[发明专利]全角度快速指纹识别方法

说明书

技术领域

本发明涉及一种指纹图象匹配的方法，用于身份的验证，即运用数字图象处理技术以及一定的判决系统对指纹图象进行识别，判断待识指纹与模版指纹是否吻合。

背景技术

指纹识别技术在现代社会具有广泛的应用价值，它是基于人体指纹特征的相对稳定性与唯一性这一统计学结果发展起来的。实际应用中，根据需求的不同，可以将人体的指纹特征分为：永久性特征、非永久性特征和生命特征。

指纹匹配就是运用指纹的永久性特征对指纹进行判断。永久性特征包括细节特征(中心点、三角点、端点、叉点、桥接点等)和辅助特征(纹型、纹密度、纹曲率等元素)。它们在人的一生中永不会改变，并且在手指前端的典型区域中最为明显，分布也最均匀。细节特征是实现指纹精确比对的基础，而纹形特征、纹理特征等则是指纹分类及检索的重要依据。

反映指纹识别算法的优劣主要看两个方面：算法的精确度和算法的运算代价。

指纹匹配算法的精确度反映了算法的对待识指纹图象的识别能力。为了便于采用量化的方法表示指纹匹配算法的性能，引入了下列两个指标。

拒识率(False Rejection Rate，FRR)：是指将相同的指纹误认为是不同的，而加以拒绝的出错概率。FRR＝(拒识的指纹数目/考察的指纹总数目)×100％。

误识率(False Accept Rate，FAR)：是指将不同的指纹误认为是相同的指纹，而加以接收的出错概率。FAR＝(错判的指纹数目/考察的指纹总数目)×100％。

对于一个已有的系统而言，通过设定不同的系统阈值，就可以看出这两个指标FRR与FAR成反比关系。这很容易理解，“把关”越严，误识的可能性就越低，但是拒识的可能性就越高。

影响指纹识别精确度的主要因素有：噪声、指纹在空间上的相对位移(平移、旋转等)。现有的指纹识别算法虽然可以很好的抑制图象平移产生的影响，但在两幅图象之间存在指纹旋转时处理的效果则不理想。

发明内容

本发明的目的在于提供一种通过指纹细节特征进行指纹识别的方法，该方法能够有效的抑制指纹图象的平移和旋转产生的影响，快速地判断出待识样本与模版样本是否吻合。

本发明为解决其技术问题所采用的方案为：能够抑制图象平移和旋转效应的指纹识别方法，包括如下步骤：

步骤1、图象预处理：对原始灰度图象进行二值化和细化处理，为进一步的工作做准备，包括：

a)指纹分割：运用局部灰度方差法将指纹区域和背景分割开。局部灰度方差法如下：

首先计算整幅图象的灰度方差F；将指纹图象分成不重叠的8*8大小的象素块，计算每一块中象素点灰度值的方差f。根据每一块的相对值f/F是否高于一个阈值T来判断该块的属性：高则属于指纹区域，反之属于背景。

b)二值化：根据每个象素点的方向对图象进行处理，以得到二值图象。本发明运用方向滤波法实现指纹的二值化。

c)指纹细化：将指纹细化至脊线仅一个象素宽，提取指纹的脊背线条。本发明运用改进的混合OPTA算法实现对二值图象的细化。

步骤2、指纹特征提取：提取指纹图象的特征信息，主要包括：中心点、端点、叉点；并确定参考点和参考方向，具体实现如下：

a)检测指纹图象的中心点。指纹中心点为指纹纹路的渐进中心。不同类型的指纹中心的个数不同，分别为0个，1个，2个。本发明运用Poincare法检测并统计中心点的个数。

b)提取指纹的参考点和参考方向。当检测出的中心点个数为2时，定义两中心点连线的中点为参考点，连线的方向为参考方向。当检测出的中心点个数为1时，在以指纹中心为圆心，半径为R的圆上均匀采样30个点；判断各个点所在的8*8的象素块方向是否和该点的半径方向垂直，如垂直把这个点设为1，否则为0；最终在圆上寻找一个包含1最多的180度的弧线，定义这个弧线中点的半径方向为指纹的走向，即参考方向。如果为0则认为匹配失败，算法终止(出现0中心点可能是由图象质量差造成，也可能是弓形纹)。