[发明专利]一种基于SVM和稀疏表示的假指纹检测方法

权利要求书

1.一种基于SVM和稀疏表示的假指纹检测方法，其特征在于：

进行检测之前的训练工作，包括步骤1～步骤5：

步骤1：采集真、假指纹图像，作为训练使用；

步骤2：对训练使用的指纹图像提取特征数据；

步骤3：对训练使用的特征数据进行归一化；

步骤4：对归一化的特征数据进行支持向量机训练得到支持向量机的分类模型；

步骤5：对训练使用的指纹图像训练稀疏表示字典

步骤6：对需要进行检测的指纹提取图像；

对需要进行检测的指纹进行的操作，包括步骤6～步骤11：

步骤7：对需要进行检测的指纹的图像提取特征数据；

步骤8：对需要进行检测的指纹的特征数据进行归一化；

步骤9：对归一化的需要进行检测的指纹的特征数据，使用上述SVM的分类模型进行分类，得到“真”或“假”的SVM分类结果；

步骤10：对需要进行检测的指纹图像提取6个子图，分别使用稀疏表示字典进行稀疏表示，判断该子图像为“真子图”或“假子图；

步骤11：综合决策得出综合决策分类结果。

2.根据权利要求1所述的一种基于SVM和稀疏表示的假指纹检测方法，其特征在于，步骤2和步骤7所述的提取特征数据需要在有效区域内进行，所述有效区域的选择方法为在图形内搜索最大内接矩形，具体步骤是：

步骤2.1：使用Otsu法对指纹图进行二值化处理，对得到的二值图使用半径为10的disk结构元素进行闭操作，得到完整、光滑的指纹覆盖的区域；

步骤2.2：利用质心公式求指纹覆盖区域的质心，过质心做倾角θ=30°～75°共46条直线，每条直线与指纹覆盖区域交于两点，记两点之间线段长度为L_i(θ)，以该直线为对角线的矩形i的面积为其中M_i＝min{L_i(θ),L_i(θ+π/2)}为矩形是否完整的必要条件，最大矩形为对应矩形就是选择得到的有效区域。

3.根据权利要求1所述的一种基于SVM和稀疏表示的假指纹检测方法，其特征在于，步骤2和步骤7所述的特征数据包括：统计特征、频域特征、共生矩阵特征、特征曲线。

4.根据权利要求1所述的一种基于SVM和稀疏表示的假指纹检测方法，其特征在于，步骤4所述的训练过程中，需要对指纹进行分类，至少要按真、假指纹要分为两类，而对于假指纹的不同材料，将假指纹再分为几类，对于检测结果，即判断需要检测的指纹属于哪一类，其分类结果若为“真”，则认为检测结果为“真”，分类结果若为其它结果，不管是哪一种材料的假指纹结果，都认为检测结果为“假”。

5.根据权利要求1所述的一种基于SVM和稀疏表示的假指纹检测方法，其特征在于，步骤5所述的训练稀疏表示字典的具体步骤为：

步骤5.1：在指纹图像的有效区域中尽量分散且不靠近边缘地随机选取6个白色像素，它们都分别位于白色纹线的中间部位，具体地，可以随机选取6个白色像素，分别对它们的5*5邻域内的白色像素进行统计，统计每个白色像素的5*5邻域内的所有像素值的和，选取拥有最大和的像素；分别对这6个白色像素的每一个，在其16*16邻域，使用所述梯度公式得到其纹线的方向，根据纹线的方向对指纹图像进行旋转，使得这个白色像素周边局部的纹线方向变成水平方向，再以这个白色像素为中心，从旋转后的指纹图像中提取出60*60的子图像，若子图像包含了指纹图像有效区域以外的部分，则重新选取这个白色像素，再次计算方向、旋转指纹图像、提取子图像；

步骤5.2：使用步骤5.1所述的方法对每幅指纹图像提取得到6个子图像；

步骤5.3：对每个子图像，将每一列像素连接在上一列的末尾，得到3600*1的子图像列向量，对真、假指纹的若干个3600*1的子图像列向量构成的矩阵进行主成分分析（PCA），将3600维的特征降至20维以内，再输入稀疏表示字典训练算法构造字典，训练得到真、假指纹的稀疏表示字典。

6.根据权利要求1所述的一种基于SVM和稀疏表示的假指纹检测方法，其特征在于，步骤5所述的训练稀疏表示字典过程中，指纹的分类至少要按真、假指纹要分为两类，而对于假指纹的不同材料，将假指纹再分为几类，对每一类训练得到其稀疏表示字典；对于子图的判断，不管是判断为哪一种材料的子图，都判断为“假子图”。