CN101609499A - 快速指纹识别方法 - Google Patents

Abstract

本发明公开了一种基于图像特征和细节点特征的快速指纹识别方法。该方法首先参照点检测及其方向确定，通过观察不同尺度扇形区域内指纹的方向与径向方向的差异从而确定出参照点的参考方向；图像特征提取，规范化后对其进行特征选择，最终得到指纹图像的特征矢量；细节点模板建立，将得到的细节点转化到极坐标系下，从而建立起指纹细节点模板；特征匹配，即对于输入的待比对指纹，利用上述三个步骤得到的指纹图像特征和细节点模板判断两枚指纹是否匹配。本发明不仅能够有效抑制指纹图像平移和旋转产生的影响，同时避免了识别过程中对检测的参照点及其方向的依赖性，而且能够快速准确地判断出待识别指纹与模板指纹是否匹配。

Description

快速指纹识别方法

技术领域

本发明属于指纹识别技术，特别是一种基于图像特征和细节点特征的快速指纹识别方法。

背景技术

在众多的生物特征识别系统中，指纹识别系统由于其体积小、成本低、易操作、可靠性高等优点越来越受到人们的青睐，相应地，基于指纹识别技术的产品市场需求正在日益扩大，应用也越来越广泛。

指纹识别是比较两枚指纹从而确定它们是否来自同一个手指的过程。指纹识别技术主要涉及指纹图像采集、指纹图像处理、特征提取、保存数据、特征值的比对与匹配等步骤。其中指纹图像的特征提取和匹配是指纹识别领域的两个关键问题。

目前指纹识别的方法主要有两种：基于指纹细节点特征的方法和基于指纹图像特征的方法。基于细节点特征的指纹识别方法，是提取出指纹脊线的端点和分叉点来形成指纹细节点模板，在此基础上统计两个指纹模板之间相匹配的细节点个数来判断两枚指纹是否匹配。该类方法在指纹匹配时往往需要利用提取的特征或者结构矢量进行指纹细节点校准，从而建立待匹配指纹与库指纹的对应性，这是一个搜索过程，造成匹配的时间较长，使得指纹识别系统的应用范围受到限制，如利用细节点局部的脊线信息和方向信息建立局部特征矢量进行指纹图像校准(1.Feng，J.J.，Ouyang，Zh.Y，Cai，A.N.Fingerprint matching using ridges，Pattern Recognition，2006，vol.39，pp.2131-2140.2.Tong，X.F.，Huang，J.H.，et al.，Fingerprint minutiae matching using the adjacent featurevector，Pattern Recognition Letters，2005，vol.26，PP.1337-1345.)。基于图像特征的指纹匹配方法，是利用各种变换诸如小波变换、离散余弦变换等提取出指纹的图像特征，然后计算图像特征之间的距离，以此来判断两枚指纹是否匹配。Jain和Amornraksa采用了Gabor特征和DCT特征用于指纹识别(3.Jain，A.K.，Prabhakar，S.Hong，L.andPankanti，S.，Filterbank-Based Fingerprint Matching，IEEE Transactions on ImageProcessing，2000，vol.9(5)，pp.846-859.4.Amornraksa，T.and Tachaphetpiboon，S.，Fingerprint recognition using DCT features，Electronics Letters，2006，vol.42(9)，PP.)。该类方法计算量少，匹配简便，对于质量较差的指纹依然能够提取特征进行匹配，但是该类方法对于指纹的偏移以及方向旋转变化比较敏感，导致识别性能降低。

发明内容

本发明的目的在于提供一种融合指纹图像特征和细节点特征进行匹配，从而快速实现指纹识别的方法。

实现本发明目的的技术解决方案为：一种基于图像特征和细节点特征的快速指纹识别方法，步骤如下：

第一步，参照点检测及其方向确定，即对输入图像进行图像失真校正、图像分割后，根据不同尺度窗口内梯度方向的一致性来平滑方向场，并利用多分辨率窗口方向变化的属性检测出指纹的参照点，紧接着以参照点为中心，观察不同尺度扇形区域内指纹的方向与径向方向的差异从而确定出参照点的参考方向；

第二步，图像特征提取，即以检测的参照点为中心对指纹图像截图，截图大小128×128，为获取指纹的图像特征，首先对图像进行二级小波变换，对于低频部分再进行傅立叶梅林变换，即先对低频部分进行傅立叶变换，高通滤波后极对数坐标变换，之后再进行傅立叶变换，得到64×64维度的系数矩阵，规范化后对其进行特征选择，最终得到指纹图像的特征矢量；

第三步，细节点模板建立，即对第二步得到的截图进行图像增强、二值化、细化操作后，得到指纹截图的细化图像，然后提取出指纹的细节点，以检测的参照点为极点，将得到的细节点转化到极坐标系下，从而建立起指纹细节点模板；

第四步，特征匹配，即对于输入的待比对指纹，利用上述三个步骤得到的指纹图像特征和细节点模板判断两枚指纹是否匹配。

本发明与现有技术相比，其显著优点：(1)不仅能够有效抑制指纹图像平移和旋转产生的影响，同时避免了识别过程中对检测的参照点及其方向的依赖性，而且能够快速准确地判断出待识别指纹与模板指纹是否匹配。(2)首先利用指纹的图像特征进行匹配，提取的指纹图像特征具有旋转、平移及尺度不变性，长度固定，匹配简便，具有较好的抗噪声能力。(3)接下来对于不能准确给出判断结果的指纹，利用细节点模板进行二次匹配，该过程避免了指纹姿势校准中耗时的搜索过程，极大的提高了匹配速度，同时使得识别性能提高一倍左右。(4)上述初匹配和二次匹配过程依赖于参照点的位置和方向计算，为了减轻参照点位置和方向误差对识别性能的影响。(5)进一步提出了末匹配过程，该过程通过误差分析后选取可靠的细节点对作为参照点来准确地计算指纹之间的平移旋转参数，合理的利用多参照点进行再次匹配能够更好地校准细节点集，同时降低了检测的参照点位置及其方向误差造成的影响，进一步改进了系统的识别性能。

下面结合附图对本发明作进一步详细描述。

附图说明

图1是本发明基于图像特征和细节点特征的快速指纹识别方法的流程图。

图2是指纹图像中核心点与三角点示意图。

图3是参照点检测结果图。

图4是确定指纹图像参照点方向的示意图。

图5依据参照点方向旋转的指纹图。

图6是计算图像特征矢量的过程示意图。

图7是图像特征结果图。

图8是细节点模板的示意图。

图9是本发明的指纹匹配过程示意图。

具体实施方式

结合图1，本发明基于图像特征和细节点特征的快速指纹识别方法，步骤如下：

第一步，对输入图像进行图像失真校正、图像分割后，根据不同尺度窗口内梯度方向的一致性来平滑方向场，并利用多分辨率窗口方向变化的属性检测出指纹的参照点，紧接着以参照点为中心，观察不同尺度扇形区域内指纹的方向与径向方向的差异从而确定出参照点的参考方向，也就是参照点检测及其方向确定，即对指纹图像进行预处理，包括失真校正、分割等步骤，然后将图像分成不重叠的5×5大小的窗口来计算方向场。对每一象素块考虑其周围不同尺度邻域的方向一致性对方向场加以平滑。

(1)如图2所示指纹图像，图2a存在一个三角点和一个cup核心点，图2b有一个cup核心点和一个cap核心点，本发明中不提取三角点。对于图2b，参照点的坐标取提取的两个核心点坐标的均值。

根据公式 $\mathrm{Con}\left(s\right)=\frac{\sqrt{{\left({\mathrm{\Σ}}_{(i,j)\∈\mathrm{\Ω}\left(s\right)}\cos \left(2\mathrm{\θ}(i,j)\right)\right)}^2+{\left({\mathrm{\Σ}}_{(i,j)\∈\mathrm{\Ω}\left(s\right)}\sin \left(2\mathrm{\θ}(i,j)\right)\right)}^2}}{M},$ 采用不同的尺度窗口s找出Con(s)值最小的点即为核心点，实际计算时，s等于4开始，依次减1，直至s＝1结束，公式中i，j为指纹图像中的象素坐标，θ表示方向。M为邻域内点的数目，如图3a、图3b所示，图中白色方块表示检测的参照点。

(2)如图4a所示，以检测的参照点为中心，根据精度需要，将2π弧度划分为N个径向方向θ′_k，方向编号为0，1，...N，各方向间隔为2π/N弧度。在不同半径的扇形区域内根据公式 $\mathrm{Cod}\left(k\right)=\frac{1}{M}\underset{(i,j)\∈\mathrm{\Ωk}}{\mathrm{\Σ}}\left|\sin (\mathrm{\θ}(i,j)-{\mathrm{\θ}}_k^{\′})\right|,$ k＝0，1，2，..N，找出使Cod(k)值最大的方向即为参考方向。针对涡型以及双螺旋型指纹，会提取出两个核心点，假定指纹旋转不超过±90°，其参考方向通过 $\mathrm{Core}\_d=\arctan \left(\frac{y_{\mathrm{core}2}-y_{\mathrm{core}1}}{x_{\mathrm{core}2}-x_{\mathrm{core}1}}\right)$ 计算。y_core1，x_core1，y_core2，x_core2分别为两个核心点的坐标。图4a中给出了0，1，2...8共8个方向，各个方向之间隔π/4弧度，如图4b所示，在计算0方向时，利用图中的浅灰色扇形区域象素，计算3方向时，利用图中深灰色的扇形区域象素。如图5a、图5b所示，将指纹图像根据参照点方向进行旋转使得参照点方向竖直，图中箭头表示了计算的参照点方向。

第二步，图像特征提取：如图6所示，以检测的参照点为中心对指纹图像截图，块图像大小为128×128。为获取指纹的图像特征，首先对图像进行二级Haar小波变换，对于低频部分傅立叶变换后再进行极对数(Log-Polar)坐标变换，之后进行傅立叶变换，得到64×64维数的系数矩阵，将系数矩阵值规范化为[0，255]区间的整数，此系数矩阵中大部分数值等于零或接近于零，如图7所示。图7中只有中心区域较亮，说明数值较大，其他区域几乎为黑色，数值为零或接近于零。对该特征矩阵进行特征选择，最终得到特征矢量F_WFMT，其维数大小为658。阈值(T₀，T₁)中T₀、T₁是根据大量实验给定的，比如设定T₀为65，T₁为150。

第三步，细节点模板建立：对以参照点为中心的截图进行图像增强、二值化、细化以及细节点提取等一系列工作。之后如图8所示，将提取的细节点笛卡尔坐标以参照点为极点转化到极坐标系下，图8中有8个细节点，(r_i，e_i)是细节点i的极坐标，φ_i是细节点i规范化后的方向，t_i是细节点i的类型，i＝1，2，3...8，x_core，y_core是检测的参照点坐标，θ_core是参照点方向。

第四步，特征匹配：对于输入的待比对指纹，利用上述三个步骤得到的指纹图像特征和细节点模板判断两枚指纹是否匹配。当给定输入指纹时，匹配分为三个过程如图9所示，匹配前，指纹数据库中的指纹图像特征和细节点模板信息都已得到了提取，如图中右边矩形框所示；对于输入的待识别指纹，经过处理后同样得到了图像特征和细节点模板信息，如图9中左边所示。匹配时详细的步骤如下：

(1)初匹配：按公式 $D=\sqrt{{\mathrm{\Σ}}_{i=1}^{658}{|F_{\mathrm{WFMTqi}}-F_{\mathrm{WFMTpi}}|}^2}$ 计算两幅指纹图像特征的欧式距离，当计算的距离不大于给定的阈值T₀时，我们认为输入指纹与库指纹是来自同一手指的，接受该指纹；而当该距离不小于阈值T₁时，我们则认为输入指纹与库指纹不相似，拒绝接受输入指纹；对于其它情况，即当距离T₀＜D＜T₁时，并不能判断出输入指纹是否与库指纹来自同一手指，此时指纹进入下一级匹配过程。比如，在匹配中计算的欧式距离D＝50，则D＜T₀，我们认为待匹配指纹与库指纹来自同一手指；若实际计算的距离D＝180，则D＞T₁，则待匹配指纹与库指纹来自不同手指；若计算的欧式距离D＝120，则T₀＜D＜T₁，进入到二次匹配。

(2)二次匹配：给定两个细节点模板，P表示库指纹细节点模板，Q为输入的待匹配指纹模板，令库模板中的每一个细节点P_i与待匹配模板中的细节点Q_j进行匹配。如果(P_i，Q_i)满足|e_i ^p-e_j ^q|≤π/16，t_i＝t_j， $|{r_i}^p-{r_j}^q|<\frac{{r_i}^p}{6}$ 和|φ_i ^p-φ_j ^q|≤π/16条件，则它们是匹配点对，则对其加以记录，最终得到匹配点对集V＝((v₁ ^p，v₁ ^q)，..(v_k ^p，v_k ^q))，将V中数目除以总的细节点数目来计算匹配得分，如果匹配分值高于预先设定的二次匹配中的阈值T₂，T₂是根据大量实验给定的，如T₂＝0.65，则待匹配指纹Q与P来自同一手指。

(3)末匹配：对于二次匹配时匹配分值低于阈值T₂的指纹，需要进一步加以匹配。

1)重新考虑V中的点对，即使参照点及其方向计算存在误差，V中仍存在一部分匹配点对可以匹配。在这里选取V中满足25≤r_i≤64和|r_i ^p-r_j ^q|＜6，|e_j ^p-e_j ^q|≤π/16条件的点对作为新的参照点对。其中，r_i为细节点i与参照点的欧式距离，r_i ^p为库指纹模板p中第i个细节点与参照点的欧式距离，r_j ^q为待匹配指纹模板q中第j个细节点与参照点的欧式距离，e_i ^p为库指纹模板p中第i个细节点的极角、e_j ^q为待匹配指纹模板q中第j个细节点的极角。

2)以新的参照点对重新计算两幅指纹图像之间的旋转参数Δθ及平移参数Δx，Δy(其中Δθ为待匹配指纹与库指纹之间的旋转角度，以弧度为单位，Δx，Δy为待匹配指纹与库指纹在水平x方向和竖直y方向上的平移距离，以象素为单位)，可以使得两幅指纹图像较为精确的得到校准。

3)根据得到的旋转和平移参数，对待识别指纹模板进行旋转和平移，之后将库指纹模板细节点P_i与旋转平移后的待识别指纹模板细节点Q_j′进行细节点匹配，最后计算匹配分值，与判断阈值T₂进行比较，输出判断结果。

Claims (6)

1、一种基于图像特征和细节点特征的快速指纹识别方法，其特征在于步骤如下：

第一步，参照点检测及其方向确定，即对输入图像进行图像失真校正、图像分割后，根据不同尺度窗口内梯度方向的一致性来平滑方向场，并利用多分辨率窗口方向变化的属性检测出指纹的参照点，紧接着以参照点为中心，观察不同尺度扇形区域内指纹的方向与径向方向的差异从而确定出参照点的参考方向；

第二步，图像特征提取，即以检测的参照点为中心对指纹图像截图，截图大小128×128，为获取指纹的图像特征，首先对图像进行二级小波变换，对于低频部分再进行傅立叶梅林变换，即先对低频部分进行傅立叶变换，高通滤波后极对数坐标变换，之后再进行傅立叶变换，得到64×64维度的系数矩阵，规范化后对其进行特征选择，最终得到指纹图像的特征矢量；

第三步，细节点模板建立，即对第二步得到的截图进行图像增强、二值化、细化操作后，得到指纹截图的细化图像，然后提取出指纹的细节点，以检测的参照点为极点，将得到的细节点转化到极坐标系下，从而建立起指纹细节点模板；

第四步，特征匹配，即对于输入的待比对指纹，利用上述三个步骤得到的指纹图像特征和细节点模板判断两枚指纹是否匹配。

2、根据权利要求1所述的基于图像特征和细节点特征的快速指纹识别方法，其特征在于参照点检测及其方向确定步骤如下：

第一步，对指纹图像进行预处理，将图像分成不重叠的5×5大小的象素块来计算方向场，对每一象素块考虑其周围不同尺度邻域的方向一致性对方向场加以平滑，之后根据公式

$\mathrm{Con}\left(s\right)=\frac{\sqrt{{\left({\mathrm{\&Sigma;}}_{(i,j)\&Element;\mathrm{\&Omega;}\left(s\right)}\cos \left(2\mathrm{\&theta;}(i,j)\right)\right)}^2+{\left({\mathrm{\&Sigma;}}_{(i,j)\&Element;\mathrm{\&Omega;}\left(s\right)}\sin \left(2\mathrm{\&theta;}(i,j)\right)\right)}^2}}{M}$

采用不同的尺度窗口找出Con(s)值最小的点即为核心点，s为窗口尺度大小；

第二步，以参照点为中心，根据精度需要，将2π弧度划分为N个径向方向θ′_k，方向编号为0，1，...N，各方向间隔为π/N弧度，在不同半径的扇形区域内根据公式 $\mathrm{Cod}\left(k\right)=\frac{1}{M}\underset{(i,j)\&Element;\mathrm{\&Omega;k}}{\mathrm{\&Sigma;}}\left|\sin (\mathrm{\&theta;}(i,j)-{\mathrm{\&theta;}}_k^{\&prime;})\right|,k=\mathrm{0,1,2},...N,$ 找出使Cod(k)值最大的方向即为参考方向。

3、根据权利要求1所述的基于图像特征和细节点特征的快速指纹识别方法，其特征在于运用快速的二级Haar小波变换，得到64×64维度的系数矩阵后，进行特征选择并进行特征规范化，使得每一特征值为[0，255]区间的整数。

4、根据权利要求1所述的基于图像特征和细节点特征的快速指纹识别方法，其特征在于两枚指纹匹配的过程分为初匹配、二次匹配和末匹配三个步骤，具体实现过程如下：

首先进行初匹配，指纹初级匹配时，计算两幅指纹图像特征矢量之间的欧式距离D，然后将该距离值与给定的阈值(T₀，T₁)进行比较，如果欧式距离D不大于T₀，两幅指纹图像来自同一手指；如果欧式距离D不小于T₁，这两幅指纹图像来自不同手指；对于T₀＜D＜T₁，待识别指纹进入下一级匹配；

然后进行二次匹配，以检测的参照点为两枚指纹的对齐点，以确定的参考方向为基准方向，比较待识别指纹与库指纹的细节点模板，记录匹配的细节点对，计算匹配分值，若匹配分值高于预先设定的阈值T₂，则待匹配指纹与模板指纹来自同一手指；对于小于等于预先设定的阈值T₂的情况，进入下一级匹配；

最后进行末匹配，利用二次匹配中记录的匹配细节点对，重新计算两幅指纹图像之间的旋转及平移参数，再次进行细节点匹配。

5、根据权利要求4所述的基于图像特征和细节点特征的快速指纹识别方法，其特征在于末匹配步骤如下：

首先，重新考虑二次匹配中已匹配的细节点对，即使参照点及其方向计算存在误差，匹配的细节点点对中仍存在一部分匹配点对可以匹配，从匹配的细节点对中选择满足特定条件的点对作为新的参照点对；

其次，以新的参照点对重新计算两幅指纹图像之间的旋转及平移参数，使得两幅指纹图像较为精确地得到校准；

再次，进行全局匹配，将库指纹模板细节点与旋转平移后的待识别指纹模板细节点进行匹配，最后计算匹配分值，与判断阈值进行比较，输出判断结果。

6、根据权利要求5所述的基于图像特征和细节点特征的快速指纹识别方法，其特征在于特定条件的点对符合下列条件：25≤r_i≤64，|r_i ^p-r_j ^q|＜6和|e_i ^p-e_j ^q|≤π/16，r_i为细节点i与参照点的欧式距离，r_i ^p为库指纹模板p中第i个细节点与参照点的欧式距离，r_j ^q为待匹配指纹模板q中第j个细节点与参照点的欧式距离，e_i ^p为库指纹模板p中第i个细节点的极角、e_j ^q为待匹配指纹模板q中第j个细节点的极角。

Images