一种基于方向场离散余弦变换特征的指纹分类方法技术

本发明专利技术提供了一种基于方向场离散余弦变换特征的指纹分类方法。所述基于方向场离散余弦变换特征的指纹分类方法包括：步骤1、对指纹图像计算方向场的正弦和余弦分量并分别进行离散余弦变换；步骤2、提取离散余弦变换后的低频系数作为特征向量；步骤3、采用支持向量机作为分类器实现分类。本发明专利技术的有益效果是：所述基于方向场离散余弦变换特征的指纹分类方法中，对初始方向场的正弦分量和余弦分量分别进行二维离散余弦变换，取低频部分逆变换得到重构后方向场，得到的方向场比初始方向场更加平滑，准确性更高。

【技术实现步骤摘要】
一种基于方向场离散余弦变换特征的指纹分类方法
本专利技术涉及数字图像处理
，特别涉及一种基于方向场离散余弦变换特征的指纹分类方法。
技术介绍
生物特征识别技术是根据每个人独有的可以采样和测量的生物学特征和行为学特征进行身份识别的技术。由于生物特征不像各种证件类持有物那样容易窃取，也不像密码、口令那么容易遗忘或破解，所以在身份识别上体现了独特的优势，近年来在国际上被广泛研究。由于指纹的唯一性和不可变性，指纹识别成为最重要的生物识别技术之一。指纹识别需将指纹与指纹库中所有指纹进行匹配，但通常情况下，庞大的指纹库使得指纹识别需要过长的响应时间。通过减少匹配次数可以有效加速指纹识别过程，常见的策略是对指纹进行分类，指纹匹配时首先与指纹库中的该类指纹进行比较。指纹分类将指纹划分到一系列预定义的类别中以极大降低指纹匹配的工作量。随着指纹库中指纹数量的日益增加，指纹分类在自动指纹识别系统中的地位显得愈发重要。现有的指纹分类方法有很多种，大体分为以下三类：基于奇异点的方法、基于滤波响应的方法和基于方向场的方法：1、基于奇异点的方法的关键步骤是提取奇异点，奇异点提取不准确会导致分类性能下降，而生物扫描设备提取到的指纹可能质量较差或者不完整，导致很难准确提取指纹奇异点，因此基于奇异点的方法可能不适用于生物扫描设备扫描所得指纹；2、基于滤波响应的方法可以很好地描述图像脊-谷线的局部方向，但该方法存在运算复杂度较高、时间花费较大的缺点；3、基于方向场的方法是用最直观的指纹方向信息作为分类特征，是最广泛使用的方法，但该类方法通常需要得到参照点或核心点，因此参照点的正确与否会进而影响指纹分类的准确性，比如：核心点可能位于指纹边缘，且拱型指纹根本没有奇异点。
技术实现思路
本专利技术的目的在于针对现有技术的缺陷或问题，提供一种基于方向场离散余弦变换特征的指纹分类方法。本专利技术的技术方案如下：一种基于方向场离散余弦变换特征的指纹分类方法包括如下步骤：步骤1、对指纹图像计算方向场的正弦和余弦分量并分别进行离散余弦变换；步骤2、提取离散余弦变换后的低频系数作为特征向量；步骤3、采用支持向量机作为分类器实现分类。优选地，在步骤1中具体包括如下步骤：步骤1.1、对指纹动图像采用基本的梯度算法求解其初始方向场，先将原始的指纹图像I划分为互不重叠、大小为W×W的窗口，计算每个点在X，Y方向上的梯度向量[Gx(x,y),Gy(x,y)]T，公式如下：计算每个窗口的窗口梯度向量：计算每个窗口的初始方向场：步骤1.2、在得到的初始方向场上采用偏微分模型进行重构，其中为步骤1.1中求得的初始方向场，θ为重构后的方向场；如果设定v＝cos(2θ)，则偏微分模型的公式如下所示：如果设定v＝cos(2θ)，则偏微分模型的公式如下所示：由此迭代公式计算出重构后的方向场；将方向场θ投射到向量空间得到方向场的正弦分量和余弦分量，公式如下：步骤1.3、把方向场的正弦和余弦分量分别进行离散余弦变换，得到两个变换矩阵cos2θ_DCT和sin2θ_DCT。优选地，在步骤2中具体包括：根据步骤1.3中得到的变换所得矩阵cos2θ_DCT和sin2θ_DCT的低频部分Fcos和Fsin作为特征向量：Fcos＝cos2θ_DCT(1:O；1:O)；Fsin＝sin2θ_DCT(1:O；1:O)；式中O代表阶数。优选地，在步骤3中以步骤2中得到的Fcos和Fsin作为分类特征，采用支持向量机作为分类器实现分类。本专利技术提供的技术方案具有如下有益效果：所述基于方向场离散余弦变换特征的指纹分类方法中，对初始方向场的正弦分量和余弦分量分别进行二维离散余弦变换变换，取低频部分逆变换得到重构后方向场，得到的方向场比初始方向场更加平滑，准确性更高；而且，所述基于方向场离散余弦变换特征的指纹分类方法中，方向场的DCT系数蕴含了足够的方向信息实现分类，分类特征更加可靠；DCT特征向量长度较小，分类速度更快；更详细说明并实现了DCT特征提取的方法，经检验，此专利技术有准确的分类结果。附图说明图1为实施例中用于分类的指纹图；图2为指纹的方向场的示意图；图3为方向场的余弦分量和正弦分量的示意图；图4为正弦和余弦分量离散余弦变换之后的结果图；图5为本专利技术所提取特征还原的方向场的示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。除非上下文另有特定清楚的描述，本专利技术中的元件和组件，数量既可以单个的形式存在，也可以多个的形式存在，本专利技术并不对此进行限定。本专利技术中的步骤虽然用标号进行了排列，但并不用于限定步骤的先后次序，除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础，否则步骤的相对次序是可以调整的。可以理解，本文中所使用的术语“和/或”涉及且涵盖相关联的所列项目中的一者或一者以上的任何和所有可能的组合。请参阅图1，本专利技术实施方式提供一种基于方向场离散余弦变换特征的指纹分类方法，所述方法包括以下步骤：步骤1：对指纹图像计算方向场的正弦和余弦分量并分别进行离散余弦变换。具体地，在步骤1中包括如下步骤：步骤1.1、读入一张如图1所示的指纹图像，对指纹动图像采用基本的梯度算法求解其初始方向场；先将原始的指纹图像I划分为互不重叠、大小为W×W的窗口，例如，可令W＝9；计算每个点在X，Y方向上的梯度向量[Gx(x,y),Gy(x,y)]T，公式如下：计算每个窗口的窗口梯度向量：计算每个窗口的初始方向场：步骤1.2、在得到的初始方向场上采用偏微分模型进行重构，其中为步骤1.1中求得的初始方向场，θ为重构后的方向场；如果设定v＝cos(2θ)，则偏微分模型的公式如下所示：如果设定v＝cos(2θ)，则偏微分模型的公式如下所示：由此迭代公式计算出重构后的方向场，重构之后的方向场如图2所示；将方向场θ投射到向量空间得到方向场的正弦分量和余弦分量，公式如下：如图3所示，为方向场的正弦分量和余弦分量。步骤1.3、把方向场的正弦和余弦分量分别进行离散余弦变换，得到两个变换矩阵cos2θ_DCT和sin2θ_DCT，方向场正弦和余弦分量DCT之后的结果如图4所示。步骤2：提取离散余弦变换后的低频系数作为特征向量。具体地，在步骤2中包括：根据步骤1.3中得到的变换所得矩阵cos2θ_DCT和sin2θ_DCT的低频部分Fcos和Fsin作为特征向量，其中，Fcos和Fsin分别为矩阵cos2θ_DCT和sin2θ_DCT左上角O*O大小的矩阵，中O代表阶数，因此所提取的特征向量长度为2*O*O，采取低频部分一方面可以减少方向场中高频部分蕴含的噪声；另一方面由于动态分割的指纹图片所采集的方向场维数大且不固定，采取定长低频部分可以在降维的同时固定特征向量维数以便分类器分类；其中，Fcos＝cos2θ_DCT(1:O；1:O)；Fsin＝sin2θ_DCT(1:O；1:O)；式，中O代表阶数。步骤3：以步骤2中得到的Fcos和Fsin作为分类特征，采用支持向量机作为分类器实现分类。实际上，本专利技术成功将输入指纹分为右旋型(RightLoop)。对初始方向场的正弦分量和余弦分量分别进行二维离散余弦本文档来自技高网...

【技术保护点】
1.一种基于方向场离散余弦变换特征的指纹分类方法，其特征在于，包括如下步骤：步骤1、对指纹图像计算方向场的正弦和余弦分量并分别进行离散余弦变换；步骤2、提取离散余弦变换后的低频系数作为特征向量；步骤3、采用支持向量机作为分类器实现分类。

【技术特征摘要】
1.一种基于方向场离散余弦变换特征的指纹分类方法，其特征在于，包括如下步骤：步骤1、对指纹图像计算方向场的正弦和余弦分量并分别进行离散余弦变换；步骤2、提取离散余弦变换后的低频系数作为特征向量；步骤3、采用支持向量机作为分类器实现分类。2.根据权利要求1所述的基于方向场离散余弦变换特征的指纹分类方法，其特征在于，在步骤1中具体包括如下步骤：步骤1.1、对指纹动图像采用基本的梯度算法求解其初始方向场，先将原始的指纹图像I划分为互不重叠、大小为W×W的窗口，计算每个点在X，Y方向上的梯度向量[Gx(x,y),Gy(x,y)]T，公式如下：计算每个窗口的窗口梯度向量：计算每个窗口的初始方向场：步骤1.2、在得到的初始方向场上采用偏微分模型进行重构，其中为步骤1.1中求得的初始方向场，θ为重构后的方向场；如果设定v＝cos(2θ)，则偏微分模型的公式如下所示：...

【专利技术属性】
技术研发人员：梅园，张夏苗，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏,32