[发明专利]基于SIFT变换的指纹识别方法

说明书

技术领域

本发明涉及一种指纹识别方法，尤其涉及一种基于SIFT变换的指纹识别方法。

背景技术

指纹识别技术具有不会丢失、不会遗忘、唯一性、不变性、防伪性能好和使用方便等优点，已经逐步在门禁、考勤、金融、公共安全和电子商务等领域得到应用，尤其最近在考务领域中考生身份验证场合，指纹识别技术主要包括指纹特征提取和指纹特征匹配两个步骤。

但是因为人的指头是个立体柔性物体，现有的主要指纹识别算法都把人的指头假设为刚性平面物体，但是在进行指纹采集时,每次采集用力大小、用力方向和采集位置都会有所不同,造成指纹的各种变形,使指纹特征点的相对位置发生较大偏移,从而很难对各特征点做到精确定位。另外,指头表面是一个三维曲面,而获取的指纹图像却是一个二维平面,这种从立体向平面的转化也会造成指纹的变形。更为主要的是,以上因素造成的指纹变形往往是不确定的、随机的,很难用确定的数学模型去描述,这给后继的指纹匹配造成了严重的干扰。

现在常见的指纹识别技术主要存在下述缺点：指纹特征点提取的查全率低；指纹特征点位置参数精度低；指纹特征描述的完备性和精确度不高；指纹匹配速度慢

发明内容

本发明的目的就在于为了解决上述问题而提供一种基于SIFT变换的指纹识别方法。

本发明通过以下技术方案来实现上述目的：

一种基于SIFT变换的指纹识别方法，包括以下步骤：

(1)指纹库预处理：基于SIFT变换提取大样本指纹库中的指纹的主特征分量，再将主特征分量经MD5散列生产散列值，并将库中所有指纹生成散列表；

(2)现场指纹录入与处理：对在进行身份验证时录入的指纹进行与步骤(1)同样的处理，使其生成一个MD5散列值；

(3)指纹匹配：将步骤(2)中生成的散列值与步骤(1)中的散列表进行对比，查找到大样本指纹库中与步骤(2)中实时录入的指纹想匹配的样本指纹。

具体地，步骤(1)中主特征分量的提取方法包括以下步骤：

(a)基于尺度空间对指纹关键特征点进行提取；

(b)基于泰勒级数对指纹关键特征点的精确度进行提升；

(c)对关键特征点的纹理描述子进行提取；

(d)基于PCA变换对指纹主特征分量进行提取。

具体地，步骤(a)包括以下步骤：

(a1)利用高斯核将指纹的原始图像进行尺度变换，得到指纹图像多尺度下的尺度空间表示序列；

L(x,y,σ)＝G(x,y,σ)*I(x,y)

式中：L(x,y,σ)为尺度空间σ下的指纹图像，G(x,y,σ)为尺度可变高斯函数，I(x,y)为指纹二值图像

(a2)通过高斯差分算子得到指纹图像尺度空间差分序列；

D(x,y,σ)＝(G(x,y,kσ)-G(x,y,σ))*I(x,y)＝L(x,y,kσ)-L(x,y,σ)

式中：D(x,y,σ)为尺度空间下的指纹图像差分序列

(a3)从尺度空间差分序列中提取局部极值点，即为指纹图像中的关键特征点。

具体地，步骤(b)为在步骤(a2)中的指纹图像尺度空间差分序列中通过泰特级数对关键特征点进行曲线拟合，得到精确的局部极值点，即精确的关键特征点；

泰勒级数：D(Z)^=D(Z)+12∂DT∂ZZ]]>

式中：Z表示(x,y,σ)^T，D(Z)为尺度空间差分序列，为D(Z)的一阶导数具体地，步骤(c)包括以下步骤：

(c1)确定计算每个关键特征点纹理描述子所需的图案半径区域；

(c2)将坐标移至关键特征点主方向；