[发明专利]一种基于多分块多尺度LBP的假指纹检测方法

说明书

技术领域

本发明属于图像处理、特征提取、机器学习和模式识别领域，尤其是一种假指纹检测方法。

背景技术

随着指纹识别技术的逐渐成熟，各种指纹认证系统被广泛应用于各种领域。然而一些不法分子通过某些手段获取到用户的指纹信息，然后利用这些指纹信息和一些特殊材料，伪造用户的注册指纹，可以通过当前不少指纹认证系统。

真指纹也称活体指纹，是指具有人体生物功能，也就是活着的人体的手指。与其相对应的假指纹也称为死体指纹，其中包括某些特殊材料制作的指纹，如硅胶、粘土、印刷了指纹图像的纸等，甚至是离开人本身身体的手指都叫做死体指纹。

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、皮肤导电性和脉搏血氧等特性，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从而来判断指纹的真假，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。第二类方法利用真假指纹在指纹图像中所含纹理特征的区别，对图像进行处理和特征提取等一系列步骤，最后根据所得到的特征来检测指纹的真假，这类方法称为基于软件的假指纹检测方法。第二类基于软件的假指纹检测方法包括静态和动态的两种方法。静态的方法是从一张或多张图像中提取得到特征(手指一次或多次放到采集仪上进行采集)，动态的方法从多幅指纹图像帧中提取得到特征(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，且能适用于现有的指纹采集仪。

发明内容

为了克服现有假指纹检测方法的计算代价大、识别正确率较低的不足，本发明提供了一种计算代价小、识别正确率高的基于多分块多尺度LBP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：

一种基于多分块多尺度LBP假指纹检测方法，所述检测方法包括如下步骤：

步骤1：对指纹图像进行有效区域切割；

步骤2：对步骤1得到的图像进行小波去噪；

步骤3：对步骤2得到的图像进行多分块；

步骤4：在不同的尺度下，对分块后的每一小块图像进行LBP特征提取；

步骤5：对每一小块图像不同尺度下得到的LBP特征进行归一化；

步骤6：对步骤5得到的特征进行串联，得到最终的特征向量；

步骤7：用交叉验证方法确定步骤4中的尺度大小；

步骤8：对真假指纹特征进行SVM训练，获得SVM分类器；

步骤9：对要测试的指纹图像进行步骤1～步骤6的操作，然后再根据步骤8得到的SVM分类器进行指纹真假判断。

进一步，在所述步骤4和步骤9中，在不同的尺度下，对分块后的每一小块图像进行LBP特征提取，所述的特征提取的过程如下：

整个模型的中心是各个尺度下LBP的中心点，实线圆的圆心是样本所在的位置，在每个尺度下的样本数都是κ，r_n表示在尺度n下实线圆的边缘离模型中心的最大距离，r₁为给定的参数，r_n由以下公式计算得到：

LBP半径R_n由以下公式计算得到：

对样本所在实线圆进行均值滤波处理，得到样本点的灰度值。

再进一步，在所述步骤5和步骤9中，对每一小块图像不同尺度下得到的LBP特征进行归一化，所述的归一化的公式为：

其中，X_i为归一化前特征，X_i'为归一化后的特征。

更进一步，在所述步骤6和步骤9中，对步骤5得到的不同尺度下的LBP特征进行串联得到最终的指纹特征，所述的串联的公式为：

其中，表示j尺度下第i个特征，Y表示串联后的特征。

在所述步骤1和步骤9中，对指纹图像进行有效区域切割，所述的有效区域切割的方法即是求指纹区域的外接矩形，具体步骤是：

步骤1.1：对指纹图像的每一行计算平均值，记下平均值最小的行L_min；再对每一列计算平均值，记下平均值最小的列C_min，记前面得到的行L_min与列C_min为指纹图像的初始分割线；

步骤1.2：统计指纹图像中灰度值小于T₁的像素个数；