[发明专利]一种基于SVM‑RFE特征选择的假指纹检测方法

说明书

技术领域

本发明涉及图像处理、机器学习、模式识别、特征选择等技术领域，尤其是一种针对指纹图像的真假检测方法。

背景技术

图像处理、特征提取、特征选择、分类器训练和图像分类等是假指纹检测方法中的重要环节。

随着自动指纹识别技术的发展，指纹作为身份认证最可靠的方式已被广泛应用于刑事侦查、边防检查、户籍管理、医疗卫生、门禁控制，遍及银行、金融、社会保险等各个领域。然而一些不法分子利用廉价材料伪造的指纹，轻易骗过当前众多指纹识别系统，获取非法利益、扰乱侦查视线，给指纹识别系统带来了极大的安全隐患。为了抵抗伪造的指纹对指纹识别系统的攻击，假指纹检测技术应运而生。假指纹检测技术是判断指纹样本是否来自活体指纹的方法。检测方法可分为两类：第一类用手指温度、皮肤导电性、脉搏血氧等特性，这些特性可以通过在指纹采集仪上加入额外的硬件设备来检测得到，但是会增加采集仪的成本，这类方法称为基于硬件的假指纹检测方法。第二类方法为了检测指纹图像的活性信息，对指纹样本做额外的处理，这类方法称为基于软件的方法。这类方法包括静态和动态特性的检测方法。静态特性从一张或多张图像中提取得到(手指一次或多次放到采集仪上进行采集)，动态特性从多幅指纹图像帧中提取得到(手指放在采集仪上一段时间，获取一段图像序列进行分析)。基于软件的方法成本低，对用户的侵入性较小，且能用于现有的指纹采集仪。因此对基于软件的假指纹检测方法的研究，具有重大的实用价值和推广意义。

对于基于软件的假指纹检测方法，在Moon的论文(Moon Y.S.,Chen J.S.,Chan K.C.,and Woo K.C.:Wavelet based fingerprint liveness detection,Electron.Lett.,2005,41,pp:1112–1113.即：Moon,Y.S.，Chen,J.S.，Chan,K.C.，Woo,K.C.：基于小波的指纹活体检测,电子快报,2005,41:1112–1113。)中，提到了利用指纹图像的噪声来区别真假指纹，在图像分辨率为1000dpi的指纹库上进行实验，测试了真假指纹各100张，结果全都分类正确。但是Moon的这个方法对于社会上主流的500dpi的指纹采集仪得到图像的分类结果是不够理想的，Pereira在其论文(Pereira L F A,Pinheiro H N B,Cavalcanti G D C,et al.:Spatial surface coarseness analysis:technique for fingerprint spoof detection[J],Electronics letters,2013,49(4):260-261.即：Pereira L F A,Pinheiro H N B,Cavalcanti G D C等：空间表面粗糙度分析：一种指纹防伪检测技术[J]，电子快报，2013，49(4)：260-261。)中就有这一测试。Pereira就是在Moon的工作的基础上，进行了开拓创新，使得基于噪声的方法适用于低分辨率的指纹图像。从其最后在同一个库上的测试结果来看，Moon的方法的平均错误率是42.8％，Pereira的方法则是12.8％，平均错误率降低了30％。但是，Moon和Pereira都仅仅是用到指纹的噪声图，舍去了去噪后的图像，但是去噪后的图像还是存在大量的有用信息。此外，利用标准差来表示特征，并不能全面反映出区域的各种纹理信息。最后，考虑到指纹图像存在过多无用背景区域，而在进行特征提取时候，对这些空白区域，也是同样提取特征的，但是这些特征对假指纹检测来说是完全无效的特征。在这三方面，都有进行改进的空间。

发明内容

克服现有假指纹检测方法可靠性较差的不足，本发明利用了去噪后的图像，用LBP方法来代替标准差提取图像特征的方法。此外，加入了特征选择的过程，去掉特征中的无效和冗余特征，提供了一种可靠性良好的基于SVM-RFE特征选择的假指纹检测方法。

本发明解决其技术问题所采用的技术方案是：

一种基于SVM-RFE特征选择的假指纹检测方法，所述假指纹检测方法包括以下步骤：

1)图像切割；

2)特征提取：

2.1)离散小波变换；

2.2)双曲收缩法去噪；

2.3)小波重构，得到去噪图；

2.4)原图像与去噪图作差，得到噪声图；

2.5)去噪图和噪声图分别分块提取局部二值模式特征；

2.6)各块特征归一化，再串联各块特征得到最后指纹特征；