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)