[发明专利]一种基于改进的偏微分模型的指纹方向场计算方法

说明书

技术领域

本发明涉及一种基于改进的偏微分模型的指纹方向场计算方法，属于自动指纹识别、数字图像处理技术领域。

背景技术

生物特征识别技术是根据每个人独有的可以采样和测量的生物学特征和行为学特征进行身份识别的技术。由于生物特征不像各种证件类持有物那样容易窃取，也不像密码、口令那么容易遗忘或破解，所以在身份识别上体现了独特的优势，近年来在国际上被广泛研究。自动指纹识别系统(AFIS)由于其体积小、成本低、易操作、可靠性高等优点越来越受到人们的青睐，成为最重要的生物识别技术之一。

一般的自动指纹识别系统包括：图像采集、图像分割、方向场计算、图像增强、二值化及细化、特征点提取、特征匹配等部分。指纹方向场描述了指纹脊线、谷线的方向模式，作为指纹全局、可靠的特征，在图像增强、指纹分类、指纹匹配等方面发挥着关键且不可代替的作用。

目前已有大量的指纹方向场计算方法被提出，其中大致分为：基于梯度的方法、基于滤波的方法、基于模型的方法。基于梯度的方法是指纹方向场最为广泛也最为基础的一种方法，主要分两个部分：点梯度向量和块梯度向量的计算；然而单纯的使用梯度方法，不能够有效的进行抗噪，尤其在大块噪声区域，基于梯度的方向场计算更是非常的困难，计算出的方向场非常不准确。基于滤波的方法具有很好的抗噪性能，但只有有限个数的滤波器，计算出的方向场不够精确，且此类方法在估计每个点方向时需要计算每个滤波器的输出并进行比较，计算量很大，效率较低。基于模型的方法从全局的角度总结出指纹方向场的规律和局限，并以此来估计指纹的方向场，以基于多项式模型的指纹方向场计算为经典；这类方法具有很强的抗噪声能力，但是有赖于准确地提取指纹的奇异点，同时对于在奇异点区域往往不能很好地准确估计，另外大多数的模型在计算过程中往往需要大量的参数。

指纹方向场计算是一个重要又亟待解决的指纹识别问题，其主要存在的难点在于较难区分指纹的奇异点和噪声，尤其当噪声出现在奇异点区域，目前所存在的估计方法都是假设基本的梯度方法在奇异点计算出来的方向场是基本正确的。但是，指纹在噪声区域经过梯度算法得到的初始方向场其实是不可靠的，并且对于捕获奇异点的函数，其原来的算法存在一定的缺陷，不能有效的区分奇异点区域和噪声区域。

发明内容

本发明所要解决的技术问题是：提供一种基于改进的偏微分模型的指纹方向场计算方法，对原偏微分模型的保持项进行改进，使得该计算方法能够有效区分噪声区域和奇异点区域，使得指纹方向场的计算更加准确。

本发明为解决上述技术问题采用以下技术方案：

一种基于改进的偏微分模型的指纹方向场计算方法，包括如下步骤：步骤1、将指纹图像划分为至少一个互不重叠的正方形窗口，对各个窗口进行预处理后，划分到指纹图像的前景区域和背景区域中；步骤2、利用梯度公式求解步骤1所述前景区域中各窗口的初始方向场θ，并定义初始方向场θ的正弦投影为v_sin＝sin(2θ)、余弦投影为v_cos＝cos(2θ)；步骤3、利用改进的偏微分模型分别对步骤2所述各窗口初始方向场的正弦投影v_sin、余弦投影v_cos进行迭代，得到各窗口最终方向场的正弦投影u_sin和余弦投影u_cos；步骤4、根据步骤3得到的u_sin和u_cos，计算前景区域中各窗口的最终方向场步骤3所述利用改进的偏微分模型分别对步骤2所述各窗口初始方向场的正弦投影v_sin、余弦投影v_cos进行迭代，得到各窗口最终方向场的正弦投影u_sin和余弦投影u_cos的方法为：令迭代公式如下

其中，u为u_sin或u_cos，λ为平衡参数，t为迭代次数，t＝1时，其中i,j分别为窗口在横、纵轴方向的位置，u_i^t_,j为前景区域中的窗口(i,j)在第t次迭代时的投影，为动态捕获奇异点函数，n为前景区域中各窗口的像素点，n'为n的8邻域的其中一个像素点，N_n为n的8邻域的8个像素点的集合。

优选的，步骤1所述对各个窗口进行预处理，划分到指纹图像的前景区域和背景区域中的方法为：计算各窗口的灰度变化值，并设定阈值，将灰度变化值大于等于该阈值的窗口划分到前景区域，小于该阈值的窗口划分到背景区域。