[发明专利]一种基于传播算法的指纹交叉库匹配方法

权利要求书

1.一种基于传播算法的指纹交叉库匹配方法，其特征在于，所述基于传播算法的指纹交叉库匹配方法选择相似度较高的基准细节点对构建细节点局部结构算子，完成细节点间的精确匹配；通过传播算法找到满足基准点条件的细节点对，使用新的基准点对继续进行局部区域内的精确匹配；匹配范围从局部区域逐步传播到整幅图像，完成全局层面的匹配。

2.如权利要求1所述的基于传播算法的指纹交叉库匹配方法，其特征在于，所述基于传播算法的指纹交叉库匹配方法包括以下步骤：

(1)输入待匹配指纹图像Q(x,y)和模板指纹图像T(x',y')，使用Verifinger SDK对这两幅图像进行处理，获得两幅图像的细节点集合m_Q＝(x,y,θ)_i(i＝1,...,N₁)和m_T＝(x',y',θ')_i(i＝1,...,N₂)，以及指纹细化图像skeleton_Q和skeleton_T，其中(x,y)表示待匹配指纹图像Q(x,y)的像素点坐标，(x',y')表示模板指纹图像T(x',y')的像素点坐标，θ与θ'表示细节点角度，N₁代表待匹配指纹图像中细节点总个数，N₂代表模板指纹图像中细节点总个数，Verifinger SDK是基于PC平台的单机指纹识别算法软件，集成了指纹图像预处理、指纹图像特征提取、指纹图像匹配；

(2)对两幅指纹图像的细节点坐标进行尺度为scale＝DPI_T/DPI_Q的缩放，其中DPI_Q为采集待匹配指纹图像Q(x,y)所使用指纹传感器的分辨率，DPI_T为采集模板指纹图像T(x',y')所使用指纹传感器的分辨率，缩放前待匹配指纹图像中细节点的坐标为(x₀,y₀)，缩放后的细节点坐标为(x,y)，两者之间的关系如下：

(x,y)=(x0,y0)DPITDPIQ;]]>

(3)使用MCC SDK计算待匹配指纹细节点集合m_Q＝(x,y,θ)_i(i＝1,...,N₁)和模板指纹细节点集合m_T＝(x',y',θ')_i(i＝1,...,N₂)间的MCC相似度，并将细节点MCC相似度降序排序，获得细节点MCC相似度分数集合S(i,j)代表待匹配指纹的第i个细节点与模板指纹的第j个细节点间的匹配分数；

(4)选取MCC相似度排名前25的细节点对作为基准配准点对集M_i(i＝1,...,25)，利用传播算法根据基准配准点对计算两幅指纹图像的匹配分数；

(5)将依据25对初始配准细节点对计算的25个匹配分数进行排序，选取最高的值作为两幅指纹图像的最终匹配分数；

(6)设定固定阈值TH，将匹配分数与所设定固定阈值相比，如果匹配分数大于阈值则认为指纹为真匹配，否则为假匹配。