專利名稱：基于統(tǒng)計(jì)方法的指紋識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像識(shí)別領(lǐng)域，特別是利用圖像對(duì)指紋進(jìn)行識(shí)別。
背景技術(shù)：
隨著人類社會(huì)的發(fā)展進(jìn)步，信息安全已成為世界各國(guó)廣泛關(guān)注的重要問題。目前廣泛使用的傳統(tǒng)身份認(rèn)證有兩種方式(1)基于知識(shí)(如密碼、口令等)的身份認(rèn)證方式；(2)基于令牌(如鑰匙、身份證件等)的身份認(rèn)證方式?；谥R(shí)的身份驗(yàn)證中，雖然不需要隨身攜帶令牌(鑰匙、身份證件)，但是持有人必需記住密碼口令，然而密碼和口令容易忘記，而且容易泄漏，容易被破解；基于令牌的身份驗(yàn)證中，鑰匙和證件容易丟失、容易被盜竊、容易被偽造。這些傳統(tǒng)身份驗(yàn)證的缺點(diǎn)給社會(huì)帶來了很多不便，產(chǎn)生了一些安全問題。針對(duì)這些問題，在有些安全要求較高的場(chǎng)合，如軍事領(lǐng)域，人們采用兩種身份驗(yàn)證結(jié)合的方式，但是仍無法從根本上解決傳統(tǒng)身份認(rèn)證的缺點(diǎn)。計(jì)算機(jī)出現(xiàn)之后，隨著信息化、數(shù)字化和生物技術(shù)的發(fā)展，出現(xiàn)了基于生物特征的身份認(rèn)證。人們可能會(huì)丟失身份證件，忘記密碼，但不會(huì)丟失自己的生物特征；身份證可能會(huì)被偷竊，密碼可能會(huì)破解和泄漏，但是你的生物特征不可能會(huì)被偷竊或泄漏；這樣就從根本上消除了冒名頂替的現(xiàn)象。由于生物認(rèn)證克服了傳統(tǒng)身份認(rèn)證的無法克服的缺點(diǎn)，基于生物識(shí)別的身份識(shí)別技術(shù)迅速發(fā)展起來。
目前自動(dòng)指紋識(shí)別技術(shù)基于細(xì)節(jié)特征的最多，一般步驟為采集、分割、增強(qiáng)、細(xì)化、細(xì)節(jié)特征提取、匹配?；诩?xì)節(jié)特征的識(shí)別方法在匹配時(shí)，首先要將輸入指紋的細(xì)節(jié)特征或模板庫中細(xì)節(jié)特征進(jìn)行校正，使得兩個(gè)特征集在同一個(gè)坐標(biāo)系中，然后在進(jìn)行匹配。目前的匹配方法，在進(jìn)行校正都存在著缺陷容易出現(xiàn)錯(cuò)誤的局部匹配，無法處理非線性形變。此外，單一地用細(xì)節(jié)特征進(jìn)行識(shí)別抗噪聲能力弱。

發(fā)明內(nèi)容
本發(fā)明的目的是提供魯棒性強(qiáng)的平移旋轉(zhuǎn)校正參數(shù)確定方法和融合細(xì)節(jié)特征與方向圖的指紋識(shí)別方法。本發(fā)明通過統(tǒng)計(jì)兩個(gè)指紋細(xì)節(jié)特征集中特征向量對(duì)匹配所得到校正參數(shù)，計(jì)算出兩個(gè)特征集合的最佳校正參數(shù)，然后校正，進(jìn)行細(xì)節(jié)特征比對(duì)；若存在8個(gè)以上匹配細(xì)節(jié)特征，進(jìn)行點(diǎn)方向比對(duì)，通過統(tǒng)計(jì)方向圖匹配點(diǎn)數(shù)在重合區(qū)域內(nèi)點(diǎn)數(shù)比，判斷兩個(gè)指紋是否來自同一指頭。
本發(fā)明所用的特征包括M＝{{m，I}，{n，O}}其中{m，I}表示細(xì)節(jié)特征向量的個(gè)數(shù)和細(xì)節(jié)特征向量I＝{i1，i2，…，im}，每個(gè)細(xì)節(jié)特征向量ik＝{xk，yk，θk}其中{n，O}表示方向特征個(gè)數(shù)和方向特征O＝{o1，o2…，on}，每個(gè)方向特征向量ok＝{xk，yk，θk}為了減小特征向量集所需存儲(chǔ)空間，本發(fā)明采用定長(zhǎng)存儲(chǔ)。細(xì)節(jié)特征個(gè)數(shù)m、n、坐標(biāo)x和y存儲(chǔ)為無符號(hào)短整型，0～65535；將方向2π量化為0～255，方向θ的大小就為0～255。
本發(fā)明主要包括下來步驟1、對(duì)計(jì)算指紋圖像的灰度梯度，根據(jù)梯度計(jì)算梯度閾值，進(jìn)行初次分割，提取出指紋圖像的有效區(qū)域。
2、計(jì)算初次分割提取出有效區(qū)域的方向一致性，與0.39比較，除去初次分割提取有些區(qū)域中一些方向一致性小的區(qū)域，得到最終的指紋圖像有效區(qū)域。
3、計(jì)算分割得到有效區(qū)域的點(diǎn)方向圖。
4、計(jì)算紋線的平均周期。
5、生成濾波矩陣，對(duì)指紋圖像進(jìn)行濾波增強(qiáng)。
6、對(duì)增強(qiáng)后的指紋圖像利用OTSU方法進(jìn)行二值化，查表的方法進(jìn)行細(xì)化，最后進(jìn)行細(xì)節(jié)點(diǎn)提取。
7、細(xì)節(jié)特征向量匹配，生成校正參數(shù)序列。統(tǒng)計(jì)校正序列的校正參數(shù)，確定含有校正參數(shù)數(shù)目最多的區(qū)間，求該區(qū)間內(nèi)校正參數(shù)的加權(quán)平均數(shù)，以該平均數(shù)，對(duì)模板庫中的細(xì)節(jié)特征向量與方向特征向量進(jìn)行校正。
8、將模板集中的細(xì)節(jié)特征向量校正后與輸入指紋細(xì)節(jié)特征向量進(jìn)行比對(duì)，如果匹配點(diǎn)的數(shù)目不小于8個(gè)，將校正后的方向特征向量與輸入指紋對(duì)應(yīng)坐標(biāo)位置的方向比對(duì)，若方向差絕對(duì)值小于π/16，或方向差絕對(duì)值小于與π的差絕對(duì)值小于π/16，則認(rèn)為對(duì)應(yīng)點(diǎn)處的方向是一致的。統(tǒng)計(jì)不一致的方向特征數(shù)，如果不一致特征向量數(shù)與比較總特征向量的比值數(shù)小于0.045，認(rèn)為整體方向場(chǎng)是匹配。
本發(fā)明克服了目前基于中心點(diǎn)、局部點(diǎn)集等匹配方法在確定校正參數(shù)，進(jìn)行匹配存在的缺點(diǎn)，提高了識(shí)別的準(zhǔn)確性


圖1特征向量對(duì)匹配示意圖；圖2細(xì)節(jié)特征疊加在西化指紋圖像上；圖3象素八鄰域編碼表；圖4分割后的指紋圖像；圖5原始指紋圖像；圖6分割后的指紋圖像。
下面結(jié)合附圖和具體實(shí)施方式
對(duì)本發(fā)明作進(jìn)一步的說明具體實(shí)施方式
實(shí)施例1下面對(duì)本發(fā)明的具體實(shí)施作詳細(xì)說明。
1、對(duì)計(jì)算指紋圖像的灰度梯度，根據(jù)梯度計(jì)算梯度閾值，進(jìn)行初次分割，提取出指紋圖像的有效區(qū)域。步驟如下(1)利用x方向Sobel算子計(jì)算圖像的x方向梯度Gx，y方向Sobel算子y方向梯度Gy，計(jì)算G=Gx2+Gy2,]]>對(duì)G進(jìn)行13×13的均值濾波，接著對(duì)梯度取對(duì)數(shù)G＝50*log2(G+1)，并對(duì)G進(jìn)行四舍五入。
(2)找出G中的最大值與最小值，將G中的所有值減去最小值，這時(shí)G的最大值為原來最大值減去最小值得到的值用G_Max表示，最小值為0；(3)計(jì)算G的直方圖HistGrad[G_Max-1]，統(tǒng)計(jì)G中元素的個(gè)數(shù)PixelGrad；(4)計(jì)算閾值矩陣Threshold[i]＝N1[i]*N2[i]*(M1[i]-M2[i])2，其中Sum=Σk=0G_Max-1k*HistGrad[k]]]>M1[i]=Σk=0ik*HistGrad[k]]]>M2[i]＝Sum-M1[i]M1[i]=Σk=0iHistGrad[k]]]>
N2[i]＝PixelGrad-N1[i]在閾值矩陣Threshold[i]尋找最大值，最大值對(duì)應(yīng)的下標(biāo)k為閾值。
(5)將矩陣G中的元素與梯度閾值比較，提取出有效區(qū)域得到每個(gè)像素的屬性矩陣PointType，PointType[i，j]為1，表示該點(diǎn)對(duì)應(yīng)像素為初次分割的有效區(qū)域像素，PointType[i，j]為0，表示該點(diǎn)對(duì)應(yīng)的像素為無效區(qū)域像素。
2、計(jì)算初次分割提取出有效區(qū)域的方向一致性，與0.39比較，除去初次分割提取有些區(qū)域中一些方向一致性小的區(qū)域，得到最終的指紋圖像有效區(qū)域。
(1)根據(jù)Gx和Gy計(jì)算Vx=Gx2-Gy2,]]>Vy＝2GxGy和V=Vx2+Vy2;]]>(2)對(duì)Vx、Vy、V分別進(jìn)行15×15的均值濾波；(3)計(jì)算每個(gè)像素的方向一致性Coheremce=Vx2+Vy2V,]]>將Coherence[i，j]與閾值0.39比較，若小于該值，則PointType[i，j]為0，表示該點(diǎn)應(yīng)為無效區(qū)域；圖1是指紋原始圖像，圖2經(jīng)過分割處理后提取出的指紋圖像有效區(qū)域圖像。
3、對(duì)Vx、Vy分別進(jìn)行31×31的均值濾波，計(jì)算指紋圖像的點(diǎn)方向圖Oriemt=π2-antan2(Vy,Vx)]]>并將他量化0～255。
4、計(jì)算指紋的平均紋線周期，具體步驟如下(1)以橫縱坐標(biāo)為16倍數(shù)的像素為中心，選取以矩形區(qū)域，矩形的寬l為32，垂直與該像素對(duì)應(yīng)的紋線方向，高h(yuǎn)為16。計(jì)算在寬上投影在同一個(gè)點(diǎn)的所以像素的灰度和
x[l]=Σh=-87S(l,h)]]>=Σd=-87S(i-(l-8)sin(θ)+hcos(θ),j+(l-8)cos(θ)+hsin(θ))---(2.3-14)]]>其中h為h-l坐標(biāo)系內(nèi)坐標(biāo)其中l(wèi)＝0，2，3…，31(2)計(jì)算x[l]的均值，將x[l]減去它的均值，得到新的x′[l]；(3)計(jì)算F(k)=Σk=031x′(k)e-j2πnk/N]]>，在F(k)中，下表0～N/2找出幅值最大值的下表m，則該處紋線的周期Tm=Nm]]>，其中N＝256；(4)求出各個(gè)位置的周期，計(jì)算所用周期落在5～22范圍內(nèi)的周期和，求其平均值，就得到指紋圖像的平均紋線周期。
(5)(離線注冊(cè)狀態(tài))將指紋的平均周期存入模板庫，將所有在有效區(qū)域，坐標(biāo)為4的倍數(shù)處的方向存入模板庫。
5、生成濾波矩陣，對(duì)指紋圖像進(jìn)行濾波增強(qiáng)，具體步驟如下h(θ,i,f)=exp[-12((icos(θ)+ysin(θ))2+(-isin(θ)+jcos(θ))24T)]cos(2π(icos(θ)+ysin(θ))T)]]>(1)根據(jù)周期，生成濾波矩陣其中θ＝0～15；(2)F(i,j)=Σu=-88Σv=-88h(θ,i+u,j+v)*f(i+u,j+v)]]>，濾波矩陣的選擇根據(jù)各個(gè)像素的方法，將各個(gè)像素的方向數(shù)值加8后除以16，得到的商若小于等于15，就選擇濾波矩陣對(duì)應(yīng)的矩陣，若大于15，選擇θ＝0的濾波矩陣，若f(i+u，j+v)落入圖像外部，值取255。
6、指紋圖像的二值化，重復(fù)1操作的過程，不過在生成直方圖時(shí)，無效區(qū)域像素灰度不參與統(tǒng)計(jì)。二值化結(jié)束后，進(jìn)行一次區(qū)域填充。對(duì)脊線像素，檢查其8鄰域連同像素的數(shù)目，若小于T2/2，將該區(qū)域填充為背景；對(duì)背景像素像素，檢查其4鄰域連同像素的數(shù)目，若小于T2/2，將該區(qū)域像素設(shè)置為脊線像素。圖3是經(jīng)過增強(qiáng)二值化后的指紋圖像。
7、指紋圖像的細(xì)化采用查表的方法TABLE1[256]＝{0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，0，0，0，0，0，1，1，0，1，0，0，0，0，0，0，0，0，0，0，0，0，1，1，0，1，0，0，0，0，1，0，0，0，1，0，0，0，1，1，0，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，1，0，1，0，0，0，0，1，0，0，0，1，0，0，0，1，1，0，0，1，0，0，0，0，0，0，0，0，0，0，0，1，1，0，1，0，0，0，0，1，0，0，0，1，0，0，0，1，1，0，0，1，0，0，0}TABLE2[256]＝{0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，1，1，1，0，1，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，1，1，0，1，1，0，0，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，1，1，0，0，1，1，0，0，1，1，0，0，1，1，0，0，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，1，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，0，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0}(1)才將指紋8鄰域編碼，編碼方法如圖3，像素P的8鄰域編碼值Index為A＝A0+2·A1+4·A2+8·A3+16·A4+32·A5+64·A6+128·A7(2)遍歷整個(gè)圖像，若P為脊線像素，計(jì)算P的8鄰域編碼，查表TABLE1[A]為1，刪除該像素，將刪除標(biāo)志flag設(shè)置為TRUE。
(3)遍歷整個(gè)圖像，若P為脊線像素，計(jì)算P的8鄰域編碼，查表TABLE2[A]為1，刪除該像素，將刪除標(biāo)志flag設(shè)置為TRUE。
(4)檢查flag，若為TRUE，重復(fù)7.2、7.3，若為FALSE，細(xì)化結(jié)束。
8、指紋的特征提取(1)利用3×3的窗口在圖像的有效區(qū)域進(jìn)行平移，當(dāng)中心像素為脊線上像素時(shí)，考察8鄰域像素是否為脊線像素，若存在1個(gè)脊線像素為則該中心像素為終止點(diǎn)，若存在3個(gè)脊線像素，且互不相鄰，則為分叉點(diǎn)。
(2)若為中止點(diǎn)，沿著脊線追蹤，整周期個(gè)像素，追蹤結(jié)束像素與中止點(diǎn)像素連線與x正方向的夾角為該特征點(diǎn)的方向；若為分叉點(diǎn)，沿三個(gè)脊線方向追蹤整周期個(gè)像素，追蹤結(jié)束的三個(gè)像素點(diǎn)，比較距離最近的兩個(gè)的中點(diǎn)與分叉點(diǎn)連線與x正方向的夾角和該像素點(diǎn)對(duì)應(yīng)的方向差異，若相差接近于180°，該細(xì)節(jié)特征的方向?yàn)樵撓袼攸c(diǎn)方向加上180°，若相差較小，該細(xì)節(jié)特征的方向?yàn)樵撓袼攸c(diǎn)方向。
(3)檢查所有的終止點(diǎn)中，若兩個(gè)終止點(diǎn)的距離小于紋線周期T，且兩個(gè)中止點(diǎn)方向相差180度，刪除兩個(gè)終止點(diǎn)，認(rèn)為是提取錯(cuò)誤。
(4)檢查所有的終止點(diǎn)與分叉點(diǎn)，分叉點(diǎn)與分叉點(diǎn)，若距離小于T，且兩個(gè)點(diǎn)是連同的，刪除終止點(diǎn)和分叉點(diǎn)，認(rèn)為是提取錯(cuò)誤。圖5是經(jīng)過特征提取后將特征疊加在細(xì)化紋線上的圖像。
9、指紋的特征匹配(1)比較兩個(gè)特征向量集對(duì)應(yīng)的紋線周期，如果輸入指紋周期與兩個(gè)紋線周期的平均值的比值大于0.9，且小于1.1進(jìn)行細(xì)節(jié)特征匹配，否則認(rèn)為這兩個(gè)特征向量集不匹配，兩個(gè)指紋不是來自同一指頭；(2)比對(duì)輸入特征向量集中每一細(xì)節(jié)特征向量對(duì)和模板特征向量集合中所有細(xì)節(jié)特征向量對(duì)；I中任意兩個(gè)點(diǎn)對(duì)ipiq與I’中任意兩個(gè)點(diǎn)對(duì)i′p′i′q′的匹配方法(特征向量對(duì)匹配示意圖如圖6)1)計(jì)算距離|ipiq|與|i′p′i′q′|的差的絕對(duì)值，與閾值DisTh(設(shè)置為紋線的周期T)比較，若大于DisTh，則認(rèn)為ip與i′p′，iq與i′q′是不匹配的，若不大于DisTh，則進(jìn)行(2)；2)比較細(xì)節(jié)特征矢量與兩點(diǎn)連線的夾角，∠ip與∠i′p′，∠iq與∠i′q′，若兩對(duì)角的度數(shù)差的絕對(duì)值都不大于閾值A(chǔ)ngTh(設(shè)置為π/16)，則認(rèn)為ip與i′p′，iq與i′q′是匹配的，否則認(rèn)為是不匹配的。若ipiq與i′p′i′q′匹配，計(jì)算平移和旋轉(zhuǎn)平移參數(shù)值(Δx，Δy，Δθ)，存入匹配結(jié)果鏈表Re；計(jì)算公式為Δx=x′-xΔy=y′-yΔθ=α′-α]]>
(3)在鏈表中尋找Δx，Δy，Δθ三個(gè)參數(shù)的最小值min_Δx，min_Δy，min_Δθ與最大值max_Δx，min_Δy，min_Δθ；(4)設(shè)置Δx，Δy，Δθ三個(gè)參數(shù)的統(tǒng)計(jì)步進(jìn)寬度為紋線周期，統(tǒng)計(jì)每個(gè)步進(jìn)中的頻數(shù)；統(tǒng)計(jì)Δx，Δy，Δθ三個(gè)參數(shù)對(duì)應(yīng)頻數(shù)最大的范圍DX，DY，DAng；(5)計(jì)算DX范圍內(nèi)所對(duì)應(yīng)的Δy的最小值MINY和最大值MAXY，計(jì)算DY范圍內(nèi)所對(duì)應(yīng)的Δx的最小值MINX和最大值MAXX；(6)求取(MINX，MINY)與(MAXX，MAXY)范圍內(nèi)的(Δx，Δy，Δθ)的數(shù)學(xué)期望(EΔx，EΔy，EΔθ)；(7)以(EΔx，EΔy，EΔθ)為校正參數(shù)，校正特征向量集合I＝{i1，i2，…，im}；校正公式x′y′=cosEΔθ-sinEΔθsinEΔθcosEΔθxy+EΔxEΔyα′=α+EΔθ]]>(8)計(jì)算(ik，i′k′)兩點(diǎn)的距離，若小于紋線周期，(ik，i′k′)對(duì)應(yīng)的方向相差為，認(rèn)為(ik，i′k′)是兩個(gè)特征向量集中匹配的向量。統(tǒng)計(jì)匹配的點(diǎn)數(shù)，若超過8個(gè)細(xì)節(jié)特征匹配，進(jìn)行(9)，否則認(rèn)為不匹配；(9)校正模板方向特征向量O＝{o1，o2…，on}，與輸入指紋圖像的方向圖進(jìn)行比對(duì)，對(duì)應(yīng)的方向角angi與坐標(biāo)(xi，yi)處的方向作差，得到Δang，如果Δang的絕對(duì)值小于閾值A(chǔ)ngTh(設(shè)置為π/16)，或Δang-π的絕對(duì)值小于AngTh，或Δang+π小于AngTh，則認(rèn)為對(duì)應(yīng)點(diǎn)處的方向是一致的。統(tǒng)計(jì)方向不一致的點(diǎn)數(shù)，如果不一致點(diǎn)數(shù)與比較總點(diǎn)數(shù)小于0.045，認(rèn)為整體方向場(chǎng)是匹配，兩個(gè)指紋匹配。
權(quán)利要求
1.基于統(tǒng)計(jì)方法的指紋識(shí)別方法，其特征為對(duì)采集到的指紋圖像進(jìn)行分割，提取出指紋圖像中可以通過增強(qiáng)算法恢復(fù)的區(qū)域，分割采用基于閾值的方法，對(duì)紋線的灰度梯度和梯度方向一致性設(shè)置閾值進(jìn)行分割，步驟如下(1)利用Sobel算子計(jì)算每個(gè)像素的x方向梯度Gx與y方向梯度Gy，計(jì)算出該像素的梯度G(i,j)=(Gx2+Gy2),]]>并對(duì)梯度矩陣進(jìn)行N×N的均值濾波，N取8-13；(2)對(duì)梯度取對(duì)數(shù)G(i，j)＝50*log2(G(i，j)+1)，并且將梯度矩陣取整數(shù)；(3)計(jì)算圖像方向一致性參數(shù)coh=|ΣΣG→2|ΣΣ|G→2|=|ΣΣ(Gx2-Gy2)+jΣΣ(2GxGy)|ΣΣ|(Gx2-Gy2)+j2GxGy|;]]>(4)梯度閾值采用OTSU方法動(dòng)態(tài)設(shè)定，方向一致性閾值設(shè)置為0.39，將梯度與方向一致性與對(duì)應(yīng)閾值比較，若小于閾值，則為背景，相反，就為有效區(qū)域；計(jì)算分割得到有效區(qū)域的點(diǎn)方向圖，Orient=π2-antan2(Vy,Vx),]]>并將他量化0～255；計(jì)算紋線的平均周期，步驟如下(1)以橫縱坐標(biāo)為16倍數(shù)的像素為中心，選取以矩形區(qū)域，矩形的寬l為32，垂直與該像素對(duì)應(yīng)的紋線方向，高h(yuǎn)為16，計(jì)算在寬上投影在同一個(gè)點(diǎn)的所以像素的灰度和x[l]=Σh=-87S(l,h)]]>其中h為h-l坐標(biāo)系內(nèi)坐標(biāo)=Σd=-87S(i-(l-8)sin(θ)+hcos(θ),j+(l-8)cos(θ)+hsin(θ))(2.3-14)]]>其中l(wèi)＝0，2，3…，31(2)計(jì)算x[l]的均值，將x[l]減去它的均值，得到新的x′[l]；(3)計(jì)算F(k)=Σk=031x′(k)e-j2πnk/N,]]>在F(k)中，下表0～N/2找出幅值最大值的下表m，則該處紋線的周期Tm=Nm,]]>其中N＝256；(4)求出各個(gè)位置的周期，計(jì)算所用周期落在5～22范圍內(nèi)的周期和，求其平均值，就得到指紋圖像的平均紋線周期；(5)將指紋的平均周期存入模板庫，將所有在有效區(qū)域，坐標(biāo)為4的倍數(shù)處的方向存入模板庫；生成濾波矩陣，對(duì)指紋圖像進(jìn)行濾波增強(qiáng)，根據(jù)指紋圖像的周期，生成16個(gè)方向周期為紋線周期的濾波矩陣h(i,j,θ,T)=exp[-12((icos(θ)+ysin(θ))2+(-isin(θ)+jcos(θ))24T)]cos(2π(icos(θ)+ysin(θ))T)]]>其中θ取16個(gè)量化方向?yàn)?°，11.2500°，22.5°，33.75°，45°，56.25°，67.5°，78.75°，90°，101.25°，112.5°，123.75°，135°，146.25°，157.5°，168.75°；對(duì)增強(qiáng)后的指紋圖像利用OTSU方法進(jìn)行二值化，查表的方法進(jìn)行細(xì)化，利用查表的方法細(xì)化指紋紋線，表格內(nèi)容為TABLE1[256]＝{0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，0，0，0，0，0，1，1，0，1，0，0，0，0，0，0，0，0，0，0，0，0，1，1，0，1，0，0，0，0，1，0，0，0，1，0，0，0，1，1，0，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，1，0，1，0，0，0，0，1，0，0，0，1，0，0，0，1，1，0，0，1，0，0，0，0，0，0，0，0，0，0，0，1，1，0，1，0，0，0，0，1，0，0，0，1，0，0，0，1，1，0，0，1，0，0，0}TABLE2[256]＝{0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，1，1，1，0，1，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，1，1，0，1，1，0，0，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，1，1，0，0，1，1，0，0，1，1，0，0，1，1，0，0，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，1，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，0，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0}利用統(tǒng)計(jì)的方法進(jìn)行細(xì)節(jié)特征匹配，以及紋線周期和全局方向結(jié)構(gòu)特征匹配，匹配的步驟為(1)將輸入指紋細(xì)節(jié)特征向量集I′＝{i′1，i′2，…，in}中任意兩個(gè)向量對(duì)，與模板庫中指紋細(xì)節(jié)特征向量集I＝{i1，i2，…，im}中的任意兩個(gè)向量對(duì)進(jìn)行比對(duì)，若匹配，計(jì)算有它們確定的平移旋轉(zhuǎn)參數(shù)(Δx，Δy，Δα)，將該校正向量存入序列ΔP中；(2)統(tǒng)計(jì)校正向量序列ΔP中的向量落在某個(gè)區(qū)域的頻數(shù)，確定頻數(shù)大的區(qū)間，計(jì)算該區(qū)間上校正向量的加權(quán)平均值，以該值作為校正參數(shù)對(duì)模板的細(xì)節(jié)特征向量和方向特征向量進(jìn)行平移旋轉(zhuǎn)校正；(3)將校正后的模板特征向量集中的細(xì)節(jié)特征向量集I＝{i1，i2，…，im}與輸入指紋的細(xì)節(jié)特征向量集I′＝{i′1，i′2，…，in}進(jìn)行比對(duì)，如果匹配的點(diǎn)數(shù)大于等于8個(gè)，則進(jìn)行方向場(chǎng)匹配，否則認(rèn)為不是來自同一個(gè)指紋；(4)將模板庫中的校正后方向特征向量集O＝{o1，o2…，on}與指紋圖像對(duì)應(yīng)坐標(biāo)出方向進(jìn)行比對(duì)，若方向差絕對(duì)值小于π/16，或方向差絕對(duì)值小于與π的差絕對(duì)值小于π/16，則對(duì)應(yīng)點(diǎn)處的方向是一致的，統(tǒng)計(jì)不一致點(diǎn)數(shù)，如果不一致點(diǎn)數(shù)與比較總點(diǎn)數(shù)小于0.045，整體方向場(chǎng)是匹配，判斷兩個(gè)指紋是來自同一個(gè)指頭。
全文摘要
一種基于統(tǒng)計(jì)方法的指紋識(shí)別技術(shù)，本發(fā)明首先對(duì)采集到的指紋圖像進(jìn)行分割，利用灰度梯度和方向一致性，將指紋圖像的有效區(qū)域提取出來；采用帶通濾波對(duì)指紋圖像的有效區(qū)域進(jìn)行增強(qiáng)；對(duì)增強(qiáng)后的圖像二值化，獲得紋線結(jié)構(gòu)，提取指紋圖像的細(xì)節(jié)特征和方向信息；最后分為兩步進(jìn)行特征匹配，先將提取到的細(xì)節(jié)特征集與特征庫中的細(xì)節(jié)特征集進(jìn)行比對(duì)，得到一系列平移旋轉(zhuǎn)參數(shù)，通過統(tǒng)計(jì)的方法確定兩個(gè)特征集的平移旋轉(zhuǎn)參數(shù)；然后將模板細(xì)節(jié)特征集平移旋轉(zhuǎn)校正，和提取到的特征進(jìn)行匹配，并對(duì)匹配結(jié)果判斷，得出兩個(gè)指紋是否來自同一指頭的結(jié)論。本發(fā)明克服了目前基于中心點(diǎn)、局部點(diǎn)集等匹配方法在確定校正參數(shù)，進(jìn)行匹配存在的缺點(diǎn)，提高了識(shí)別的準(zhǔn)確性。
文檔編號(hào)G06K9/00GK101079102SQ200710035239
公開日2007年11月28日 申請(qǐng)日期2007年6月28日 優(yōu)先權(quán)日2007年6月28日
發(fā)明者鄧宏貴, 曹祥 申請(qǐng)人:中南大學(xué)