[发明专利]新型指纹数据库检索方法

说明书

技术领域

本发明涉及基于不变矩特征的多级指纹数据库检索方法，通过指纹类别、奇异点之间的信息以及不变矩特征来进行指纹数据库索引。

背景技术

图像数据库技术是图像处理技术、数据库技术结合的产物。传统数据库主要是对文字和数字进行处理，随着图像数据库技术的发展，基于关系数据库的索引技术已不能高效地对图像数据库进行处理。指纹数据库的索引机制和匹配方法与图像数据库相比也存在很大区别。实践表明，指纹识别技术现今具有高准确性和可信度。各种指纹识别技术的应用要与指纹数据库相连，而指纹数据库的规模越来越大，例如美国FBI数据库和NIST数据库中存储的记录已经达到几千万条。因此，要使识别系统在大型数据库中迅速而准确的完成一项任务并不是一件容易的事情。如果没有一种有效的数据库分类机制，输入的指纹图像将不得不同数据库中大量指纹数据逐一进行比对，系统将处于高负荷运转状态。为减少搜索时间和算法复杂度，必须对指纹进行分类。这样查询只需在指纹数据库中的一个相应子集中进行，从而节省了运算时间并降低了运算复杂度。因此对于大型指纹数据库而言，需要建立一种有效索引机制。

传统的指纹数据库检索方法主要依靠奇异点^[1，2]，细节点^[3-5]，以及纹理特征^[6]。针对大型指纹数据库，通过逐一比对来检索指纹是非常耗时耗力。为了提高检索速度和检索效率，多级检索技术已被用在大型指纹数据库检索中^[7-10]。随着检索的进行，在每一级中都删除大量的记录，直至最后一级进行匹配。一般指纹数据库检索使用指纹类别和指纹脊线数目建立二级索引。二级索引缩小了搜索空间，提高检索效率。但是由于脊线数目是表示指纹图像模式区内的全局特征，而不能准确表示指纹图像局部范围内的特征，这加重了数据库检索的后期匹配工作，从而使系统负荷沉重。文献^[7]在已有的基础上引入指纹码(Gabor filter)建立三级索引机制，即通过指纹类别、指纹脊线数目以及指纹码分类来进行索引。文献^[8]在此基础上做了改进，利用金字塔结构进行事先进行数据分割，然后利用指纹类别，指纹码分别进行检索。文献^[9]则利用奇异点之间的信息代替指纹脊线数目，以及利用细节点进行最后索引。文献^[10]提出了四级索引机制，依次为基于文本的检索、基于指纹类别的检索、基于脊线密度的检索、基于细节点检索。其中，基于文本的检索是根据输人的文本信息，首先过滤记录。为了提高检索自动化，我们希望输入图像就可以实现检索，显然，这级检索可以摒除。此外，主要基于细节点或者指纹码特征来进行分类检索的方法具有局限性。

从技术的角度来讲，指纹图像分类检索的方法类似于指纹图像提取特征的方法。传统的特征提取方法主要有两种：基于细节点的方法^[11-18]和基于纹理的方法^[19-26]。基于细节点的方法，一般提取指纹图像的细节点(端点和分叉点)，通过点对点的匹配的方法来鉴别两枚指纹是否为同一个指纹。如果指纹的图像质量很差，提取的细节点会有的丢失，这样基于细节点的匹配的可靠性就会大大降低。而基于纹理的方法，则考虑指纹图像的纹理特性，通过Gabor filter^[19，20]，DCT^[21]，Wavelet^[22]，Fourier-Mellin^[23]，Hu不变矩^[24]等方法来提取指纹的纹理特征，然后通过比对特征间的欧式距离来计算两枚指纹的相似度，如果相似度越高，则证明他们属于同一手指的概率越高，如果数值大于一定的阈值，我们可以认定这两枚指纹属于同一手指。但是，传统的基于Gabor filter，DCT，Wavelet等方法提取的指纹特征不具有不变性，如果指纹输入图像有旋转，那么要匹配的两枚指纹的特征间将会有很大的误差，这样会导致系统性能的大大下降。通常改进的办法是通过旋转指纹多次(一般10次)，提取每次旋转指纹的特征然后累积作为总的特征，但这样增加了匹配特征模板的容量，匹配时耗将会大大增加。此外，基于细节点特征^[13-16]来克服旋转问题的方法也会因为细节点的丢失而大大影响精度。Jin等人^[23]也通过提取指纹的Fourier-Mellin不变特征进行指纹识别，但是他们的方法基于传统的中心点作为参考点，这样对没有中心点的指纹图像将会有局限性。此外，因为多次FFT变换，该方法有耗时过多的缺点。