一种基于泛图像特征的图像特征点指纹融合算法制造技术

本发明专利技术公开了一种基于泛图像特征的图像特征点指纹融合算法，图像特征点指纹融合算法是将传统的结构特征信息和图像特征信息深度融合，同时提取传统的结构特征信息以及图像特征信息，在比对识别的过程中，采用结构特征信息为基础，结合图像来做识别，通过增强算法变换成一个归一化的图像，基于纹理的梯度算法可以求取稳定的局域正方向，算法运行在低功耗的嵌入式MCU里面，解决通过X,Y标量大小，推算夹角的函数实现，既提取了传统的结构特征信息，又提取了图像特征信息，在比对识别的过程中，采用结构特征信息为基础，结合图像来做识别，在误识率不变的基础上，可以实现通过率10％以上的提升，可以显著的提升以前特征量少的指纹匹配的通过率。匹配的通过率。

【技术实现步骤摘要】
一种基于泛图像特征的图像特征点指纹融合算法


[0001]本专利技术涉及指纹融合算法
，具体为一种基于泛图像特征的图像特征点指纹融合算法。

技术介绍

[0002]当前的指纹识别算法大致分为两大类，第一是传统的基于结构特征点作为识别基础的传统特征点算法，第二类是最新发展的基于泛图像特征的图像特征点算法。两种算法思路完全不同，优缺点对立明显，无法满足当下对指纹识别算法效果提出的更高识别率，更低误识率，广泛不同形态手指适应性的要求。

技术实现思路

[0003]本专利技术的目的在于提供一种基于泛图像特征的图像特征点指纹融合算法，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种基于泛图像特征的图像特征点指纹融合算法,包括以下步骤：
[0005]步骤一、提取传统特征点，通过求取指纹图像特有的纹理方向，沿求取的方向拼接断裂纹理或者滤除干扰纹理，最终提取细化纹理图像，并在细化纹理图像上提取纹理的端点、交叉点等结构上的稳定特征；
[0006]步骤二、求取图像特征，广泛适应性求取图像对某种数学特性的响应；
[0007]步骤三、通过增强算法变换成一个归一化的图像；
[0008]步骤四、基础性优化，汇编化，通过算法运行解决通过X,Y标量大小，推算夹角的函数实现，就采用汇编实现；
[0009]E、将传统的结构特征信息和图像特征信息深度融合。
[0010]优选的，所述根据步骤一
[0011]a、求取指纹图像特有的纹理方向，沿求取的方向拼接断裂纹理或者滤除干扰纹理，最终提取细化纹理图像；
[0012]b、在细化纹理图像上提取纹理的端点、交叉点等结构上的稳定特征，正是由于具有强烈的稳定性，所以我们可以据此特性构建指纹识别算法体系的否定判据。
[0013]优选的，所述根据步骤二采用灰度极值响应求取图像特征，求取非纹理特征。
[0014]优选的，所述根据步骤三两幅图从明暗不均的图，归一化到一个明暗均匀且饱和度一致的图像上来，并保留所有的细节，包括伴生细节纹理。
[0015]优选的，所述根据步骤四在低功耗的嵌入式MCU里面，查表实现 sine/cos值。
[0016]与现有技术相比，本专利技术的有益效果是：
[0017](1)在细化纹理图像上提取纹理的端点、交叉点等结构上的稳定特征，正是由于具有强烈的稳定性，所以我们可以据此特性构建指纹识别算法体系的否定判据；
[0018](2)两幅图从明暗不均的图，从明暗不均的图，归一化到一个明暗均匀且饱和度一
致的图像上来，并保留了所有的细节，包括伴生细节纹理，这有利于任何算法在此基础上提取进一步的特征信息，原始图像受限于干湿手指和按压轻重的差异，同一个手指不同时间不同方位的按压会形成不同效果的图像；
[0019](3)新一代深度融合的指纹识别算法，将传统的结构特征信息和图像特征信息深度融合，取长补短，达到最优状态，其既提取了传统的结构特征信息，又提取了图像特征信息，在比对识别的过程中，采用结构特征信息为基础，结合图像来做识别，相同的指纹图像库，融合算法较传统的结构特征算法，在误识率不变的基础上，可以实现通过率10％以上的提升，可以显著的提升以前特征量少的指纹匹配的通过率。
具体实施方式
[0020]下面将结合本专利技术实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0021]本专利技术提供一种技术方案：一种基于泛图像特征的图像特征点指纹融合算法,包括以下步骤：
[0022]步骤一、提取传统特征点，通过求取指纹图像特有的纹理方向，沿求取的方向拼接断裂纹理或者滤除干扰纹理，最终提取细化纹理图像，并在细化纹理图像上提取纹理的端点、交叉点等结构上的稳定特征；
[0023]步骤二、求取图像特征，广泛适应性求取图像对某种数学特性的响应；
[0024]步骤三、通过增强算法变换成一个归一化的图像；
[0025]步骤四、基础性优化，汇编化，通过算法运行解决通过X,Y标量大小，推算夹角的函数实现，就采用汇编实现；
[0026]在细化图像上提取端点和交叉点，构成传统意义上的结构特征点。传统的结构特征点算法的优点即为识别效果非常的稳定，其根本原因为结构特征是可以由纹理走势推测出，不会凭空消失和出现，所以结构特征点有非常高的稳定性和特异性，不会随着使用环境，如脏污、按压力度轻重变化、手指干湿特性的变化而变化，也正是由于它的高稳定性，所以传统的算法不容易被错误的图像攻击，但是在传感器小型化的今天，传统的特征点算法碰到了图像小而无特征的尴尬境地，其识别效果随着指纹传感器采集面积的减小而急剧下降。
[0027]求取指纹图像特有的纹理方向，沿求取的方向拼接断裂纹理或者滤除干扰纹理，最终提取细化纹理图像。
[0028]在细化纹理图像上提取纹理的端点、交叉点等结构上的稳定特征，正是由于具有强烈的稳定性，所以我们可以据此特性构建指纹识别算法体系的否定判据。
[0029]图像识别算法其本质是求取的图像特征，而不是指纹特有的纹理特征，具体而言，图像识别算法为了追求识别算法的广泛适应性求取的是图像对某种数学特性的响应，如常见的灰度极值响应，同时，也正是因为求取的不是结构纹理特征，所以算法求取的特征具有高度的不稳定性，会随着按压的方位、手指干、湿、按压的轻重等因素而发生改变。
[0030]采用灰度极值响应求取图像特征，求取非纹理特征，图像识别算法不能假定某一
个特征会绝对的出现，所以很难做否定判据，这也是图像识别算法“识而不别”的根本原因之一，同时，考虑到特征的不稳定性，所以图像识别算法只能采取尽可能多的提取特征点去识别，会在指纹注册使用的过程中采取无条件学习的方式，这就为制造“中间图”攻击从原理上打开了方便之门，即利用图像识别算法学习的随意性，想办法注入一个稳定的“中间图”，使之学习进指纹识别系统，进而使得没有被注册的指纹伴随“中间图”也可以被识别。
[0031]两幅图从明暗不均的图，从明暗不均的图，归一化到一个明暗均匀且饱和度一致的图像上来，并保留了所有的细节，包括伴生细节纹理，这有利于任何算法在此基础上提取进一步的特征信息，原始图像受限于干湿手指和按压轻重的差异，同一个手指不同时间不同方位的按压会形成不同效果的图像，为同一个手指，不同传感器的按压，但是都可以通过增强算法变换成一个归一化的图像。
[0032]表征纹理的走势信息，也表征了任何位置的局部正方向。图像算法可以求取更广泛的泛数学意义的特征点位置，如极值点等，但是无法解决这些特征点的正方向问题，没有正方向也无法完成特征描述和特征匹配。而传统算法的方向场信息有效的解决了这一点，基于纹理的梯度算法可以求取稳定的局域正方向。
[0033]由于算法的应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于泛图像特征的图像特征点指纹融合算法,其特征在于：包括以下步骤：步骤一、提取传统特征点，通过求取指纹图像特有的纹理方向，沿求取的方向拼接断裂纹理或者滤除干扰纹理，最终提取细化纹理图像，并在细化纹理图像上提取纹理的端点、交叉点等结构上的稳定特征；步骤二、求取图像特征，广泛适应性求取图像对某种数学特性的响应；步骤三、通过增强算法变换成一个归一化的图像；步骤四、基础性优化，汇编化，通过算法运行解决通过X,Y标量大小，推算夹角的函数实现，就采用汇编实现；E、将传统的结构特征信息和图像特征信息深度融合。2.根据权利要求1所述的一种基于泛图像特征的图像特征点指纹融合算法,其特征在于：所述根据步骤一a、求取指纹图像特有的纹理方向，沿求取的方向拼接断裂纹理或者滤除干...

【专利技术属性】
技术研发人员：张宝强，
申请(专利权)人：西安慧晶智能科技有限公司，
类型：发明
国别省市：