[发明专利]一种基于传播算法的指纹交叉库匹配方法

说明书

技术领域

本发明属于数字图像处理技术领域，尤其涉及一种基于传播算法的指纹交叉库匹配方法。

背景技术

当今社会已经进入信息时代，传统的以密码为特征的识别技术，如银行卡、PIN码等越来越难以满足当下的信息安全需求。生物特征识别作为一种颇具应用价值和前景的技术手段能够提高身份认证的安全性，并能以更加便捷的方式满足日常生活中的加解密需求。在对稳定性、识别精度、用户接受度、便捷程度以及低硬件成本等方面综合考量下，指纹识别与其它生物特征识别相比具有天然优势。固有的诸多优点也使得指纹识别技术被广泛应用在社会生活的各个领域，如电子政务、电子商务、考勤管理以及移动终端应用等等。在自动指纹识别系统中，一般把传统的来自于同一采集仪的指纹间匹配称为“常规匹配”，将来自于不同采集仪的指纹间匹配称为“交叉匹配”。由于采集指纹时手指放置角度和按压力度的不同，同一个指纹在同一个采集仪下前后采集的结果会发生一定角度和距离的旋转平移以及指纹脊线结构的形变。由于两幅图像来自于同一采集仪，旋转平移和形变量相对较小，传统的优秀指纹匹配方法可以对其进行修正并取得较高的匹配精度。但目前市面上的指纹采集仪按照成像原理可分为电容采集仪、光学采集仪和超声波采集仪等，按采集模式可分为按压采集仪(滚动按压、平面按压、和整手按压)、刮擦采集仪和非接触采集仪等。指纹采集仪采集原理不同，采集的标准和规格不同，导致来自不同指纹采集仪的指纹图像间存在较大的非线性形变。传统的指纹匹配方法难以修正图像间的非线性形变，导致两张匹配图像之间误识率增大，极大的影响了识别精度。在交叉库匹配中，目前比较主流的非线性形变的解决方法是设计非线性形变模型，修正各个采集仪采集指纹时各种非线性形变，统一划为一个规格的指纹模型。再用传统的指纹预处理及匹配方法进行匹配。然而，这类方法相当于实现了指纹匹配工作之前的指纹配准工作，依然没有针对较大非线性形变进行处理。

综上所述，现有技术存在的问题是：现有的指纹匹配方法匹配不同采集仪间指纹时稳定性与鲁棒性较差，识别精度低。

发明内容

针对现有技术存在的问题，本发明提供了一种基于传播算法的指纹交叉库匹配方法，可应用于自动指纹识别系统。

本发明是这样实现的，一种基于传播算法的指纹交叉库匹配方法，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。

进一步，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、指纹图像匹配等；

(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：