[发明专利]一种八方向求梯度指纹识别模型

权利要求书

1.一种八方向求梯度指纹识别模型，其特征在于，包括有如下步骤：

S1、图像预处理，使用多种去噪和提取指纹的手段得到较为清晰和重要的特征点；

S2、均值方差法增强对比度，该算法基于背景区灰度方差小，而指纹区方差大的思想，将指纹图像分成块，计算每一块的方差；

S3、Gabor滤波增强，Gabor滤波器是带通滤波器，它以其在空域良好的方向选择性在频域有良好的频率选择性而在计算机视觉领域尤其纹理分析方面得到了广泛的应用，在指纹图像中对于灰度指纹图像，脊线和谷线在局部的小邻域可以认为是正弦波形状，具有一定的频率和方向；

S4、对指纹图像进行二值化处理，指纹图像二值化作为指纹预处理过程的一部分，是进行指纹图像细化处理的基础；

S5、指纹图像的细化，细化是在不改变图像像素拓扑连接关系的条件下，连续擦除图像的边缘像素，把纹线粗细不均匀的指纹图像转化成线宽仅为一个像素的条纹中心线图像的过程；

S6、指纹特征的提取，需要从指纹图像中提取出能表示指纹唯一性的特征；

S7、特征点的提取，特征提取一般是指提取指纹图像的局部特征，也就是细节点特征，在基于细节点的指纹自动识别系统中，特征提取是在细化后的指纹图像上进行的；

S8、假特征点的去除，采用沿脊线搜索特征点的方法去除伪特征对；

S9、匹配方法，就是对每一个特征点分别提取再相对于中心点取得的向量进行比对的过程，使两个点集有最大数量点对之间存在稳定的一一对应关系。

2.根据权利要求1所述的一种八方向求梯度指纹识别模型，其特征在于，S1之后，还包括以下步骤：

S10、感性区域的分割，计算出指纹图像的边界，进行感性区域(ROI Region ofInterest)的分割；

S11、灰度均衡化，用以消除或减轻同一图像不同区域之间或者不同图像之间对比度的差异；

S12、方向场的计算，计算出指纹图像的方向场，这个步骤是指纹的滤波和增强所不可缺少的一个环节；

S13、低通滤波，利用简单的低通滤波器去除图像中存在的椒盐，高斯等噪声。

3.根据权利要求1所述的一种八方向求梯度指纹识别模型，其特征在于，S2之后，还包括以下步骤：

S14、将低频图分成M×M大小的无重叠方块，方块的大小以一谷一脊为宜；

S15、计算出每一块的均值和方差，设指纹图像I的大小为H×L，I(i,j)为像素点(i,j)的灰度，AVE和VAR分别为原指纹图像的均值和方差，AVE和VAR可以通过公式(3.1)和(3.2)计算得到。

4.根据权利要求1所述的一种八方向求梯度指纹识别模型，其特征在于，根据S4之后，脊线中不出现空白，二值化后的脊线基本保持原来指纹的特征，指纹的纹线不应有太多的间断和相连，指纹纹线间的间距应大致相同。

5.根据权利要求1所述的一种八方向求梯度指纹识别模型，其特征在于，S9之后，还包括以下步骤：

S16、分别读取两个特征点集合中的特征点；

S17、对特征点进行分类。定义取“1”时，属于特征点端点分类，取“2”时，属于特征点分叉点分类；

S18、分别计算他们相对于中心点的方向向量和距离向量；

S19、若两特征点的距离向量之差小于“2”且梁特征点的方向向量小于等于，则认为两特征点匹配；

S20、若不满足S20的条件则认为不匹配，并删除。