[发明专利]一种融入先验知识的指纹特征融合方法和系统

说明书

技术领域

本发明属于生物特征识别领域，涉及图像处理、模式识别、计算机技术等前沿知识，特别涉及到指纹识别算法多特征的融合方法。 

背景技术

指纹识别技术是目前生物特征识别领域研究和应用最为成熟的技术之一。由于指纹具有唯一性和稳定性的优点，而且采集方便，成本低廉，目前已广泛应用在法律、安全、身份鉴定、访问控制、考勤等很多方面。 

经过几十年的研究，指纹识别技术取得了飞速的发展，但是指纹识别算法的性能还远远达不到理论估计的精度，算法的时间性能也有待提高。 

指纹细节点被公认为是指纹最具鉴别能力且最可靠的局部特征。基于指纹细节点特征的匹配算法也是目前指纹识别技术的主流算法。其中，应用比较广泛的细节点特征包括细节点局部方向描述、细节点局部三角结构、细节点拓扑结构等。也有联合其它指纹信息进行匹配的算法，如联合细节点相连脊线信息、局部方向场信息、局部纹理信息等。这些方法最终都是通过指纹细节点及其辅助结构的相似度来确定指纹图像的匹配分数。但是，由于两幅指纹图像之间的平移和旋转的相对变换以及指纹形变程度都事先未知，所以两组指纹细节点之间的对应关系也是不确定的。这就决定了仅由细节点其辅助结构的相似度决定的指纹图像的匹配分数同样有其不可靠性。 

为了解决以上问题，很多研究者开始考虑融合多种特征进行指纹图像的匹配。Feng提出了支持支持向量机的17维特征融合方法。但是支持向量机的方法对于系统而言只是一个“黑盒子”，无从得知其内部处理过程，且相当耗时，因此该方法的可靠性值得怀疑，时间效率也不佳。其它已发表的为数不多的指纹多特征的融合方法也在时间性能或其它 方面存在缺陷。 

鉴于对指纹识别系统性能要求的不断提高，单纯基于指纹细节点的指纹匹配方法逐渐不能满足要求且没有了改进的空间。基于多特征融合的指纹识别方法就越来越受到研究者的重视，成为指纹识别系统的发展方向之一。 

发明内容

本发明的目的是针对单纯基于指纹细节点的指纹匹配方法在性能上无法达到理想匹配精度的问题，受到当前一些对多特征融合指纹识别方法研究的启发，发明了一种融入先验知识的指纹特征融合方法和系统。通过融入先验知识，并以最大化AUC作为目标函数，采用了遗传算法进行特征值的训练，很大程度上降低了计算复杂度，并提高了指纹匹配系统的性能。 

为达成所述目的，本发明的第一方面是提供一种融入先验知识的指纹特征融合系统，该系统包括： 

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。 

为达成所述目的，本发明的第二方面是提供一种融入先验知识的指纹特征融合方法，该方法包括训练和测试两个阶段，训练阶段对用于训练的指纹图像集中的图像执行下述步骤S1到步骤S5，测试阶段对待匹配的两幅指纹图像执行下述步骤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。该方法包括步骤如下： 

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：在训练阶段，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，至此完成训练阶段；在测试阶段，将训练参数最优值输出，并继续下面的步骤；