[发明专利]一种基于信息融合技术的指纹识别方法及装置

说明书

技术领域

本发明涉及模式识别和信息处理技术领域，特别涉及指纹识别技术，尤其涉及一种基于信息融合技术的指纹识别方法及装置。

背景技术

随着计算机图像处理和模式识别技术的发展，生物识别技术正得到越来越多的关注和应用。由于指纹、虹膜、掌纹、人脸、声纹等生物特征具有唯一性和稳定性、便于采样及可靠性高的优点，已经成为个人身份认证的最有效的手段之一，其中的指纹识别技术更是生物识别技术的热点，具有很高的实用性和可行性，其识别结果，具有法律效力。

图1所示为指纹识别过程包含的基本步骤，主要涉及步骤101指纹图像采集、步骤102指纹图像处理、步骤103指纹特征提取、步骤104指纹特征匹配，最后得到识别结果(匹配或不匹配)。其中，步骤104指纹特征匹配就是用指纹匹配算法对指纹特征参数进行匹配运算，运算结果就是识别结果。

现有技术已经发展出多种指纹匹配算法，不同的指纹匹配算法基于指纹图像的不同特征的，例如基于点模式的指纹匹配算法、基于局部纹理的指纹匹配算法、基于混合特征的指纹匹配算法和基于图的指纹匹配算法等。

图2为现有技术的指纹识别方法在指纹特征匹配阶段的示意图。在特征提取阶段提取的某一类指纹特征由单一的匹配算法进行匹配运算得到识别结果。图2所示的指纹识别方法的可靠性只由单一指纹匹配算法决定。由于不同的指纹匹配算法是基于指纹图像的不同特征，故不同的指纹匹配算法都具有自己的特点，适用于不同尺寸、质量和形变的指纹图像，并在可靠性、速度和抗干扰性方面有不同的优势和劣势。

单一指纹匹配算法所涵盖的信息显然不如多个指纹匹配算法所涵盖的信息全面、丰富、准确；另外，单一指纹匹配结果的误报风险大、可靠性和容错性低的缺陷，也使前者无法和后者相提并论。

如果能通过信息融合技术将多种指纹特征匹配算法结合起来，发展出一种可靠的融合多种指纹特征匹配算法特点的指纹识别方法，能够合理地结合不同的指纹特征指纹匹配算法的特点，突出和保留算法的优势，减少和去除算法的劣势，将各种指纹匹配算法的效能发挥到最大，这将对指纹识别技术的发展起到较大的推动作用。

所谓信息融合技术，是综合协调各子源信息，提高和改善信息处理系统性能的新兴技术。它通过多方位、多角度、多时空、多频段、多机理的技术处理，减少各子源信息的矛盾成份，强化共性因素，克服单源性能的局限性，利用子源信息间的竞争性、冗余性和互补性，有效地整合和管理信息，为决策者的认知过程提供真实、清晰、完整的素材，从而得出高度准确、可靠的决策信息。

D-S证据理论是一种重要的信息融合算法。该理论是由Dempster于1967年最初提出，后经他的学生Shafer在1976年进一步发展、完善形成的一种不确定性推理的人工智能方法。由于D-S证据理论为不确定性信息的表达和合成提供了自然而强有力的方法，具有独特的优势，这使得它在信息融合、智能决策系统以及专家系统等多个领域中应用的效果比较显著。D-S证据理论能较好地考虑和处理各子源本身性能对融合中心的影响和特点，可以合理地模仿人脑对各种信息加工整合的过程，较好地发挥注意过程和自组织过程各自的作用，有利于提高最终决策的准确性和可靠性。且其无需知道先验概率，根据数据本身提供的信息，就能进行证据组合。

但D-S证据理论也存在着不少问题，主要体现在如下三个方面：

(1)、证据组合条件严格，要求证据彼此间独立，且要求识别框架能够识别证据的相互作用；

(2)、容易引起焦元数目急剧增加，计算量呈指数增长，这是D-S证据理论实际应用的难题之一；

(3)、组合规则无法处理冲突，并无法分辨证据所在子集的大小以实现按不同的权重聚焦。

对于第一个方面的问题，已有不少专家和研究者进行了探讨，如提出相关证据的概念，对D-S证据理论组合进行了适当地修改。

第二个方面的问题，是妨碍D-S证据理论在信息融合领域更加广泛运用的最主要原因。目前大多数的研究工作试图通过减少焦元个数，采用近似计算的方法来解决此问题。如：用一致性近似的方法、“修剪D-S算法”等。但都存在一定的缺点，如一致性近似方法虽利于证据的表达，但计算误差大；“修剪”D-S算法虽减少了计算量，提高了算法的自适应性，但证据合成的次序对运算结果有影响等。

对于第三个方面的问题，国内外专家、学者提出了诸多改进的方法，如：采用非归一化的摒弃冲突法、Yager的冲突信息归入全集法、Toshiyuki的折中法、平均法、证据加权组合法、吸收法等。这些改进方法也存在一定的缺点：