[发明专利]一种融入先验知识的指纹特征融合方法和系统

权利要求书

1.一种融入先验知识的指纹特征融合系统，其特征在于，包括：

指纹图像预处理单元，实现两幅指纹图像的预处理；

指纹特征提取单元与指纹图像预处理单元连接，指纹特征提取单元在指纹图像预处理单元处理后的指纹图像上提取用于比对的指纹特征；

指纹特征比对单元与指纹特征提取单元连接，指纹特征比对单元对指纹特征提取单元提取到的指纹特征进行比对，得到两幅指纹图像的最优配准结果；

指纹特征值计算单元与指纹特征比对单元连接，指纹特征值计算单元根据指纹特征比对单元得到的配准结果，计算两幅指纹图像中用于计算指纹图像最终相似度的所有特征值并将特征值归一化；

指纹特征值训练单元与指纹特征值计算单元连接，指纹特征训练单元对指纹特征值计算单元计算出来的特征值结合先验知识并利用遗传算法进行训练，得到训练参数的最优值；

指纹特征值融合单元与指纹特征值计算单元和指纹特征值训练单元连接，指纹特征值融合单元利用指纹特征值训练单元得到的训练参数最优值，对指纹特征值计算单元计算出来的特征值进行修正，然后通过加规则进行特征值融合并计算最终的匹配分数。

2.按照利要求1所述的所述的融入先验知识的指纹特征融合系统，其特征在于，指纹特征值训练单元的构成包括：

指纹特征值拟合单元，根据先验知识，对于分布趋向不同的特征值选用不同形态的Sigmoid函数进行拟合变换，得到趋向一致的特征值分布和训练参数，以简化特征值的训练；

基于遗传算法的训练单元与指纹特征值拟合单元连接，基于遗传算法的训练单元利用遗传算法对指纹特征值拟合单元中的训练参数进行训练，以最大化AUC为目标函数，求解训练参数的最优值。

3.一种融入先验知识的指纹特征融合方法，其特征在于包括步骤：

步骤S1：对两幅指纹图像进行预处理；

步骤S2：在预处理后的两幅指纹图像中提取指纹特征；

步骤S3：利用指纹细节点和细节点局部方向描述进行指纹特征的比对，找到两幅指纹图像的最优配准位置；

步骤S4：计算用于训练或融合的特征值并归一化；

步骤S5：结合先验知识，利用遗传算法训练特征，以最大化AUC为目标函数，求解训练参数的最优值；

步骤S6：利用训练参数最优值融合所有特征值，得到两幅图像最终的匹配分数。

4.按照利要求3所述的融入先验知识的指纹特征融合方法，其特征在于，包括训练和测试两个阶段，其中训练阶段对用于训练的指纹图像集中的图像执行步骤S1到步骤S5，测试阶段对待匹配的两幅指纹图像执行步骤S1到S4和步骤S6。这两个阶段相互独立。训练阶段早于测试阶段执行，但两个阶段执行的时间间隔没有必然的限制。

5.按照利要求3所述的融入先验知识的指纹特征融合方法，其特征在于，在特征值计算过程中，共计算了以下9种特征值：

匹配的细节点的个数N_m，细节点的匹配率R_m，细节点的平均相似度S_m，细节点三角结构平均距离差D_l和平均角度差D_a1和D_a2，所有匹配上的细节点的相连脊线采样点的总和N_s，相连脊线采样点之间的平均距离L_s和配准后两幅指纹图像重叠部分方向场的相似度S_o。

6.按照权利要求3所述的融入先验知识的指纹特征融合方法，其特征在于，在指纹特征值的训练过程中，对指纹特征值采用Sigmoid函数进行拟合变换，并且对于不同分布趋向的特征值采用的Sigmoid函数也有所修改。这种变换使得原来分布趋向不同的特征值具有了一致的趋向，且变换后的值都是越趋近于1说明该特征值越可靠。同时也使得所有9种特征值具有了相同结构的训练参数，从而简化了训练过程。

7.按照权利要求3所述的融入先验知识的指纹特征融合方法，其特征在于，在指纹特征值的训练过程中，采用了Sigmoid函数中μ和δ两个参数作为特征值的训练参数，并以最大化AUC为目标函数，使用了遗传算法进行参数训练。