專利名稱：基于量子算法的指紋數(shù)據(jù)庫(kù)搜索方法
技術(shù)領(lǐng)域：
本發(fā)明屬于生物特征識(shí)別技術(shù)，尤其涉及一種基于量子算法的指紋數(shù)據(jù)庫(kù)搜索方法。
背景技術(shù)：
個(gè)人身份的確認(rèn)和權(quán)限認(rèn)定是生活中的一個(gè)非常重要的環(huán)節(jié)，尤其是隨著網(wǎng)絡(luò)化時(shí)代的來(lái)臨，人們對(duì)于安全性的要求越來(lái)越高。但是，越來(lái)越繁瑣的密碼設(shè)置也成為了擺在人們面前的一大心病，為了實(shí)現(xiàn)較高的安全性，使用更復(fù)雜和更方便的密碼是目前流行的選擇。而每個(gè)人的指紋紋路在圖案、斷點(diǎn)和交叉點(diǎn)上各不相同，也就是說(shuō)，是唯一的，并且終生不變。依靠這種唯一性和穩(wěn)定性，就可以把一個(gè)人同他的指紋對(duì)應(yīng)起來(lái)，通過(guò)將他的指紋和預(yù)先保存的指紋進(jìn)行比較，從而驗(yàn)證他的真實(shí)身份。經(jīng)典的基于脊線矯正的細(xì)節(jié)點(diǎn)指紋匹配算法原理如下所述首先對(duì)指紋進(jìn)行采集、預(yù)處理和細(xì)節(jié)特征點(diǎn)的提取。接下來(lái)確定所要匹配的指紋有沒(méi)有奇異點(diǎn)，也就是如圖IA所示的中心點(diǎn)和圖IB所示的三角點(diǎn)。一種情況是有奇異點(diǎn)， 就選取奇異點(diǎn)附近最近的一條脊線，判斷需要匹配的兩枚指紋分別對(duì)應(yīng)的脊線是否相似。 如果相似，則選取的奇異點(diǎn)就作為兩枚指紋對(duì)應(yīng)的參考點(diǎn)，用于接下來(lái)的匹配步驟。另一種是并沒(méi)有奇異點(diǎn)，這就需要尋找其他的點(diǎn)作為參考點(diǎn)。定義兩個(gè)點(diǎn)集M和N，其中一個(gè)點(diǎn)集 N表示從輸入的指紋圖中提取出的L個(gè)細(xì)節(jié)點(diǎn)，另一個(gè)點(diǎn)集M表示從模板上提取出的H個(gè)細(xì)節(jié)點(diǎn)。則這兩個(gè)點(diǎn)集合分別就表示為M = {(xM，<),..., ，<，<)}( ！)N = { , K ’ 礦)，...，(XNL yL,0NL)}(2)其中(χ,Μ，Ζ,礦)和 ，<，<)分別記錄了點(diǎn)集M和N中第i和第j個(gè)特征點(diǎn)的
三條信息x坐標(biāo)，Y坐標(biāo)和方向。然后要在模板細(xì)節(jié)點(diǎn)集和輸入細(xì)節(jié)點(diǎn)集中各選一個(gè)參照點(diǎn)作為相應(yīng)的極坐標(biāo)系中的原點(diǎn)，以便把細(xì)節(jié)點(diǎn)轉(zhuǎn)換到極坐標(biāo)系中。由于事先并不知道模板點(diǎn)集與輸入點(diǎn)集的對(duì)應(yīng)關(guān)系，所以將考慮所有可能的參照點(diǎn)對(duì)。對(duì)模板點(diǎn)集中的每一點(diǎn)虬=(1彡i彡H)和輸入點(diǎn)集中的每一點(diǎn)隊(duì)= (1彡i彡L)，定義Rotate [i] [j]為將Mi和Nj當(dāng)作參照點(diǎn)對(duì)時(shí)從輸入圖像到模板圖像的旋轉(zhuǎn)角度。如果Mi和 可以被當(dāng)成一對(duì)對(duì)應(yīng)點(diǎn)，即他們分別對(duì)應(yīng)的脊線相似性到一定程度， 則Rotate [i] [j]將取0度到360度間的一個(gè)值，否則定義Rotate [i] [j]取值為400，以表示虬和 不是一對(duì)對(duì)應(yīng)點(diǎn)。接下來(lái)判斷脊線的相似性，用T表示細(xì)節(jié)點(diǎn)Mi對(duì)應(yīng)的脊線，t表示細(xì)節(jié)點(diǎn)Ni對(duì)應(yīng)的脊線。匹配t與T，用下式來(lái)計(jì)算這兩條脊線間的差異 DiffJiSt =去Σ;=。ΙΓ(# )Ι( Q權(quán)利要求
1.一種基于量子算法的指紋數(shù)據(jù)庫(kù)搜索方法，其特征在干，包括如下的步驟(1)對(duì)n+1位量子比特狀態(tài)
2.如權(quán)利要求1所述的ー種基于量子算法的指紋數(shù)據(jù)庫(kù)搜索方法，步驟( 所涉及的 比特翻轉(zhuǎn)的方法，其特征在干，如果數(shù)據(jù)庫(kù)ニ中的第X個(gè)match-score值和輸入指紋的細(xì)節(jié)特征點(diǎn)數(shù)相同即もニん數(shù)據(jù)庫(kù)ー的狀態(tài)由
3.如權(quán)利要求1所述的一種基于量子算法的指紋數(shù)據(jù)庫(kù)搜索方法，步驟( 所涉及的比特翻轉(zhuǎn)的方法，其特征在于，索引寄存器的狀態(tài)最后獲得-1的相位移動(dòng)。
4.如權(quán)利要求1所述的一種基于量子算法的指紋數(shù)據(jù)庫(kù)搜索方法，步驟(4)到步驟 (6)所述的任意一個(gè)索引方法，其特征在于數(shù)據(jù)庫(kù)二的第χ個(gè)寄存器內(nèi)容dx加到數(shù)據(jù)寄存器是通過(guò)索引χ進(jìn)行尋址，也就是通過(guò)得到的N = 2n個(gè)模板指紋與輸入指紋的match-score 值Cltl，...，(V1的N個(gè)下標(biāo)來(lái)進(jìn)行索引。
5.如權(quán)利要求1所述的一種基于量子算法的指紋數(shù)據(jù)庫(kù)搜索方法，步驟(4)或步驟 (6)所述的任意一個(gè)索引方法，其特征在于，第χ個(gè)寄存器內(nèi)容match-score值djn到數(shù)據(jù)寄存器中進(jìn)行的是模2加。
6.如權(quán)利要求1到5所述的方法，最終獲得的索引寄存器中包含的N個(gè)量子態(tài)的位置是和由輸入指紋與N個(gè)模板指紋所得到的N個(gè)match-score值位置一一對(duì)應(yīng)，搜索得到目標(biāo)量子態(tài)的位置也就搜索到目標(biāo)指紋的位置。
7.如權(quán)利要求1到5所述的任意一個(gè)索引方法，2n個(gè)模板指紋與輸入指紋的 match-score值(Itl，Cl1, ... dx, ... , C^1的所有下標(biāo)即索引χ是處于多重值的疊加。
全文摘要
一種基于量子算法的指紋數(shù)據(jù)庫(kù)搜索方法，該匹配方法包括如下步驟1)對(duì)指紋進(jìn)行采集、預(yù)處理和細(xì)節(jié)特征點(diǎn)的提取，選取參照點(diǎn)，將一個(gè)輸入指紋和N個(gè)模板指紋中的細(xì)節(jié)特征點(diǎn)集以各自的參考點(diǎn)為基準(zhǔn)，轉(zhuǎn)移到極坐標(biāo)中；2)利用量子并行性原理一次求取所有模板指紋與輸入指紋的匹配總數(shù)，將其保存到匹配分?jǐn)?shù)數(shù)據(jù)庫(kù)中；3)將Grover算法中的Oracle算子進(jìn)行改進(jìn)，使其包含有兩個(gè)數(shù)據(jù)庫(kù)，最終將索引寄存器中獲得的N個(gè)狀態(tài)與全面得到的匹配分?jǐn)?shù)數(shù)據(jù)庫(kù)位置一一對(duì)應(yīng)；4)旋轉(zhuǎn)索引寄存器中所有狀態(tài)的平均值，對(duì)索引寄存器進(jìn)行測(cè)量最終獲得所要搜索的目標(biāo)指紋。本發(fā)明通過(guò)應(yīng)用量子算法，從而提高在這種非結(jié)構(gòu)化的指紋數(shù)據(jù)庫(kù)進(jìn)行指紋搜索問(wèn)題的搜索效率和搜索準(zhǔn)確率。
文檔編號(hào)G06F17/30GK102495886SQ201110404890
公開(kāi)日2012年6月13日 申請(qǐng)日期2011年11月28日 優(yōu)先權(quán)日2011年11月28日
發(fā)明者孫英培, 張展展, 李輝 申請(qǐng)人:河南理工大學(xué)