基于旋转角度的指纹识别方法技术

基于旋转角度的指纹识别方法，以解决现有的点匹配指纹识别方法存在的容易造成误判、受伪特征点的影响较大，抗噪声能力较差以及线匹配指纹识别方法存在的运算量较大、判断速度慢的问题。按照端点和分叉点将特征点分为两部分，计算所有特征点的特征角，其中特征角指的是特征点与中心点连线和Ｘ轴正方向的夹角，求取存储模板中所有特征点的特征角与待识别模板中对应环域内特征点的特征点的特征角的差值，统计具有相同特征角差值的特征点的个数，依据具有相同差值的特征点的个数的最大值来判断两幅图像是否匹配。

【技术实现步骤摘要】

本专利技术属于生物识别领域，具体涉及指纹识别方法，尤其是一种基于旋转角度的指 纹识别方法。
技术介绍
指纹识别属于一种生物识别技术，利用指纹图像的唯一性及稳定性的特点，比较两 幅指纹图像，判断他们是否来自同一个手指。所谓唯一性是指不同的人的指纹不同，同 一个人不同手指的指纹图像也不相同；所谓稳定性是指一个人的指纹基本上不会发生大 的变化。目前常用的指纹识别方法是单纯利用指纹图像的特征点进行匹配，依据两幅图像间 满足匹配条件的细节特征点对数目来判断两幅图形是否来自同一枚手指。其一般步骤 为采集、分割、增强、细化、细节特征提取、匹配。在进行匹配时，首先要将输入指 纹的细节特征和模板库中细节特征进行校正，使得两个特征集在同一个坐标系中，然后 再进行匹配。由于图像校正存在较大误差，该类算法的鲁棒性不是很强。
技术实现思路
本专利技术提供了一种基于旋转角度的指纹识别算法。本专利技术的算法大致如下按照端 点和分叉点将特征点分为两部分，计算所有特征点的特征角，其中特征角指的是特征点与中心点连线和x轴正方向的夹角，求取存储模板中所有特征点的特征角与待识别模板中对应环域内特征点的特征点的特征角的差值，统计具有相同特征角差值的特征点的个 数，依据具有相同差值的特征点的个数的最大值来判断两幅图像是否匹配。本专利技术所涉及的技术方案主要包含下列步骤1、 计算特征点与中心点连线跨越的脊线数分别将存储模板Tp和待识别模板Tq 中所有特征点按照端点和分叉点分成两部分，计算两模板中所有特征点与中心点连线跨 越的脊线数，然后分别将端点和分叉点按照特征点与中心点连线跨越的脊线数从小到大 进行排序。2、 按照特征点的排列顺序分别计算存储模板Tp中端点的特征角与待识别模板Tq 中对应环域内的所有端点的特征角的差值。其中特征角指的是特征点与中心点连线和x 轴正方向的夹角。3、 同步骤2的计算方法，按照特征点的排列顺序分别计算存储模板Tp中分叉点的特征角与待识别模板Tq中对应环域内的所有分叉点的特征角的差值。4、 统计具有相同特征角差值的特征点的个数。5、 将求得的具有相同差值的特征点的个数的最大值Tmax与预先设定的阈值T比较。 若T醒》T,则两幅图像匹配；若Tmax〈T，则两幅图像不匹配。附图说明图1是指纹识别中常用的两类特征点图2是存储模板中特征点P与中心点连线跨越的脊线数为M的示意图； 图3是待识别模板中对应于特征点P的环域示意图； 图4是特征角示意图。 具体实施例方式下面结合实例对本专利技术的指纹匹配方法做进一步详细说明，其主要步骤如下1、 分别将存储模板Tp和待识别模板Tq中所有特征点按照端点和分叉点分成两部分，计算两模板中所有特征点与中心点连线跨越的脊线数，然后分别将端点和分叉点按照特征点与中心点连线跨越的脊线数从小到大进行排序。所述方法具体步骤如下 1.1确定两幅图像的中心点的坐标，以中心点坐标为原点建立直角坐标系。 1.2求取特征点与中心点连线跨越的脊线数。1.3将两幅图像中的特征点按照端点与分叉点分成两部分，然后分别将端点和分 叉点按照特征点与中心点连线跨越的脊线数从小到大进行排序。用点集Pe^Pei ，Pe2 ， Pe3……Pem}和Pb = { Pbl ， Pb2 ， Pb3……PbJ分别代表排序后图像Tp的端点和分叉点。用点集Qe^Qd ， Qe2 ， Qe3……QeJ和Qb — Qw ， Qb2 ， Qb3……QbJ分别代表排序后图像Tq中的端点和分叉点。2、 按照特征点的排列顺序分别计算点集Pe^Pe, ， Pe2 ， Pe3……PJ中端点的特 征角与待识别模板Tq中对应环域内的所有端点的特征角的差值。其中特征角指的是特 征点与中心点连线和X轴正方向的夹角。端点的特征角与待识别模板Tq中对应邻域内 的所有端点的特征角的差值的计算方法如下2. 1从点集Pe中提取一个特征点Pei (i=l， 2，.... ， m)。2.2计算Pe,的特征角0j。2.3用Mi ， Nj分别代表特征点Pe,和Qej与中心点连线跨越的脊线数，遍历点集Qe中所有的特征点，如果M广a <Nj <Mi + a ，则提取出Qej ，保存在点集R—R^ R2 ，……}中，其中l《a《3。2. 4计算点集R={ R, ， R2 ，……}中所有的特征点的特征角，记为0 k (k=l， 2，...)。2.5将0 i分别与e k (k=l， 2， ..)做差，差值记为A e k (k=l, 2，....)，保存在一 个队列中。3、 同步骤2的计算方法，按照特征点的排列顺序分别计算点集Pb ={Pbl ， Pb2，Pb3……PbJ中分叉点的特征角与待识别模板Tq中对应环域内的所有分叉点的特征角的差值。4、 统计具有相同特征角差值的特征点的个数。计算方法如下4.1将得到的所有差值按照从小到大的顺序进行排序，保存于集合A9^Ae,，△ 02, △ e3......}中。4.2统计集合厶e中每一个元素A9i (i=l,2,...)的邻域(A9i-3, A0j + e)内包含的属于集合A6的元素的个数Ti (i-l， 2， 3,......)，其中5°《e《15° 。4.3求取Ti的最大值，Ti对应的厶0i即为旋转角度。5、 将4. 3中求得的Ti的最大值Tmax与预先设定的阈值T比较。若Tmax》T,则两幅图像匹配；若Tmax〈T，则两幅图像不匹配。权利要求1、一种，其特征在于包含下列步骤1)计算特征点与中心点连线跨越的脊线数分别将存储模板Tp和待识别模板Tq中所有特征点按照端点和分叉点分成两部分，计算两模板中所有特征点与中心点连线跨越的脊线数，然后分别将端点和分叉点按照特征点与中心点连线跨越的脊线数从小到大进行排序。2)按照特征点的排列顺序分别计算存储模板Tp中端点的特征角与待识别模板Tq中对应环域内的所有端点的特征角的差值。其中特征角指的是特征点与中心点连线和X轴正方向的夹角。3)同步骤2的计算方法，按照特征点的排列顺序分别计算存储模板Tp中分叉点的特征角与待识别模板Tq中对应环域内的所有分叉点的特征角的差值。4)统计具有相同特征角差值的特征点的个数。5)将求得的具有相同差值的特征点的个数的最大值与预先设定的阈值T比较。若Ti≥T，则两幅图像匹配；若Ti＜T，则两幅图像不匹配。2、根据权利要求1所述的计算存储模板Tp中特征角与待识别模板Tq中对应环域内的 所有端点的特征角的差值的方法如下-1) 用点集P-(Pi ，P2 ，P3……Pj代表排序后图像Tp的特征点，用点集Q — Q！， Q2 ， Q3……QJ代表排序后图像Tq中的特征点。从点集P中提取一个特征点Pi (i=l， 2， …，m)。2) 计算Pi的特征角6i。3) 用M, ， Nj分别代表特征点Pi和Qj与中心点连线跨越的脊线数，遍历点集 Q中所有的特征点，如果Mj - a <Nj <Mi + a ，则提取出Q ，保存在点集R={ ， R2 ，……}中，其中1《a《3。4) 计算点集R^Ri ， R2 ，……}中所有的特征点的特征角，记为9kG^1,2，...)。 5 )将0 i分别与0 k (k=l， 2,...)做差，差值记为A 9 k (k=l， 2,....)，保存在一本文档来自技高网...

【技术保护点】
一种基于旋转角度的指纹识别方法，其特征在于：包含下列步骤：　１）计算特征点与中心点连线跨越的脊线数：分别将存储模板Ｔ↓［ｐ］和待识别模板Ｔ↓［ｑ］中所有特征点按照端点和分叉点分成两部分，计算两模板中所有特征点与中心点连线跨越的脊线数， 然后分别将端点和分叉点按照特征点与中心点连线跨越的脊线数从小到大进行排序。　２）按照特征点的排列顺序分别计算存储模板Ｔ↓［ｐ］中端点的特征角与待识别模板Ｔ↓［ｑ］中对应环域内的所有端点的特征角的差值。其中特征角指的是特征点与中心点连线 和Ｘ轴正方向的夹角。　３）同步骤２的计算方法，按照特征点的排列顺序分别计算存储模板Ｔ↓［ｐ］中分叉点的特征角与待识别模板Ｔ↓［ｑ］中对应环域内的所有分叉点的特征角的差值。　４）统计具有相同特征角差值的特征点的个数。　５）将 求得的具有相同差值的特征点的个数的最大值与预先设定的阈值Ｔ比较。若Ｔ↓［ｉ］≥Ｔ，则两幅图像匹配；若Ｔ↓［ｉ］＜Ｔ，则两幅图像不匹配。

【技术特征摘要】

【专利技术属性】
技术研发人员：王明江，曹麟，田太庆，闫志峰，
申请(专利权)人：哈尔滨工业大学深圳研究生院，
类型：发明
国别省市：94[中国|深圳]