一种多视角三维指纹粗配准方法技术

一种多视角三维指纹粗配准方法，包括如下步骤：1)读取两组不同视角的三维指纹数据，分别作为源指纹和目标指纹。每组数据包含一帧点云数据和对应同步拍摄的二维指纹图像。对二维指纹图像进行增强与细化，得到脊谷分明的二值化指纹图。2)对两幅二值化指纹图提取特征点，并进行特征描述。3)对两组特征点信息进行模糊匹配，获得初始模糊匹配对。4)使用不同特征点对之间的几何位置关系进行双重匹配验证，滤除错误的匹配点对。5)根据匹配的二维特征点对找到对应的源三维指纹点云数据和目标三维指纹点云数据的三维点云特征点对，进行粗配准，得到初始变换矩阵。本发明专利技术能够从非接触式二维指纹图像中提取匹配特征点对，以更高的准确性和鲁棒性实现多视角三维指纹点云粗配准。鲁棒性实现多视角三维指纹点云粗配准。鲁棒性实现多视角三维指纹点云粗配准。

【技术实现步骤摘要】
一种多视角三维指纹粗配准方法


[0001]本专利技术涉及点云配准
，特别涉及一种多视角三维指纹粗配准方法。

技术介绍

[0002]生物识别技术在近几年得到了飞速的发展，相比于传统的身份认证方式，基于生物特征的身份认证方式安全性更高且更加便捷。近几年出现了包括掌纹识别、手型识别、指纹识别、虹膜识别、人脸识别、签名识别、静脉识别等生物识别技术并得到了广泛的应用。其中，指纹识别技术的应用最为广泛也最易被人们所接受，与其他生物特征相比，指纹包含普遍性、唯一性、永久性、可采集性、可行性、可靠性等优点。
[0003]近年来，在计算机视觉领域，光学三维测量技术取得了长足的进步，将其应用在三维手指测量上可以解决传统二维采集方式存在的指纹按压形变和信息丢失等缺陷问题。基于结构光的投影测量法通过结构光源辅助重建来采集手指表面三维信息，将经过编码的光线投射到手指上使结构光发生形变，再计算出这些形变所隐含的手指指纹的三维信息，测量系统结构相对简单、成本低、便于维护。受限于三维测量系统本身的视野范围、扫描范围和遮挡等问题，对手指的测量过程往往需要从多个视角本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多视角三维指纹粗配准方法，其特征在于，包括如下步骤：1)读取两组不同视角的三维指纹数据，分别作为源指纹和目标指纹；每组数据包含一帧点云数据和对应同步拍摄的二维指纹图像；对两幅二维指纹图像进行预处理；2)对两幅预处理后的二维指纹图像提取特征点，并进行特征描述；3)对两组特征点信息进行模糊匹配，获得初始模糊匹配对；4)使用不同特征点对之间的几何位置关系对模糊匹配对进行双重匹配验证，滤除错误的匹配点对；5)根据匹配的二维特征点对找到对应的源三维指纹点云数据和目标三维指纹点云数据的三维点云特征点对，进行粗配准，得到初始变换矩阵。2.根据权利要求1所述的多视角三维指纹粗配准方法，其特征在于，所述步骤1)包括如下步骤：(11)读取两幅二维指纹图像，并增强得到脊谷分明的二值化指纹图和对应的指纹前景掩模图；(12)由于拍摄的影响，增强得到的指纹图像边缘区域质量较差，因此通过腐蚀操作腐蚀前景掩模图像边缘区域，最后使用掩模图像过滤增强指纹边缘区域；(13)计算两幅二值化指纹增强图像的方向图，并细化得到源指纹细化图和目标指纹细化图。3.根据权利要求1或2所述的多视角三维指纹粗配准方法，其特征在于，所述步骤2)包括如下步骤：(21)对源指纹细化图和目标指纹细化图提取端点、分叉点、核心点作为特征点，得到特征点的二维坐标，根据指纹图像的方向图和特征点二维坐标计算特征点的方向场，得到的初始特征点信息为(x，y，T，θ)，(x，y)为特征点的坐标，T为特征点类型，包括端点、分叉点、核心点，θ为特征点的方向；(22)源二维指纹M提取到的特征点集合为F
M
＝{f
m1
，f
m2
，...，f
mm
}，目标二维指纹N提取到的特征点集合为F
N
＝{f
n1
，f
n2
，...，f
nn
}；(23)针对特征点集合F
M
和F
N
中除核心点之外的每一个细节点，计算该细节点到特征集合中核心点之间跨越的脊线数，具体计算步骤如下：(231)核心点C坐标为(x
C
，y
C
)，特征点P坐标为(x
P
，y
P
)，，根据以下方程组计算经过点C和点P直线的斜率k和截距b：(232)分别计算核心点C与特征点P的水平距离d
x
和垂直距离d
y
，当d
x
＞d
y
时，记录核心点C和特征点P所在直线经过像素点的x值，根据斜率k和截距b计算对应的y值；反之记录经过像素点的y值，根据斜率k和截距b计算对应的x值，最终确定核心点C到特征点P所在直线经过的像素点集；(233)结合二维指纹图像信息，记录像素点集中每个像素点的灰度值，图像中位于脊线上的像素点灰度值为1，位于谷线上的像素点灰度值为0，遍历每一个像素点，如果该像素点的灰度值为1且下一个像素点的灰度值为0，则认为该点为脊线到谷线的突变点，为了增加计算脊线数的准确性，设定脊线之间宽度的阈值为4，如果该突变点满足与上一个突变点之
间的距离大于脊线之间宽度的阈值，则跨越的脊线数加一；(234)将计算得到的跨越脊线数记录在特征点信息中，特征点信息扩增为(x，y，T，θ，N)，N代表细节点到核心点之间跨越脊线数；(24)针对特征点集合F
M
和F
N
中除核心点之外的每一个细节点，分别计算细节点与其所在块的八邻域块的方向差，将细节点方向指向的邻域块作为起始块，按顺时针方向依次计算每个邻域块与细节点所在块的方向差，最终得到八个方向差θ1‑
θ8，并记录到特征点信息中，特征点信息扩增为(x，y，T，θ，N，θ1，θ2，θ3，θ4，θ5，θ6，θ7，θ8)。4.根据权利要求1或2或3所述的多视角三维指纹粗配准方法，其特征在于，所述步骤3)包括如下步骤：(31)对于特征点集合F
M
中除核心点外的每一个细节点中除核心点外的每一个细节点遍历特征点集合...

【专利技术属性】
技术研发人员：王海霞，庞巧玲，李小静，张怡龙，陈朋，梁荣华，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：