[发明专利]一种基于深度神经网络编码的指纹生物密钥生成方法

权利要求书

1.一种基于深度神经网络编码的指纹生物密钥生成方法，其特征在于该方法包括以下步骤：

步骤(1)、对同一枚指纹进行多次样本采集，获得指纹灰度图像集；将上述指纹灰度图像统一缩放到某一固定像素大小，记为指纹图像1；

步骤(2)、对指纹图像1进行第1阶段预处理，获得指纹图像2；

步骤(3)、对指纹图像1和指纹图像2进行第2阶段预处理，分别获得指纹图像3、4；其中第2阶段预处理采用指纹盲对齐操作，指纹盲对齐操作包括盲对齐-平移和盲对齐-旋转两部分；

指纹盲对齐-平移操作的步骤为：

1)在指纹图像1、2中确定指纹中心点的平移目标位置，两幅图像的目标位置相同；

2)采用CNN深网模型Q1寻找指纹图像1、2中指纹中心点；

3)将指纹图像1、2进行整体平移，使指纹中心点与平移目标位置重合，完成盲对齐-平移操作；

指纹盲对齐-旋转操作的步骤为：

1)对盲对齐-平移操作后的指纹图像1、2进行图像纹理增强处理；

2)采用CNN深网模型Q2判断增强处理后的指纹图像1、2中指纹中心点区域是否存在角度偏离；若是则对指纹图像2整体旋转ω₃°角度，ω₃°为人为定义参数，然后执行步骤3)；若否则无需进行盲对齐-旋转操作，得到指纹图像3、4；

3)重复步骤2)，直至CNN深网模型Q2继续判断指纹中心点区域不存在角度偏离；

步骤(4)、对指纹图像3、4进行第3阶段预处理，即特征扩展操作：

对指纹图像4进行方向滤波处理，获得指纹图像5；将指纹图像3、4、5通过R、G、B三通道合成为一张彩色图像，或者图像3、4、5的任意线性组合拼接为一张图像，获得指纹图像6；

将同一枚指纹的多个样本获得的指纹图像6组成一类，打上该枚指纹的标签，存入训练样本集合L1；取多枚指纹的多个样本，重复以上操作，当指纹类别数大于预设阈值C1时，训练集合L1构建完毕；

步骤(5)、构造指纹深度神经网络，并利用训练集合L1进行训练

指纹深度神经网络包括串联的指纹稳定特征提取器、指纹生物密钥稳定器、指纹生物密钥提取器；

5-1指纹稳定特征提取器M1，其输入为指纹图像6，输出为指纹图像7；

指纹稳定特征提取器M1由深度神经网络学习模型、指纹稳定特征选择器组成；

所述的指纹稳定特征选择器用于从深度神经网络学习模型中提取最后一层输出的所有特征图，拼接为一张输出特征图；

将训练集L1中的训练图片经深度神经网络学习模型处理后得到的输出特征图组成集合X，其中图片集为X＝(X₁,X₂,...,X_i,...,X_n1)，X_i为单张输出特征图，n1为输出特征图的数量，所有图片大小均相同；像素点集p_i,j表示第i张特征图中第j个位置的单个像素点，每张特征图有m1个像素点，共n1×m1个像素点；然后指纹稳定特征选择器从像素点集P中选出取值更趋稳定的像素点集P'，由像素点集P'整理为指纹图像7：

所述指纹稳定特征选择器从像素点集P中选出取值更趋稳定的像素点集P'具体是：

a)根据以下公式获得特征图X_i在j位置处的像素值p_i,j的绝对误差R(p_i,j)；如果R(p_i,j)＜Δ1则将像素位置(i,j)存入队列；如果R(p_i,j)≥Δ1则继续判断像素位置(i,j)是否已存在于队列中；若存在于队列中则执行步骤b)；若不存在于队列中，则将像素位置(i,j)加入队列，并计算队列中所有像素点值的方差δ；若δ≥Δ2，则将像素位置(i,j)从队列中删除，执行步骤b)；若δ＜Δ2则保留像素位置(i,j)，执行步骤b)；

b)继续遍历i、j，选择一个新的像素点位置，返回步骤a)；直至i＝n1,j＝m1时迭代结束，将队列中存放的所有像素位置对应的像素点组成像素点集P'；

其中为像素点集P中j列的所有像素点的均值，p_i,j表示特征图X_i在j位置处的像素值，Δ1、Δ2均为人为定义的阈值；

5-2构造指纹生物密钥稳定器M2，其输入为指纹稳定特征提取器M1输出的指纹图像7，输出为指纹生物特征序列L2；

5-3构造指纹生物密钥提取器M3，其输入为指纹生物密钥稳定器M2输出的指纹生物特征序列L2，输出为指纹生物密钥；

步骤(6)、利用训练好的指纹深度神经网络，以实现指纹生物密钥生成。