專利名稱：：基于斷紋檢測的指紋識別方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及指紋識別
技術(shù)領(lǐng)域：
，尤其涉及對有斷紋的指紋進行處理和識別的技術(shù)。
背景技術(shù)：
：在現(xiàn)代社會中，快速、有效、自動地進行人身辨別的要求日益迫切，重要部門保安、過境控制、移民檢查、機密或貴重物品保存場所的進出、防止信用卡欺騙、網(wǎng)絡(luò)安全等都需要進行可靠的人身鑒別。在身份驗證的依據(jù)中，鑰匙、證件可能會丟失、被盜或復制，密碼又容易被忘掉、混淆或被偷看，而生物特征(包括指紋、人臉、手形、手寫簽名、虹膜等)是人的內(nèi)在屬性，它們不會出現(xiàn)上述情況，因此成為最理想的辨別依據(jù)。這其中，指紋識別是應用最普遍、識別率最高、最容易被接受的個人身份認定方法。作為物證之首，指紋識別已有一個非常漫長而且成果豐富的歷史?；谟嬎銠C的自動指紋識別始于二十世紀60年代，它首先應用在刑事偵破中。近年來，指紋自動識別從刑事應用逐漸推廣到考勤、門禁、銀行保險箱、社會保險等領(lǐng)域，我國也已初步?jīng)Q定在新一代身份證中引入指紋信息進行個人身份認證。在美國911事件后，基于指紋自動識別的個人身份識別更是得到前所未有的重視。目前的指紋自動識別方法主要都是基于細節(jié)特征的，即提取細節(jié)點(指紋中脊線的終結(jié)點或交叉點)作為特征來表征指紋圖像，通過比對這些特征進行識別。其步驟一般包括指紋圖像采集、方向圖提取、圖像增強、指紋脊線細化、細節(jié)點提取等。圍繞著如何更好更快地提取細節(jié)點，近二十年來國內(nèi)外研究單位做出了大量工作，并且現(xiàn)有指紋產(chǎn)品都是基于這種方法的，如美國BAC公司的SecuTouch，日本Sony公司的FIU-500，美國BII公司的Veriprox，韓國Bogo公司的Bogo2000，美國DP公司的U.are.U2000，美國Identix公司的Biologon等。隨著指紋識別應用的推廣，現(xiàn)有系統(tǒng)和方法的不足也越來越顯現(xiàn)出來。盡管很多產(chǎn)品的宣傳和報道中說明它可以達到99％以上，但這一結(jié)果是建立在一些前提(如比較高的拒識率)之上的。對于指紋質(zhì)量不好的人群特別是老年人群，其應用效果則相當差，一般的識別系統(tǒng)都是采用把這種用戶拒絕掉的策略。目前世界上人口比例正呈現(xiàn)老齡化，老年人已占到總?cè)丝诒壤?0％，如果解決不好這一問題，指紋識別的推廣應用將會受到嚴重影響。事實上，也正是由于這些原因，指紋識別在社會保險、銀行儲蓄等應用上都受到了嚴重制約。可以說，這一問題已成為指紋識別的瓶頸問題。對于老年人，他們隨著年齡的增長，指紋會由于皮膚的皺褶而出現(xiàn)大量的斷紋，在應用傳統(tǒng)算法時將產(chǎn)生虛假的脊線終結(jié)點或交叉點，從而導致很多的虛假細節(jié)點，這時識別出錯的概率會非常高，嚴重影響了識別的結(jié)果。本發(fā)明針對老年人群指紋大多有斷紋這一情況，利用斷紋檢測來改進指紋識別的效果。目前，在所有可以查到的專利或發(fā)表文獻中，尚沒有發(fā)現(xiàn)類似的報道和專利。
發(fā)明內(nèi)容本發(fā)明的目的是提供一種實用的針對老年人群的指紋識別改進方法，能夠?qū)哂袛嗉y的指紋進行處理，能夠自動檢測出斷紋，利用斷紋去除一些虛假細節(jié)點，從而達到提高傳統(tǒng)識別方法效果的目的。本發(fā)明的核心思想是將對傳統(tǒng)方法造成影響的斷紋通過計算機自動檢測出來，再將斷紋附近出現(xiàn)的細節(jié)點去除。具體而言，斷紋檢測時主要利用的是斷紋在方向上與指紋紋理的方向不一致、而指紋紋理又具有周期性的特點；在利用斷紋改進指紋識別時主要采用將斷紋附近的細節(jié)點去除的策略。本發(fā)明的特征在于，它依次包含有以下兩個階段一、學習階段，計算機在離線狀態(tài)下對所有注冊的指紋進行細節(jié)點的提取、存儲，再依次對細節(jié)點進行斷紋檢測、去除偽細節(jié)點后，建立數(shù)據(jù)庫；它依次含有以下步驟(1)對計算機進行初始化設(shè)定下列各初始值在指紋有效區(qū)域的檢測步驟中，對于已經(jīng)分割成大小為4×4像素的方格的原始指紋圖像而言，當以點(i，j)為左上角的每一個方格的灰度均值Iavg(i，j)和方差Var(i，j)處于下述范圍內(nèi)時，該方格為有效，標記為1；否則為無效，標記為0；th1＜Iavg(i，j)＜th2且Var(i，j)＞th3，其中的th表示為閾值，th1＝20；th2＝220；th3＝6；在斷紋檢測階段進行多通道濾波時，設(shè)定高斯函數(shù)的方差σ＝30，濾波器的作用范圍η＝1/4；(2)計算機通過取指器采集所有注冊指紋的原始圖像并存儲；(3)計算機檢測指紋的有效區(qū)域，它依次包含以下步驟(3.1)把原始圖像分割成大小為4×4像素的方格；(3.2)計算機按下式計算以點(i，j)為左上角的每一個方格的灰度均值Iavg(i，j)和方差Var(i，j)Iavg(i,j)=116Σx=03Σy=03I(i+x,j+y),]]>Var(i,j)=116Σx=03Σy=03(I(i+x,j+y)-Iavg(i,j))2,]]>其中，I(i+x，j+y)為(i+x，j+y)點的圖像灰度值；(3.3)計算機按下式判斷上述每一個方格是否有效若th1＜Iavg(i，j)＜th2且Var(i，j)＞th3，則該方格有效標記為1；(3.4)去噪聲處理(3.4.1)對上述圖像進行3×3濾波，即檢查以待測點為中心的3×3鄰域內(nèi)的9個點，如果只有該待測點是有效的，則認為該點為噪聲，更改標記為0，表明以該點為左上角的方格無效；若只有該待測點是無效的，則認為該點為有效點，更改標記為1，表明以該點為左上角的方格有效；(3.4.2)去掉有效區(qū)域中間的“洞”，即逐行對上述圖像掃描，填補最左邊和最右邊的有效點之間的所有無效點，將其標記為有效；逐列掃描，填補最上邊和最下邊的有效點之間的所有無效點，將其標記為有效，從而得到有效區(qū)域，長和寬分別為原圖的1/4；(4)用基于梯度統(tǒng)計的金字塔形算法進行方向場估計，它依次包含以下步驟(4.1)利用Soble算子的水平方向算子Sx和豎直方向算子Sy求取點(x，y)的灰度梯度水平方向Gx(x,y)=18Σj=y-1y+1Σi=x-1x+1Sx(x-i,y-i)I(i,j),]]>豎直方向Gy(x,y)=18Σj=y-1y+1Σi=x-1x+1Sy(x-i,y-j)I(i,j),]]>其中I(i，j)為(i，j)點的灰度值，Sx(x-i，y-j)，Sy(x-i，y-j)分別表示水平和豎直方向的Soble算子，在(x-i，y-j)點的值，算子分別用一個大小為3×3的掩膜表示；(4.2)把指紋圖劃分成大小為W×W的方格，W＝7，再依次進行以下步驟(4.2.1)用下式求取每一方格對應的局部方向θθ(i,j)=12tan-1(Σi=1W‾Σj=1W‾2Gx(i,j)Gy(i,j)Σi=1W‾Σj=1W‾(Gx2(i,j)-Gy2(i,j)));]]>(4.2.2)計算方向場一致性水平E0=1NΣ(i′,j′)∈Ω|θ(i′,j′)-θ(i,j)|2;]]>其中，Ω是第(i，j)方格的鄰域，取為5×5，N是Ω中所含方格的個數(shù)，N＝25；θ(i′，j′)和θ(i，j)分別為第(i′，j′)和第(i，j)方格的局部方向；若E0＞Tc，則令W＝1.5W，重新估計Ω中各方格的方向，重復步驟(4.2.1)和(4.2.2)；直至E0≤Tc，這里Tc＝1.5；(5)采用Gabor濾波方法進行圖像增強，它依次包含以下步驟(5.1)Gabor濾波器空域表達形式為G(x,y,θ)=exp{-12[x′2δx′2+y′2δy′2]}cos(2πfx′),]]>其中θ∈]>其中W＝3；然后按下式求取一個數(shù)值flag(i,j)=Σx=-L2L2-D|F(i+xcosθ,j+xsinθ)-F(i+(x+D)cosθ,j+(x+D)sinθ)|Σx=-L2L2-D|F(i+xcosθ,j+xsinθ)-F(i+(x+D)cosθ,j+(x+D)sinθ)|×F[i+(x+D2)cosθ,j+(x+D2)sinθ],]]>其中L＝12為統(tǒng)計數(shù)據(jù)區(qū)域長度，D＝2為統(tǒng)計步長，進行脊線提取如果F(i，j)＞flag(i，j)，則(i，j)點位于谷即背景，否則位于脊即前景；(6)脊線細化，它依次包含以下步驟(6.1)在保持原圖的骨架即不改變拓撲結(jié)構(gòu)和不刪除直線端點的前提下，根據(jù)以待測點為中心的8鄰域的不同狀態(tài)來決定待測點的“去”或“留”，“去”用“0”表示，“留”用“1”表示；(6.2)建立1維索引表table，標記索引為0～255，共256個元素，每個元素取1表示保留，0表示去掉；(6.3)遍歷有效區(qū)域內(nèi)所有點，考察其8鄰域，對所有排列組合通過下面的公式映射到0～255之間index＝A32×20+A31×21+A21×22+A11×23+A12×24+A13×25+A23×26+A33×27；其中，Aij代表8個鄰域中的點的值，然后通過查詢索引表中索引值為index的元素即table[index]，決定該待測點是否保留或者去掉；(6.4)重復(6.3)直到?jīng)]有被去掉的點出現(xiàn)；(6.5)細化后處理(6.5.1)，按照細化圖，初步確定細節(jié)點中的端點，即本身為1且周圍8個點中有且僅有一個點為1，和分岔點，即本身為1且周圍8個點中有且僅有三個點為1；(6.5.2)，沿著細節(jié)點生長，對細節(jié)點進行后處理(a)，對于端點，如果在其12×12的鄰域內(nèi)有另一個端點的方向與之接近，即角度差小于Tha＝30度，則將這兩個端點都去掉；(b)，將形成環(huán)形的鄰近分叉點連接起來，對于一個分叉點，如果在其12×12的鄰域內(nèi)有另一個分叉點的方向與之接近，即角度差小于Tha＝30度，則將兩者都去掉；(c)，去除一些小短棒對應的兩個端點，對于一個端點，如果沿著它所在脊線經(jīng)過12個像素之內(nèi)就碰到另一個端點，則將兩個端點都去掉；(6.5.3)，篩除方向與該點方向場角度差大于30度的特征點；(7)斷紋檢測，它依次包含以下步驟(7.1)對原指紋圖像中的點(x，y)出的灰度值I(x，y)進行多通道濾波，它依次包含以下步驟(7.1.1)把斷紋方向與x軸的夾角γ離散化為12個方向，每相鄰兩個方向之間的夾角為15°，因而，γ取12個方向γ＝0，π/12，π/6，…，11π/12；(7.1.2)對于每個γ，對應濾波器掩膜大小均為81×81，則經(jīng)過方向為γi的最優(yōu)濾波器濾波后的指紋圖像中的點(x，y)處的取值用Fγi(x，y)表示Fγi(x,y)=Σk=-4040Σl=-4040I(x+k,y+l)×F(γi,k,l|σ2,η),]]>其中，I(x+k，y+l)為在圖像在點(x+k，y+l)的灰度值，F(xiàn)(γ，x，y|σ2，η)為濾波器表達式F(γ,x,y|σ2,η)=G(γ,u(x,y),v(x,y)|σ2,η)]]>=exp{-u2+ηv22σ2}(σ2-u2),]]>其中，u＝xcosγ+ysinγ，v＝-xsinγ+ycosγ；(7.1.3)對通過濾波器得到的各圖以200作為閾值進行二值化(7.1.4)斷紋參數(shù)化，對于不同方向上的每個帶狀斷紋區(qū)域，用矩陣分析中的主元分析方法，即PCA來估計這個帶狀區(qū)域的方向，長度和寬度，進而用一個矩形來近似這個帶狀區(qū)域，它依次包含以下步驟(7.1.4.1)在二值化的圖像中，每個帶狀區(qū)域中的像素點可以用S=x1x2xM…y1y2yM]]>來表示，其中第一行是各點橫坐標，第二行是各點縱坐標，M是帶狀區(qū)域中像素點的個數(shù)；(7.1.4.2)求出S的均值m和方差varm‾=x‾y‾=1MΣl=1Mxlyl,]]>var=1MΣl1=1MΣl2=1M((xl1yl1-m‾)·(xl2yl2-m‾)T);]]>(7.1.4.3)求出方差矩陣var的所有特征值，選擇最大的兩個特征值λ1，λ2，要求λ1≥λ2，和它們對應的特征向量q1，q2；(7.1.4.4)由(7.1.4.3)可得到矩形的中心(Cx，Cy)即區(qū)域的均值m，即Cx＝x，Cy＝y(tǒng)；矩形的方向θ對應長軸，它是大的特征值所對應的特征向量q1；矩形的長l和寬ω可以分別通過計算沿兩個特征軸的平均寬度得到，具體實現(xiàn)在二值化的圖像基礎(chǔ)上，在帶狀區(qū)域內(nèi)，沿垂直于方向θ的方向進行遍歷，統(tǒng)計在方向θ上的該帶狀區(qū)域的平均長度作為矩形的長l；然后再沿矩形的方向θ的方向進行遍歷，統(tǒng)計在垂直于θ方向上的該帶狀區(qū)域的平均長度作為矩形的寬ω；(7.1.4.5)合并把對應于不同方向的所有二值化的圖合并，得到整個指紋圖像中的斷紋；把對應于不同方向的所有參數(shù)化的圖合并，得到整個指紋圖像中的斷紋的參數(shù)化表示；(8)基于斷紋的虛假細節(jié)點去除對于每一個細節(jié)點的小鄰域，一般是7×7的小窗口，進行考察，如果鄰域中的某一點落入到檢測出的斷紋中，就判斷這個細節(jié)點為假點，將它去除；(9)把余下的全部細節(jié)點送入數(shù)據(jù)庫，存儲信息包括細節(jié)點總個數(shù)、細節(jié)點坐標及方向；二、識別階段計算機對每個輸入的指紋按照上述(2)-(7)進行細節(jié)點的在線提取，并和數(shù)據(jù)庫中存儲的指紋細節(jié)點進行比對找出匹配度最高的，比對和匹配依次含有以下步驟(1)用基于Hough變換的方法進行細節(jié)點配準計算補償旋轉(zhuǎn)和平移偏差，按照下面方法計算把兩個指紋各自的細節(jié)點分別構(gòu)成各自含有M和N個細節(jié)點的點集，從兩個點集中各選一個細節(jié)點分別表示為(x1，y1，θ1)和(x2，y2，θ2)，利用它們之間的坐標、方向求出一個平移量Δt=ΔxΔy=x2-x1y2-y1,]]>一個旋轉(zhuǎn)量Δθ＝θ2-θ1，遍歷所有M×N對細節(jié)點對，統(tǒng)計(Δx，Δy，Δθ)出現(xiàn)的次數(shù)，得票最高的平移旋轉(zhuǎn)量就是最終使用的平移旋轉(zhuǎn)量，同時記錄得票數(shù)vote；下面用到的坐標變換都可以由下面的公式實現(xiàn)x″＝x′×cos(Δθ)-y′×sin(Δθ)+Δx；y″＝x′×sin(Δθ)-y′×cos(Δθ)+Δy；其中(x′，y′)是旋轉(zhuǎn)平移前的坐標，(x″，y″)是旋轉(zhuǎn)平移后的坐標(2)公共有效區(qū)域提取記兩枚指紋r，t配準后的有效區(qū)域分別為Rr、Rt，根據(jù)上面求得的參數(shù)，對Rt進行旋轉(zhuǎn)平移，則公共有效區(qū)域為R＝Rr∩Rt；(3)比對指紋r，t中所有的細節(jié)點，記錄比對成功的細節(jié)點對數(shù)；(4)計算指紋r，t細節(jié)點集合的相似度Mrt，0＜Mrt＜1Mrt=countmax(countt,countr)×min(voteTh,1);]]>其中count表示比對成功的細節(jié)點對數(shù)，countr表示指紋r在兩幅指紋公共有效區(qū)域內(nèi)的細節(jié)點個數(shù)，countt表示指紋t在兩幅指紋公共有效區(qū)域內(nèi)的細節(jié)點個數(shù)；Th為經(jīng)驗閾值，取為12；(5)根據(jù)我們對錯誤率要求的不同，給定一個閾值Th_Mn＝0.4，如果Mn＞Th_Mn，則認為兩幅指紋來自同一個手指；否則，則認為兩幅指紋不是來自同一個手指。我們在1760幅指紋上的實驗結(jié)果表明排除假點對識別率的提高是明顯的，在相同錯誤接收率下錯誤拒絕率可以減少1％到3％，針對有斷紋的人群則可以減少10％以上。如果考慮到在實際應用中斷紋具有更大的變化，這一改善會更加明顯。利用斷紋排除偽細節(jié)點的例子如圖13所示。圖1.斷紋檢測流程圖；圖2.指紋圖像示例2a原始指紋圖像；2b有效區(qū)域圖(用黑色代表)；圖3.不同通道下濾波后的圖像3a，原始指紋圖像(指標出有效區(qū)域內(nèi))；3b1～3b12，分別是在12個方向，即γ＝0，π/12，π/6，…，11π/12下，得到的濾波結(jié)果；圖4.指紋斷紋圖4a，去掉重疊區(qū)后所有通道下的二值化圖像；4b，每個帶狀區(qū)域通過PCA求得的長軸方向；4c，斷紋參數(shù)化后的圖像；圖5.斷紋提取各步驟的中間結(jié)果；5(1)，指紋原圖；5(2)，有效區(qū)域；5(3)，原始斷紋提取結(jié)果；5(4)，斷紋參數(shù)化后的結(jié)果；圖6.利用斷紋檢測去除虛假細節(jié)點的流程圖；圖7.細節(jié)點示意圖；圖8.Sobel算子8a，水平算子；8b，垂直算子；圖9.鄰域計算說明；圖10.細化表；圖11.細化的八個例子；圖12.細節(jié)點提取各步驟的中間結(jié)果12(1)，指紋原圖；12(2)，有效區(qū)域；12(3)，方向場；12(4)，增強圖；12(5)，背景細化；12(6)，前景細化；12(7)，細節(jié)點提取結(jié)果；圖13.利用斷紋去除虛假細節(jié)點示意圖。具體實施例方式我們的發(fā)明可以在普通PC計算機上實現(xiàn)，對操作系統(tǒng)沒有要求。(1)斷紋檢測隨著年齡的增大，人的指紋會因為皮膚的皺裂出現(xiàn)斷紋，對指紋識別造成很大的影響。以往的指紋識別方法沒有針對性的處理方法。我們則采用全新的思路，提出通過對斷紋的檢測去除虛假細節(jié)點。本技術(shù)非常有利于老年人群的指紋識別應用。我們主要考慮顯著的斷紋，它們滿足1)有足夠大的長寬比，使人肉眼即可以觀察到斷紋呈帶狀區(qū)域，而不是一些球狀噪聲；2)斷紋與指紋正常的紋理方向之間存在一定的角度。圖5給出一個具體的實例，描述了斷紋提取各步驟的中間結(jié)果，具體的檢測流程見圖1，其步驟為指紋有效區(qū)域的檢測通過取指器采集到的原始指紋圖中指紋部分并不是充滿全圖，含有指紋的部分圖像在指紋識別中才有意義，稱為有效區(qū)域。將原始圖像分割為大小為4×4像素的方格，對每個這樣的方格，計算這一區(qū)域內(nèi)所有象素的灰度值的均值與方差，只有兩者均滿足各自條件時才認為該點處于有效區(qū)域。其中均值和方差的計算依靠下面的公式Iavg(i,j)=116Σx=03Σy=03I(i+x,j+y)]]>Var(i,j)=116Σx=03Σy=03(I(i+x,j+y)-Iavg(i,j))2;]]>這里，Iavg(i，j)，Var(i，j)分別表示在以點(i，j)為左上角的方格的灰度均值和方差，I(i+x，j+y)為(i+x，j+y)點的圖像灰度值。要求當th1＜Iavg(i，j)＜th2且Var(i，j)＞th3時，標記該方格為有效，標記為1。其中，閾值選擇為th1＝20；th2＝220；th3＝6。對圖像上所有的方格進行上述操作，為了去掉噪聲影響，需要進行后處理1、3×3濾波，具體做法就是檢查包含被檢測點在內(nèi)的其3×3鄰域內(nèi)的9個點，如果只有該點是有效的，其他都是無效的，那么認為該點為噪聲，更改標記為0(表明無效)；如果只有該點是無效的，其他都是有效的，那么認為該點為有效點，更改標記為1(表明有效)。2、去掉有效區(qū)域中間的“洞”，方法是逐行掃描，填補最左邊和最右邊的有效點之間的所有無效點，將其標記為有效1；逐列掃描，填補最上邊和最下邊的有效點之間的所有無效點，將其標記為有效1。這樣就得到了有效區(qū)域(長寬分別為原圖的1/4)。如圖2所示，在整個流程中的中間結(jié)果見圖5(2)。多通道濾波斷紋檢測是采用濾波的方式。設(shè)計濾波器如下當需要檢測方向與x軸的夾角為γ的斷紋時，令u＝xcosγ+ysinγ，v＝-xsinγ+ycosγ，濾波器F(γ，x，y|σ2，η)為F(γ,x,y|σ2,η)=G(γ,u(x,y),v(x,y)|σ2,η)]]>=exp{-u2+ηv22σ2}(σ2-u2);]]>其中σ，η，γ分別表示高斯函數(shù)的方差、濾波器的作用范圍和濾波器的方向。推薦采用η＝1/4，σ＝30。x，y表示濾波器掩模中各點相對于掩模中心的坐標。由于斷紋在指紋圖像中隨機地出現(xiàn)，斷紋可能有很多不同的方向，即夾角γ可能取很多不同的值。因此，為了可以檢測到各個方向的斷紋，我們需要對不同的夾角方向γ分別構(gòu)造一個濾波器。事實上，不可能對所有方向都設(shè)計一個濾波器，這樣計算量會非常大，因此我們將方向離散化為12個方向。所有的濾波器可以用下式表示，其中γ取12個方向。F(γ，x，y|σ2，η)γ＝0，π/12，π/6，…，11π/12；對于每個γ，對應濾波器掩膜大小均為81×81。由于對于相同的γ，掩膜是相同的?？梢栽跒V波之前將空域掩膜一次求取完成并存儲下來，以減少不必要的重復計算。令I(lǐng)(x，y)表示原指紋圖像有效區(qū)域中的點(x，y)處的灰度值，F(xiàn)γi(x，y)表示經(jīng)過方向為γi的最優(yōu)濾波器濾波后的指紋圖像中的點(x，y)處的取值，則濾波的公式如下Ii′(x,y)=Fγi(x,y)=Σk=-4040Σl=-4040I(x+k,y+l)×F(γi,k,l|σ2,η);]]>在圖1中，12個不同方向的濾波器對指紋圖像進行濾波，濾波后的圖像分別用I1′，I2′，…，I12′來表示。圖3中列出了濾波后的這些圖像。二值化對濾波得到的各圖像以200作為閾值進行二值化，即將圖3中亮的部分(即灰度值大于200的部分)保留下來。其中，k＝1，2，…，12，分別對應12個不同方向的濾波器的序號，Ik′(i，j)表示通過第i個方向濾波器的結(jié)果圖像在坐標(i，j)處的灰度值，Ik″(i，j)表示對應點在二值化后的灰度值。實例中該流程的結(jié)果對應于圖5(3)。斷紋參數(shù)化前面得到的二值化圖像中斷紋區(qū)域都是帶狀的(見圖4)。對于不同方向上的每個帶狀斷紋區(qū)域，用矩陣分析中的主元分析方法(PCA)來估計這個帶狀區(qū)域的方向，長度和寬度，進而用一個矩形來近似這個帶狀區(qū)域。具體實現(xiàn)如下在二值化的圖像中，每個帶狀區(qū)域中的像素點可以用S=x1x2xM…y1y2yM]]>來表示，其中第一行是各點橫坐標，第二行是各點縱坐標，M是帶狀區(qū)域中像素點的個數(shù)。所有點坐標的均值為m‾=x‾y‾=1MΣl=1Mxlyl,]]>方差矩陣為var=1MΣl1=1MΣl2=1M((xl1yl1-m‾)·(xl2yl2-m‾)T).]]>求出方差矩陣var的所有特征值，選擇最大的兩個特征值λ1，λ2(要求λ1≥λ2)，和它們對應的特征向量q1，q2。于是我們可以得到矩形的下面幾個參數(shù)矩形的中心(Cx，Cy)即區(qū)域的均值m(Cx＝x，Cy＝y(tǒng))；矩形的方向θ對應長軸(大的特征值所對應的特征向量q1)；矩形的長l和寬ω可以分別通過計算沿兩個特征軸的平均寬度得到，具體實現(xiàn)在二值化的圖像基礎(chǔ)(即Ik″)上，在帶狀區(qū)域內(nèi)，沿垂直于方向θ的方向進行遍歷，統(tǒng)計在方向θ上的該帶狀區(qū)域的平均長度作為矩形的長l；然后再沿矩形的方向θ的方向進行遍歷，統(tǒng)計在垂直于θ方向上的該帶狀區(qū)域的平均長度作為矩形的寬ω。由上面的參數(shù)(Cx，Cy)、θ、l和ω，我們可以將所有斷紋用參數(shù)不同的很多矩形來表示。圖4列出了所有通道下的二值化圖像、每個帶狀區(qū)域通過PCA求得的長軸方向和最后的矩形表示。實例中該流程的結(jié)果對應于圖5(4)。合并將所有二值化的各圖(對應不同方向)合并就可以得到整個指紋圖像中的斷紋，將參數(shù)化(即用矩形描述)的各圖(對應不同方向)合并就可以得到整個指紋的斷紋的參數(shù)化表示，見圖4中最后的結(jié)果。圖5給出前面介紹的流程的中間結(jié)果圖。(2)利用斷紋檢測去除虛假細節(jié)點當指紋圖像中存在大量的斷紋時，應用傳統(tǒng)的指紋處理方法容易在斷紋處產(chǎn)生虛假細節(jié)點(簡稱假點)。我們可以在傳統(tǒng)算法中加入斷紋檢測的步驟，排除斷紋處出現(xiàn)的虛假細節(jié)點。算法流程如圖6。整個算法流程主要包括離線處理和在線識別兩部分。離線處理會對所有注冊的指紋進行細節(jié)點的提取和存儲；在線識別是對新輸入的指紋進行細節(jié)點的提取并和數(shù)據(jù)庫中存儲的指紋細節(jié)點進行比對，匹配度最高的認為是與輸入指紋來源于同一個手指。特征提取包括兩個步驟先是傳統(tǒng)的細節(jié)點提取，接著通過斷紋檢測去除虛假細節(jié)點。下面以一個傳統(tǒng)的細節(jié)點提取流程為例說明如何利用斷紋檢測去除虛假細節(jié)點。細節(jié)點可分為兩種，一種是脊線的端點，另一種是脊線的分岔點。如圖7所示。細節(jié)點的提取方法我們采用的是基于細化圖的方法。分別對前景和背景進行細化，得到兩張細化圖。最終結(jié)果如圖12(5)、12(6)所示。具體的細節(jié)點提取步驟如下1、有效區(qū)域提取。這一步和前面提到的流程一樣。結(jié)果示意如圖12(2)；2、方向場估計。方向場是表示指紋脊線走向的一幅圖像，其中每點的數(shù)值代表了指紋圖像中對應點的局部脊線方向。方向圖刻畫了指紋的全局信息，在指紋識別中起著重要的作用。本方法中采用的是基于梯度統(tǒng)計的金字塔形算法，效果如圖12(3)所示。算法如下I、利用Soble算子的水平方向算子Sx和豎直方向算子Sy(見圖8)求取點(x，y)的灰度梯度水平方向Gx(x,y)=18Σj=y-1y+1Σi=x-1x+1Sx(x-i,y-j)I(i,j),]]>豎直方向Gy(x,y)=18Σj=y-1y+1Σi=x-1x+1Sy(x-i,y-j)I(i,j),]]>其中I(i，j)為(i，j)點的灰度值。II、把指紋圖劃分成大小為W×W的方格，W＝7，再依次進行以下步驟(a)用下式求取每一方格對應的局部方向θθ(i,j)=12tan-1(Σi=1W‾Σj=1W‾2Gx(i,j)Gy(i,j)Σi=1W‾Σj=1W‾(Gx2(i,j)-Gy2(i,j)));]]>(b)計算方向場一致性水平E0=1NΣ(i′,j′)∈Ω|θ(i′,j′)-θ(i,j)|2,]]>其中，Ω是第(i，j)方格的鄰域，取為5×5，N是Ω中所含方格的個數(shù)，N＝25。θ(i′j′)和θ(i，j)分別為第(i′，j′)和第(i，j)方格的局部方向；若E0＞Tc，則令W＝1.5W，重新估計Ω中各方格的方向，重復步驟I和II。直至E0≤Tc。這里Tc＝1.5。3、圖像增強圖像增強算法采用Gabor濾波方法，即根據(jù)各點方向場取值，用Gabor濾波器進行濾波。濾波后效果如圖12-4)所示。濾波算法如下I、求取指定大小的空域掩膜Gabor濾波器空域表達形式為G(x,y,θ)=exp{-12[x′2δx′2+y′2δy′2]}cos(2πfx′),]]>其中這里θ∈]>其中W＝3；然后按下式求取一個數(shù)值flag(i,j)=Σx=-L2L2-D|F(i+xcosθ,j+xsinθ)-F(i+(x+D)cosθ,j+(x+D)sinθ)|Σx=-L2L2-D|F(i+xcosθ,j+xsinθ)-F(i+(x+D)cosθ,j+(x+D)sinθ)|×F[i+(x+D2)cosθ,j+(x+D2)sinθ],]]>其中L＝12，為統(tǒng)計數(shù)據(jù)區(qū)域長度，D＝2為統(tǒng)計步長，進行脊線提取如果F(i，j)＞flag(i，j)，則(i，j)點位于谷(背景)，否則位于脊(前景)。4、脊線細化對增強后的指紋圖像，我們將其二值化(直接選擇閾值為128即可)。每個點取值為1或者0，1表示前景；0表示背景。細化的目標就是考察每一個值為1的點，根據(jù)其8鄰域的取值來決定時候?qū)⑦@個待考察的點置為0(即將該點變成背景)，通過對全圖的幾次遍歷，不斷將一些前景(值為1)的點變成背景點，從而達到細化的目的。我們根據(jù)待測點8鄰域的不同狀態(tài)來決定待測點的“去”或“留”。這8個鄰域點的所有可能取值組合有28＝256種(每個點只能取1或者0)。我們將每種可能設(shè)定為一條規(guī)則對應結(jié)果為“1”(保留)或“0”(去除)，規(guī)則設(shè)定的原則是保持原圖的骨架。對于指紋脊線細化，我們定義的骨架，可以理解為圖像的中軸，例如一個長方形的骨架是它的長方向上的中軸線，圓的骨架是它的圓心，環(huán)的骨架是類似圓的封閉曲線，直線的骨架是它自身，孤立點的骨架也是自身。不同應用場合，對骨架的定義可能有不同，我們通過幾個例子說明，圖11中給出了幾個例子，其中(1)不能刪，因為它是個內(nèi)部點，如果刪去，就沒有了骨架；(2)不能刪，這是一個特殊要求，盡量保留直線；(3)不能刪，這點是骨架，刪掉后，改變拓撲結(jié)構(gòu)；(4)不能刪，因為刪掉后，原來相連的部分斷開，改變拓撲結(jié)構(gòu)；(5)不能刪，因為它是直線的端點；(6)可以刪，該點不是骨架；(7)不能刪，該點是骨架；(8)可以刪，該點不是骨架。我們簡單總結(jié)一下，有如下的判據(jù)(1)直線端點不能刪除；(2)改變拓撲結(jié)構(gòu)的點不能刪除，例如內(nèi)部點不能刪除、孤立點不能刪除等。對所有情況按照上面的例子總結(jié)，可以得到256個規(guī)則，將其結(jié)果編碼為一張表(其實就是一個1維數(shù)組，標記0～255，共256個元素)，每個待測點的8鄰域的值對應一個0到255的數(shù)，將這個數(shù)作為索引，查表中對應的值，如果是1表示保留；0表示該點被去掉(即將這個待測點的值置為0)。索引方法如圖9，Aij代表8個鄰域中的點，索引定義為index＝A32×20+A31×21+A21×22+A11×23+A12×24+A13×25+A23×26+A33×27；按照索引值找到表table中對應的元素table[index]，其中索引值index的取值范圍在內(nèi)的整數(shù)，如果table[index]為1，則保留該點(值不變)；如果為0，則將該點置0。我們采用的表如圖10所示。我們從圖11中選出兩個圖作為示例圖11(2)中心(待測)點不能刪，因為index＝1×20+0×21+0×22+0×23+1×24+0×25+1×26+0×27＝81，table[81]＝1，所以表示該點不能去掉。圖11(8)中心(待測)點可以刪，因為index＝1×20+1×21+0×22+0×23+0×24+0×25+0×26+0×27＝3，table[3]＝0，所以表示該點可以去掉。我們總結(jié)一下細化的步驟第一步，給出索引方法，例如按照圖9中設(shè)定的方法；第二步，根據(jù)規(guī)則給出索引表，例如按照圖10中設(shè)定的表；第三步，遍歷全圖所有值為1的點，計算索引，判斷是否保留；第四步，如果第三步?jīng)]有去掉任何點，則下一步，否則重復第三步。第五步，后處理，我們將在下面詳細介紹求出細化圖后的操作如下I，按照細化圖，初步確定細節(jié)點中的端點(本身為1且周圍8個點中有且僅有一個點為1)和分岔點(本身為1且周圍8個點中有且僅有三個點為1)。II，沿著細節(jié)點生長，對細節(jié)點進行后處理(a)，對于端點，如果在其12×12的鄰域內(nèi)有另一個端點的方向與之接近(角度差小于Tha＝30度)，則將這兩個端點都去掉；(b)，將形成環(huán)形的鄰近分叉點連接起來，對于一個分叉點，如果在其12×12的鄰域內(nèi)有另一個分叉點的方向與之接近(角度差小于Tha＝30度)，則將這兩個端點都去掉；(c)，去除一些小短棒對應的兩個端點，對于一個端點，如果沿著它所在脊線經(jīng)過12個像素之內(nèi)就碰到另一個端點，則將兩個端點都去掉；III，篩除方向與該點方向場角度差大于30度的特征點。對所有注冊指紋進行上述特征提取操作并將所得特征存入數(shù)據(jù)庫。各流程中間結(jié)果見圖12。5.基于斷紋的虛假細節(jié)點去除通過前面的步驟可以完成細節(jié)點提取，雖然在提取中也去除了部分假點，但是很大一部分假點仍然不能被去掉，我們提出的通過斷紋來去除假點的步驟是對于每一個細節(jié)點的小鄰域(一般是7×7的小窗口)進行考察，如果鄰域中的某一點落入到檢測出的斷紋中，就判斷這個細節(jié)點為假點，將它去除。如圖13所示。(3)細節(jié)點比對對所有注冊指紋我們都進行以上的操作(可以離線)，并將最后剩下的全部細節(jié)點都保存在數(shù)據(jù)庫中。對待測指紋進行采集后，同樣進行上述操作(在線、離線均可)，然后將其結(jié)果(細節(jié)點)和數(shù)據(jù)庫中的數(shù)據(jù)進行細節(jié)點比對，找出匹配度最高的，作為輸出結(jié)果。細節(jié)點比對過程分為細節(jié)點配準和細節(jié)點匹配兩個步驟。由于用于比對的兩枚指紋間存在旋轉(zhuǎn)和平移，必須利用細節(jié)點配準的方法補償旋轉(zhuǎn)和平移偏差。我們采用的是基于Hough變換的配準方法。簡單解釋為將兩個指紋的各自的細節(jié)點分別構(gòu)成兩個點集(各有M和N個細節(jié)點)，從兩個點集中各選一個細節(jié)點分別表示為(x1，y1，θ1)和(x2，y2，θ2)，利用它們之間的坐標、方向可以求出一個平移量和旋轉(zhuǎn)量Δt=ΔxΔy=x2-x1y2-y1;]]>Δθ＝θ2-θ1。遍歷所有細節(jié)點對(共M×N對)，將所有的平移和旋轉(zhuǎn)量進行投票，即統(tǒng)計(Δx，Δy，Δθ)出現(xiàn)的次數(shù)，得票最高的平移旋轉(zhuǎn)量就是最終使用的平移旋轉(zhuǎn)量，同時記錄得票數(shù)vote。根據(jù)下面的公式進行點的旋轉(zhuǎn)平移變換x″＝x′×cos(Δθ)-y′×sin(Δθ)+Δx；y″＝x′×sin(Δθ)-y′×cos(Δθ)+Δy；其中(x′，y′)是旋轉(zhuǎn)平移前的坐標，(x″，y″)是旋轉(zhuǎn)平移后的坐標。得出旋轉(zhuǎn)平移量之后就可以計算兩枚指紋(記為r，t，并假設(shè)r為基準，t向r旋轉(zhuǎn)平移)之間的公共有效區(qū)域。求取方法如下設(shè)兩幅配準好的指紋有效區(qū)域分別為Rr、Rt，根據(jù)上面求得的參數(shù)，對Rt進行旋轉(zhuǎn)平移，則公共有效區(qū)域為R＝Rr∩Rt。對于這兩枚已經(jīng)配準好的指紋，進行細節(jié)點比對。最終得出的是0～1之間的一個數(shù)，表示兩枚指紋細節(jié)點集合的相似度。當兩幅配準好的指紋圖中的兩個細節(jié)點距離小于某一閾值(取為8像素)時，認為這兩個點比對成功，匹配成功點對計數(shù)加1。最終可以求出Mrt=countmax(countt,countr)×min(voteTh,1),]]>其中count表示比對成功的細節(jié)點對數(shù)，countr表示指紋r在兩幅指紋公共有效區(qū)域內(nèi)的細節(jié)點個數(shù)，countt表示指紋t在兩幅指紋公共有效區(qū)域內(nèi)的細節(jié)點個數(shù)。Th為經(jīng)驗閾值，取為12。根據(jù)我們對錯誤率要求的不同，給定一個閾值Th_Mn＝0.4，如果Mn＞Th_Mn，則認為兩幅指紋來自同一個手指；否則，則認為兩幅指紋不是來自同一個手指。權(quán)利要求1.基于斷紋檢測的指紋識別方法其特征在于，它依次含有以下兩個階段一、學習階段，計算機在離線狀態(tài)下對所有注冊的指紋進行細節(jié)點的提取、存儲，再依次對細節(jié)點進行斷紋檢測、去除偽細節(jié)點后，建立數(shù)據(jù)庫；它依次含有以下步驟(1)對計算機進行初始化設(shè)定下列各初始值在指紋有效區(qū)域的檢測步驟中，對于已經(jīng)分割成大小為4×4像素的方格的原始指紋圖像而言，當以點(i，j)為左上角的每一個方格的灰度均值Iavg(i，j)和方差Var(i，j)處于下述范圍內(nèi)時，該方格為有效，標記為1；否則為無效，標記為0；th1＜Iavg(i，j)＜th2且Var(i，j)＞th3，其中th表示為閾值th1＝20；th2＝220；th3＝6；在斷紋檢測階段進行多通道濾波時，設(shè)定高斯函數(shù)的方差σ＝30，濾波器的作用范圍η＝1/4；(2)計算機通過取指器采集所有注冊指紋的原始圖像并存儲；(3)計算機檢測指紋的有效區(qū)域，它依次包含以下步驟(3.1)把原始圖像分割成大小為4×4像素的方格；(3.2)計算機按下式計算以點(i，j)為左上角的每一個方格的灰度均值Iavg(i，j)和方差Var(i，j)Iavg(i,j)=116Σx=03Σy=03I(i+x,j+y),]]>Var(i,j)=116Σx=03Σy=03I(i+x,j+y)-Iavg(i,j))2,]]>其中，I(i+x，j+y)為(i+x，j+y)點的圖像灰度值；(3.3)計算機按下式判斷上述每一個方格是否有效若th1＜Iavg(i，j)＜th2且Var(i，j)＞th3，則該方格有效標記為1；(3.4)去噪聲處理(3.4.1)對上述圖像進行3×3濾波，即檢查以待測點為中心的3×3鄰域內(nèi)的9個點，如果只有該待測點是有效的，則認為該點為噪聲，更改標記為0，表明以該點為左上角的方格無效；若只有該待測點是無效的，則認為該點為有效點，更改標記為1，表明以該點為左上角的方格有效；(3.4.2)去掉有效區(qū)域中間的“洞”，即逐行對上述圖像掃描，填補最左邊和最右邊的有效點之間的所有無效點，將其標記為有效；逐列掃描，填補最上邊和最下邊的有效點之間的所有無效點，將其標記為有效，從而得到有效區(qū)域，長和寬分別為原圖的1/4；(4)用基于梯度統(tǒng)計的金字塔形算法進行方向場估計，它依次包含以下步驟(4.1)利用Soble算子的水平方向算子Sx和豎直方向算子Sy求取點(x，y)的灰度梯度水平方向Gx(x,y)=18Σj=y-1y+1Σi=x-1x+1Sx(x-i,y-j)I(i,j),]]>豎直方向Gy(x,y)=18Σj=y-1y+1Σi=x-1x+1Sy(x-i,y-j)I(i,j),]]>其中I(i，j)為(i，j)點的灰度值，Sx(x-i，y-j)，Sy(x-i，y-j)分別表示水平和豎直方向的Soble算子，在(x-i，y-j)點的值，算子分別用一個大小為3×3的掩膜表示；(4.2)把指紋圖劃分成大小為W×W的方格，W＝7，再依次進行以下步驟(4.2.1)用下式求取每一方格對應的局部方向θθ(i,j)=12tan-1(Σi=1W‾Σj=1W‾2Gx(i,j)Gy(i,j)Σi=1W‾Σj=1W‾(Gx2(i,j)-Gy2(i,j)));]]>(4.2.2)計算方向場一致性水平E0=1NΣ(i′,j′)∈Ω|θ(i′,j′)-θ(i,j)|2;]]>其中，Ω是第(i，j)方格的鄰域，取為5×5，N是Ω中所含方格的個數(shù)，N＝25；θ(i′，j′)和θ(i，j)分別為第(i′，j′)和第(i，j)方格的局部方向；若E0＞Tc，則令W＝1.5W，重新估計Ω中各方格的方向，重復步驟(4.2.1)和(4.2.2)；直至E0≤Tc，這里Tc＝1.5；(5)采用Gabor濾波方法進行圖像增強，它依次包含以下步驟(5.1)Gabor濾波器空域表達形式為G(x,y,θ)=exp{-12[x′2δx′2+y′2δy′2]}cos(2πfx′),]]>其中θ∈]>其中W＝3；然后按下式求取一個數(shù)值flag(i,j)=Σx=L2L2-D|F(i+xcosθ,j+xsinθ)-F(i+(x+D)cosθ,j+(x+D)sinθ)|Σx=-L2L2-D(|F(i+xcosθ,j+xsinθ)-F(i+(x+D)cosθ,j+(x+D)sinθ)|×F[i+(x+D2)cosθ,j+(x+D2)sinθ]),]]>其中L＝12為統(tǒng)計數(shù)據(jù)區(qū)域長度，D＝2為統(tǒng)計步長，進行脊線提取如果F(i，j)＞flag(i，j)，則(i，j)點位于谷即背景，否則位于脊即前景；(6)脊線細化，它依次包含以下步驟(6.1)在保持原圖的骨架即不改變拓撲結(jié)構(gòu)和不刪除直線端點的前提下，根據(jù)以待測點為中心的8鄰域的不同狀態(tài)來決定待測點的“去”或“留”，“去”用“0”表示，“留”用“1”表示；(6.2)建立1維索引表table，標記索引為0～255，共256個元素，每個元素取1表示保留，0表示去掉；(6.3)遍歷有效區(qū)域內(nèi)所有點，考察其8鄰域，對所有排列組合通過下面的公式映射到0～255之間index＝A32×20+A31×21+A21×22+A11×23+A12×24+A13×25+A23×26+A33×27；其中，Aij代表8個鄰域中的點的值，然后通過查詢索引表中索引值為index的元素即table[index]，決定該待測點是否保留或者去掉；(6.4)重復(6.3)直到?jīng)]有被去掉的點出現(xiàn)；(6.5)細化后處理(6.5.1)，按照細化圖，初步確定細節(jié)點中的端點，即本身為1且周圍8個點中有且僅有一個點為1，和分岔點，即本身為1且周圍8個點中有且僅有三個點為1；(6.5.2)，沿著細節(jié)點生長，對細節(jié)點進行后處理(a)，對于端點，如果在其12×12的鄰域內(nèi)有另一個端點的方向與之接近，即角度差小于Tha＝30度，則將這兩個端點都去掉；(b)，將形成環(huán)形的鄰近分叉點連接起來，對于一個分叉點，如果在其12×12的鄰域內(nèi)有另一個分叉點的方向與之接近，即角度差小于Tha＝30度，則將兩者都去掉；(c)，去除一些小短棒對應的兩個端點，對于一個端點，如果沿著它所在脊線經(jīng)過12個像素之內(nèi)就碰到另一個端點，則將兩個端點都去掉；(6.5.3)，篩除方向與該點方向場角度差大于30度的特征點；(7)斷紋檢測，它依次包含以下步驟(7.1)對原指紋圖像中的點(x，y)出的灰度值I(x，y)進行多通道濾波，它依次包含以下步驟(7.1.1)把斷紋方向與x軸的夾角γ離散化為12個方向，每相鄰兩個方向之間的夾角為15°，因而，γ取12個方向γ＝0，π/12，π/6，…，11π/12；(7.1.2)對于每個γ，對應濾波器掩膜大小均為81×81，則經(jīng)過方向為γi的最優(yōu)濾波器濾波后的指紋圖像中的點(x，y)處的取值用Fγi(x，y)表示Fγi(x,y)=Σk=-4040Σl=-4040I(x+k,y+l)×F(γi,k,l|σ2,η),]]>其中，I(x+k，y+l)為在圖像在點(x+k，y+l)的灰度值，F(xiàn)(γ，x，y|σ2，η)為濾波器表達式F(γ,x,y|σ2,η)=G(γ,u(x,y),v(x,y)|σ2,η)]]>=exp{-u2+ηv22σ2}(σ2-u2),]]>其中，u＝xcosγ+ysinγ，v＝-xsinγ+ycosγ；(7.1.3)對通過濾波器得到的各圖以200作為閾值進行二值化(7.1.4)斷紋參數(shù)化，對于不同方向上的每個帶狀斷紋區(qū)域，用矩陣分析中的主元分析方法，即PCA來估計這個帶狀區(qū)域的方向，長度和寬度，進而用一個矩形來近似這個帶狀區(qū)域，它依次包含以下步驟(7.1.4.1)在二值化的圖像中，每個帶狀區(qū)域中的像素點可以用S=x1x2xM...y1y2yM]]>來表示，其中第一行是各點橫坐標，第二行是各點縱坐標，M是帶狀區(qū)域中像素點的個數(shù)；(7.1.4.2)求出S的均值m和方差varm‾=x‾y‾=1MΣl=1Mxlyl,]]>var=1MΣl1=1MΣl2=1M((xl1yl1-m‾)·(xl2yl2-m‾)T);]]>(7.1.4.3)求出方差矩陣var的所有特征值，選擇最大的兩個特征值λ1，λ2，要求λ1≥λ2，和它們對應的特征向量q1，q2；(7.1.4.4)由(7.1.4.3)可得到矩形的中心(Cx，Cy)即區(qū)域的均值m，即Cx＝x，Cy＝y(tǒng)；矩形的方向θ對應長軸，它是大的特征值所對應的特征向量q1；矩形的長l和寬ω可以分別通過計算沿兩個特征軸的平均寬度得到，具體實現(xiàn)在二值化的圖像基礎(chǔ)上，在帶狀區(qū)域內(nèi)，沿垂直于方向θ的方向進行遍歷，統(tǒng)計在方向θ上的該帶狀區(qū)域的平均長度作為矩形的長l；然后再沿矩形的方向θ的方向進行遍歷，統(tǒng)計在垂直于θ方向上的該帶狀區(qū)域的平均長度作為矩形的寬ω；(7.1.4.5)合并把對應于不同方向的所有二值化的圖合并，得到整個指紋圖像中的斷紋；把對應于不同方向的所有參數(shù)化的圖合并，得到整個指紋圖像中的斷紋的參數(shù)化表示；(8)基于斷紋的虛假細節(jié)點去除對于每一個細節(jié)點的小鄰域，一般是7×7的小窗口，進行考察，如果鄰域中的某一點落入到檢測出的斷紋中，就判斷這個細節(jié)點為假點，將它去除；(9)把余下的全部細節(jié)點送入數(shù)據(jù)庫，存儲信息包括細節(jié)點總個數(shù)、細節(jié)點坐標及方向；二、識別階段計算機對每個輸入的指紋按照上述(2)-(7)進行細節(jié)點的在線提取，并和數(shù)據(jù)庫中存儲的指紋細節(jié)點進行比對找出匹配度最高的，比對和匹配依次含有以下步驟(1)用基于Hough變換的方法進行細節(jié)點配準計算補償旋轉(zhuǎn)和平移偏差，按照下面方法計算把兩個指紋各自的細節(jié)點分別構(gòu)成各自含有M和N個細節(jié)點的點集，從兩個點集中各選一個細節(jié)點分別表示為(x1，y1，θ1)和(x2，y2，θ2)，利用它們之間的坐標、方向求出一個平移量Δt=ΔxΔy=x2-x1y2-y1,]]>一個旋轉(zhuǎn)量Δθ＝θ2-θ1，遍歷所有M×N對細節(jié)點對，統(tǒng)計(Δx，Δy，Δθ)出現(xiàn)的次數(shù)，得票最高的平移旋轉(zhuǎn)量就是最終使用的平移旋轉(zhuǎn)量，同時記錄得票數(shù)vote；下面用到的坐標變換都可以由下面的公式實現(xiàn)x″＝x′×cos(Δθ)-y′×sin(Δθ)+Δx；y″＝x′×sin(Δθ)-y′×cos(Δθ)+Δy；其中(x′，y′)是旋轉(zhuǎn)平移前的坐標，(x″，y″)是旋轉(zhuǎn)平移后的坐標(2)公共有效區(qū)域提取記兩枚指紋r，t配準后的有效區(qū)域分別為Rr、Rt，根據(jù)上面求得的參數(shù)，對Rt進行旋轉(zhuǎn)平移，則公共有效區(qū)域為R＝Rr∩Rt；(3)比對指紋r，t中所有的細節(jié)點，記錄比對成功的細節(jié)點對數(shù)；(4)計算指紋r，t細節(jié)點集合的相似度Mrt，0＜Mrt＜1Mrt=countmax(countt,countr)×min(voteTh,1);]]>其中count表示比對成功的細節(jié)點對數(shù)，countr表示指紋r在兩幅指紋公共有效區(qū)域內(nèi)的細節(jié)點個數(shù)，countt表示指紋t在兩幅指紋公共有效區(qū)域內(nèi)的細節(jié)點個數(shù)；Th為經(jīng)驗閾值，取為12；(5)根據(jù)我們對錯誤率要求的不同，給定一個閾值Th_Mn＝0.4，如果Mn＞Th_Mn，則認為兩幅指紋來自同一個手指；否則，則認為兩幅指紋不是來自同一個手指。全文摘要基于斷紋檢測的指紋識別方法屬于指紋識別領(lǐng)域，其特征在于它對傳統(tǒng)方法提取的細節(jié)點用12組最優(yōu)濾波器進行斷紋檢測，各濾波器對應于斷紋方向與x軸夾角的一個離散值；分別計算12組斷紋方向下的濾波值并給定一個統(tǒng)一的下限，得出12組二值化圖像，再用矩陣的主元分析法，把其中的帶狀區(qū)域用矩形表示，用矩形的長、寬及方向?qū)υ搮^(qū)域參數(shù)化；合并各二值化圖像得到實際斷紋圖像，合并各參數(shù)化圖像得到斷紋模型以用于去除虛假細節(jié)點。對老齡人群，在相同的錯誤接受率下，錯誤拒絕率可以下降10％以上。文檔編號G06K9/00GK1588424SQ20041006225公開日2005年3月2日申請日期2004年7月2日優(yōu)先權(quán)日2004年7月2日發(fā)明者周杰,吳南南,楊春宇申請人:清華大學