相应的质量分数；将SVM模型得到的质量分数与随机森林模型得到的质量分数求均值，并将其作为最终的预测结果。2.根据权利要求1所述的一种基于SVM和随机森林的指纹图像质量判断方法，其特征在于：训练用正样本为不同传感器的不同手指采集的相对质量较好的图像。3.根据权利要求1所述的一种基于SVM和随机森林的指纹图像质量判断方法，其特征在于：训练用负样本为不同传感器采集的无手指图像和质量很差的有手指图像。4.根据权利要求1所述的一种基于SVM和随机森林的指纹图像质量判断方法，其特征在于：样本预测步骤中提取的特征与样本训练步骤中提取的特征是一致的。5.根据权利要求1所述的一种基于SVM和随机森林的指纹图像质量判断方法，其特征在于：样本预测步骤中归一化处理方法与样本训练步骤中归一化处理方法是一致的。6.根据权利要求1～5之一所述的一种基于SVM和随机森林的指纹图像质量判断方法，其特征在于：样本预测步骤和样本训练步骤中特征提取方法如下：a)先计算整幅指纹图像的均值，将每个像素...

【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