基于量子算法的掌纹数据库搜索方法技术

一种基于量子算法的掌纹数据库搜索方法，分别对掌纹识别中最为重要的三个阶段应用四种不同的量子算法，该搜索算法包括如下步骤：1)、利用量子自适应中值滤波算法来对掌纹图像进行滤波处理，从滤波效果的对比图中可以看出，本文利用的量子自适应中值滤波算法可以取得比经典算法更好的滤波处理效果；2)、将基于量子并行性的量子傅里叶变换应用到掌纹图像特征提取中，只需要一次量子傅里叶变换操作就可以将整个掌纹特征提取出来，通过分析得出本算法在保证掌纹细节被很好保留的基础上加快掌纹特征提取速度；3)、应用量子集合运算和Grover算法来对掌纹图像进行匹配，本发明专利技术提出的匹配算法只需要N1/2次计算就可以找到目标掌纹图像的位置，而经典算法则需要计算N次，而且本算法可以以接近于1的概率找到目标图像在掌纹数据库中的位置。

【技术实现步骤摘要】

本专利技术属于生物特征识别技术，尤其涉及一种。
技术介绍
生物识别技术在现代社会已经越来越重要，它主要包括指纹、人脸、虹膜、掌纹、签名、声音等人体特征的识别技术。掌纹作为一种生物特征，相比较其他生物特征具有很多优点，比如可以使用低分辨率的图像，获取图像的装置价格低，掌纹图像很难伪造，掌纹图像的线路特征很稳定等。掌纹图像的识别主要包括掌纹的分割，归一化，并去除噪声，将掌纹图像二值化以后进行特征提取和匹配，识别过程可以用图I描述。量子计算和量子信息是将量子力学理论和经典计算理论完美结合的产物，由于量 子算法具有量子态的叠加性，相干性和纠缠性，使得它可以解决一些经典的NP问题，并且有很多传统算法没有的优点。目前为止，公认的最具代表性的量子算法有Shor的大数质因子分解算法以及Grover于1996年提出的数据库搜索量子算法。Grover算法可以从未分类的数据库中指数量级的加速查询某个特定元素的量子搜索算法。利用量子算法进行图像处理目前还处于发展阶段，研究表明将量子信息和量子计算应用到图像处理方面是可行的。随着互联网和无线通信技术的发展，用于生物识别的数据库非常庞大。例如利用犯罪现场采集到的掌纹图像进行案件侦破的公安系统中，模板掌纹图像数据库是一个海量的数据库。将采集到的掌纹图像在此数据库中进行匹配时，如果按照经典的掌纹搜索步骤，搜索时间太长，甚至影响搜索精度，对于案件的侦破带来很大的难度。因此，找到一种可以加快掌纹搜索速度，提高掌纹搜索精度的方法成为目前亟待解决的问题。
技术实现思路
本专利技术的目的是一种可以克服经典掌纹搜索速率低和精度差等缺点的方法。为实现上述目的，本专利技术采用以下技术方案，它包括如下步骤(I)采用量子自适应中值滤波算法对掌纹进行预处理。(2)采用量子傅里叶变换对滤波处理后的掌纹图像进行特征提取。(3)利用量子集合运算和量子Grover搜索算法对掌纹图像进行搜索。在步骤(I)中，还包括(Al)将掌纹图像信号量子化。(A2)将经典的自适应中值滤波窗口量子化。(A3)对步骤(Al)中每一个量子化的掌纹像素点运用量子Hadamrd门操作，最终生成量子自适应中值滤波模板。在步骤⑵中，还包括(BI)在进行特征提取之前，要对滤波处理后的掌纹图像进行二值化和像素翻转操作。(B2)掌纹图像的维数决定建立的量子寄存器的个数。(B3)经典的特征提取需要(MN) X(PMN)次计算的操作，可以通过一次傅里叶变换操作完成，利用的是量子并行性计算原理。在步骤⑶中，还包括(Cl)如果待识别的掌纹图像提取出的特征向量个数N# 2n，就增加待识 别掌纹的特征向量，最终使得N = 2n。同理，数据库中的一个掌纹图像的特征向量数量M# 2m，就增加数据库中的掌纹图像的特征向量数量，最终使得M = 2m。相对于经典掌纹搜索技术，本专利技术具有以下优点I.本专利技术所述的掌纹搜索算法对整个掌纹搜索过程都应用了量子的相关算法，对经典搜索算法进行了整体性的改进，充分体现了量子算法的相对于经典算法的优势。2.量子算法具有并行性计算特性，相对于经典计算方法，量子计算的计算速度可以呈指数倍的增加。将量子傅里叶变换应用到掌纹图像的特征提取中，可以极大的加快特征提取速度。将量子Grover算法应用到掌纹图像搜索中，可以从掌纹数据库中指数量级的加速查询到目标掌纹的位置。3.本专利技术提出的量子自适应中值滤波技术，不仅可以较好的保留图像细节，而且可以有更强的滤波能力。4.利用量子集合运算和量子Grover算法对目标掌纹图像进行搜索，不仅保证了搜索速度，而且搜索精度也得到了极大的提高。附图说明图I为掌纹识别流程图；图2原理图；图3为掌纹数据库中的一幅掌纹图像；图4为经过分割和归一化后的掌纹图像；图5量子信号处理框架；图6传统的自适应中值滤波算法效果图；图7量子自适应中值滤波算法效果具体实施例方式本专利技术为一种基于量子算法掌纹数据库搜索方法，该专利技术方法整个原理图如图2所示，系统的工作原理如下所述在掌纹数据库中提取出一幅掌纹图像如图3所示，经过分割和归一化之后的掌纹图像如图4所示。接下来对掌纹图像进行滤波处理，经典预处理方法主要包括直方图均衡化法、中值滤波法、均值滤波法和高斯滤波法这四种。本专利技术采用量子自适应算法对掌纹进行预处理，此方法是应用量子信号处理框架建立了一种基于量子测量和坍缩思想的中值滤波原理。量子信号处理框架如图5所示，X和P为输入和输出信号，表示经典信号处理算法，Px:无X和a F分别表示输入和输出变换，X和Y为量子信息处理方式表示的输入和输出信号，M表示对应P的量子测量算子，M'是对M的改进，P'是新算法。本专利技术中的量子自适应中值滤波算法利用的是量子力学以及量子信息处理的原理，通过Px 尤变化将掌纹图像信号量子化。这是一种自适应中值滤波技术，因为它在滤波过程中能根据运算模板平移位置的图像局部特征自适应地调整邻域的大小(即含多少个元素)和形状(元素的分布状)。具体的算法如下所述对于一幅归一化后的数字掌纹图像f(m，n) e ，f (m，η)表示掌纹在位置(m，η)处像素的灰度值。f (m, η)和l_f (m, η)分别表示像素(m, η)在灰度取值I和O时的概率。则掌纹的灰度值I和O可以用I 0>和|1>来表示，图像f(m，η)的量子比特表示形式为权利要求1.一种，其特征在于，包括如下的步骤 (1)采用量子自适应中值滤波算法对掌纹进行预处理。(2)采用量子傅里叶变换对滤波处理后的掌纹图像进行特征提取。(3)利用量子集合运算和量子Grover捜索算法对掌纹图像进行捜索。2.如权利要求I所述的ー种，其特征在于，步骤(1)还包括如下步骤 (al)基于量子信号处理框架，将经典中值滤波方法转换为量子中值滤波算法。(a2)将归ー化后的数字掌纹图像中的f (m，n)和l_f (m，n)用来表示灰度取值I和0时的概率。(a3)根据步骤(a2)，将掌纹像素点的灰度值表示成量子比特的形式。(a4)将经典的中值滤波窗ロ表示成量子中值滤波窗ロ的形式。(a5)对步骤(a3)中用量子比特表示的每个像素点应用量子Hadamrd门操作，将掌纹图像窗ロ的灰度范围分布压缩，产生自适应中值滤波模板。3.如权利要求I所述的ー种，其特征在于，步骤(2)还包括如下步骤 (bl)对滤波后的掌纹图像建立a+b个量子寄存器，并且量子寄存器的数量根据掌纹图像的维数MXN(M = 2% N = 2b)而定。(b2)构造ー个量子初始状态|タ〉，这个状态可以表示掌纹图像所有像素点为白点的位置，从而将量子傅里叶变换QFT =Uqft I x>作用到这个状态上，就可以实现量子并行性计算特性。(b3)对步骤(b2)的状态进行測量，可以等概率的选择出ー个态|t> = |kMN/r>，从而就可以将图像的特征參数t提取出来。4.如权利要求I所述的ー种，其特征在于，步骤(3)还包括如下步骤 (Cl)定义ー个匹配函数加,，…￡⑴ Bi和h分别是待识别掌纹图像和数据库中的掌纹图像的一个特征向量，两个掌纹之间若匹配则 Lfei, bj) = I,否则 Lfei, bj) = O。(c2)对待识别掌纹的特征向量集合A中的每ー个特征向量ai都在数据库中建立ー个唯一的索引i。对数据库中掌纹本文档来自技高网...

【技术保护点】
一种基于量子算法的掌纹数据库搜索方法，其特征在于，包括如下的步骤：(1)采用量子自适应中值滤波算法对掌纹进行预处理。(2)采用量子傅里叶变换对滤波处理后的掌纹图像进行特征提取。(3)利用量子集合运算和量子Grover搜索算法对掌纹图像进行搜索。

【技术特征摘要】

【专利技术属性】
技术研发人员：李辉，张展展，
申请(专利权)人：河南理工大学，
类型：发明
国别省市：