[发明专利]基于特征融合的指纹图像匹配方法

摘要

本发明提出了一种基于特征融合的指纹图像匹配方法，旨在保证匹配速度的同时，提高指纹图像的匹配精度，实现步骤为：获取待匹配指纹图像的细节点特征和SIFT特征点特征；建立笛卡尔直角坐标系；获取每个细节点ai的二进制序列值；构建三角形特征向量；获取每个三角形特征向量Vα的哈希桶Wα；获取匹配的指纹图像。本发明通过将细节点特征和SIFT特征点特征融合，构建三角形特征向量，提高了匹配准确率，可用于大规模指纹数据库下指纹图像的匹配。

主权项

1.一种基于特征融合的指纹图像匹配方法，其特征在于，包括如下步骤：(1)获取待匹配指纹图像的细节点特征和SIFT特征点特征：(1.1)对待匹配指纹图像进行预处理，得到细节点特征集合{a₁(x₁,y₁,θ₁),a₂(x₂,y₂,θ₂),…,a_i(x_i,y_i,θ_i),…,a_n(x_n,y_n,θ_n)}，a_i表示第i个细节点，x_i和y_i分别表示第i个细节点对应像素的横坐标和纵坐标，θ_i表示第i个细节点对应像素的坐标方向，其中，n表示细节点特征的总数，n＞3；(1.2)采用SIFT方法提取待匹配指纹图像的SIFT特征点特征，得到SIFT特征点特征集合{b₁(p₁,q₁),b₂(p₂,q₂),…,b_j(p_j,q_j),…,b_m(p_m,q_m)}，b_j表示第j个SIFT特征点，p_j和q_j分别表示第j个SIFT特征点对应像素的横坐标和纵坐标，m表示SIFT特征点特征的总数，m≥1；(2)建立笛卡尔直角坐标系：建立以待匹配指纹图像的每个细节点a_i为原点中心，方向θ_i为纵轴正方向，方向θ_i顺时针旋转90度的方向为横轴正方向的n个笛卡尔直角坐标系，并将所有SIFT特征点特征转换到每一个笛卡尔直角坐标系中，转换公式为：其中，p_j'和q_j'分别表示笛卡尔直角坐标系中第j个特征点的横坐标和纵坐标；(3)获取每个细节点a_i的二进制序列值：(3.1)将以每个笛卡尔垂直坐标系中坐标(R,R)、(R,‑R)、(‑R,R)和(‑R,‑R)为顶点形成的正方形均匀划分为e×e个小正方形，并按照先行后列的顺序计算每个小正方形的中心点坐标，得到中心点坐标集合{g₁(h₁,w₁),g₂(h₂,w₂),…,g_o(h_o,w_o),…,g_e×e(h_e×e,w_e×e)}，其中R＞0，g_o表示第o个小正方形的中心点，h_o和w_o分别表示第o个小正方形中心点的横坐标和纵坐标；(3.2)对每个小正方形的高斯和G_o进行二进制转化，得到e×e个二进制值，转化公式为：其中，Ψ_o表示第o个小正方形的二进制值，μ表示预设的阈值，σ表示高斯函数的标准差；(3.3)每个笛卡尔垂直坐标系中按照先行后列的顺序对e×e个小正方形对应的二进制值进行排列，得到n个细节点的二进制序列值，其中细节点a_i的二进制序列值B_i的表达式为：B_i＝(Ψ₁Ψ₂…Ψ_e×e)₂；(4)构建三角形特征向量：(4.1)以待匹配指纹图像中每任意三个细节点为顶点构造多个三角形，并计算每个三角形的边长；(4.2)从所有三角形中筛选三条边长是否均大于预设的最小边长阈值L_min，且小于预设的最大边长阈值L_max的f个三角形，f≥2；(4.3)以筛选出的每个三角形最大内角所对的细节点为起始点，按照顺时针的方向对三个细节点的二进制序列值进行排列，得到三角形特征向量集合{V₁,V₂,…,V_α,…,V_f}，其中，V_α表示第α个三角形特征向量；(5)获取每个三角形特征向量V_α的哈希桶W_α：采用局部敏感哈希函数对每个三角形特征向量V_α进行编码，得到f个哈希值，并在指纹数据库中查找每个哈希值对应的哈希桶W_α，得到f个哈希桶，其中，W_α表示三角形特征向量V_α对应的哈希桶；(6)获取匹配的指纹图像：(6.1)计算每个三角形特征向量V_α与其对应的哈希桶W_α包含的所有三角形特征向量的相似度，得到相似度集合{Γ₁₁,Γ₁₂,…,Γ_αβ,…,Γ_fl}，其中Γ_αβ表示三角形特征向量V_α与其对应的哈希桶W_α中第β个三角形特征向量的相似度，l表示对应哈希桶中三角形特征向量的总数，l≥10；(6.2)选取{Γ₁₁,Γ₁₂,…,Γ_αβ,…,Γ_fl}中数值最大值的相似度并在指纹数据库的哈希桶中查找与对应的三角形特征向量，并将该三角形特征向量对应的指纹图像作为与待匹配指纹图像相匹配的指纹图像。