專利名稱：一種融入先驗(yàn)知識(shí)的指紋特征融合方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于生物特征識(shí)別領(lǐng)域，涉及圖像處理、模式識(shí)別、計(jì)算機(jī)技術(shù)等前沿知識(shí)，特別涉及到指紋識(shí)別算法多特征的融合方法。
背景技術(shù)：
指紋識(shí)別技術(shù)是目前生物特征識(shí)別領(lǐng)域研究和應(yīng)用最為成熟的技術(shù)之一。由于指紋具有唯一性和穩(wěn)定性的優(yōu)點(diǎn)，而且采集方便，成本低廉，目前已廣泛應(yīng)用在法律、安全、身份鑒定、訪問控制、考勤等很多方面。經(jīng)過幾十年的研究，指紋識(shí)別技術(shù)取得了飛速的發(fā)展，但是指紋識(shí)別算法的性能還遠(yuǎn)遠(yuǎn)達(dá)不到理論估計(jì)的精度，算法的時(shí)間性能也有待提高。指紋細(xì)節(jié)點(diǎn)被公認(rèn)為是指紋最具鑒別能力且最可靠的局部特征?；谥讣y細(xì)節(jié)點(diǎn)特征的匹配算法也是目前指紋識(shí)別技術(shù)的主流算法。其中，應(yīng)用比較廣泛的細(xì)節(jié)點(diǎn)特征包括細(xì)節(jié)點(diǎn)局部方向描述、細(xì)節(jié)點(diǎn)局部三角結(jié)構(gòu)、細(xì)節(jié)點(diǎn)拓?fù)浣Y(jié)構(gòu)等。也有聯(lián)合其它指紋信息進(jìn)行匹配的算法，如聯(lián)合細(xì)節(jié)點(diǎn)相連脊線信息、局部方向場(chǎng)信息、局部紋理信息等。這些方法最終都是通過指紋細(xì)節(jié)點(diǎn)及其輔助結(jié)構(gòu)的相似度來確定指紋圖像的匹配分?jǐn)?shù)。但是，由于兩幅指紋圖像之間的平移和旋轉(zhuǎn)的相對(duì)變換以及指紋形變程度都事先未知，所以兩組指紋細(xì)節(jié)點(diǎn)之間的對(duì)應(yīng)關(guān)系也是不確定的。這就決定了僅由細(xì)節(jié)點(diǎn)其輔助結(jié)構(gòu)的相似度決定的指紋圖像的匹配分?jǐn)?shù)同樣有其不可靠性。為了解決以上問題，很多研究者開始考慮融合多種特征進(jìn)行指紋圖像的匹配。 Feng提出了支持支持向量機(jī)的17維特征融合方法。但是支持向量機(jī)的方法對(duì)于系統(tǒng)而言只是一個(gè)“黑盒子”，無從得知其內(nèi)部處理過程，且相當(dāng)耗時(shí)，因此該方法的可靠性值得懷疑，時(shí)間效率也不佳。其它已發(fā)表的為數(shù)不多的指紋多特征的融合方法也在時(shí)間性能或其它方面存在缺陷。鑒于對(duì)指紋識(shí)別系統(tǒng)性能要求的不斷提高，單純基于指紋細(xì)節(jié)點(diǎn)的指紋匹配方法逐漸不能滿足要求且沒有了改進(jìn)的空間?；诙嗵卣魅诤系闹讣y識(shí)別方法就越來越受到研究者的重視，成為指紋識(shí)別系統(tǒng)的發(fā)展方向之一。

發(fā)明內(nèi)容
本發(fā)明的目的是針對(duì)單純基于指紋細(xì)節(jié)點(diǎn)的指紋匹配方法在性能上無法達(dá)到理想匹配精度的問題，受到當(dāng)前一些對(duì)多特征融合指紋識(shí)別方法研究的啟發(fā)，發(fā)明了一種融入先驗(yàn)知識(shí)的指紋特征融合方法和系統(tǒng)。通過融入先驗(yàn)知識(shí)，并以最大化AUC作為目標(biāo)函數(shù)，采用了遺傳算法進(jìn)行特征值的訓(xùn)練，很大程度上降低了計(jì)算復(fù)雜度，并提高了指紋匹配系統(tǒng)的性能。為達(dá)成所述目的，本發(fā)明的第一方面是提供一種融入先驗(yàn)知識(shí)的指紋特征融合系統(tǒng)，該系統(tǒng)包括指紋圖像預(yù)處理單元，實(shí)現(xiàn)兩幅指紋圖像的預(yù)處理；
指紋特征提取單元與指紋圖像預(yù)處理單元連接，指紋特征提取單元在指紋圖像預(yù)處理單元處理后的指紋圖像上提取用于比對(duì)的指紋特征；指紋特征比對(duì)單元與指紋特征提取單元連接,指紋特征比對(duì)單元對(duì)指紋特征提取單元提取到的指紋特征進(jìn)行比對(duì)，得到兩幅指紋圖像的最優(yōu)配準(zhǔn)結(jié)果；指紋特征值計(jì)算單元與指紋特征比對(duì)單元連接，指紋特征值計(jì)算單元根據(jù)指紋特征比對(duì)單元得到的配準(zhǔn)結(jié)果，計(jì)算兩幅指紋圖像中用于計(jì)算指紋圖像最終相似度的所有特征值并將特征值歸一化；指紋特征值訓(xùn)練單元與指紋特征值計(jì)算單元連接，指紋特征訓(xùn)練單元對(duì)指紋特征值計(jì)算單元計(jì)算出來的特征值結(jié)合先驗(yàn)知識(shí)并利用遺傳算法進(jìn)行訓(xùn)練，得到訓(xùn)練參數(shù)的最優(yōu)值；指紋特征值融合單元與指紋特征值計(jì)算單元和指紋特征值訓(xùn)練單元連接，指紋特征值融合單元利用指紋特征值訓(xùn)練單元得到的訓(xùn)練參數(shù)最優(yōu)值，對(duì)指紋特征值計(jì)算單元計(jì)算出來的特征值進(jìn)行修正，然后通過加規(guī)則進(jìn)行特征值融合并計(jì)算最終的匹配分?jǐn)?shù)。為達(dá)成所述目的，本發(fā)明的第二方面是提供一種融入先驗(yàn)知識(shí)的指紋特征融合方法，該方法包括訓(xùn)練和測(cè)試兩個(gè)階段，訓(xùn)練階段對(duì)用于訓(xùn)練的指紋圖像集中的圖像執(zhí)行下述步驟SI到步驟S5，測(cè)試階段對(duì)待匹配的兩幅指紋圖像執(zhí)行下述步驟SI到S4和步驟S6。 這兩個(gè)階段相互獨(dú)立。訓(xùn)練階段早于測(cè)試階段執(zhí)行，但兩個(gè)階段執(zhí)行的時(shí)間間隔沒有必然的限制。該方法包括步驟如下步驟SI :對(duì)兩幅指紋圖像進(jìn)彳丁預(yù)處理；步驟S2 :在預(yù)處理后的兩幅指紋圖像中提取指紋特征；步驟S3 :利用指紋細(xì)節(jié)點(diǎn)和細(xì)節(jié)點(diǎn)局部方向描述進(jìn)行指紋特征的比對(duì)，找到兩幅指紋圖像的最優(yōu)配準(zhǔn)位置；步驟S4 :計(jì)算用于訓(xùn)練或融合的特征值并歸一化；步驟S5 :在訓(xùn)練階段，結(jié)合先驗(yàn)知識(shí)，利用遺傳算法訓(xùn)練特征，以最大化AUC為目標(biāo)函數(shù)，求解訓(xùn)練參數(shù)的最優(yōu)值，至此完成訓(xùn)練階段；在測(cè)試階段，將訓(xùn)練參數(shù)最優(yōu)值輸出， 并繼續(xù)下面的步驟；步驟S6 :僅在測(cè)試階段執(zhí)行該步驟。利用訓(xùn)練參數(shù)最優(yōu)值融合所有特征值，得到兩幅圖像最終的匹配分?jǐn)?shù)。本發(fā)明的有益效果本發(fā)明的指紋特征融合識(shí)別方法由于融入了先驗(yàn)知識(shí)，并以最大化AUC作為目標(biāo)函數(shù)，采用了遺傳算法進(jìn)行特征值的訓(xùn)練，降低了計(jì)算復(fù)雜度，并提高了指紋匹配系統(tǒng)的性能。


圖I本發(fā)明的指紋特征融合系統(tǒng)框圖；圖2本發(fā)明的指紋特征值訓(xùn)練單元的結(jié)構(gòu)示意圖；圖3本發(fā)明的指紋特征融合方法的流程圖；圖4指紋細(xì)節(jié)點(diǎn)三角結(jié)構(gòu)示意圖；圖5a和圖5b是指紋特征值擬合變換過程用到的函數(shù)曲線6是本發(fā)明的算法與對(duì)比算法的實(shí)驗(yàn)結(jié)果圖
具體實(shí)施例方式下面將結(jié)合附圖對(duì)本發(fā)明加以詳細(xì)說明，應(yīng)指出的是，所描述的實(shí)施例僅旨在便于對(duì)本發(fā)明的理解，而對(duì)其不起任何限定作用。本發(fā)明的核心思想是融入先驗(yàn)知識(shí)的指紋特征融合方法和系統(tǒng)。本方法包括訓(xùn)練和測(cè)試兩大階段。在訓(xùn)練階段，首先提取訓(xùn)練圖像中用于訓(xùn)練的所有特征值，然后將每種特征值歸一化；對(duì)歸一化之后的特征值，將最大化AUC作為目標(biāo)函數(shù)，結(jié)合先驗(yàn)知識(shí)利用遺傳算法求解每種特征值訓(xùn)練參數(shù)的最優(yōu)值。在測(cè)試階段，首先提取待匹配的兩幅指紋圖像中用于計(jì)算匹配分?jǐn)?shù)的所有特征值并歸一化；然后使用訓(xùn)練階段得到的訓(xùn)練參數(shù)最優(yōu)值進(jìn)行修正并融合，最終得到待匹配的兩幅指紋圖像之間的匹配分?jǐn)?shù)。基于上述的思路和目的，下面將本發(fā)明中指紋特征融合過程劃分為若干個(gè)步驟， 簡(jiǎn)要介紹執(zhí)行每個(gè)步驟時(shí)需要注意的關(guān)鍵問題，來設(shè)計(jì)和改進(jìn)我們的系統(tǒng)，建立最終的融入先驗(yàn)知識(shí)的多特征融合的指紋匹配的理論框架及系統(tǒng)原型。本發(fā)明的核心在于，融入先驗(yàn)知識(shí)并利用遺傳算法進(jìn)行指紋特征的融合。融合過程包括訓(xùn)練和測(cè)試兩個(gè)部分。如圖I所示是本系統(tǒng)的框圖，其中實(shí)線表明了訓(xùn)練部分?jǐn)?shù)據(jù)在系統(tǒng)中的流向，虛線代表了測(cè)試部分?jǐn)?shù)據(jù)在系統(tǒng)中的流向；訓(xùn)練部分是對(duì)用于訓(xùn)練的指紋圖像集中的圖像進(jìn)行處理，測(cè)試階段是對(duì)待匹配的兩幅指紋圖像進(jìn)行處理；這兩部分處理的指紋圖像不同，但是同一個(gè)單元中處理方式相同。各單元具體介紹如下指紋圖像預(yù)處理單元1，實(shí)現(xiàn)兩幅指紋圖像的預(yù)處理；指紋特征提取單元2與指紋圖像預(yù)處理單元I連接，指紋特征提取單元2在指紋圖像預(yù)處理單元I處理后的指紋圖像上提取用于比對(duì)的指紋特征；指紋特征比對(duì)單元3與指紋特征提取單元2連接,指紋特征比對(duì)單元3對(duì)指紋特征提取單元2提取到的指紋特征進(jìn)行比對(duì)，得到兩幅指紋圖像的最優(yōu)配準(zhǔn)結(jié)果；指紋特征值計(jì)算單元4與指紋特征比對(duì)單元3連接,指紋特征值計(jì)算單元4根據(jù)指紋特征比對(duì)單元3得到的配準(zhǔn)結(jié)果，計(jì)算兩幅指紋圖像中用于計(jì)算指紋圖像最終相似度的所有特征值并將特征值歸一化到
之間；指紋特征值訓(xùn)練單元5與指紋特征值計(jì)算單元4連接,指紋特征訓(xùn)練單元5對(duì)指紋特征值計(jì)算單元4計(jì)算出來的特征值結(jié)合先驗(yàn)知識(shí)并利用遺傳算法進(jìn)行訓(xùn)練，得到訓(xùn)練參數(shù)的最優(yōu)值；指紋特征值融合單元6與指紋特征值計(jì)算單元4和指紋特征值訓(xùn)練單元5連接， 指紋特征值融合單元6利用指紋特征值訓(xùn)練單元5得到的訓(xùn)練參數(shù)最優(yōu)值，對(duì)指紋特征值計(jì)算單元4計(jì)算出來的特征值進(jìn)行修正，然后通過加規(guī)則進(jìn)行特征值融合并計(jì)算最終的匹配分?jǐn)?shù)。本系統(tǒng)的指紋特征值訓(xùn)練單元5的構(gòu)成示意圖如圖2所示，包括指紋特征值擬合單元51，根據(jù)先驗(yàn)知識(shí)，對(duì)于分布趨向不同的特征值選用不同形態(tài)的Sigmoid函數(shù)進(jìn)行擬合變換，得到趨向一致的特征值分布和訓(xùn)練參數(shù)，以簡(jiǎn)化特征值的訓(xùn)練；同時(shí)拉伸分布的中間區(qū)域，增強(qiáng)特征值的區(qū)分性；基于遺傳算法的訓(xùn)練單元52與指紋特征值擬合單元51連接，基于遺傳算法的訓(xùn)練單元52利用遺傳算法對(duì)指紋特征值擬合單元51得到的訓(xùn)練參數(shù)進(jìn)行訓(xùn)練，以最大化AUC為目標(biāo)函數(shù)，求解訓(xùn)練參數(shù)的最優(yōu)值。融入先驗(yàn)知識(shí)的指紋特征融合方法得到本發(fā)明方法的流程如圖3所示，該方法包括訓(xùn)練和測(cè)試兩個(gè)階段，這兩個(gè)階段相互獨(dú)立；圖3中實(shí)線表示訓(xùn)練階段、虛線表示測(cè)試階段；當(dāng)對(duì)訓(xùn)練集指紋圖像進(jìn)行訓(xùn)練時(shí)，按照虛線所示的流程執(zhí)行；當(dāng)指紋圖像進(jìn)行匹配時(shí)， 按照實(shí)線所示的測(cè)試流程執(zhí)行；訓(xùn)練階段早于測(cè)試階段執(zhí)行，但兩個(gè)階段執(zhí)行的時(shí)間間隔沒有必然的限制。如圖3所示，本發(fā)明方法的流程包括步驟如下步驟SI :對(duì)兩幅指紋圖像進(jìn)行預(yù)處理，該預(yù)處理包括對(duì)指紋圖像的圖像分割、圖像增強(qiáng)、圖像二值化、細(xì)化處理以及方向場(chǎng)提取，獲得細(xì)化指紋圖像和方向場(chǎng)圖像；該預(yù)處理具體的詳細(xì)步驟有1.灰度的均衡化，這可以消除不同圖像之間對(duì)比度的差異；2.使用簡(jiǎn)單的低通濾波算法消除斑點(diǎn)噪聲和高斯噪聲；3.方向場(chǎng)的估計(jì)，計(jì)算出指紋圖像每個(gè)像素的方向；4.利用方向場(chǎng)一致性以圖像的均值和方差把指紋圖像劃分成前景區(qū)域和背景區(qū)域；5. 二值化，根據(jù)每個(gè)像素點(diǎn)的方向來對(duì)指紋圖像處理為只有黑白二種像素的圖像；
6.細(xì)化，根據(jù)二值化圖像，把指紋的脊線寬度細(xì)化至只有一個(gè)像素，生成指紋細(xì)化圖；7.細(xì)化后處理，清除細(xì)化圖像中一些明顯的斷線，脊線間明顯的橋、脊線上的毛刺、過短的脊線和單個(gè)斑點(diǎn)等不良脊線結(jié)構(gòu)；步驟S2 :在預(yù)處理后的兩幅指紋圖像中提取指紋特征。這些特征包括指紋細(xì)節(jié)點(diǎn)數(shù)量、指紋細(xì)節(jié)點(diǎn)、細(xì)節(jié)點(diǎn)局部方向描述、細(xì)節(jié)點(diǎn)相連脊線采樣點(diǎn)、細(xì)節(jié)點(diǎn)局部三角結(jié)構(gòu)、脊線采樣序列和指紋方向場(chǎng)信息。其中指紋細(xì)節(jié)點(diǎn)和細(xì)節(jié)點(diǎn)局部方向描述作為特征比對(duì)階段的特征，而指紋細(xì)節(jié)點(diǎn)數(shù)量、細(xì)節(jié)點(diǎn)相連脊線采樣點(diǎn)、細(xì)節(jié)點(diǎn)局部三角結(jié)構(gòu)、脊線采樣序列和指紋方向場(chǎng)信息直接傳遞到步驟S4中，計(jì)算用于融合的部分特征值。所述指紋細(xì)節(jié)點(diǎn)包括以下信息細(xì)節(jié)點(diǎn)X，y方向上的坐標(biāo)，方向以及類型；所述細(xì)節(jié)點(diǎn)三角結(jié)構(gòu)如圖4所示,其中Iii1和m2是一對(duì)相鄰的細(xì)節(jié)點(diǎn)，L是這兩個(gè)細(xì)節(jié)點(diǎn)之間的距離，a1和a2分別是兩個(gè)細(xì)節(jié)點(diǎn)之間連線和Iii1和m2的方向之間的夾角；步驟S3 :利用指紋細(xì)節(jié)點(diǎn)和細(xì)節(jié)點(diǎn)局部方向描述進(jìn)行指紋特征的比對(duì)，找到使細(xì)節(jié)點(diǎn)相似度最大的細(xì)節(jié)點(diǎn)配對(duì)序列，從而找到兩幅指紋圖像的最優(yōu)配準(zhǔn)位置；同時(shí)我們還可以得到匹配的細(xì)節(jié)點(diǎn)的個(gè)數(shù)Nm和細(xì)節(jié)點(diǎn)的平均相似度Sm ；步驟S4 :計(jì)算用于訓(xùn)練或融合的特征值并歸一化。在訓(xùn)練和融合過程中用到的特征值是相同的，其計(jì)算和歸一化方法也相同。具體分兩個(gè)部分說明步驟S41 :計(jì)算特征值。利用式(I)計(jì)算細(xì)節(jié)點(diǎn)的匹配率Rm，其中設(shè)待匹配的兩幅指紋圖像分別為圖像A和圖像B，Nab和Nba分別是兩幅指紋圖像配準(zhǔn)后，圖像A中細(xì)節(jié)點(diǎn)落入圖像B中的個(gè)數(shù)和圖像B中細(xì)節(jié)點(diǎn)落入圖像A中的個(gè)數(shù)；計(jì)算每一組配對(duì)的細(xì)節(jié)點(diǎn)三角結(jié)構(gòu)中如圖4中所示的L，B1和a2的差值并取平均值得到所有配對(duì)的細(xì)節(jié)點(diǎn)三角結(jié)構(gòu)的平均距離差D1和平均角度差Dal和Da2 ;利用S3中得到的細(xì)節(jié)點(diǎn)配對(duì)序列和S2中得到的細(xì)節(jié)點(diǎn)相連脊線采樣點(diǎn)來計(jì)算所有匹配上的細(xì)節(jié)點(diǎn)的相連脊線采樣點(diǎn)的總和Ns，并計(jì)算匹配的細(xì)節(jié)點(diǎn)的相連脊線采樣點(diǎn)之間的平均距離Ls ;計(jì)算配準(zhǔn)后兩幅圖像重疊部分方向場(chǎng)的相似度S。。到此為止，我們共計(jì)算了 9種指紋特征值，分別是匹配的細(xì)節(jié)點(diǎn)的個(gè)數(shù)Nm，細(xì)節(jié)點(diǎn)的匹配率Rm，細(xì)節(jié)點(diǎn)的平均相似度Sm，細(xì)節(jié)點(diǎn)三角結(jié)構(gòu)平均距離差D1和平均角度差Dal和Da2, 所有匹配上的細(xì)節(jié)點(diǎn)的相連脊線采樣點(diǎn)的總和Ns，相連脊線采樣點(diǎn)之間的平均距離Ls和配準(zhǔn)后兩幅指紋圖像重疊部分方向場(chǎng)的相似度S。；
權(quán)利要求
1.一種融入先驗(yàn)知識(shí)的指紋特征融合系統(tǒng)，其特征在于，包括指紋圖像預(yù)處理單元，實(shí)現(xiàn)兩幅指紋圖像的預(yù)處理；指紋特征提取單元與指紋圖像預(yù)處理單元連接，指紋特征提取單元在指紋圖像預(yù)處理單元處理后的指紋圖像上提取用于比對(duì)的指紋特征；指紋特征比對(duì)單元與指紋特征提取單元連接，指紋特征比對(duì)單元對(duì)指紋特征提取單元提取到的指紋特征進(jìn)行比對(duì)，得到兩幅指紋圖像的最優(yōu)配準(zhǔn)結(jié)果；指紋特征值計(jì)算單元與指紋特征比對(duì)單元連接，指紋特征值計(jì)算單元根據(jù)指紋特征比對(duì)單元得到的配準(zhǔn)結(jié)果，計(jì)算兩幅指紋圖像中用于計(jì)算指紋圖像最終相似度的所有特征值并將特征值歸一化；指紋特征值訓(xùn)練單元與指紋特征值計(jì)算單元連接，指紋特征訓(xùn)練單元對(duì)指紋特征值計(jì)算單元計(jì)算出來的特征值結(jié)合先驗(yàn)知識(shí)并利用遺傳算法進(jìn)行訓(xùn)練，得到訓(xùn)練參數(shù)的最優(yōu)值；指紋特征值融合單元與指紋特征值計(jì)算單元和指紋特征值訓(xùn)練單元連接，指紋特征值融合單元利用指紋特征值訓(xùn)練單元得到的訓(xùn)練參數(shù)最優(yōu)值，對(duì)指紋特征值計(jì)算單元計(jì)算出來的特征值進(jìn)行修正，然后通過加規(guī)則進(jìn)行特征值融合并計(jì)算最終的匹配分?jǐn)?shù)。
2.按照利要求I所述的所述的融入先驗(yàn)知識(shí)的指紋特征融合系統(tǒng)，其特征在于，指紋特征值訓(xùn)練單元的構(gòu)成包括指紋特征值擬合單元，根據(jù)先驗(yàn)知識(shí)，對(duì)于分布趨向不同的特征值選用不同形態(tài)的 Sigmoid函數(shù)進(jìn)行擬合變換，得到趨向一致的特征值分布和訓(xùn)練參數(shù)，以簡(jiǎn)化特征值的訓(xùn)練;基于遺傳算法的訓(xùn)練單元與指紋特征值擬合單元連接，基于遺傳算法的訓(xùn)練單元利用遺傳算法對(duì)指紋特征值擬合單元中的訓(xùn)練參數(shù)進(jìn)行訓(xùn)練，以最大化AUC為目標(biāo)函數(shù)，求解訓(xùn)練參數(shù)的最優(yōu)值。
3.一種融入先驗(yàn)知識(shí)的指紋特征融合方法，其特征在于包括步驟步驟SI :對(duì)兩幅指紋圖像進(jìn)行預(yù)處理；步驟S2 :在預(yù)處理后的兩幅指紋圖像中提取指紋特征；步驟S3 :利用指紋細(xì)節(jié)點(diǎn)和細(xì)節(jié)點(diǎn)局部方向描述進(jìn)行指紋特征的比對(duì)，找到兩幅指紋圖像的最優(yōu)配準(zhǔn)位置；步驟S4 :計(jì)算用于訓(xùn)練或融合的特征值并歸一化；步驟S5 :結(jié)合先驗(yàn)知識(shí)，利用遺傳算法訓(xùn)練特征，以最大化AUC為目標(biāo)函數(shù)，求解訓(xùn)練參數(shù)的最優(yōu)值；步驟S6 :利用訓(xùn)練參數(shù)最優(yōu)值融合所有特征值，得到兩幅圖像最終的匹配分?jǐn)?shù)。
4.按照利要求3所述的融入先驗(yàn)知識(shí)的指紋特征融合方法，其特征在于，包括訓(xùn)練和測(cè)試兩個(gè)階段，其中訓(xùn)練階段對(duì)用于訓(xùn)練的指紋圖像集中的圖像執(zhí)行步驟SI到步驟S5，測(cè)試階段對(duì)待匹配的兩幅指紋圖像執(zhí)行步驟SI到S4和步驟S6。這兩個(gè)階段相互獨(dú)立。訓(xùn)練階段早于測(cè)試階段執(zhí)行，但兩個(gè)階段執(zhí)行的時(shí)間間隔沒有必然的限制。
5.按照利要求3所述的融入先驗(yàn)知識(shí)的指紋特征融合方法，其特征在于，在特征值計(jì)算過程中，共計(jì)算了以下9種特征值匹配的細(xì)節(jié)點(diǎn)的個(gè)數(shù)Nm，細(xì)節(jié)點(diǎn)的匹配率Rm，細(xì)節(jié)點(diǎn)的平均相似度Sm，細(xì)節(jié)點(diǎn)三角結(jié)構(gòu) 2平均距離差D1和平均角度差Dal和Da2,所有匹配上的細(xì)節(jié)點(diǎn)的相連脊線采樣點(diǎn)的總和Ns，相連脊線采樣點(diǎn)之間的平均距離Ls和配準(zhǔn)后兩幅指紋圖像重疊部分方向場(chǎng)的相似度S。。
6.按照權(quán)利要求3所述的融入先驗(yàn)知識(shí)的指紋特征融合方法，其特征在于，在指紋特征值的訓(xùn)練過程中，對(duì)指紋特征值采用Sigmoid函數(shù)進(jìn)行擬合變換，并且對(duì)于不同分布趨向的特征值采用的Sigmoid函數(shù)也有所修改。這種變換使得原來分布趨向不同的特征值具有了一致的趨向，且變換后的值都是越趨近于I說明該特征值越可靠。同時(shí)也使得所有9 種特征值具有了相同結(jié)構(gòu)的訓(xùn)練參數(shù)，從而簡(jiǎn)化了訓(xùn)練過程。
7.按照權(quán)利要求3所述的融入先驗(yàn)知識(shí)的指紋特征融合方法，其特征在于，在指紋特征值的訓(xùn)練過程中，采用了 Sigmoid函數(shù)中μ和δ兩個(gè)參數(shù)作為特征值的訓(xùn)練參數(shù)，并以最大化AUC為目標(biāo)函數(shù)，使用了遺傳算法進(jìn)行參數(shù)訓(xùn)練。
全文摘要
本發(fā)明提出了一種融入先驗(yàn)知識(shí)的指紋特征融合方法和系統(tǒng)。本方法包括訓(xùn)練和測(cè)試兩大階段。在訓(xùn)練階段，首先提取訓(xùn)練圖像中用于訓(xùn)練的所有特征值，然后將每種特征值歸一化；對(duì)歸一化之后的特征值，將最大化AUC作為目標(biāo)函數(shù)，結(jié)合先驗(yàn)知識(shí)利用遺傳算法求解每種特征值訓(xùn)練參數(shù)的最優(yōu)值。在測(cè)試階段，首先提取待匹配的兩幅指紋圖像中用于計(jì)算匹配分?jǐn)?shù)的所有特征值并歸一化；然后使用訓(xùn)練階段得到的訓(xùn)練參數(shù)最優(yōu)值進(jìn)行修正并融合，最終得到待匹配的兩幅指紋圖像之間的匹配分?jǐn)?shù)。
文檔編號(hào)G06N3/08GK102609676SQ20111002328
公開日2012年7月25日 申請(qǐng)日期2011年1月21日 優(yōu)先權(quán)日2011年1月21日
發(fā)明者楊鑫, 田捷, 臧亞麗, 陶訓(xùn)強(qiáng) 申請(qǐng)人:北京數(shù)字指通軟件技術(shù)有限公司