一种邻域自适应变化的指纹匹配方法组成比例

本发明专利技术涉及数据处理技术领域，具体涉及一种邻域自适应变化的指纹匹配方法。该方法包括：获取模板灰度图像和待匹配灰度图像；对待匹配灰度图像构建高斯差分金字塔进而得到关键点；获取关键点及其预设邻域范围内的像素点对应的梯度幅值和梯度方向从而构建梯度直方图，根据梯度直方图得到关键点主方向的显著程度；调整关键点的预设邻域范围得到对应的显著程度；对所有的关键点进行聚类得到多个簇，获取每个簇对应的主方向多样性，根据主方向多样性和多个显著程度得到每个关键点的最优邻域范围和最优主方向，从而得到最优关键点描述子，基于模板指纹图像与待匹配指纹图像之间的最优关键点描述子进行指纹匹配，提高了指纹匹配的准确度。配的准确度。配的准确度。

【技术实现步骤摘要】
一种邻域自适应变化的指纹匹配方法


[0001]本专利技术涉及数据处理
，具体涉及一种邻域自适应变化的指纹匹配方法。

技术介绍

[0002]随着互联网的快速发展，人们对应用系统的安全性提出了更高的要求。身份验证是数据安全、网络安全和应用安全的第一步，生物识别作为一种依靠人身体特征来进行验证的技术，体验流畅且难以破解。其中，指纹识别是应用最为广泛的生物识别技术，现有技术通过SIFT算法匹配模版指纹与待检测指纹的关键点实现指纹是否同源的判断。但是，指纹图像中关键点方向的有限性会造成SIFT特征向量的区别甚微，影响相似性的度量，容易出现错误匹配，技术有待进一步优化。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的在于提供一种邻域自适应变化的指纹匹配方法，该方法包括以下步骤：根据指纹采集装置获取模板指纹图像和待匹配指纹图像，并对模板指纹图像和待匹配指纹图像进行灰度化处理得到对应的模板灰度图像和待匹配灰度图像；对待匹配灰度图像进行不同尺度的高斯模糊构建高斯差分金字塔，根据所述高斯差分金字塔得到关键点；获取关键点以及其预设邻域范围内的像素点对应的梯度幅值和梯度方向，根据预设邻域范围内所有像素点对应的梯度幅值和梯度方向构建梯度直方图，根据所述梯度直方图获取峰值以及方向区间，基于所述峰值以及所述方向区间得到关键点主方向的显著程度；调整关键点的预设邻域范围的大小，获取每次预设邻域范围的大小调整时关键点主方向对应的显著程度；对所有的关键点进行聚类得到多个簇，簇内每个关键点对应多个显著程度；获取每个簇对应的主方向多样性，根据主方向多样性和多个显著程度得到每个关键点的最优邻域范围和最优主方向；根据所述最优邻域范围以及所述最优主方向获取最优关键点描述子，获取模板指纹图像中的最优关键点描述子，基于模板指纹图像与待匹配指纹图像之间的最优关键点描述子进行SIFI匹配得到匹配度，所述匹配度大于预设阈值时，指纹匹配成功。
[0004]优选的，所述根据所述高斯差分金字塔得到关键点的步骤，包括：在高斯差分金字塔中寻找稳定性强的局部极值点作为候选关键点，基于检测到的离散候选关键点对高斯差分金字塔的函数利用泰勒级数展开式进行曲线拟合，对曲线拟合得到的曲线计算极值点得到关键点。
[0005]优选的，所述基于所述峰值以及所述方向区间得到关键点主方向的显著程度的步骤，包括：获取与所述峰值对应的方向区间的左相邻方向区间的纵轴值和右相邻方向区间的纵轴值；计算左相邻方向区间的纵轴值与所述峰值的左差值，以及右相邻方向区间的纵
轴值与所述峰值的右差值，获取所述左差值与所述右差值的求和结果；计算所述方向区间的右边界值与左边界值的差值，以所述差值的二倍作为分母，所述求和结果作为分母得到的比值为所述显著程度。
[0006]优选的，所述获取每个簇对应的主方向多样性的步骤，包括：获取簇内每个关键点的主方向，获取所有关键点对应的主方向的均值，基于所述均值计算方差，所述方差为簇对应的主成分多样性。
[0007]优选的，所述根据主方向多样性和多个显著程度得到每个关键点的最优邻域范围和最优主方向的步骤，包括：获取簇内每个关键点对应的显著程度构成一个邻域组合，所述簇内包括多种邻域组合；获取每个邻域组合中每个关键点对应的显著程度与所述主方向多样性的乘积并进行求和，得到求和结果最大时对应的邻域组合，根据求和结果最大时对应的邻域组合中每个关键点对应的显著程度得到最优邻域范围；根据所述最优邻域范围得到关键点的最优主方向。
[0008]优选的，所述根据所述最优邻域范围以及所述最优主方向获取最优关键点描述子的步骤，包括：对每个关键点对应的最优邻域范围进行旋转，旋转的基准为关键点对应的所述最优主方向；将旋转后的最优邻域范围等分为多个小块，每个小块中像素点为一个种子点，获取每个种子点对应的8邻域的梯度方向，根据所有种子点对应的8邻域的梯度方向得到多维的最优关键点描述值。
[0009]本专利技术具有如下有益效果：通过对待匹配指纹图像进行高斯处理得到其中的关键点，基于关键点的梯度信息构建梯度直方图，进而根据梯度直方图中的峰值以及对应的方向区间获取关键点对应的显著程度；进一步的，对所有的关键点进行聚类分析，获取每个簇中的主方向多样性，结合多个邻域范围对应的显著程度得到每个关键点的最优邻域范围和最优主方向，能够获取更加独特和优异的关键点主方向，进而根据最优主方向和最优邻域范围构建出更加合适的最优关键点描述子，根据最优关键点描述子进行匹配分析，避免了由于指纹场景相似造成的错位匹配，有效提高了指纹匹配结果的准确性。
附图说明
[0010]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0011]图1为本专利技术一个实施例所提供的一种邻域自适应变化的指纹匹配方法流程图。
具体实施方式
[0012]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种邻域自适应变化的指纹匹配方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另
一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0013]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0014]下面结合附图具体的说明本专利技术所提供的一种邻域自适应变化的指纹匹配方法的具体方案。
[0015]请参阅图1，其示出了本专利技术一个实施例提供的一种邻域自适应变化的指纹匹配方法流程图，该方法包括以下步骤：步骤S100，根据指纹采集装置获取模板指纹图像和待匹配指纹图像，并对模板指纹图像和待匹配指纹图像进行灰度化处理得到对应的模板灰度图像和待匹配灰度图像。
[0016]由指纹采集装置获取模板指纹图像和待匹配指纹图像，指纹采集时的皮肤干燥程度、汗渍和污渍等因素会使图像存在叉连、断点等噪声，使得指纹图像中稳定的细节点受到干扰。如果直接对采集到的指纹图像进行指纹特征的提取，此时特征提取的效果较差，且可能会对后面特征匹配产生影响，因此需要对模板指纹图像以及待匹配指纹图像分别进行预处理，预处理的步骤包括：（1）对模板指纹图像和待匹配指纹图像分别进行裁剪，从而分别得到模板指纹图像和待匹配指纹图像的指纹区域图像。
[0017]（2）对提取出的指纹区域图像进行加权灰度化处理得到对应的灰度图像，即分别得到模板灰度图像和待匹配灰度图像。
[0018]步骤S200，对待匹配灰度图像进行不同尺度的高斯模糊构建高斯差分金字塔，根据高斯差分金字塔得到关键点；获取关键点以及其预设邻域范围内的像素点对应的梯度幅值和梯度方向，根据预设邻域范围内所有像素点对应的梯度幅值和梯度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种邻域自适应变化的指纹匹配方法，其特征在于，该方法包括以下步骤：根据指纹采集装置获取模板指纹图像和待匹配指纹图像，并对模板指纹图像和待匹配指纹图像进行灰度化处理得到对应的模板灰度图像和待匹配灰度图像；对待匹配灰度图像进行不同尺度的高斯模糊构建高斯差分金字塔，根据所述高斯差分金字塔得到关键点；获取关键点以及其预设邻域范围内的像素点对应的梯度幅值和梯度方向，根据预设邻域范围内所有像素点对应的梯度幅值和梯度方向构建梯度直方图，根据所述梯度直方图获取峰值以及方向区间，基于所述峰值以及所述方向区间得到关键点主方向的显著程度；调整关键点的预设邻域范围的大小，获取每次预设邻域范围的大小调整时关键点主方向对应的显著程度；对所有的关键点进行聚类得到多个簇，簇内每个关键点对应多个显著程度；获取每个簇对应的主方向多样性，根据主方向多样性和多个显著程度得到每个关键点的最优邻域范围和最优主方向；根据所述最优邻域范围以及所述最优主方向获取最优关键点描述子，获取模板指纹图像中的最优关键点描述子，基于模板指纹图像与待匹配指纹图像之间的最优关键点描述子进行SIFI匹配得到匹配度，所述匹配度大于预设阈值时，指纹匹配成功。2.根据权利要求1所述的一种邻域自适应变化的指纹匹配方法，其特征在于，所述根据所述高斯差分金字塔得到关键点的步骤，包括：在高斯差分金字塔中寻找稳定性强的局部极值点作为候选关键点，基于检测到的离散候选关键点对高斯差分金字塔的函数利用泰勒级数展开式进行曲线拟合，对曲线拟合得到的曲线计算极值点得到关键点。3.根据权利要求1所述的一种邻域自适应变化的指纹匹配方法，其特征在于，所述基于所述峰值以及所述方向区间得到关键点主方向的显著程度的步骤，包括...

【专利技术属性】
技术研发人员：宋容清，
申请(专利权)人：南通华锐软件技术有限公司，
类型：发明
国别省市：