基于断纹检测的指纹识别方法属于指纹识别领域，其特征在于：它对传统方法提取的细节点用１２组最优滤波器进行断纹检测，各滤波器对应于断纹方向与ｘ轴夹角的一个离散值；分别计算１２组断纹方向下的滤波值并给定一个统一的下限，得出１２组二值化图像，再用矩阵的主元分析法，把其中的带状区域用矩形表示，用矩形的长、宽及方向对该区域参数化；合并各二值化图像得到实际断纹图像，合并各参数化图像得到断纹模型以用于去除虚假细节点。对老龄人群，在相同的错误接受率下，错误拒绝率可以下降１０％以上。
【技术实现步骤摘要】
本专利技术涉及指纹识别
，尤其涉及对有断纹的指纹进行处理和识别的技术。
技术介绍
在现代社会中，快速、有效、自动地进行人身辨别的要求日益迫切，重要部门保安、过境控制、移民检查、机密或贵重物品保存场所的进出、防止信用卡欺骗、网络安全等都需要进行可靠的人身鉴别。在身份验证的依据中，钥匙、证件可能会丢失、被盗或复制，密码又容易被忘掉、混淆或被偷看，而生物特征(包括指纹、人脸、手形、手写签名、虹膜等)是人的内在属性，它们不会出现上述情况，因此成为最理想的辨别依据。这其中，指纹识别是应用最普遍、识别率最高、最容易被接受的个人身份认定方法。作为物证之首，指纹识别已有一个非常漫长而且成果丰富的历史。基于计算机的自动指纹识别始于二十世纪60年代，它首先应用在刑事侦破中。近年来，指纹自动识别从刑事应用逐渐推广到考勤、门禁、银行保险箱、社会保险等领域，我国也已初步决定在新一代身份证中引入指纹信息进行个人身份认证。在美国911事件后，基于指纹自动识别的个人身份识别更是得到前所未有的重视。目前的指纹自动识别方法主要都是基于细节特征的，即提取细节点(指纹中脊线的终结点或交叉点)作为特征来表征指纹图像，通过比对这些特征进行识别。其步骤一般包括指纹图像采集、方向图提取、图像增强、指纹脊线细化、细节点提取等。围绕着如何更好更快地提取细节点，近二十年来国内外研究单位做出了大量工作，并且现有指纹产品都是基于这种方法的，如美国BAC公司的SecuTouch，日本Sony公司的FIU-500，美国BII公司的Veriprox，韩国Bogo公司的Bogo2000，美国DP公司的U.are.U 2000，美国Identix公司的Biologon等。随着指纹识别应用的推广，现有系统和方法的不足也越来越显现出来。尽管很多产品的宣传和报道中说明它可以达到99％以上，但这一结果是建立在一些前提(如比较高的拒识率)之上的。对于指纹质量不好的人群特别是老年人群，其应用效果则相当差，一般的识别系统都是采用把这种用户拒绝掉的策略。目前世界上人口比例正呈现老龄化，老年人已占到总人口比例的30％，如果解决不好这一问题，指纹识别的推广应用将会受到严重影响。事实上，也正是由于这些原因，指纹识别在社会保险、银行储蓄等应用上都受到了严重制约。可以说，这一问题已成为指纹识别的瓶颈问题。对于老年人，他们随着年龄的增长，指纹会由于皮肤的皱褶而出现大量的断纹，在应用传统算法时将产生虚假的脊线终结点或交叉点，从而导致很多的虚假细节点，这时识别出错的概率会非常高，严重影响了识别的结果。本专利技术针对老年人群指纹大多有断纹这一情况，利用断纹检测来改进指纹识别的效果。目前，在所有可以查到的专利或发表文献中，尚没有发现类似的报道和专利。
技术实现思路
本专利技术的目的是提供一种实用的针对老年人群的指纹识别改进方法，能够对具有断纹的指纹进行处理，能够自动检测出断纹，利用断纹去除一些虚假细节点，从而达到提高传统识别方法效果的目的。本专利技术的核心思想是将对传统方法造成影响的断纹通过计算机自动检测出来，再将断纹附近出现的细节点去除。具体而言，断纹检测时主要利用的是断纹在方向上与指纹纹理的方向不一致、而指纹纹理又具有周期性的特点；在利用断纹改进指纹识别时主要采用将断纹附近的细节点去除的策略。本专利技术的特征在于，它依次包含有以下两个阶段一、学习阶段，计算机在离线状态下对所有注册的指纹进行细节点的提取、存储，再依次对细节点进行断纹检测、去除伪细节点后，建立数据库；它依次含有以下步骤(1)对计算机进行初始化设定下列各初始值在指纹有效区域的检测步骤中，对于已经分割成大小为4×4像素的方格的原始指纹图像而言，当以点(i，j)为左上角的每一个方格的灰度均值Iavg(i，j)和方差Var(i，j)处于下述范围内时，该方格为有效，标记为1；否则为无效，标记为0；th1＜Iavg(i，j)＜th2且Var(i，j)＞th3，其中的th表示为阈值，th1＝20；th2＝220；th3＝6；在断纹检测阶段进行多通道滤波时，设定高斯函数的方差σ＝30，滤波器的作用范围η＝1/4；(2)计算机通过取指器采集所有注册指纹的原始图像并存储；(3)计算机检测指纹的有效区域，它依次包含以下步骤(3.1)把原始图像分割成大小为4×4像素的方格；(3.2)计算机按下式计算以点(i，j)为左上角的每一个方格的灰度均值Iavg(i，j)和方差Var(i，j)Iavg(i,j)=116Σx=03Σy=03I(i+x,j+y),]]>Var(i,j)=116Σx=03Σy=03(I(i+x,j+y)-Iavg(i,j))2,]]> 其中，I(i+x，j+y)为(i+x，j+y)点的图像灰度值；(3.3)计算机按下式判断上述每一个方格是否有效若th1＜Iavg(i，j)＜th2且Var(i，j)＞th3，则该方格有效标记为1；(3.4)去噪声处理(3.4.1)对上述图像进行3×3滤波，即检查以待测点为中心的3×3邻域内的9个点，如果只有该待测点是有效的，则认为该点为噪声，更改标记为0，表明以该点为左上角的方格无效；若只有该待测点是无效的，则认为该点为有效点，更改标记为1，表明以该点为左上角的方格有效；(3.4.2)去掉有效区域中间的“洞”，即逐行对上述图像扫描，填补最左边和最右边的有效点之间的所有无效点，将其标记为有效；逐列扫描，填补最上边和最下边的有效点之间的所有无效点，将其标记为有效，从而得到有效区域，长和宽分别为原图的1/4；(4)用基于梯度统计的金字塔形算法进行方向场估计，它依次包含以下步骤(4.1)利用Soble算子的水平方向算子Sx和竖直方向算子Sy求取点(x，y)的灰度梯度水平方向Gx(x,y)=18Σj=y-1y+1Σi=x-1x+1Sx(x-i,y-i)I(i,j),]]>竖直方向Gy(x,y)=18Σj=y-1y+1Σi=x-1x+1Sy(x-i,y-j)I(i,j),]]>其中I(i，j)为(i，j)点的灰度值，Sx(x-i，y-j)，Sy(x-i，y-j)分别表示水平和竖直方向的Soble算子，在(x-i，y-j)点的值，算子分别用一个大小为3×3的掩膜表示；(4.2)把指纹图划分成大小为W×W的方格，W＝7，再依次进行以下步骤(4.2.1)用下式求取每一方格对应的局部方向θθ(i,j)=12tan-1(Σi=1W‾Σj=1W‾2Gx(i,j)Gy(i,j)Σi=1W‾Σj=1W‾(Gx2(i,j)-Gy2(i,j)));]]>(4.2.2)计算方向场一致性水平E0=1NΣ(i′,j′)∈Ω|θ(i&prime本文档来自技高网...
【技术保护点】
基于断纹检测的指纹识别方法其特征在于，它依次含有以下两个阶段： 一、学习阶段，计算机在离线状态下对所有注册的指纹进行细节点的提取、存储，再依次对细节点进行断纹检测、去除伪细节点后，建立数据库；它依次含有以下步骤： （１）对计算机进行初始化 设定下列各初始值： 在指纹有效区域的检测步骤中，对于已经分割成大小为４×４像素的方格的原始指纹图像而言，当以点（ｉ，ｊ）为左上角的每一个方格的灰度均值Ｉ↓［ａｖｇ］（ｉ，ｊ）和方差Ｖａｒ（ｉ，ｊ）处于下述范围内时，该方格为有效，标记为１；否则为无效，标记为０； ｔｈ１＜Ｉ↓［ａｖｇ］（ｉ，ｊ）＜ｔｈ２且Ｖａｒ（ｉ，ｊ）＞ｔｈ３，其中ｔｈ表示为阈值：ｔｈ１＝２０；ｔｈ２＝２２０；ｔｈ３＝６； 在断纹检测阶段进行多通道滤波时，设定高斯函数的方差σ＝３０，滤波器的作用范围η＝１／４； （２）计算机通过取指器采集所有注册指纹的原始图像并存储； （３）计算机检测指纹的有效区域，它依次包含以下步骤： （３．１）把原始图像分割成大小为４×４像素的方格； （３．２）计算机按下式计算以点（ｉ，ｊ）为左上角的每一个方格的灰度均值Ｉ↓［ａｖｇ］（ｉ，ｊ）和方差Ｖａｒ（ｉ，ｊ）： Ｉ↓［ａｖｇ］（ｉ，ｊ）＝１／１６＊＊Ｉ（ｉ＋ｘ，ｊ＋ｙ）， Ｖａｒ（ｉ，ｊ）＝１／１６＊＊（Ｉ（ｉ＋ｘ，ｊ＋ｙ）－Ｉ↓［ａｖｇ］（ｉ，ｊ））↑［２］， 其中，Ｉ（ｉ＋ｘ，ｊ＋ｙ）为（ｉ＋ｘ，ｊ＋ｙ）点的图像灰度值； （３．３）计算机按下式判断上述每一个方格是否有效： 若ｔｈ１＜Ｉ↓［ａｖｇ］（ｉ，ｊ）＜ｔｈ２且Ｖａｒ（ｉ，ｊ）＞ｔｈ３，则该方格有效标记为１； （３．４）去噪声处理 （３．４．１）对上述图像进行３×３滤波，即检查以待测点为中心的３×３邻域内的９个点，如果只有该待测点是有效的，则认为该点为噪声，更改标记为０，表明以该点为左上角的方格无效；若只有该待测点是无效的，则认为该点为有效点，更改标记为１，表明以该点为左上角的方格有效； （３．４．２）去掉有效区域中间的“洞”，即逐行对上述图像扫描，填补最左边和最右边的有效点之间的所有无效点，将其标记为有效；逐列扫描，填补最上边和最下边的有效点之间的所有无效点，将其标记为有效，从而得到有效区域，长和宽分别为原图的１／４； （４）用基于梯度统计的金字塔形算法进行...
【技术特征摘要】
【专利技术属性】
技术研发人员：周杰，吴南南，杨春宇，
申请(专利权)人：清华大学，
类型：发明
国别省市：11[中国|北京]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。