CN102368242A - 新型指纹数据库检索方法 - Google Patents

新型指纹数据库检索方法 Download PDF

Info

Publication number
CN102368242A
CN102368242A CN2011102647845A CN201110264784A CN102368242A CN 102368242 A CN102368242 A CN 102368242A CN 2011102647845 A CN2011102647845 A CN 2011102647845A CN 201110264784 A CN201110264784 A CN 201110264784A CN 102368242 A CN102368242 A CN 102368242A
Authority
CN
China
Prior art keywords
fingerprint
information
image
level
classification
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2011102647845A
Other languages
English (en)
Inventor
吴军
余人强
李莉
张辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CHANGZHOU LENCITY INFORMATION TECHNOLOGY Co Ltd
Original Assignee
CHANGZHOU LENCITY INFORMATION TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CHANGZHOU LENCITY INFORMATION TECHNOLOGY Co Ltd filed Critical CHANGZHOU LENCITY INFORMATION TECHNOLOGY Co Ltd
Priority to CN2011102647845A priority Critical patent/CN102368242A/zh
Publication of CN102368242A publication Critical patent/CN102368242A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Collating Specific Patterns (AREA)

Abstract

本发明涉及一种新型指纹数据库检索方法，步骤包括：利用奇异点进行粗分类；利用奇异点之间的信息来进行第二级分类；利用基于不变矩特征进行第三级分类，本发明基于不变矩特征的多级指纹数据库检索方法，在已有的基础上引入不变矩特征建立三级索引机制，在第三级通过对具有相同参考点的一块指纹图像ROI提取区域的正交不变矩特征，来克服输入图像具有旋转和位移的影响，从而提高系统的可靠性和稳定性。本发明的研究成果对指纹图像分析、识别、图像检索、信息安全等领域都有较高的学术应用价值。

Description

新型指纹数据库检索方法
技术领域
本发明涉及基于不变矩特征的多级指纹数据库检索方法，通过指纹类别、奇异点之间的信息以及不变矩特征来进行指纹数据库索引。
背景技术
图像数据库技术是图像处理技术、数据库技术结合的产物。传统数据库主要是对文字和数字进行处理，随着图像数据库技术的发展，基于关系数据库的索引技术已不能高效地对图像数据库进行处理。指纹数据库的索引机制和匹配方法与图像数据库相比也存在很大区别。实践表明，指纹识别技术现今具有高准确性和可信度。各种指纹识别技术的应用要与指纹数据库相连，而指纹数据库的规模越来越大，例如美国FBI数据库和NIST数据库中存储的记录已经达到几千万条。因此，要使识别系统在大型数据库中迅速而准确的完成一项任务并不是一件容易的事情。如果没有一种有效的数据库分类机制，输入的指纹图像将不得不同数据库中大量指纹数据逐一进行比对，系统将处于高负荷运转状态。为减少搜索时间和算法复杂度，必须对指纹进行分类。这样查询只需在指纹数据库中的一个相应子集中进行，从而节省了运算时间并降低了运算复杂度。因此对于大型指纹数据库而言，需要建立一种有效索引机制。
传统的指纹数据库检索方法主要依靠奇异点[1，2]，细节点[3-5]，以及纹理特征[6]。针对大型指纹数据库，通过逐一比对来检索指纹是非常耗时耗力。为了提高检索速度和检索效率，多级检索技术已被用在大型指纹数据库检索中[7-10]。随着检索的进行，在每一级中都删除大量的记录，直至最后一级进行匹配。一般指纹数据库检索使用指纹类别和指纹脊线数目建立二级索引。二级索引缩小了搜索空间，提高检索效率。但是由于脊线数目是表示指纹图像模式区内的全局特征，而不能准确表示指纹图像局部范围内的特征，这加重了数据库检索的后期匹配工作，从而使系统负荷沉重。文献[7]在已有的基础上引入指纹码(Gaborfilter)建立三级索引机制，即通过指纹类别、指纹脊线数目以及指纹码分类来进行索引。文献[8]在此基础上做了改进，利用金字塔结构进行事先进行数据分割，然后利用指纹类别，指纹码分别进行检索。文献[9]则利用奇异点之间的信息代替指纹脊线数目，以及利用细节点进行最后索引。文献[10]提出了四级索引机制，依次为基于文本的检索、基于指纹类别的检索、基于脊线密度的检索、基于细节点检索。其中，基于文本的检索是根据输人的文本信息，首先过滤记录。为了提高检索自动化，我们希望输入图像就可以实现检索，显然，这级检索可以摒除。此外，主要基于细节点或者指纹码特征来进行分类检索的方法具有局限性。
从技术的角度来讲，指纹图像分类检索的方法类似于指纹图像提取特征的方法。传统的特征提取方法主要有两种：基于细节点的方法[11-18]和基于纹理的方法[19-26]。基于细节点的方法，一般提取指纹图像的细节点(端点和分叉点)，通过点对点的匹配的方法来鉴别两枚指纹是否为同一个指纹。如果指纹的图像质量很差，提取的细节点会有的丢失，这样基于细节点的匹配的可靠性就会大大降低。而基于纹理的方法，则考虑指纹图像的纹理特性，通过Gaborfilter[19，20]，DCT[21]，Wavelet[22]，Fourier-Mellin[23]，Hu不变矩[24]等方法来提取指纹的纹理特征，然后通过比对特征间的欧式距离来计算两枚指纹的相似度，如果相似度越高，则证明他们属于同一手指的概率越高，如果数值大于一定的阈值，我们可以认定这两枚指纹属于同一手指。但是，传统的基于Gaborfilter，DCT，Wavelet等方法提取的指纹特征不具有不变性，如果指纹输入图像有旋转，那么要匹配的两枚指纹的特征间将会有很大的误差，这样会导致系统性能的大大下降。通常改进的办法是通过旋转指纹多次(一般10次)，提取每次旋转指纹的特征然后累积作为总的特征，但这样增加了匹配特征模板的容量，匹配时耗将会大大增加。此外，基于细节点特征[13-16]来克服旋转问题的方法也会因为细节点的丢失而大大影响精度。Jin等人[23]也通过提取指纹的Fourier-Mellin不变特征进行指纹识别，但是他们的方法基于传统的中心点作为参考点，这样对没有中心点的指纹图像将会有局限性。此外，因为多次FFT变换，该方法有耗时过多的缺点。
本发明的前期工作[24]对此作了改进，提出了一种基于Hu不变矩特征的指纹识别方法。该方法考虑到指纹输入时易受各方面因素的影响，特别是输入指纹有位移和旋转的情况，提出了一种基于参考点的位置和方向，提取Region ofInterest(ROI)区域，进行Hu不变矩分析[27]的方法，大大的改进了传统的Gaborfilter，DCT，Wavelet等方法提取的不是不变特征的问题，从而提高了系统的识别率。此外，由于Hu不变矩计算简单，处理速度也大大提高。但是，由于Hu不变矩存在的冗余量大以及非正交等缺点，提取的特征之间差异性不是很大，识别效果往往会容易受到图像噪音的影响。Teague[28]建议利用正交多项式构造正交矩来克服Hu矩不变量包含大量冗余信息的缺点。文献[29]指出正交矩在信息冗余度、图像表达以及在识别效果方面比其他类型的矩要好。正交不变矩由于矩多项式构造更加复杂，为了降低计算复杂度和时耗，研究他们的快速算法也很有必要。此外，以上提到的矩特征都是在整个图像空间中计算的，得到的是图像的全局特征，这种特征矢量不利于分类。基于小波变换的多分辨率分析[30]使它尤其适合于局部特征的提取。利用小波变换来构造不变矩，可以克服以上缺点，并且能同时得到图像的全局特征和局部特征，因而在识别相似形状的物体时有更高的识别率。
为了克服传统基于细节点和纹理特征等指纹数据库检索方法的缺点，结合目前图像分析的新思路，本发明提出一种基于不变矩特征的多级指纹数据库检索方法，在已有的基础上引入不变矩特征建立三级索引机制，即通过指纹类别、奇异点之间的信息以及不变矩特征来进行指纹数据库索引。针对指纹图像录入数据库时具有任意性的特点，在第三级通过对具有相同参考点的一块指纹图像ROI提取区域的正交不变矩特征，来克服输入图像具有旋转和位移的影响，从而提高系统的可靠性和稳定性。本发明的研究成果对指纹图像分析、识别、图像检索、信息安全等领域都有较高的学术应用价值。
发明内容
本发明要解决的技术问题是：提出一种基于不变矩特征的多级指纹数据库检索方法，能够克服传统基于细节点和纹理特征等指纹数据库检索方法的缺点，通过基于小波的多分辨率分析和快速不变矩分析，在第三级提取指纹图像的正交不变矩特征进行分类索引，能够解决指纹数据库检索中指纹图像位移和旋转变化等难点问题。
本发明所采用的技术方案为：一种新型指纹数据库检索方法，包括以下步骤：
①利用奇异点进行粗分类，包括：
a.计算图像块的方向；
b.对方向图进行平滑滤波；
c.求出奇异点的位置；
d.根据要找的奇异点的数目，用一套简单的规则得到它的类标签；
②利用奇异点之间的信息来进行第二级分类。
③利用基于不变矩特征进行第三级分类，包括：
a.参考点的选择；
b.基于参考点的感兴趣区域(ROI)的提取；
c.ROI区域的划分与不变特征的提取；
d.多分辨率域提取离散正交不变矩特征。
进一步地，本发明所述的第二级分类通过利用中心点和三角点之间的脊线数目、方向角度、以及欧式距离来进行第二级分类，代表全局特征的这些奇异点之间的信息可以作为指纹数据库的一个索引。这些信息将被置零。如果有多个中心点或三角点，将分别计算这些信息累加求和作为最后的信息。
本发明的有益效果是：本发明基于不变矩特征的多级指纹数据库检索方法，在已有的基础上引入不变矩特征建立三级索引机制，即通过指纹类别、奇异点之间的信息以及不变矩特征来进行指纹数据库索引，针对指纹图像录入数据库时具有任意性的特点，在第三级通过对具有相同参考点的一块指纹图像ROI提取区域的正交不变矩特征，来克服输入图像具有旋转和位移的影响，从而提高系统的可靠性和稳定性。本发明的研究成果对指纹图像分析、识别、图像检索、信息安全等领域都有较高的学术应用价值。
附图说明
图1是本发明的流程示意图。
具体实施方式
现在结合附图和优选实施例对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
本发明所述的基于不变矩特征的多级指纹数据库检索方法的实施例，基于发明研究方案及理论框图，我们对指纹数据库进行三级检索，即利用奇异点进行粗分类，利用奇异点之间的信息进行第二级分类，以及利用不变矩特征进行第三级分类，从而达到快速准确的检索目的。下面分别介绍如下：
1)利用奇异点进行粗分类。基于奇异点分类方法具有简洁、速度快的优点。此算法中有四个主要步骤：
a.计算图像块的方向；
b.对方向图进行平滑滤波；
c.求出奇异点的位置；
d.根据要找的奇异点的数目，用一套简单的规则得到它的类标签。
2)利用奇异点之间的信息来进行第二级分类。指纹的奇异点可以分为中心点(Core)和三角点(Delta)。通过利用中心点和三角点之间的脊线数目、方向角度、以及欧式距离来进行第二级分类，代表全局特征的这些奇异点之间的信息可以作为指纹数据库的一个索引。考虑到应用的普遍性，对没有中心点或者三角点的指纹图像，这些信息将被置零。如果有多个中心点或三角点，将分别计算这些信息累加求和作为最后的信息。
3)利用基于不变矩特征进行第三级分类。正交不变矩特征具有唯一性和稳定性，对旋转、平移、大小变换都具有不变性，可以用来解决输入指纹图像位移和旋转的问题。提取正交不变矩特征的主要步骤如下：
a.参考点的选择。一般参考点的选择是基于指纹的中心点，但是有的指纹图像不具有中心点(如蓬型指纹)或者具有多个中心点(如罗型指纹)这样参考点将不存在或者不唯一，为了准确的提取指纹的ROI以及特征，我们需要唯一的参考点。
b.基于参考点的感兴趣区域(ROI)的提取。以参考点为中心的ROI区域，每幅指纹图像都会得到唯一的候选区域便于特征的提取。
c.ROI区域的划分与不变特征的提取。为了克服非线性变换以及噪音的因素的影响，我们需要将ROI区域分块，传统方法一般采用环形区域提取特征的方法。这里我们采用基于参考点位置和方向的分块技术来表述图像区域，该方法克服了传统方法需要精确划分区域的缺点，从而降低了系统的时耗性，提高了识别率。
d.多分辨率域提取离散正交不变矩特征。首先对指纹图像进行多辨率分析。此外，在多层图像空间提取离散正交不变矩特征，通过研究图像旋转不变矩构造的一般规律，提出利用三角函数构造旋转不变矩的方法，得到新的不变矩通式，并产生一个较大的旋转、比例平移不变矩集。在此基础上，提出不变矩各阶子式的概念，设计一种滤波器式不变矩快速算法，能有效避免大量子多项式的重复计算从而提高不变矩的计算和生成效率。
以上说明书中描述的只是本发明的具体实施方式，各种举例说明不对本发明的实质内容构成限制，所属技术领域的普通技术人员在阅读了说明书后可以对以前所述的具体实施方式做修改或变形，而不背离发明的实质和范围。

Claims (2)

1.一种新型指纹数据库检索方法，其特征在于：包括以下步骤：
①利用奇异点进行粗分类，包括：
a.计算图像块的方向；
b.对方向图进行平滑滤波；
c.求出奇异点的位置；
d.根据要找的奇异点的数目，用一套简单的规则得到它的类标签；
②利用奇异点之间的信息来进行第二级分类。
③利用基于不变矩特征进行第三级分类，包括：
a.参考点的选择；
b.基于参考点的感兴趣区域(ROI)的提取；
c.ROI区域的划分与不变特征的提取；
d.多分辨率域提取离散正交不变矩特征。
2.如权利要求1所述的新型指纹数据库检索方法，其特征在于：所述的第二级分类通过利用中心点和三角点之间的脊线数目、方向角度、以及欧式距离来进行第二级分类，代表全局特征的这些奇异点之间的信息可以作为指纹数据库的一个索引，这些信息将被置零，如果有多个中心点或三角点，将分别计算这些信息累加求和作为最后的信息。
CN2011102647845A 2011-09-07 2011-09-07 新型指纹数据库检索方法 Pending CN102368242A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011102647845A CN102368242A (zh) 2011-09-07 2011-09-07 新型指纹数据库检索方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011102647845A CN102368242A (zh) 2011-09-07 2011-09-07 新型指纹数据库检索方法

Publications (1)

Publication Number Publication Date
CN102368242A true CN102368242A (zh) 2012-03-07

Family

ID=45760807

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011102647845A Pending CN102368242A (zh) 2011-09-07 2011-09-07 新型指纹数据库检索方法

Country Status (1)

Country Link
CN (1) CN102368242A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015015022A1 (es) 2013-07-31 2015-02-05 Universidad De Sevilla Método de identificación de huellas dactilares y dispositivo que hace uso del mismo

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050047633A1 (en) * 2003-08-28 2005-03-03 Infineon Technologies Ag Method for comparison of a test fingerprint, which is in the form of an image strip sequence, with a stored reference fingerprint, and a suitable apparatus for carrying out the method
JP2010165012A (ja) * 2009-01-13 2010-07-29 Casio Computer Co Ltd 撮像装置、画像検索方法及びプログラム
CN102147817A (zh) * 2011-04-27 2011-08-10 杭州晟元芯片技术有限公司 一种指纹奇异点快速搜索方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050047633A1 (en) * 2003-08-28 2005-03-03 Infineon Technologies Ag Method for comparison of a test fingerprint, which is in the form of an image strip sequence, with a stored reference fingerprint, and a suitable apparatus for carrying out the method
JP2010165012A (ja) * 2009-01-13 2010-07-29 Casio Computer Co Ltd 撮像装置、画像検索方法及びプログラム
CN102147817A (zh) * 2011-04-27 2011-08-10 杭州晟元芯片技术有限公司 一种指纹奇异点快速搜索方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
姚玉荣，章毓晋: "《利用小波和矩进行基于形状的图象检索》", 《中国图象图形学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015015022A1 (es) 2013-07-31 2015-02-05 Universidad De Sevilla Método de identificación de huellas dactilares y dispositivo que hace uso del mismo

Similar Documents

Publication Publication Date Title
Lin et al. Rotation-invariant similarity in time series using bag-of-patterns representation
Abbasifard et al. A survey on nearest neighbor search methods
CN102201001B (zh) 基于倒排技术的快速检索方法
CN102004786B (zh) 图像检索系统中的加速方法
CN103324650A (zh) 一种图像检索方法及系统
Nunes et al. Shape based image retrieval and classification
Sachdeva et al. Better object recognition using bag of visual word model with compact vocabulary
CN101515286B (zh) 基于图像特征多级过滤的图像匹配方法
Wangming et al. Application of Image SIFT Features to the Context of CBIR
CN102368241A (zh) 多级指纹数据库检索方法
CN102289515A (zh) 基于不变距特征的多级指纹数据库检索方法
CN102368242A (zh) 新型指纹数据库检索方法
Traina et al. The metric histogram: A new and efficient approach for content-based image retrieval
Maltoni et al. Fingerprint classification and indexing
CN105488473A (zh) 一种多特征融合的海量指纹编码和比对方法
Ahmad et al. A fusion of labeled-grid shape descriptors with weighted ranking algorithm for shapes recognition
Andono et al. Image compression based on SVD for BoVW model in fingerprint classification
Vij et al. Fingerprint indexing based on local arrangements of minutiae neighborhoods
Jain et al. An efficient content based image retrieval algorithm using clustering techniques for large dataset
Priya et al. Optimized content based image retrieval system based on multiple feature fusion algorithm
Perez-Cortes et al. Fast and accurate handwritten character recognition using approximate nearest neighbours search on large databases
He et al. Clustering-based descriptors for fingerprint indexing and fast retrieval
Saund A graph lattice approach to maintaining and learning dense collections of subgraphs as image features
Cen et al. An improved algorithm for locality-sensitive hashing
He et al. Comparative study of features for fingerprint indexing

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20120307