[发明专利]指纹识别方法及指纹识别系统

权利要求书

1.一种指纹识别方法，其特征在于，包括：

S1：预处理步骤，对指纹图像进行分割及滤波；

S2：特征提取步骤，对预处理后的所述指纹图像进行特征点提取形成特征点集，并进一步去除伪特征点；及

S3：识别步骤，校准所述特征点集，并通过匹配算法进行识别，以得到指纹识别结果；

所述预处理步骤包括：

S12：分割子步骤，计算所述指纹图像的每个像素的Harris角点能量，滤去小于预定阈值的Harris角点能量以得到二值化图，膨胀和腐蚀所述二值化图；及

S13：滤波子步骤，分别计算所述二值化图的方向场、频率场和曲率场，并使用Log-Gabor滤波器对所述二值化图进行滤波以得到所述预处理后的指纹图像。

2.如权利要求1所述的指纹识别方法，其特征在于，所述预处理步骤在所述分割子步骤前包括：

S11：规格化子步骤，对分割前的所述指纹图像进行规格化处理。

3.如权利要求2所述的指纹识别方法，其特征在于，所述规格化子步骤依次包括：

S111：直方图均衡化，对分割前的所述指纹图像直方图均衡化；

S112：选取直方图均衡化后的所述指纹图像中的感兴趣的区域；及

S113：基于局部特性的自适应规格化，将选中感兴趣的区域后的所述指纹图像分割成预定大小的不交迭的图像块，对每个所述图像块分别进行规格化。

4.如权利要求1所述的指纹识别方法，其特征在于，所述分割子步骤包括：

S121：计算所述指纹图像每个像素的Harris角点能量；

S122：统计所述Harris角点能量，按所述Harris角点能量大小进行升序排序并滤去排序前30％的所述Harris角点能量以得到二值化图，再对所述二值化图进行膨胀和腐蚀；及

S123：对得到的所述二值化图进行二值化处理。

5.如权利要求1所述的指纹识别方法，其特征在于，使用基于梯度的方向场计算方法计算所述方向场，并通过低通滤波器校正所述方向场。

6.如权利要求1所述的指纹识别方法，其特征在于，采用投影法计算所述频率场。

7.如权利要求1所述的指纹识别方法，其特征在于，根据所述方向场计算所述曲率场，通过曲率度量来衡量脊线曲率，以计算所述曲率场。

8.如权利要求1所述的指纹识别方法，其特征在于，所述滤波子步骤将所述二值化图分成预定大小的且不交迭的图像子快，采用加窗傅立叶变换提取各个所述图像子块的频谱信息，再根据所述图像子块的脊线方向和频率，构造所述Log-Gabor滤波器对所述图像子块的频谱进行滤波处理。

9.如权利要求1所述的指纹识别方法，其特征在于，所述预处理步骤在所述滤波子步骤后还包括：

S14：细化子步骤，使用自适应动态阈值法对滤波后的所述二值化图进行二值化处理，再通过数学形态学的查表法进行细化从而得到所述预处理后的指纹图像。

10.如权利要求1所述的指纹识别方法，其特征在于，所述特征点包括指纹特征点，所述指纹特征点包括端点及叉点，并通过采用8邻域编码纹线跟踪算法提取。

11.如权利要求1所述的指纹识别方法，其特征在于，所述特征点包括指纹奇异点，所述指纹奇异点包括中心点及三角点，并通过Poincare公式判断提取。

12.如权利要求1所述的指纹识别方法，其特征在于，所述识别步骤包括：

S31：特征点集校准子步骤，定位所述特征点集和模板点集间的匹配原点对，以所述匹配原点对为极点分别在所述特征点集和所述模板点集中建立极坐标系，计算所述特征点集和所述模板点集间的旋转参数并校准所述特征点集；及

S32：点匹配子步骤，对所述特征点集和所述模板点集尝试匹配，统计匹配的特征点数。

13.如权利要求12所述的指纹识别方法，其特征在于，所述特征点包括奇异点和细节点，所述特征点集校准子步骤包括以下步骤：

S311：指纹图像校准，校准脊线及所述奇异点；及

S312：极坐标转换，将所述细节点都转换到所述极坐标系下。