[发明专利]指纹描述子的压缩方法及系统

说明书

技术领域

本发明涉及指纹特征描述技术领域，特别涉及一种指纹描述子的压缩方法及系统。

背景技术

由于指纹具有唯一性、普遍性和终生不变性等重要性质，利用指纹图像进行身份识别已经有了很长的历史。尤其是在公安刑侦领域，自20世纪初期以来，指纹逐渐成为了执法机构逮捕和判定罪犯有罪的最重要的证据之一。近年来，自动指纹识别技术的发展与成熟使得指纹识别被广泛地应用于公安刑侦、出入境、门禁系统和重要设备的权限控制等应用中。

具体地，常用的指纹特征大致可分为三类：一级特征，包括指纹的方向场、周期图及奇异点；二级特征，主要指细节点；三级特征，包括汗孔、脊线轮廓、永久性的皱纹和疤痕，它们通常只能在高分辨率指纹图像内才能稳定提取。其中，细节点特征由于提取较为稳定、存储空间小、包含信息量丰富等原因在指纹识别算法中应用最为广泛。

在相关技术中，基于细节点特征的指纹识别系统通常是将提取得到的细节点以平面上的二维点集的形式进行存储，然后对两幅指纹图像的细节点集一一进行匹配，再寻找令匹配细节点对数最多的图像对齐方式，并以此作为两幅指纹图像的匹配结果。然而，现有的细节点描述子MCC(Minutiae Cylinder Code，细节点圆柱型码)由于编码方式较为冗余，包含了很多无用的指纹特征，导致模板太大，空间效率和时间效率都有待提高，需要进行改进。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种既能减少原有MCC编码中的冗余信息，又可以在保证指纹识别精度的前提下，降低指纹特征的时间和空间复杂度的指纹描述子的压缩方法。

本发明的另一个目的在于提出一种指纹描述子的压缩系统。

为达到上述目的，本发明一方面实施例提出了一种指纹描述子的压缩方法，包括以下步骤：获取训练指纹图像的姿态信息；根据所述姿态信息利用指纹姿态校正算法对所述训练指纹图像进行姿态校正；提取所述校正后的训练指纹图像的多个细节点的细节点描述子MCC；根据所述多个细节点的细节点描述子MCC统计所述细节点在指纹的指纹图像上的分布规律；以及根据所述分布规律对所述细节点描述子MCC进行压缩，并根据压缩后的细节点描述子MCC进行指纹识别。

根据本发明实施例的指纹描述子的压缩方法，通过利用指纹姿态校正算法对训练指纹进行姿态校正，并提取校正后的训练指纹图像的多个细节点描述子MCC，以统计细节点在指纹图像上的分布规律，且根据分布规律对细节点描述子MCC进行压缩，再根据压缩后的细节点描述子MCC进行指纹识别，减少了原有MCC编码中的冗余信息，提高了空间效率和时间效率，在保证指纹识别精度的前提下，学习了指纹特征的分布规律，降低了指纹特征的时间和空间的复杂度，更好地进行指纹识别。

另外，根据本发明上述实施例的指纹描述子的压缩方法还可以具有如下附加的技术特征：

在本发明的一个实施例中，所述根据所述分布规律对所述细节点描述子MCC进行压缩具体包括：根据所述多个细节点的细节点描述子MCC获取细节点的MCC编码序列中各个位的信息熵；提取MCC编码序列中信息熵大于预设值的位以对细节点进行编码，以分别根据所述细节点的位置采取不同的编码方式。

进一步地，在本发明的一个实施例中，根据所述多个细节点的细节点描述子MCC获取所述细节点的MCC编码序列中各个位的信息熵，进一步包括：获取预设区域内多个细节点的集合；分别对集合中每个细节点的细节点描述子MCC进行统计，以得到所述细节点的MCC编码序列中各个位的信息熵。

优选地，在本发明的一个实施例中，所述细节点描述子MCC可以为二值MCC描述子。

本发明另一方面实施例提出了一种指纹描述子的压缩系统，包括：获取模块，用于获取训练指纹图像的姿态信息；校正模块，用于根据所述姿态信息利用指纹姿态校正算法对所述训练指纹图像进行姿态校正；提取模块，用于提取所述校正后的训练指纹图像的多个细节点的细节点描述子MCC；计算模块，用于根据所述多个细节点的细节点描述子MCC统计所述细节点在指纹的指纹图像上的分布规律；以及压缩模块，用于根据所述分布规律对所述细节点描述子MCC进行压缩，并根据所述压缩后的细节点描述子MCC进行指纹识别。