[发明专利]用于深度学习的指纹细节数据库标注方法和系统

权利要求书

1.一种用于深度学习的指纹细节数据库标注方法，其特征在于，包括：

步骤1：输入原始指纹图像I，基于灰度方差进行指纹兴趣区域分割，并生成掩膜；

步骤2：对原始指纹图像I做归一化处理；

步骤3：基于梯度法进行指纹方向估计；

步骤4：基于掩膜、方向窗和脊线灰度投影进行频率估计；

步骤5：基于Gabor滤波、方向场和频率场进行指纹图像增强；

步骤6：对增强后的图像进行二值化；

步骤7：对二值化后的图像进行细化操作，删除二值化图像中的纹线的边缘像素，得到宽度为单位像素的纹线骨架图像；

步骤8：对细化操作后的图像，基于先验定义进行细节点提取，得到特征点集合M；

步骤9：基于特征点集合M，删除伪特征点和标注不符合预设要求的特征点，获得最后的特征点集M_f。

2.根据权利要求1所述的用于深度学习的指纹细节数据库标注方法，其特征在于，所述步骤1包括：将输入的原始指纹图像I，划分为预设大小的图像块，然后求每一图像块的标准差，使用标准差值代替该区域所有像素的值，得到I_std，为标准差设置阈值sthresh，当I_std≥sthresh，表明为指纹前景区域，否则表明为指纹背景区域，并生成掩膜I_M。

3.根据权利要求1所述的用于深度学习的指纹细节数据库标注方法，其特征在于，所述步骤2包括：先计算图像I的均值Mean(I)和方差Var(I)，然后通过变换，将图像像素值归一化到均值和方差分别为0和1的形式，记作I_N1，随后结合掩膜I_M，计算指纹前景均值和方差，利用N₁(I_N1 e I_M)对指纹前景图像归一化，得到I_N2。

4.根据权利要求1所述的用于深度学习的指纹细节数据库标注方法，其特征在于，所述步骤3包括：

先对指纹图像I按照尺寸为w×w的正方形进行划分，建立预定义的滤波器F，并得到F在水平和竖直方向上的梯度分量F_x,F_y，通过F_x,F_y作用于指纹图像I，获得在x,y轴上的梯度图像，通过寻找梯度变化的主方向来评估脊线上每一点的方向；

利用低通滤波卷积每一脊线点梯度的协方差，然后求取梯度的二倍角转换成连续向量场：正弦和余弦，再使用低通滤波平滑角度：正弦和余弦值，最后通过反正切获得指纹脊线方向。

5.根据权利要求1所述的用于深度学习的指纹细节数据库标注方法，其特征在于，所述步骤4包括：

将图像进行分块处理，分成w×w的图像块，对每一个图像块进行旋转操作，将块旋转至使坐标x轴垂直于脊线方向，同时y轴平行于脊线方向，并基于此建立坐标系；

裁剪旋转后图像块中不符合预设要求的模块，将方向窗中图像灰度值向x轴投影，统计方向窗中像素灰度值在x轴上的投影总和proj，对proj做二维顺序统计量滤波操作，取滤波窗口[1,windsze]，取窗口中最大像素的值作为该位置的结果，滤波后结果记作mpts；

查询proj＝＝mpts对应的值，记为投影后的峰值点midx集合的坐标位置，取midx中最大坐标和最小坐标之间的平均单个峰值间距离，为平均脊间距离，记作wavelength，最后求频率freq为wavelength的倒数。

6.根据权利要求1所述的用于深度学习的指纹细节数据库标注方法，其特征在于，所述步骤5包括：

生成预设数量的Gabor滤波器，对不同图像块应用相应方向和频率的Gabor滤波器进行滤波增强，具体操作为：

对频率图进行筛选和统计，选择大于零的频率，并且对频率进行四舍五入处理；

在生成滤波器时固定角度增量AngleInc，滤波器数量为：AngleNum＝180°/AngleInc，然后进行插值处理，获得对应的Gabor滤波模板，对应每个图像块，使用对应索引的角度和频率的滤波器进行操作，获得增强后的图像I_E。