指纹识别方法技术

本发明专利技术涉及一种指纹识别方法，由指纹特征提取和特征匹配两个步骤组成：特征提取包括针对于预处理的指纹图像提取细节点特征，对初选的细节点进行剪枝，对剪枝后的细节点特征进行可靠性验证，以及进行特征矢量编码；特征匹配首先利用脊线曲率特征进行图像校准，降低了校准的复杂度，然后利用指纹的邻域关系特征进行匹配分值的计算和匹配点对的统计，根据匹配的点对数和匹配分值，利用多级判别体系来判断两枚指纹的相似度。本方法具有识别率高、识别速度快，可靠性强等优点。

【技术实现步骤摘要】

本专利技术涉及一种生物识别技术，具体涉及一种。技术背景由于人的指纹千差万别，几乎没有重复，因此指纹识别是身份识别的一种 重要方法。指纹识别技术是指对采集到的指纹图像信息进行计算机图像处理和 模式识别的一项综合性技术。指纹识别的大致过程是首先通过指纹采集设备获取指纹图像，然后对该 图像进行预处理，以方便提取指纹特征，特征提取后，再通过模式匹配的方法 判别两者的一致性，若特征值相似，则可判定为同一人的指纹，反之，则判定 两指纹不是来自同一枚手指。现有一般仅考虑指纹的细节点局部特征，普遍存在识别率低、 识别速度慢等问题。
技术实现思路
本专利技术的目的在于克服现有技术的上述缺陷，提供一种识别率高，识别速 度快的，通过分析细节点的邻域关系和脊线曲率构建稳定性更好 的特征矢量，然后利用匹配的细节点对总数和匹配分值之和构建多级判别体系。本专利技术用到的一些定义含义如下指纹的细节点是指指纹脊线上的端点或者分歧点；脊线间的平均距离X:是指细化后脊线间的平均宽度，用象素的个数表示， 对于大小为300X300，分辨率为500DPI的指纹图像，脊线平均距离为10个象 素，也即A =10;细节特征的方向根据特征的类型不同，其方向的计算方法也有差异。对 于端点，它的方向可由以下方法计算而得从端点出发，沿脊线跟踪入个象素， 用一元线性回归求出这些点的拟合直线，该直线的方向就是所求特征端点的方 向。而对于分歧点特征，它的方向可由从分歧点出发的两条同方向脊线的方向 角的平均值确定，而脊线的方向角可通过上面介绍的一元回归线性拟合的方法 求得。特征点间的距离d:是指细节特征点间的欧氏距离。假定两个特征点的位置坐标分别为(xl， yl) ， (x2， y2)，则距离d为特征点的结构数Nm:是指以细节特征为中心，R为半径的圆或正方形内细 节特征的个数。下标m可用e或b取代，分别表示端点和分歧点的个数。例如， 可以采用正方形模板，半径为3入/2。特征点垂直对比度Varo:该参数的计算需要借助于没有进行二值化的灰度 图像。在16X16的灰度图像块中，选取中心象素作为待测点。根据预处理确定 的块方向，过待测点作该方向的垂线，沿垂线在待测点两边各取4个象素点， 则这8个象素的灰度方差就被认为是待测点的垂直对比度，为方便起见，这一 块中所有象素的垂直对比度都等于中心点的垂直对比度，那么如果细节特征所 处的图像块已知，则其垂直对比度也就可以测得。特征点平行对比度Varp:该参数的计算类似于垂直对比度，仍需要借助于 没有进行二值化的灰度图像。在16X16的灰度图像块中，选取中心象素作为待 测点。根据预处理确定的块方向，沿该方向在待测点两边各取4个象素点，则这 8个象素的灰度方差就被认为是待测点的平行对比度，为方便起见，这一块中所 有象素的平行对比度都等于中心点的平行对比度，那么如果细节特征所处的图 像块已知，则其平行对比度也就可以测得。以上定义在论文"指纹细节特征提取与剪枝"(王崇文，李见为等，光电 工程，2002， No. 4， pp67-70)中已有详细定义。在该论文中提出的指纹图像的 表示方法为将指纹图像表示为一个二维矩阵，每一个象素就是矩阵的一个元素， 取值为0 255，矩阵的维度就是图像的宽和高。在本专利技术中，继续采用这些定 义和图像的表示方法。本专利技术提出了一种，由指纹特征提取和特征匹配两个过程组成所述指纹特征提取的过程为针对于预处理的图像进行细节特征初选；对 初选后的细节特征进行剪枝；对剪枝后的细节点特征进行可靠性验证；最后根 据细节点的邻域关系和脊线曲率特征构建特征矢量；所述特征匹配的过程为首先利用脊线的曲率特征进行匹配参考点对的识 别；然后利用极坐标对图像进行校准；接着利用自适应弹性匹配方法进行细节 点配对和匹配分值计算；最后利用匹配的点对数和匹配分值，采用多级判别体 系进行指纹匹配。一、指纹特征提取 所述指纹特征提取的具体过程为1、 指纹细节点初选初步选出所有的细节点，记录下这些细节特征的类型 和位置坐标，以便于下一步的剪枝处理。2、 细节点剪枝对于细化后的点线指纹图，所述细节特征剪枝的伪特征包括因为脊线断 裂产生的两个错误端点；因为脊线的错误连接和断开产生的伪分歧点和伪端点； 在对非平滑脊线进行细化后产生的短枝；因为脊线间的错误连接产生伪分歧点。 可以针对每一类细节伪特征分别进行剪枝。删除了伪细节特征后，可以进一步根据指纹图像的拓扑性质来对存留的细 节特征进行可靠性检测。由指纹图像可以看出，分歧点侧面的脊线与形成分歧 点的脊线分支平行，可以基于这个特性对分歧点的可靠性进行检测。3、 构建特征矢量本专利技术构建特征矢量的方法为在本专利技术中，为了减少指纹形变对特征匹 配的影响，定义了一种新的细节特征矢量，它总共包含24个元素，表示方法如 下FC = {jc， ；/， cy， var， /,c^y，厂，c/1， "1， sl， /1， c/2， "2， s2， /2， d3, "3, s3, /3， t/4， "4， s4， /4}各元素的含义为mO是当前待研究的细节特征点，即中心细节点，它的方 向为o0 (该方向值可以在预处理阶段获得)。以m0为坐标原点，以o0为x轴的正 方向，构建坐标系。ml， m2和m3是分别位于第一、第二和第三象限的细节特征 点，这些特征点应该是在各象限所有细节点中距离mO最近的。oi是各细节点mi 的方向，x和y是中心细节点mO在原来坐标系中位置坐标，"是包含中心细节点 的局部脊线方向，即图中的o0。考虑到特征提取过程中误差，可以用参数var和f 取代类型参数，var是在原始指纹图像中以mO为中心的局部窗口内各象素的灰度 方差，f是在原始指纹图像中包含mO的局部窗口的频率，它代表局部窗口中脊线 的频率。这两个参数都可以在指纹预处理阶段获得。如果仔细观察指纹图像，就会发现大多数的脊线在有限长度内可以当作是 圆弧的一部分，基于这一点，本专利技术使用了3个参数来表示与细节特征点相连的 脊线，它们分别是cx， cy和r。把与细节特征点相连的脊线看作是一段圆弧， 利用圆弧上的三个点就可以得到所在圆的中心坐标和半径。考虑到弹性形变的 影响，利用最小二乘法去拟合脊线，最后用中心的平均坐标cx 、 cy和半径的平 均值r来表示与细节特征点相连的脊线。di,si,ai和ii(i-l，2,3，4)是中心细节特征点的邻域关系特征，它们描述了中心细节点(m0)与周围细节点(mi)之间的关系。di分别是mi到mO的距离，ai 是mO方向角所在直线与mi方向角所在直线的夹角，si是mO与mi连线所在直线分 别和mO方向角所在直线的夹角。il， i2， i3和i4分别是mi特征点在所有细节点集 合中的索引。考虑到在某些情况下无法为某个象限确定合适的细节特征，就用 一个特殊的极小值来标识d4， s4， a4和i4，如一l。注意到在特征矢量FC中，各分量特征都来自于相对量或统计量，因此该特 征矢量具有旋转不变和平移不变等特性。另外，对于任意的细节点，它们的特 征矢量FC的长度都是一样的，这为我们计算矢量之间的相似性带来很大的方便。二、指纹特征匹配所述特征匹配的过程为首先利用脊线的曲率特征进行匹配参考点对的识 别；然后利用极坐标对图像进行校准；接着利用本文档来自技高网...

【技术保护点】
一种指纹识别方法，其特征在于由指纹特征提取和特征匹配两个步骤组成：所述指纹特征提取的过程为：针对于预处理的图像进行细节特征初选；对初选后的细节特征进行剪枝；对剪枝后的细节点特征进行可靠性验证；最后根据细节点的邻域关系和脊线曲率特征构建特征矢量；所述特征匹配的过程为：首先利用脊线的曲率特征进行匹配参考点对的识别；然后利用极坐标对图像进行校准；接着利用自适应弹性匹配方法进行细节点配对和匹配分值计算；最后利用匹配的点对数和匹配分值，采用多级判别体系进行指纹匹配。

【技术特征摘要】

【专利技术属性】
技术研发人员：王崇文，丁刚毅，唐明湘，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：11[中国|北京]