專(zhuān)利名稱:一種新的指紋奇異點(diǎn)檢測(cè)方法
技術(shù)領(lǐng)域:
本發(fā)明涉及一種指紋圖像檢測(cè)方法,具體地說(shuō)一種實(shí)用自動(dòng)指紋識(shí)別系統(tǒng)(AFIS)中的低質(zhì) 量指紋圖像的新的指紋奇異點(diǎn)檢測(cè)方法。
技術(shù)背景目前在實(shí)用自動(dòng)指紋識(shí)別系統(tǒng)中,指紋分類(lèi)技術(shù)是加快系統(tǒng)識(shí)別速度的關(guān)鍵技術(shù)之一, 而現(xiàn)今主流的分類(lèi)技術(shù)多是依據(jù)奇異點(diǎn)的數(shù)目、類(lèi)型和位置等信息來(lái)實(shí)現(xiàn)的,而且在處理低 質(zhì)量指紋圖像時(shí)所采用的紋理匹配算法也需要準(zhǔn)確可靠的奇異點(diǎn)信息?,F(xiàn)今自動(dòng)指紋識(shí)別系 統(tǒng)中采用的主流的奇異點(diǎn)提取方法,絕大多數(shù)依賴于指紋方向場(chǎng)的準(zhǔn)確提取,但在處理低質(zhì) 量指紋圖像時(shí),由于可靠的計(jì)算紋線方向本身就是一個(gè)難題,因而這些方法提取的奇異點(diǎn)不 僅定位不夠準(zhǔn)確,在紋線方向計(jì)算有誤的地方以及一些噪聲污染的地方,還往往容易檢測(cè)到 許多虛假的奇異點(diǎn)。這使得這些方法難以有效滿足工程應(yīng)用。在實(shí)際的應(yīng)用中需要一種準(zhǔn)確 可靠的奇異點(diǎn)提取算法。 發(fā)明內(nèi)容本發(fā)明的目的就是為了解決現(xiàn)有的奇異點(diǎn)提取方法嚴(yán)重依賴指紋方向場(chǎng)、不能有效處理 低質(zhì)量指紋圖像、難以適于工程應(yīng)用等問(wèn)題,提供一種準(zhǔn)確可靠的新的指紋奇異點(diǎn)檢測(cè)方法, 該方法分為前后兩個(gè)階段,前一階段對(duì)現(xiàn)有的Poincare index龐加萊指數(shù)方法進(jìn)行了有效的改 進(jìn),并利用其提取指紋圖像中的候選奇異點(diǎn),后一階段效利用Gaussian-Hermite高斯-埃爾米 特矩矩對(duì)候選奇異點(diǎn)進(jìn)行去偽處理,該方法有效結(jié)合了奇異點(diǎn)周?chē)徲虻募y線方向變化信息 和奇異點(diǎn)周?chē)植繀^(qū)域的紋線一致性變化趨勢(shì)信息,能準(zhǔn)確可靠地提取指紋圖像中的奇異點(diǎn), 具有抗噪性強(qiáng)、準(zhǔn)確可靠性高、工程應(yīng)用價(jià)值大等特點(diǎn)。為實(shí)現(xiàn)上述目的,本發(fā)明采用如下技術(shù)方案一種準(zhǔn)確可靠的奇異點(diǎn)提取方法,它的方法為,(1) 預(yù)備階段包括指紋圖像的背景分離和方向場(chǎng)信息計(jì)算。(2) 第一階段候選奇異點(diǎn)的提取,包括以下幾個(gè)步驟(a) 方向域O'中的每一個(gè)點(diǎn)(7,"按公式(l)計(jì)算其相應(yīng)的Poincare index龐加萊指數(shù)。本算法中采用了兩條長(zhǎng)度分別為5X5和7X7的封閉曲線來(lái)計(jì)算每個(gè)點(diǎn)的Poincare index龐加萊指數(shù)值,只要其中一條的計(jì)算結(jié)果符合 奇異點(diǎn)條件,則認(rèn)定該點(diǎn)為候選奇異點(diǎn),若兩條曲線檢測(cè)出的奇異點(diǎn)類(lèi)型不一 致,則直接認(rèn)定該點(diǎn)為偽點(diǎn)。(b) 對(duì)上一步檢測(cè)到的core核心點(diǎn)點(diǎn)和delta三角點(diǎn)運(yùn)用聚類(lèi)算法按歐氏距離(c)分別進(jìn)行聚類(lèi),并統(tǒng)計(jì)各個(gè)聚類(lèi)包含的奇異點(diǎn)的個(gè)數(shù)i^。 iVw<i^ (N表示指 紋模式區(qū)應(yīng)該能夠檢測(cè)到的奇異點(diǎn)的個(gè)數(shù),這里iV取為25)的聚類(lèi)被刪除。求取剩余的各個(gè)聚類(lèi)的平均突變程度,并按奇異點(diǎn)類(lèi)型、突變程度大小分 別對(duì)這些聚類(lèi)進(jìn)行排序,選取前Af (本方法M=3, core核心點(diǎn)點(diǎn)聚類(lèi)和delta 三角點(diǎn)點(diǎn)聚類(lèi)都取3個(gè),當(dāng)實(shí)際聚類(lèi)個(gè)數(shù)少于3個(gè)時(shí)取實(shí)際聚類(lèi)個(gè)數(shù))個(gè)突變 程度較大的聚類(lèi)作為候選奇異點(diǎn)聚類(lèi),候選奇異點(diǎn)最終就定位在這些聚類(lèi)的質(zhì) 心上。(3)第二階段候選奇異點(diǎn)的去偽,包含以下幾個(gè)步驟(a) 對(duì)每個(gè)候選奇異點(diǎn),按公式(2)計(jì)算其周?chē)霃綖?T的圓形鄰域內(nèi)每個(gè)像素 的分布一致性coherence值(r為平均紋線距離)。(b) 然后將該圓形區(qū)域劃分為32個(gè)扇形和一個(gè)中心小圓形區(qū)域并計(jì)算各個(gè)部分的 平均coherence值,圓形區(qū)域的半徑和兩個(gè)圓帶的寬度均為2r 。(c) 最后,比較16個(gè)方向每個(gè)方向上的三個(gè)區(qū)域的平均分布一致性coherence值的 大小(中心圓形區(qū)域?yàn)?6個(gè)方向公共的區(qū)域),若自里向外分布一致性 coherence值越來(lái)越大,則標(biāo)記該方向?yàn)橛行Х较?。?duì)某一候選奇異點(diǎn)而言, 若有效方向數(shù)大于等于10,則提取該點(diǎn)為奇異點(diǎn),否則,認(rèn)為該點(diǎn)為偽點(diǎn)。 若奇異點(diǎn)的某些方向出了指紋邊界則將剩余的方向作為參考方向,在這些方向 上計(jì)算有效方向。此外,經(jīng)實(shí)驗(yàn)分析,計(jì)算每個(gè)象素分布一致性coherence值 的窗口大小取為(4r+l) X (4r+l)較為合適。第一階段,所述步驟(a)中,計(jì)算每一個(gè)奇異點(diǎn)(7,"的Poincareindex龐加萊指數(shù)值 時(shí)按如下的公式進(jìn)行<formula>formula see original document page 6</formula> 其中^(0和^,(/)分別是以給定點(diǎn)為中心的具有A^個(gè)像素的封閉曲線上第A個(gè)點(diǎn)的;c和y坐標(biāo)。^W表示兩相鄰方向角的差值,A")表示對(duì)差值調(diào)整以后的結(jié)果,i'表示第點(diǎn)之后的下一個(gè)點(diǎn)。本算法中采用了 5X 5和7X7的正方形封閉曲線,該公式的形成基于對(duì)原有Poincare Index 龐加萊指數(shù)方法的改進(jìn),用于計(jì)算某點(diǎn)對(duì)應(yīng)封閉曲線上方向角變化的累積。所述步驟(a)中,奇異點(diǎn)條件是指本方法提出的奇異點(diǎn)應(yīng)滿足的條件,該條件是對(duì)公 式(1)的計(jì)算過(guò)程進(jìn)行約束,具體是指,在沿封閉曲線做方向角變化的累加時(shí)附加以下限制 條件(1)統(tǒng)計(jì)這A^個(gè)方向的符號(hào)變化次數(shù),若方向由正到負(fù)和由負(fù)到正各發(fā)生一次,且僅有一次,則繼續(xù)計(jì)算其Poincare index龐加萊指數(shù)值,否則,認(rèn)為該點(diǎn)是 普通點(diǎn)。(2) 統(tǒng)計(jì)這iVv/個(gè)差中綿對(duì)值^l的差的個(gè)數(shù),若個(gè)數(shù)多于一個(gè)則認(rèn)為該點(diǎn)是普通 點(diǎn)。(3) 如果最終Poincare index龐加萊指數(shù)的值為1/2,那么該給定點(diǎn)(X "就被 確定為core核心點(diǎn),如果Poincare index龐加萊指數(shù)值為-3/2,那么該給定 點(diǎn)","就被確定為delta三角點(diǎn)。第一階段,所述步驟(b)中,N取值25是基于對(duì)試驗(yàn)結(jié)果的分析,在指紋的奇異點(diǎn)區(qū)能夠檢測(cè)到的奇異點(diǎn)數(shù)目是相對(duì)穩(wěn)定的且集中在奇異點(diǎn)區(qū)的最內(nèi)部,對(duì)于低質(zhì)量指紋圖像, 只要奇異點(diǎn)區(qū)不受大噪聲的污染,那么在奇異點(diǎn)區(qū)內(nèi)能夠檢測(cè)到的奇異點(diǎn)的數(shù)目也是穩(wěn)定的,本方法N取25。第一階段,所述步驟(c)中,突變程度是指,封閉曲線上相鄰兩方向角作差過(guò)程中,絕對(duì)值22的那個(gè)差值,平均突變程度是指每一聚類(lèi)內(nèi)所有像素的突變程度的平均。 2第二階段,所述步驟(a)中,本方法利用分布一致性coherence值來(lái)表達(dá)紋線的一致性 信息,而分布一致性coherence值的計(jì)算采用了 Gaussian-Hermite高斯-埃爾米特矩。本方法 用四個(gè)矩來(lái)描述指紋的紋線一致性信息Mod,瑪.0, M0.3 , M3,0。并對(duì)這四個(gè)不同階的 Gaussian-Hermite矩做如下定義h(xj)"Mw(A:,;;,/"力)+ (l-肌.o"y,/0,力) (2) 這里A ((X;u1)是不同階的Gaussian-Hermite高斯-埃爾米特矩的聯(lián)合權(quán)重系數(shù)(本方法中義取值o.5)。利用定義(2),指紋圖像中的每一個(gè)象素(7, y>>都可以計(jì)算得到一個(gè)特征向量/^乾/。在指紋奇異點(diǎn)區(qū)和非奇異點(diǎn)區(qū)/^乾/的分布具有不同的特征,在非奇異點(diǎn)區(qū) 乾/沿著垂直于脊線的方向分布,在奇異點(diǎn)區(qū)/乾,乾/則均勻地分布在各個(gè)方向上,本 方法采用主分量分析方法提取/"慫,乾/的分布特性,/乾乾/協(xié)方差矩陣A由下式定義(3)其中,w =_l_^m , w =_J_xa/v / 表示窗口 w內(nèi)平均的Mu值,w,表示窗口w內(nèi)平均的M,值,/jA77是窗口 w的大小,,nXr 是窗口 w的大小,本方法n取值為+1, r為平 均紋線距離。設(shè);u和;i2是協(xié)方差矩陣&的兩個(gè)特征值,則當(dāng)"》;i2時(shí),妖/的分布主要是沿著長(zhǎng) 軸方向分布,也即沿著垂直于脊線的方向分布,而在噪聲區(qū)或者奇異點(diǎn)區(qū);ii和;i2的值是很接近的,話此,定義/"乾,乾/的分布一致性coherence特征如下.A 一 A—■ (i;(a/,-m,)v+(i;(A/,-i o2)2+2(s -m.)(M,- o)2由此,紋線一致性越好,分布一致性coherence越大。本發(fā)明的有益效果由于采用了兩階段的處理方法,奇異點(diǎn)提取的可靠性有了較大程度 的提高,特別是在處理低質(zhì)量指紋圖像時(shí),奇異點(diǎn)的漏檢、誤檢現(xiàn)象有了較大程度的減少。
此外,對(duì)原有的Poincare index龐加萊指數(shù)方法進(jìn)行了改進(jìn),提高其抗噪能力,避免了對(duì)方向 場(chǎng)的多次平滑處理,使最終提取的奇異點(diǎn)準(zhǔn)確性得到有效提高。滿足了實(shí)用自動(dòng)指紋識(shí)別系 統(tǒng)(AFIS)的應(yīng)用需求。
圖l為去偽模板圖像;
圖2為算法流程圖。
具體實(shí)施例方式
下面結(jié)合附圖與實(shí)施例對(duì)本發(fā)明做進(jìn)一步說(shuō)明。
一種準(zhǔn)確可靠的奇異點(diǎn)提取方法,它的方法為,
(4) 預(yù)備階段包括指紋圖像的背景分離和方向場(chǎng)信息計(jì)算。
(5) 第一階段候選奇異點(diǎn)的提取,包括以下幾個(gè)步驟
(d) 方向域<9'中的每一個(gè)點(diǎn)(7,"按公式(l)計(jì)算其相應(yīng)的Poincare index龐
加萊指數(shù)尸e,cay)。本算法中采用了兩條長(zhǎng)度分別為5X5和7X7的封閉曲線
來(lái)計(jì)算每個(gè)點(diǎn)的Poincare index龐加萊指數(shù)值,只要其中一條的計(jì)算結(jié)果符合 奇異點(diǎn)條件,則認(rèn)定該點(diǎn)為候選奇異點(diǎn),若兩條曲線檢測(cè)出的奇異點(diǎn)類(lèi)型不一 致,則直接認(rèn)定該點(diǎn)為偽點(diǎn)。
(e) 對(duì)上一步檢測(cè)到的core核心點(diǎn)和delta三角點(diǎn)運(yùn)用聚類(lèi)算法按歐氏距離分 別進(jìn)行聚類(lèi),并統(tǒng)計(jì)各個(gè)聚類(lèi)包含的奇異點(diǎn)的個(gè)數(shù)A^, AT,^iV(這里W取為 25)的聚類(lèi)被刪除。
(f) 求取剩余的各個(gè)聚類(lèi)的平均突變程度,并按奇異點(diǎn)類(lèi)型、突變程度大小分 別對(duì)這些聚類(lèi)進(jìn)行排序,選取前M (本方法A/=3, core點(diǎn)聚類(lèi)和delta點(diǎn)聚類(lèi) 都取3個(gè),當(dāng)實(shí)際聚類(lèi)個(gè)數(shù)少于3個(gè)時(shí)取實(shí)際聚類(lèi)個(gè)數(shù))個(gè)突變程度較大的聚 類(lèi)作為候選奇異點(diǎn)聚類(lèi),候選奇異點(diǎn)最終就定位在這些聚類(lèi)的質(zhì)心上。
(6) 第二階段候選奇異點(diǎn)的去偽,如圖2所示,包含以下幾個(gè)步驟
(d) 對(duì)每個(gè)候選奇異點(diǎn),按公式(2)計(jì)算其周?chē)霃綖?r的圓形鄰域內(nèi)每個(gè)像素 的分布一致性coherence值(r為平均紋線距離)。
(e) 然后按圖1所示的模板將該圓形區(qū)域劃分為32個(gè)扇形和一個(gè)中心小圓形區(qū)域 并計(jì)算各個(gè)部分的平均分布一致性coherence值,圓形區(qū)域的半徑和兩個(gè)圓帶
的寬度均為27T 。
(f) 最后,比較16個(gè)方向每個(gè)方向上的三個(gè)區(qū)域的平均分布一致性coherence值的 大小(中心圓形區(qū)域?yàn)?6個(gè)方向公共的區(qū)域),若自里向外分布一致性 coherence值越來(lái)越大,則標(biāo)記該方向?yàn)橛行Х较?。?duì)某一候選奇異點(diǎn)而言, 若有效方向數(shù)大于等于10,則提取該點(diǎn)為奇異點(diǎn),否則,認(rèn)為該點(diǎn)為偽點(diǎn)。 若奇異點(diǎn)的某些方向出了指紋邊界則將剩余的方向作為參考方向,在這些方向 上計(jì)算有效方向。此外,經(jīng)實(shí)驗(yàn)分析,計(jì)算每個(gè)象素分布一致性coherence值 的窗口大小取為(4f+l) X (4r+l)較為合適。具體的算法流程圖如圖2 所示。第一階段,所述步驟(a)中,計(jì)算每一個(gè)點(diǎn)(7,"的Poincareindex值時(shí)按如下的公式 進(jìn)行
<formula>formula see original document page 9</formula>
其中v^(0和t^(/)分別是以給定點(diǎn)為中心的具有Ay個(gè)像素的封閉曲線上第a個(gè)點(diǎn)的
;c和y坐標(biāo)。"*)表示兩相鄰方向角的差值,A(^表示對(duì)差值調(diào)整以后的結(jié)果,i'表示第i個(gè) 點(diǎn)、之后^j下一>j^點(diǎn)。
'本算法中采^了5X5和7X7的正方形封閉曲線,該公式的形成基于對(duì)原有Poincare Index 龐加萊指數(shù)方法的改進(jìn),用于計(jì)算某點(diǎn)對(duì)應(yīng)封閉曲線上方向角變化的累積。
所述步驟(a)中,奇異點(diǎn)條件是指本方法提出的奇異點(diǎn)應(yīng)滿足的條件,該條件是對(duì)公 式(1)的計(jì)算過(guò)程進(jìn)行約束,具體是指,在沿封閉曲線做方向角變化的累加時(shí)附加以下限制 條件
(1) 統(tǒng)計(jì)這W^個(gè)方向的符號(hào)變化次數(shù),若方向由正到負(fù)和由負(fù)到正各發(fā)生一次,
且僅有一次,則繼續(xù)計(jì)算其Poincare index龐加萊指數(shù)值,否則,認(rèn)為該點(diǎn)是 普通點(diǎn)。
(2) 統(tǒng)計(jì)這W^個(gè)差中絕對(duì)值》i的差的個(gè)數(shù),若個(gè)數(shù)多于一個(gè)則認(rèn)為該點(diǎn)是普通 點(diǎn)。
(3) 如果最終Poincare index龐加萊指數(shù)的值為1/2,那么該給定點(diǎn)(7, JJ就被確 定為core核心點(diǎn),如果Poincare index龐加萊指數(shù)值為-1/2,那么該給定點(diǎn)。', "就被確定為delta三角點(diǎn)點(diǎn)。
第一階段,所述步驟(b)中,N取值25是基于對(duì)試驗(yàn)結(jié)果的分析,在指紋的奇異點(diǎn)區(qū) 能夠檢測(cè)到的奇異點(diǎn)數(shù)目是相對(duì)穩(wěn)定的且集中在奇異點(diǎn)區(qū)的最內(nèi)部,對(duì)于低質(zhì)量指紋圖像, 只要奇異點(diǎn)區(qū)不受大噪聲的污染,那么在奇異點(diǎn)區(qū)內(nèi)能夠檢測(cè)到的奇異點(diǎn)的數(shù)目也是穩(wěn)定的, 本方法N取25。
第一階段,所述步驟(c)中,突變程度是指,封閉曲線上相鄰兩方向角作差過(guò)程中,絕
對(duì)值》^的那個(gè)差值,平均突變程度是指每一聚類(lèi)內(nèi)所有像素的突變程度的平均。 2
第二階段,所述步驟(a)中,本方法利用分布一致性coherence值來(lái)表達(dá)紋線的一致性 信息,而分布一致性coherence值的計(jì)算釆用了Gaussian-Hermite矩。本方法用四個(gè)矩來(lái)描述 指紋的紋線一致性信息Mo,j, M1>0, M0,3 , M3,0。并對(duì)這四個(gè)不同階的Gaussian-Hermite髙斯-埃爾米特矩做如下定義
<formula>formula see original document page 10</formula>
(2〉
這里義(Oa <1)是不同階的Gaussian-Hermite矩的聯(lián)合權(quán)重系數(shù)(本方法中;i取值0.5)。 利用定義(2),指紋圖像中的每一個(gè)象素<7,"都可以計(jì)算得到一個(gè)特征向量/^夂/。在 指紋奇異點(diǎn)區(qū)和非奇異點(diǎn)區(qū)/^.乾/的分布具有不同的特征,在非奇異點(diǎn)區(qū)/乾,乾/沿著垂直 于脊線的方向分布,在奇異點(diǎn)區(qū)/"乾,乾/則均勻地分布在各個(gè)方向上,本方法采用主分量分 析方法提取/"乾,乾/的分布特性,/"乾.軟/協(xié)方差矩陣G由下式定義
<formula>formula see original document page 10</formula>(3)
其中,
<formula>formula see original document page 10</formula> , w"表示兩相鄰方向角的差值,A(W表示對(duì)差值調(diào)
整以后的結(jié)果,i'表示第i個(gè)點(diǎn)之后的下一個(gè)點(diǎn),/7X/7是窗口 W的大小,本方法n取值為4r +1, r為平均紋線距離。
設(shè);il和;i2是協(xié)方差矩陣&的兩個(gè)特征值,則當(dāng)"》義2時(shí),/"乾,夂/的分布主要是沿著長(zhǎng)
軸方向分布,也即沿著垂直于脊線的方向分布,而在噪聲區(qū)或者奇異點(diǎn)區(qū);ii和;i2的值是很接
近的,因此,定義/"乾,軟/的分布一致性co/je/"ence特征如下<formula>formula see original document page 10</formula>
(4)
由此,紋線一致性越好,分布一致性coherence越大。
權(quán)利要求
1.一種新的指紋奇異點(diǎn)檢測(cè)方法,其特征是,它的方法為,(1)預(yù)備階段進(jìn)行指紋圖像的背景分離和方向場(chǎng)信息計(jì)算;(2)第一階段候選奇異點(diǎn)的提取,包括以下幾個(gè)步驟(a)對(duì)方向域O′中的每一個(gè)點(diǎn)(i,j)計(jì)算其相應(yīng)的Poincare index龐加萊指數(shù)值PG,C(i,j),計(jì)算時(shí)采用兩條長(zhǎng)度分別為5×5和7×7的封閉曲線來(lái)計(jì)算每個(gè)點(diǎn)的Poincare index龐加萊指數(shù)值,只要其中一條的計(jì)算結(jié)果符合奇異點(diǎn)條件,則認(rèn)定該點(diǎn)為候選奇異點(diǎn),若兩條曲線檢測(cè)出的奇異點(diǎn)類(lèi)型不一致,則直接認(rèn)定該點(diǎn)為偽點(diǎn);(b)對(duì)上一步檢測(cè)到的候選奇異點(diǎn)運(yùn)用聚類(lèi)算法按歐氏距離分別進(jìn)行聚類(lèi),并統(tǒng)計(jì)各個(gè)聚類(lèi)包含的奇異點(diǎn)的個(gè)數(shù)Nm,Nm<N(N表示指紋模式區(qū)應(yīng)該能夠檢測(cè)到的奇異點(diǎn)的個(gè)數(shù),這個(gè)數(shù)目是穩(wěn)定的,這里N取為25)的聚類(lèi)被刪除;(c)求取剩余的各個(gè)聚類(lèi)的平均突變程度,并按奇異點(diǎn)類(lèi)型、突變程度大小分別對(duì)這些聚類(lèi)進(jìn)行排序,選取前M個(gè)突變程度較大的聚類(lèi)作為候選奇異點(diǎn)聚類(lèi),候選奇異點(diǎn)最終就定位在這些聚類(lèi)的質(zhì)心上;(3)第二階段候選奇異點(diǎn)的去偽,包含以下幾個(gè)步驟對(duì)每個(gè)候選奇異點(diǎn),計(jì)算其周?chē)霃綖?τ的圓形鄰域內(nèi)每個(gè)像素的分布一致性coherence值,τ為平均紋線距離;然后將該圓形區(qū)域劃分為32個(gè)扇形和一個(gè)中心小圓形區(qū)域并計(jì)算各個(gè)部分的平均coherence值,圓形區(qū)域的半徑和兩個(gè)圓帶的寬度均為2τ;最后,比較16個(gè)方向每個(gè)方向上的三個(gè)區(qū)域的平均分布一致性coherence值的大小,中心圓形區(qū)域?yàn)?6個(gè)方向公共的區(qū)域,若自里向外分布一致性coherence值越來(lái)越大,則標(biāo)記該方向?yàn)橛行Х较?;?duì)某一候選奇異點(diǎn)而言,若有效方向數(shù)大于等于10,則提取該點(diǎn)為奇異點(diǎn),否則,認(rèn)為該點(diǎn)為偽點(diǎn);若奇異點(diǎn)的某些方向出了指紋邊界則將剩余的方向作為參考方向,在這些方向上計(jì)算有效方向。
2.如權(quán)利要求1所述的新的指紋奇異點(diǎn)檢測(cè)方法,其特征是,所述第一階段的(a)中, 計(jì)算每一個(gè)奇異點(diǎn)(7, ^的Poincare index龐加萊指數(shù)值時(shí)按如下的公式進(jìn)行-<formula>formula see original document page 2</formula>其中^(i)和^(/)分別是以給定點(diǎn)為中心的具有W^個(gè)像素的封閉曲線上第A個(gè)點(diǎn)的 Jf和y坐t5; SOr)表示兩相鄰方向角的差值,A(A:)表示對(duì)差值調(diào)整以后的結(jié)果,i'表示第i個(gè)點(diǎn)之后的下一個(gè)點(diǎn);本算法中采用了 5X5和7X7的正方形封閉曲線,該公式的形成基于對(duì)原有Poincare Index方法的改進(jìn),用于計(jì)算某點(diǎn)對(duì)應(yīng)封閉曲線上方向角變化的累積。
3. 如權(quán)利要求1或2所述的新的指紋奇異點(diǎn)檢測(cè)方法,其特征是,所述第一階段的(a) 中,奇異點(diǎn)條件是指奇異點(diǎn)應(yīng)滿足的條件,該條件是對(duì)公式(1)的計(jì)算過(guò)程進(jìn)行約束,具體 是指,在沿封閉曲線做方向角變化的累加時(shí)附加以下限制條件統(tǒng)計(jì)這W^個(gè)方向的符號(hào)變化次數(shù),若方向由正到負(fù)和由負(fù)到正各發(fā)生一次,且僅有一次,則繼續(xù)計(jì)算其Poincare index龐加萊指數(shù)值,否則,認(rèn)為該點(diǎn)是普通點(diǎn);統(tǒng)計(jì)這W^個(gè)差中絕對(duì)值^f的差的個(gè)數(shù),若個(gè)數(shù)多于一個(gè)則認(rèn)為該點(diǎn)是普通點(diǎn);如果最終Poincare index龐加萊指數(shù)的值為1/2,那么該被檢測(cè)點(diǎn)(7, 、p就被確定為 core核心點(diǎn),如果Poincare index龐加萊指數(shù)值為-3/2,那么該被檢測(cè)點(diǎn)(7, 就被確定為 delta三角點(diǎn)。
4. 如權(quán)利要求1所述的新的指紋奇異點(diǎn)檢測(cè)方法,其特征是,所述第一階段的(b)中, N為指紋模式區(qū)應(yīng)該能夠檢測(cè)到的奇異點(diǎn)的個(gè)數(shù),取值25是基于對(duì)試驗(yàn)結(jié)果的分析,在指 紋的奇異點(diǎn)區(qū)能夠檢測(cè)到的奇異點(diǎn)數(shù)目是相對(duì)穩(wěn)定的且集中在奇異點(diǎn)區(qū)的最內(nèi)部,對(duì)于低質(zhì) 量指紋圖像,只要奇異點(diǎn)區(qū)不受大噪聲的污染,那么在奇異點(diǎn)區(qū)內(nèi)能夠檢測(cè)到的奇異點(diǎn)的數(shù) 目也是穩(wěn)定的,本方法N取25。
5. 如權(quán)利要求1所述的新的指紋奇異點(diǎn)檢測(cè)方法,其特征是,所述第一階段的(c)中,突變程度是指,封閉曲線上相鄰兩方向角作差過(guò)程中,絕對(duì)值^2的那個(gè)差值,平均突變程<formula>formula see original document page 3</formula>度是指每一聚類(lèi)內(nèi)所有像素的突變程度的平均。
6. 如權(quán)利要求1所述的新的指紋奇異點(diǎn)檢測(cè)方法,其特征是,所述第二階段中,用 coherence —致性值來(lái)表達(dá)紋線的一致性信息,而coherence —致性值的計(jì)算采用了 Gaussian-Hermite高斯-埃爾米特矩;即用四個(gè)矩來(lái)描述指紋的紋線一致性信息M0,,A^, 0, /W0,3 ,并對(duì)這四個(gè)不同階的Gaussian-Hermite高斯-埃爾米特矩做如下定義<formula>formula see original document page 3</formula>這里A (0<;1<1)是不同階的Gaussian-Hermite高斯-埃爾米特矩的聯(lián)合權(quán)重系數(shù)(A取 值0.5);利用公式(2),指紋圖像中的每一個(gè)象素(7, ^>都可以計(jì)算得到一個(gè)特征向量/乾乾/; 在指紋奇異點(diǎn)區(qū)和非奇異點(diǎn)區(qū)/^乾/的分布具有不同的特征,在非奇異點(diǎn)區(qū)/"乾,乾/沿著垂 直于脊線的方向分布,在奇異點(diǎn)區(qū)/"夂,乾/則均勻地分布在各個(gè)方向上,采用主分量分析方 法提取/"乾,乾/的分布特性,/^軟/協(xié)方差矩陣G由下式定義其中,氣=JL—S Mu , Wy = A/,,加"表示窗口 W內(nèi)平均的A^值,m,表示窗口W內(nèi)平均的M,值,nXn是窗口W的大小,本方法n取值為4r+l, r為平均紋線距離;設(shè)義i和;i2是協(xié)方差矩陣&的兩個(gè)特征值,則當(dāng);ii》;i2時(shí),/"乾,乾/的分布主要是沿著長(zhǎng) 軸方向分布,也即沿著垂直于脊線的方向分布,而在噪聲區(qū)或者奇異點(diǎn)區(qū);u和;i2的值是很接近的,因此,定義/"乾,乾7"的分布一致性coherence特征如下<formula>formula see original document page 4</formula>由此,紋線一致性越好,分布一致性coherence越大。
7.如權(quán)利要求1所述的新的指紋奇異點(diǎn)檢測(cè)方法,其特征是,所述第二階段中,每個(gè)象 素分布一致性coherence值的窗口大小取為(4r+l) X (4r+l)。
全文摘要
本發(fā)明公開(kāi)了一種新的指紋奇異點(diǎn)檢測(cè)方法。它解決了目前奇異點(diǎn)提取方法嚴(yán)重依賴指紋方向場(chǎng)、不能有效處理低質(zhì)量指紋圖像、難以適于工程應(yīng)用等問(wèn)題,該方法分為前后兩個(gè)階段,前一階段對(duì)現(xiàn)有的Poincare index龐加萊指數(shù)方法進(jìn)行了有效的改進(jìn),并利用其提取指紋圖像中的候選奇異點(diǎn),后一階段有效利用Gaussian-Hermite高斯-埃爾米特矩對(duì)候選奇異點(diǎn)進(jìn)行去偽處理,該方法有效結(jié)合了奇異點(diǎn)周?chē)徲虻募y線方向變化信息和奇異點(diǎn)周?chē)植繀^(qū)域的紋線一致性變化趨勢(shì)信息,能準(zhǔn)確可靠地提取指紋圖像中的奇異點(diǎn),具有抗噪性強(qiáng)、準(zhǔn)確可靠性高、工程應(yīng)用價(jià)值大等特點(diǎn)。
文檔編號(hào)G06K9/00GK101303729SQ200810138119
公開(kāi)日2008年11月12日 申請(qǐng)日期2008年7月1日 優(yōu)先權(quán)日2008年7月1日
發(fā)明者任春曉, 尹義龍, 楊公平, 翁大偉, 詹小四 申請(qǐng)人:山東大學(xué)