[发明专利]一种基于特定点方向场与指纹投影的指纹检索方法

摘要

本发明涉及一种基于特定点方向场与指纹投影的指纹检索方法，属于指纹检索技术领域。首先对待匹配的指纹图像进行预处理操作对指纹分割并找到其可靠的方向场估计，其次找到指纹的特定点的位置和方向，然后对指纹的整体方向进行矫正，最后进行指纹的投影和指纹检索。本发明利用特定点的方向场构成指纹的特征向量并结合指纹投影技术，并由此进行指纹检索的方法有效地缩小待匹配的指纹数目。

主权项

一种基于特定点方向场与指纹投影的指纹检索方法，其特征在于：首先对待匹配的指纹图像进行预处理操作对指纹分割并找到其可靠的方向场估计，其次找到指纹的特定点的位置和方向，然后对指纹的整体方向进行矫正，最后进行指纹的投影和指纹检索；具体步骤为：Step1、利用支持向量机对指纹图像进行分割；支持向量机对指纹图像进行分割是利用灰度直方图求双峰的谷底作为门限，设定好门限值之后，然后把图像分割成目标和背景的区域；Step2、对分割后的图像的方向场进行多尺度平滑，得到可靠的方向场估计；设I(x,y)表示原始指纹图像，(x,y)位置处的像素灰度值，G_x(x,y)和G_y(x,y)分别为(x,y)处像素灰度梯度的水平分量和垂直分量；将指纹图像分成大小为W×W的互不重叠的图像子块，(i,j)为子块中心坐标，由下式可得图像的平方复数点方向场z(x,y)：$G_{s,x}(x,y)=G_x^2(x,y)-G_x^2(x,y)$G_s,y(x,y)＝2G_x(x,y)G_y(x,y)z(x,y)＝(G_x(x,y)+iG_x(x,y))²＝D_s,x(x,y)+iG_s,y(x,y)由下式可得指纹图像子块的方向场：$O_x(i,j)=\underset{\mathrm{\μ}=i-W/2}{\overset{i+W/2}{\Σ}}\underset{\mathrm{\ν}=j-W/2}{\overset{j+w/2}{\Σ}}{G}_{s,x}(\mathrm{\μ},\mathrm{\ν})$$O_y(i,j)=\underset{\mathrm{\μ}=i-W/2}{\overset{i+W/2}{\Σ}}\underset{\mathrm{\ν}=j-W/2}{\overset{j+w/2}{\Σ}}{G}_{s,y}(\mathrm{\μ},\mathrm{\ν})$$\mathrm{\Φ}(i,j)=\frac{1}{2}{\tan }^{-1}\left(O_y\right(i,j)/O_x(i,j\left)\right)$图像子块的方向一致性为：$bcoh(i,j)=\frac{1}{W\×W}\sqrt{{\left(\underset{W}{\mathrm{\Σ}}cos2\mathrm{\Φ}\right)}^2+{\left(\underset{W}{\mathrm{\Σ}}sin2\mathrm{\Φ}\right)}^2}$由于指纹纹线具有方向连续性，所以z(x,y)通常都是缓慢变化的，但由于指纹前景普遍存在粘连、断裂等低质量区域导致z(x,y)会被错误估计，所以要对z(x,y)进行平滑滤波；采用高斯滤波模板对z(x,y)进行多尺度滤波，即在指纹奇异区采用小尺度平滑以保持该区域的细节特征，而在其他区域采用大尺度平滑以抑制噪声，由此得到可靠的方向场估计z'(x,y)；Step3、特定点位置与方向的确定；Step3.1、将复数滤波器矩阵的幅值进行归一化，然后与Step2所得的归一化后的方向场进行卷积，得到复数滤波器的响应；三种复数滤波器为圆对称滤波器、三角对称滤波器和平行滤波器，卷积之后复数滤波器的响应为：r_c(x,y)＝z'(x,y)*h_c＝μ_c(x,y)exp(iα_c(x,y))r_d(x,y)＝z'(x,y)*h_d＝μ_d(x,y)exp(iα_d(x,y))r_p(x,y)＝z'(x,y)*h_p＝μ_p(x,y)exp(iα_p(x,y))上式h_c、h_d和h_p分别表示三种复数滤波器，响应幅度μ_c、μ_d和μ_p分别反映该位置圆对称性与三角对称性的大小，相角α_c、α_d和α_p则分别反映了滤波器对应模式的对称方向；Step3.2、根据Step3.1中滤波器响应的幅值和相位大小确定奇异点所在的位置；根据μ_c、μ_d和μ_p的大小可分别检测指纹中心点和三角点的位置：若某位置(x,y)处对应的μ_p小于设定阈值T_p，则此位置可能是奇异点所在的范围；在此范围内，如某位置(x_cp,y_cp)处对应的μ_c(x_cp,y_cp)大于设定的阈值T_cp，且μ_c(x_cp,y_cp)为μ_c(x,y)中的最大值，则(x_cp,y_cp)为中心点所在的位置；Step4、指纹坐标轴的确定；过指纹的奇异点作与指纹边缘相交的直线，把最长的那条线的方向作为竖轴，与其垂直的直线作为横轴；Step5、指纹投影；利用阈值法把指纹图像转化为二值图像；然后对这个二值图像进行水平投影和竖直投影，水平方向的投影数值反应的是每行的非零像素值的个数，竖直投影数值反应的是每列非零的像素值的个数；Step6、指纹检索；Step6.1用奇异点进行指纹的检索；将待识别的指纹图像与相应类型的指纹库中的指纹特征向量进行比较，计算二者的Euclidean距离，距离小说明两个指纹匹配度高，反之，匹配度低：$D_k=\sqrt{\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{M}{\Σ}}|z_{2k}^{\′}-z_{2o}^{\′}{|}^2},k=1,2,...,p$其中，z'_2o为带识别是指纹的特征向量的元素，z'_2k为指纹数据库所存指纹的特征向量的元素，p为指纹数据库所存指纹数目；Step6.2用指纹投影数据进一步缩小指纹检索的范围；根据Step5得到两组投影数据：水平投影数据和竖直投影数据，对这两组数据进行分析，这两组数据都包含奇异点所在的那一行和那一列的数据，以奇异点所在行和列的数据作为这两组数据的基点，通过分析两组数据的基点两侧n个数据的变化就能利用指纹纹形提高指纹检索的准确率，因为数据大对应的同行或同列的像素点就多，对应的指纹就宽或者长，反之，对应的指纹窄或者短。