[发明专利]基于Gabor变换的指纹特征提取与压缩编码的方法

权利要求书

1.一种基于Gabor变换的指纹特征提取与压缩编码的方法，其特征在于，包括以下步骤：

(1)、读入一幅原始指纹图像；

(2)、基于Gabor变换对指纹特征进行提取，得到指纹图像的Gabor幅值响应特征图，所用Gabor函数如下：

其中，x,y为给定位置的图像坐标；参数σ＝0.5；为Gabor滤波器中心频率；为不同方向滤波器的相角,Gabor滤波器组中μ∈{0,1,2,3,4,5,6,7}，ν∈{0,1,2,3,4}，最大中心频率k_max＝π/2；

(3)、将每幅指纹图像的Gabor幅值响应特征图划分为W×W的小块，并将Gabor幅值响应特征图分块处理，能够较好的保留图像的空间信息，增强特征的判别能力；

(4)、在每一个小块内，对每个像素点的Gabor幅值响应值进行编码操作，得到整幅图像的特征向量F_总＝[F₁ F₂.......F_W×W]；

(5)、将F_总＝[F₁ F₂.......F_W×W]作为一幅指纹图像的最终特征，存储到数据库中，并在指纹识别中用于数据匹配。

2.根据权利要求1所述的基于Gabor变换的指纹特征提取与压缩编码的方法，其特征在于，在每一个小块内，对每个像素点的Gabor幅值响应进行编码操作，得到整幅图像的特征向量F_总＝[F₁ F₂.......F_W×W]的步骤如下：

a、将指纹图像每个像素点的5个尺度、8个方向的幅值响应值构造成矩阵形式：

其中，c_ij表示第i个尺度，第j个方向的幅值响应；

b、将M沿着同一尺度的8个不同方向进行数值归一化处理，获取更好的指纹纹理：

c、将M矩阵沿同一方向、不同尺度的幅值响应值进行非极大抑制操作：

d、将每个小块中所有N个像素点的幅值矩阵M进行平均池化，形成所有像素点的平均幅值矩阵

其中，表示平均幅值响应矩阵，M_i表示第i个像素点对应的幅值矩阵；

e、将每个小块的平均幅值矩阵转化为向量形式：

f、将所有W×W个小块的平均幅值向量串联到一起作为整幅图像的特征向量：

F_总＝[F₁ F₂.......F_W×W]

其中，F_i表示第i个小块的平均幅值特征向量。