CN103886296B - 基于反馈的指纹识别方法及装置 - Google Patents

基于反馈的指纹识别方法及装置 Download PDF

Info

Publication number
CN103886296B
CN103886296B CN201410114499.9A CN201410114499A CN103886296B CN 103886296 B CN103886296 B CN 103886296B CN 201410114499 A CN201410114499 A CN 201410114499A CN 103886296 B CN103886296 B CN 103886296B
Authority
CN
China
Prior art keywords
fingerprint
minutiae point
inquiry
iteration
minutiae
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.)
Expired - Fee Related
Application number
CN201410114499.9A
Other languages
English (en)
Other versions
CN103886296A (zh
Inventor
周杰
冯建江
程广权
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN201410114499.9A priority Critical patent/CN103886296B/zh
Publication of CN103886296A publication Critical patent/CN103886296A/zh
Application granted granted Critical
Publication of CN103886296B publication Critical patent/CN103886296B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供一种基于反馈的指纹识别方法及装置,包括以下步骤:S1,对查询指纹进行多通道滤波和二值化处理得到候选细节点集,并分为多个块,以根据多个块的方向场提取查询指纹的细节点;S2,根据指纹细节点和方向场对档案指纹与所选查询指纹进行配准确定配准参数;S3,根据配准参数配准的档案指纹方向场对查询指纹方向场进行校正,并选择查询指纹的细节点;S4,计算所选取的细节点与档案指纹的细节点的匹配分数,其中迭代执行S2至S4,以确定查询指纹的细节点。根据本发明实施例的方法,通过多个块的方向场选择查询指纹的细节点,并根据档案指纹对查询指纹的细节点进行迭代配准和校正,提高查询指纹方向场估计精度,从而提高查询指纹的识别率。

Description

基于反馈的指纹识别方法及装置
技术领域
本发明涉及指纹识别技术领域,特别涉及一种基于反馈的指纹识别方法及装置。
背景技术
在现代社会中,指纹识别已经成为工作生活中不可或缺的身份认证手段。指纹具有方便采集,不易篡改,认证可靠并且长期稳定等特征,使得指纹在很多场合下得到了应用。例如访问控制、门禁系统、出入境管理、考勤与刑事侦查等方面。
自动指纹识别系统包含指纹采集系统,指纹特征提取系统,指纹匹配系统以及指纹库等部分。指纹识别系统的识别率与待识别指纹的质量非常相关。在各种类型的自动指纹识别系统中,都存在低质量的指纹。其中,针对犯罪现场调查的指纹识别系统尤其如此。犯罪现场调查中会面对大量的现场指纹,这些现场指纹的质量通常较低,并且存在复杂的现场背景干扰,传统方法难以识别。因此在匹配现场指纹之前,需要先对现场指纹进行增强以提高现场指纹的质量,并尽可能去除现场指纹的背景干扰,从而提高匹配的精度。
现有的指纹增强手段为Gabor滤波方法。使用Gabor滤波方法对指纹增强时需要事先估计指纹的方向场,准确的方向场估计结果对提高指纹质量和去除背景等干扰起着至关重要的作用。因此,方向场估计是现场指纹识别过程中非常重要的一个环节。但是,现有的指纹方向场估计技术仅仅利用了输入指纹的信息。当输入指纹的质量很差的时候,现有技术难以估计出正确的方向场。因此,需要一种能够利用除输入指纹以外的更多信息的技术,以提高方向场估计性能,从而提高指纹识别系统的识别率。
发明内容
本发明的目的旨在至少解决上述的技术缺陷之一。为此,本发明一方面提供一种基于反馈的指纹识别方法。本发明的另一方面提出一种基于反馈的指纹识别装置。虽然本说明书中以指纹为例,但是本技术同样适用于掌纹的识别。
有鉴于此,本发明一方面的实施例提出一种基于反馈的指纹识别方法,包括以下步骤:细节点提取步骤,对查询指纹进行多通道滤波和二值化处理得到所述查询指纹的候选细节点集,并对所述查询指纹分为多个块,以根据所述多个块的方向场提取所述查询指纹的细节点;配准参数确定步骤,根据所述查询指纹的细节点和方向场对所述档案指纹与所选择的所述查询指纹进行配准以确定所述查询指纹和所述档案指纹的配准参数;细节点选择步骤,根据所述配准参数所配准的档案指纹方向场对所述查询指纹的方向场进行校正,并根据校正后的所述查询指纹的方向场选择所述查询指纹的细节点;匹配分数计算步骤,计算所选取的细节点与所述档案指纹的细节点的匹配分数,其中,当第K次迭代的匹配分数大于第K‐1次迭代的匹配分数时,将所述第K次迭代所选择的细节点作为所述查询指纹的细节点并进行下一迭代周期,迭代执行所述配准参数确定步骤、所述细节点选择步骤及所述匹配分数计算步骤,否则采用所述第K‐1次迭代所选择的细节点作为所述查询指纹的最终细节点并终止迭代。
根据本发明实施例的方法,通过多个块的方向场选择查询指纹的细节点,并根据档案指纹对查询指纹的细节点进行迭代配准和校正,提高查询指纹方向场估计精度,从而提高查询指纹的识别率。
在本发明的一个实施例中,所述细节点提取步骤包括:对所接收到的查询指纹进行多通道滤波和二值化处理得到所述查询指纹的候选细节点集;将所述查询指纹分为多个块,并计算所述多个块的傅立叶频谱,以根据所述多个块的傅立叶频谱获得各个块的方向场;根据所述方向场在所述候选细节点集中提取所述查询指纹的细节点。
在本发明的一个实施例中,所述配准参数确定步骤中,将所选择的所述查询指纹的细节点与所述档案指纹的细节点的误差小于预设范围的旋转角度值、水平偏移值和竖直偏移值作为候选配准参数,根据所述候选配准参数下档案指纹与查询指纹方向场之间的相似度选出最终配准参数。
在本发明的一个实施例中,在所述细节点选择步骤中删除预设范围内的细节点以得到去除重复细节点的所述查询指纹的细节点。
在本发明的一个实施例中,还包括:确定步骤,对多个档案指纹的每个档案指纹重复所述配准参数确定步骤、所述细节点选择步骤和所述识别步骤以得到所述查询指纹与所述每个档案指纹的匹配分数,并根据该匹配分数确定与所述查询指纹相对应的档案指纹。
在本发明的一个实施例中,在迭代执行所述配准参数确定步骤、所述细节点选择步骤及所述匹配分数计算步骤时,当迭代执行的次数大于预设的最大迭代次数N时结束迭代,并将当前的迭代所选择的细节点作为所述查询指纹的最终细节点。
本发明另一方面的实施例提出了一种基于反馈的指纹识别装置,包括:
细节点提取模块,用于对查询指纹进行多通道滤波和二值化处理得到所述查询指纹的候选细节点集,并对所述查询指纹分为多个块,以根据所述多个块的方向场提取所述查询指纹的细节点;配准参数确定模块,用于根据所述查询指纹的细节点和方向场对所述档案指纹与所选择的所述查询指纹进行配准以确定所述查询指纹与所述档案指纹的配准参数;细节点选择模块,用于根据所述配准参数所配准的档案指纹方向场对所述查询指纹的方向场进行校正,并根据校正后的所述查询指纹的方向场选择所述查询指纹的细节点;匹配分数计算模块,用于计算所选取的细节点与所述档案指纹的细节点的匹配分数;迭代模块,用于由所述配准参数确定模块、所述细节点选择模块及所述匹配分数计算模块进行迭代处理,当第K次迭代的匹配分数大于第K‐1次迭代的匹配分数时,将所述第K次迭代所选择的细节点作为所述查询指纹的细节点并进行下一迭代周期,否则采用所述第K‐1次迭代所选择的细节点作为所述查询指纹的最终细节点并终止迭代。
根据本发明实施例的装置,通过多个块的方向场选择查询指纹的细节点,并根据档案指纹对查询指纹的细节点进行迭代配准和校正,提高查询指纹方向场估计精度,从而提高查询指纹的识别率。
在本发明的一个实施例中,所述细节点提取模块包括:处理单元,用于对所接收到的查询指纹进行多通道滤波和二值化处理得到所述查询指纹的候选细节点集;计算单元,用于将所述查询指纹分为多个块,并计算所述多个块的傅立叶频谱,以根据所述多个块的傅立叶频谱获得各个块的方向场;细节点提取单元,用于根据所述方向场在所述候选细节点集中提取所述查询指纹的细节点。
在本发明的一个实施例中,所述配准参数确定模块将所选择的所述查询指纹的细节点与所述档案指纹的细节点的误差小于预设范围的旋转角度值、水平偏移值和竖直偏移值作为候选配准参数,根据所述候选配准参数下档案指纹与查询指纹方向场之间的相似度选出最终配准参数。
在本发明的一个实施例中,在所述细节点获得模块还用于删除预设范围内的细节点以得到去除重复细节点的所述查询指纹的细节点。
在本发明的一个实施例中,还包括:确定模块,用于对多个档案指纹的每个档案指纹重复所述细节点提取模块、所述配准参数确定模块、所述细节点选择模块和所述匹配分数计算模块以得到所述查询指纹与所述每个档案指纹的匹配分数,并根据该匹配分数确定与所述查询指纹相对应的档案指纹。
在本发明的一个实施例中,所述迭代模块还用于当迭代执行的次数大于预设的最大迭代次数N时结束迭代,并将当前的迭代所选择的细节点作为所述查询指纹的最终细节点。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中,
图1为根据本发明一个实施例的基于反馈的指纹识别方法的流程图;
图2为根据本发明一个实施例的基于反馈的指纹识别方法的示意图;
图3为根据本发明一个实施例的多通道滤波结果及其细节点的示意图;
图4为根据本发明一个实施例的查询指纹的方向场示意图;
图5为根据本发明一个实施例的查询指纹与5个细节点配准结果及配准的档案指纹细节点;
图6为根据本发明一个实施例的与档案指纹匹配的查询指纹的候选指纹方向场;
图7为根据本发明一个实施例的校正后查询指纹的方向场;
图8为根据本发明一个实施例的基于反馈的指纹识别装置的结构示意图;
图9为根据本发明一个实施例的细节点提取模块的示意图;
图10为根据本发明另一个实施例的基于反馈的指纹识别装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
图1为根据本发明一个实施例的基于反馈的指纹识别方法的流程图。图2为根据本发明一个实施例的基于反馈的指纹识别方法的示意图。如图1和图2所示,根据本发明实施例的基于反馈的指纹识别方法,包括以下步骤:对查询指纹进行多通道滤波和二值化处理得到查询指纹的候选细节点集,并对查询指纹分为多个块,以根据多个块的方向场提取查询指纹的细节点(步骤101)。根据查询指纹的细节点和方向场对档案指纹与所选择的查询指纹进行配准以确定查询指纹和档案指纹的配准参数(步骤102)。根据配准参数所配准的档案指纹方向场对查询指纹的方向场进行校正,并根据校正后的查询指纹的方向场选择查询指纹的细节点(步骤103)。计算所选取的细节点与档案指纹的细节点的匹配分数(步骤104)。迭代执行步骤S2至步骤S4,当第K次迭代的匹配分数大于第K‐1次迭代的匹配分数时,将第K次迭代所选择的细节点作为查询指纹的细节点并进行下一迭代周期,否则采用第K‐1次迭代所选择的细节点作为查询指纹的最终细节点并终止迭代(步骤105)。
在步骤101中,对所接收到的查询指纹进行多通道滤波和二值化处理得到查询指纹的候选细节点集。将查询指纹分为多个块,并计算多个块的傅立叶频谱,以根据多个块的傅立叶频谱获得各个块的方向场。根据方向场在候选细节点集中提取查询指纹的细节点。
具体地,使用多个滤波器分别对查询指纹进行滤波以得到滤波结果。其中每一个通道对应于一个滤波器,得到滤波结果后,将滤波结果看作查询指纹,提取查询指纹的细节点作为该通道的输出特征。本专利中使用的多通道滤波器为一组16方向的Gabor滤波器。在得到多通道滤波结果后,分别使用指纹特征提取方法对增强图像进行二值化、细化和细节点提取,并得到由16通道滤波的细节点集,该细节点集为查询指纹的候选细节点集CMS(Candidate Minutia Set)。多通道增强的目的在于对查询指纹的方向场进行校正后,从该细节点集CMS中快速地提取查询指纹增强结果的细节点其结果如图3所示。
由于查询指纹受到复杂背景与低质量的干扰,使得直接提取指纹方向场很难获得好的方向场提取效果,因此本发明的实施例中不直接计算查询指纹的方向场,而是首先通过频率分析法提取查询指纹块的方向场,再根据高质量的档案指纹的方向场调整查询指纹的方向场。具体而言,将查询指纹有重叠地分为大小为64×64的块,其中相邻块中心之间相距16个像素。对于每一个像素块,首先计算该块的傅里叶频谱,傅里叶频谱中周期与指纹周期接近的局部极大值点就是该块的强波(通常选择傅里叶频谱中,距离中心64/9的圆作为指纹的频率带),算法中挑选每个块强波中频谱响应最强的两个作为该块的候选强波,该两个强波的方向就是该块的方向场。通过每个块的方向场确定查询指纹的方向场InitOF如图4所示。
在本发明的一个实施例中,由于对查询指纹和档案指纹进行配准需要使用查询指纹的细节点和方向场,因此根据查询指纹的方向场从候选细节点集中选择细节点MINU0。
在步骤102中,通过基于Hough投票的参数搜索算法将所选择的查询指纹的细节点与档案指纹的细节点的误差小于预设范围的旋转角度值、水平偏移值和竖直偏移值作为候选配准参数,根据候选配准参数下档案指纹与查询指纹方向场之间的相似度选出最终配准参数。
假设档案指纹和查询指纹来自同一指纹,则档案指纹和查询指纹的对应区域具有相同或相似的特征。因此结合细节点和方向场对查询指纹和档案指纹进行配准。由于配准的指纹之间的方向场和细节点是非常相似的,因此配准指纹之间应该同时具备方向场和细节点的高相似度。因此首先查找使两指纹细节点相似度最高的5个配准参数,再分别检验这5个配准参数下的指纹方向场的相似性,最终找到细节点与方向场的相似度都非常高的配准参数作为两指纹的配准参数。图5为根据本发明一个实施例的查询指纹与5个细节点配准结果及配准的档案指纹细节点。如图5所示,每个分图分别为查询指纹及其细节点和5个细节点的配准结果,标注的档案指纹的细节点为该匹配参数下,与查询指纹相匹配的档案指纹细节点。
具体而言,首先建立一个配准参数的Hough空间,由于两指纹之间的变换主要是二维的旋转平移变换,因此参数空间为一个三维的空间,其三个维度分别为旋转角度、水平偏移和竖直偏移。另外还有两个隐含的变换参数为旋转中心的横纵坐标,本实施例中设定旋转中心为查询指纹细节点的中心。由于指纹可能存在扭曲,因此在配准参数空间中投票时,对配准参数周围邻域内进行高斯投票。在获得参数空间的投票结果后,算法提取变换参数空间中5个最大的局部极大值作为候选配准参数。
在获得候选配准参数后,将挑选候选配准参数中方向场匹配程度最高的匹配参数作为最终的配准结果。在计算方向场配准参数时,首先利用配准参数(旋转中心坐标,旋转角度,平移量)对档案指纹的方向场进行变换。将变换后的档案指纹方向场与查询指纹初始方向场进行比较,统计相似方向块的数量作为该配准参数下的方向场匹配分数。如果在一个块(比如高宽为16像素的图像块)处,档案指纹的方向与查询指纹的一个候选方向之间的角度差不超过15°,则称该块为相似方向块。分别计算5个配准参数的方向场匹配分数后,选择分数最高的配准参数作为查询指纹和档案指纹的配准参数。图6为根据本发明一个实施例的与档案指纹匹配的查询指纹的候选指纹方向场。如图6所示,左图为查询指纹候选方向场与档案指纹方向场匹配的块,在图5中所示细节点配准结果中,该配准结果具有最高的方向场配准分数。
在步骤103中,删除预设范围内的细节点以得到去除重复细节点的查询指纹的细节点。指纹的匹配分数即是指纹细节点的相似度。具体地,首先对指纹的细节点进行编码,编码时选取该指纹中其他细节点到该细节点的距离,角度以及细节点方向差作为特征,对这些特征分别高斯滤波后离散化就得到了该细节点的码文。通过计算任意两个细节点码文之间的相关系数,能够得到细节点之间的相似度。通过不断挑选出相似度最高的细节点对,能够获得两指纹细节点的配对关系。最后通过计算这些细节点对相似度的平均值就得到两指纹的相似度。需要说明的是,还可以使用其他指纹匹配方法时算法,只要在算法流程中所使用的指纹匹配方法不改变即可。在得到查询指纹和档案指纹的最终配准参数后,将档案指纹的方向场变换到查询指纹的坐标下以对查询指纹的方向场进行校正。如果查询指纹的方向场和档案指纹的方向场的角度差不大于预设角度(例如15°)时,则不对查询指纹的方向场进行校正。如果小于15°则以档案指纹的方向代替查询指纹的方向场,并以校正后查询指纹的方向场从候选细节点集中选取查询指纹的细节点。校正后查询指纹的方向场如图7所示。
在本发明的一个实施例中,迭代执行步骤102至步骤104并计算匹配分数。当第K次迭代的匹配分数大于第K‐1次迭代的匹配分数时,将第K次迭代所选择的细节点作为查询指纹的细节点并进行下一迭代周期,否则采用第K‐1次迭代所选择的细节点作为查询指纹的最终细节点并终止迭代。
在本发明的一个实施例中,当迭代执行的次数大于最大迭代次数N时结束迭代,并将当前的迭代所选择的细节点作为查询指纹的最终细节点。
根据本发明实施例的方法,通过多个块的方向场选择查询指纹的细节点,并根据档案指纹对查询指纹的细节点进行迭代配准和校正,提高查询指纹方向场估计精度,从而提高查询指纹的识别率。
图8为根据本发明一个实施例的基于反馈的指纹识别装置的结构示意图。如图8所示,根据本发明实施例的基于反馈的指纹识别装置包括:细节点提取模块100、配准参数确定模块200、细节点选择模块300、匹配分数计算模块400和迭代模块500。
具体地,细节点提取模块100用于对查询指纹进行多通道滤波和二值化处理得到查询指纹的候选细节点集,并对查询指纹分为多个块,以根据多个块的方向场提取查询指纹的细节点。配准参数确定模块200用于根据查询指纹的细节点和方向场对档案指纹与所选择的查询指纹进行配准以确定查询指纹与档案指纹的配准参数。细节点选择模块300用于根据配准参数所配准的档案指纹方向场对查询指纹的方向场进行校正,并根据校正后的查询指纹的方向场选择查询指纹的细节点。匹配分数计算模块400用于计算所选取的细节点与档案指纹的细节点的匹配分数。迭代模块500用于由配准参数确定模块、细节点选择模块及匹配分数计算模块进行迭代处理,当第K次迭代的匹配分数大于第K‐1次迭代的匹配分数时,将第K次迭代所选择的细节点作为查询指纹的细节点并进行下一迭代周期,否则采用第K‐1次迭代所选择的细节点作为查询指纹的最终细节点并终止迭代。
图9为根据本发明一个实施例的细节点提取模块的示意图。如图9所示,细节点提取模块100包括:处理单元110、计算单元120和细节点提取单元130。
具体地,处理单元110用于对所接收到的查询指纹进行多通道滤波和二值化处理得到查询指纹的候选细节点集。计算单元120用于将查询指纹分为多个块,并计算多个块的傅立叶频谱,以根据多个块的傅立叶频谱获得各个块的方向场。细节点提取单元130用于根据方向场在候选细节点集中提取查询指纹的细节点。
具体而言,处理单元110使用多个滤波器分别对查询指纹进行滤波以得到滤波结果。其中每一个通道对应于一个滤波器,得到滤波结果后,将滤波结果看作查询指纹,提取查询指纹的细节点作为该通道的输出特征。本专利中处理单元110使用的多通道滤波器为一组16方向的Gabor滤波器。在得到多通道滤波结果后,分别使用指纹特征提取方法对增强图像进行二值化、细化和细节点提取,并得到由16通道滤波的细节点集,该细节点集为查询指纹的候选细节点集CMS(Candidate Minutia Set)。多通道增强的目的在于对查询指纹的方向场进行校正后,从该细节点集CMS中快速地提取查询指纹增强结果的细节点。
由于查询指纹受到复杂背景与低质量的干扰,使得直接提取指纹方向场很难获得好的方向场提取效果,因此本发明的实施例中不直接计算查询指纹的方向场,而是首先通过频率分析法提取查询指纹块的方向场,再根据高质量的档案指纹的方向场调整查询指纹的方向场。具体而言,将查询指纹有重叠地分为大小为64×64的块,其中相邻块中心之间相距16个像素。计算模块120计算每个块的傅里叶频谱,傅里叶频谱中周期与指纹周期接近的局部极大值点就是该块的强波(通常选择傅里叶频谱中,距离中心64/9的圆作为指纹的频率带),算法中挑选每个块强波中频谱响应最强的两个作为该块的候选强波,该两个强波的方向就是该块的方向场。通过每个块的方向场确定查询指纹的方向场InitOF如图4所示。
在本发明的一个实施例中,由于对查询指纹和档案指纹进行配准需要使用查询指纹的细节点和方向场,细节点提取单元130根据查询指纹的方向场从候选细节点集中选择细节点MINU0。
配准参数确定模块200将所选择的查询指纹的细节点与档案指纹的细节点的误差小于预设范围的旋转角度值、水平偏移值和竖直偏移值作为获选配准参数,根据候选配准参数下档案指纹与查询指纹方向场之间的相似度选出最终配准参数。
具体而言,首先建立一个配准参数的Hough空间,由于两指纹之间的变换主要是二维的旋转平移变换,因此参数空间为一个三维的空间,其三个维度分别为旋转角度、水平偏移和竖直偏移。另外还有两个隐含的变换参数为旋转中心的横纵坐标,本实施例中设定旋转中心为查询指纹细节点的中心。由于指纹可能存在扭曲,因此在配准参数空间中投票时,对配准参数周围邻域内进行高斯投票。在获得参数空间的投票结果后,算法提取变换参数空间中5个最大的局部极大值作为候选配准参数。
在获得候选配准参数后,将挑选候选配准参数中方向场匹配程度最高的匹配参数作为最终的配准结果。在计算方向场配准参数时,首先利用配准参数(旋转中心坐标,旋转角度,平移量)对档案指纹的方向场进行变换。将变换后的档案指纹方向场与查询指纹初始方向场进行比较,统计相似方向块的数量作为该配准参数下的方向场匹配分数。如果在一个块(比如高宽为16像素的图像块)处,档案指纹的方向与查询指纹的一个候选方向之间的角度差不超过15°,则称该块为相似方向块。分别计算5个配准参数的方向场匹配分数后,配准参数确定模块200选择分数最高的配准参数作为查询指纹和档案指纹的配准参数。图6为根据本发明一个实施例的与档案指纹匹配的查询指纹的候选指纹方向场。如图6所示,左图为查询指纹候选方向场与档案指纹方向场匹配的块,在图5中所示细节点配准结果中,该配准结果具有最高的方向场配准分数。
细节点提取模块300根据配准参数对查询指纹的方向场进行校正,并根据校正后的查询指纹的方向场选择查询指纹的细节点,并删除预设范围内的细节点以得到去除重复细节点的查询指纹的细节点。如果查询指纹的方向场和档案指纹的方向场的角度差不大于预设角度(例如15°)时,则不对查询指纹的方向场进行校正。如果小于15°则以档案指纹的方向代替查询指纹的方向场,并以校正后查询指纹的方向场从候选细节点集中选取查询指纹的细节点。校正后查询指纹的方向场如图7所示。
匹配分数计算模块400对计算档案指纹与查询指纹的匹配分数。
在本发明的一个实施例中,匹配分数计算模块400所计算得出的指纹的匹配分数即是指纹细节点的相似度。具体而言,首先对指纹的细节点进行编码,编码时选取该指纹中其他细节点到该细节点的距离,角度以及细节点方向差作为特征,对这些特征分别高斯滤波后离散化就得到了该细节点的码文。通过计算任意两个细节点码文之间的相关系数,能够得到细节点之间的相似度。通过不断挑选出相似度最高的细节点对,可以获得两指纹细节点的配对关系。最后通过计算这些细节点对相似度的平均值就得到两指纹的相似度。需要说明的是,还可以使用其他指纹匹配方法时算法,只要在算法流程中所使用的指纹匹配方法不改变即可。
迭代模块500用于由配准参数确定模块200、细节点选择模块300及匹配分数计算模块400进行迭代处理,当第K次迭代的匹配分数大于第K‐1次迭代的匹配分数时,将第K次迭代所选择的细节点作为查询指纹的细节点并进行下一迭代周期,否则采用第K‐1次迭代所选择的细节点作为查询指纹的最终细节点并终止迭代。
在本发明的一个实施例中,当迭代执行的次数大于最大迭代次数N时结束迭代,并将当前的迭代所选择的细节点作为查询指纹的最终细节点。
根据本发明实施例的装置,通过多个块的方向场选择查询指纹的细节点,并根据档案指纹对查询指纹的细节点进行迭代配准和校正,提高查询指纹方向场估计精度,从而提高查询指纹的识别率。
图10为根据本发明另一个实施例的基于反馈的指纹识别装置的结构示意图。如图10所示,根据本发明实施例的基于反馈的指纹识别装置包括:细节点提取模块100、配准参数确定模块200、细节点选择模块300、匹配分数计算模块400、迭代模块500和确定模块600。
其中确定模块600用于对多个档案指纹的每个档案指纹重复细节点提取模块200、配准参数确定模块300、细节点选择模块400和匹配分数计算模块500以得到查询指纹与每个档案指纹的匹配分数,并根据该匹配分数确定与查询指纹相对应的档案指纹。
根据本发明实施例的装置,通过多个块的方向场选择查询指纹的细节点,并根据档案指纹对查询指纹的细节点进行迭代配准和校正,提高查询指纹方向场估计精度,从而提高查询指纹的识别率。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (12)

1.一种基于反馈的指纹识别方法,其特征在于,包括以下步骤:
细节点提取步骤,对查询指纹进行多通道滤波和二值化处理得到所述查询指纹的候选细节点集,并对所述查询指纹分为多个块,以根据所述多个块的方向场提取所述查询指纹的细节点,其中,所述多通道滤波是由一组Gabor滤波器进行的;
配准参数确定步骤,根据所述查询指纹的细节点和方向场对所述档案指纹与所选择的所述查询指纹进行配准以确定所述查询指纹和所述档案指纹的配准参数;
细节点选择步骤,用于根据所述配准参数所配准的档案指纹方向场对所述查询指纹的方向场进行校正,并根据校正后的所述查询指纹的方向场选择所述查询指纹的细节点;
匹配分数计算步骤,计算所选取的细节点与所述档案指纹的细节点的匹配分数,其中
当第K次迭代的匹配分数大于第K-1次迭代的匹配分数时,将所述第K次迭代所选择的细节点作为所述查询指纹的细节点,迭代执行所述配准参数确定步骤、所述细节点选择步骤及所述匹配分数计算步骤,否则采用所述第K-1次迭代所选择的细节点作为所述查询指纹的最终细节点并终止迭代。
2.如权利要求1所述的基于反馈的指纹识别方法,其特征在于,所述细节点提取步骤包括:
对所接收到的查询指纹进行多通道滤波和二值化处理得到所述查询指纹的候选细节点集;
将所述查询指纹分为多个块,并计算所述多个块的傅立叶频谱,以根据所述多个块的傅立叶频谱获得各个块的方向场;
根据所述方向场在所述候选细节点集中提取所述查询指纹的细节点。
3.如权利要求1所述的基于反馈的指纹识别方法,其特征在于,所述配准参数确定步骤中,将所选择的所述查询指纹的细节点与所述档案指纹的细节点的误差小于预设范围的旋转角度值、水平偏移值和竖直偏移值作为候选配准参数,根据所述候选配准参数下档案指纹与查询指纹方向场之间的相似度选出最终配准参数。
4.如权利要求1所述的基于反馈的指纹识别方法,其特征在于,在所述细节点选择步骤中删除预设范围内的细节点以得到去除重复细节点的所述查询指纹的细节点。
5.如权利要求1所述的基于反馈的指纹识别方法,其特征在于,还包括:
确定步骤,对多个档案指纹的每个档案指纹重复所述配准参数确定步骤、所述细节点选择步骤和所述识别步骤以得到所述查询指纹与所述每个档案指纹的匹配分数,并根据该匹配分数确定与所述查询指纹相对应的档案指纹。
6.如权利要求1所述的基于反馈的指纹识别方法,其特征在于,在迭代执行所述配准参数确定步骤、所述细节点选择步骤及所述匹配分数计算步骤时,当迭代执行的次数大于预设的最大迭代次数N时结束迭代,并将当前的迭代所选择的细节点作为所述查询指纹的最终细节点。
7.一种基于反馈的指纹识别装置,其特征在于,包括:
细节点提取模块,用于对查询指纹进行多通道滤波和二值化处理得到所述查询指纹的候选细节点集,并对所述查询指纹分为多个块,以根据所述多个块的方向场提取所述查询指纹的细节点,其中,所述多通道滤波是由一组Gabor滤波器进行的;
配准参数确定模块,用于根据所述查询指纹的细节点和方向场对所述档案指纹与所选择的所述查询指纹进行配准以确定所述查询指纹与所述档案指纹的配准参数;
细节点选择模块,用于根据所述配准参数所配准的档案指纹方向场对所述查询指纹的方向场进行校正,并根据校正后的所述查询指纹的方向场选择所述查询指纹的细节点;
匹配分数计算模块,用于计算所选取的细节点与所述档案指纹的细节点的匹配分数;
迭代模块,用于由所述配准参数确定模块、所述细节点选择模块及所述匹配分数计算模块进行迭代处理,当第K次迭代的匹配分数大于第K-1次迭代的匹配分数时,将所述第K次迭代所选择的细节点作为所述查询指纹的细节点并进行下一迭代周期,否则采用所述第K-1次迭代所选择的细节点作为所述查询指纹的最终细节点并终止迭代。
8.如权利要求7所述的基于反馈的指纹识别装置,其特征在于,所述细节点提取模块包括:
处理单元,用于对所接收到的查询指纹进行多通道滤波和二值化处理得到所述查询指纹的候选细节点集;
计算单元,用于将所述查询指纹分为多个块,并计算所述多个块的傅立叶频谱,以根据所述多个块的傅立叶频谱获得各个块的方向场;
细节点提取单元,用于根据所述方向场在所述候选细节点集中提取所述查询指纹的细节点。
9.如权利要求7所述的基于反馈的指纹识别装置,其特征在于,所述配准参数确定模块将所选择的所述查询指纹的细节点与所述档案指纹的细节点的误差小于预设范围的旋转角度值、水平偏移值和竖直偏移值作为候选配准参数,根据所述候选配准参数下档案指纹与查询指纹方向场之间的相似度选出最终配准参数。
10.如权利要求7所述的基于反馈的指纹识别装置,其特征在于,在所述细节点获得模块还用于删除预设范围内的细节点以得到去除重复细节点的所述查询指纹的细节点。
11.如权利要求7所述的基于反馈的指纹识别装置,其特征在于,还包括:
确定模块,用于对多个档案指纹的每个档案指纹重复所述细节点提取模块、所述配准参数确定模块、所述细节点选择模块和所述匹配分数计算模块以得到所述查询指纹与所述每个档案指纹的匹配分数,并根据该匹配分数确定与所述查询指纹相对应的档案指纹。
12.如权利要求7所述的基于反馈的指纹识别装置,其特征在于,所述迭代模块还用于当迭代执行的次数大于预设的最大迭代次数N时结束迭代,并将当前的迭代所选择的细节点作为所述查询指纹的最终细节点。
CN201410114499.9A 2014-03-25 2014-03-25 基于反馈的指纹识别方法及装置 Expired - Fee Related CN103886296B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410114499.9A CN103886296B (zh) 2014-03-25 2014-03-25 基于反馈的指纹识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410114499.9A CN103886296B (zh) 2014-03-25 2014-03-25 基于反馈的指纹识别方法及装置

Publications (2)

Publication Number Publication Date
CN103886296A CN103886296A (zh) 2014-06-25
CN103886296B true CN103886296B (zh) 2017-02-15

Family

ID=50955179

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410114499.9A Expired - Fee Related CN103886296B (zh) 2014-03-25 2014-03-25 基于反馈的指纹识别方法及装置

Country Status (1)

Country Link
CN (1) CN103886296B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106709396B (zh) * 2015-07-27 2020-04-24 联想(北京)有限公司 指纹图像的配准方法及配准装置
CN105740821A (zh) * 2016-01-29 2016-07-06 广州立为信息技术服务有限公司 一种指纹识别方法和系统
CN109815780A (zh) * 2018-08-31 2019-05-28 武汉芯盈科技有限公司 一种基于图像处理的高精度指纹识别方法及系统
CN110110697B (zh) * 2019-05-17 2021-03-12 山东省计算中心(国家超级计算济南中心) 基于方向矫正的多指纹分割提取方法、系统、设备及介质
CN111209898B (zh) * 2020-03-12 2023-05-23 敦泰电子(深圳)有限公司 一种光学指纹图像背景的去除方法及装置
CN113011284B (zh) * 2021-03-01 2023-05-26 杭州景联文科技有限公司 一种签名指印的识别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101408939A (zh) * 2008-10-21 2009-04-15 成都方程式电子有限公司 一种指纹图像指纹细节点提取方法及系统
CN101539993A (zh) * 2008-03-20 2009-09-23 中国科学院自动化研究所 基于尺寸缩放估算的多采集仪间指纹交叉匹配方法
CN103077377A (zh) * 2012-12-31 2013-05-01 清华大学 基于方向场分布的指纹校正方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080101662A1 (en) * 2006-10-31 2008-05-01 Motorola, Inc. Print matching method and apparatus using pseudo-ridges

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101539993A (zh) * 2008-03-20 2009-09-23 中国科学院自动化研究所 基于尺寸缩放估算的多采集仪间指纹交叉匹配方法
CN101408939A (zh) * 2008-10-21 2009-04-15 成都方程式电子有限公司 一种指纹图像指纹细节点提取方法及系统
CN103077377A (zh) * 2012-12-31 2013-05-01 清华大学 基于方向场分布的指纹校正方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
采用方向场配准和图匹配的指纹匹配算法;魏鸿磊等;《大连理工大学学报》;20071010;第47卷(第5期);全文 *

Also Published As

Publication number Publication date
CN103886296A (zh) 2014-06-25

Similar Documents

Publication Publication Date Title
CN103886296B (zh) 基于反馈的指纹识别方法及装置
CN101609499B (zh) 快速指纹识别方法
CN101539993B (zh) 基于尺寸缩放估算的多采集仪间指纹交叉匹配方法
Pan et al. Palm vein recognition based on three local invariant feature extraction algorithms
CN104143080B (zh) 基于三维点云的三维人脸识别装置及方法
EP2107507A1 (en) Pattern aligning method, verifying method, and verifying device
CN103886589A (zh) 面向目标的自动化高精度边缘提取方法
Alonso-Fernandez et al. Iris boundaries segmentation using the generalized structure tensor. A study on the effects of image degradation
CN106709509B (zh) 一种基于时间序列特殊点的卫星遥测数据聚类方法
CN105320946A (zh) 一种基于matlab的指纹识别方法
CN104021559A (zh) 基于互信息和Harris角点检测的图像配准方法
CN103984929A (zh) 扭曲指纹的校正方法及系统
Bellon et al. Edge detection to guide range image segmentation by clustering techniques
CN111914762A (zh) 基于步态信息的身份识别方法及装置
CN103824060A (zh) 指纹细节点的提取方法
CN110631064B (zh) 一种声音识别方法及应用有该声音识别方法的吸油烟机的自动控制方法
CN109855566A (zh) 一种槽孔特征的提取方法
CN103455803A (zh) 基于迭代随机抽样一致算法的非接触式掌纹识别方法
Lim et al. Enhancing fingerprint recognition using minutiae-based and image-based matching techniques
Gu et al. Multi-scale vehicle logo recognition by directional dense SIFT flow parsing
Horapong et al. Progressive and corrective feedback for latent fingerprint enhancement using boosted spectral filtering and spectral autoencoder
CN102279925B (zh) 链式处理人脸识别方法及系统
Bhutta et al. PCR-Pro: 3D sparse and different scale point clouds registration and robust estimation of information matrix for pose graph SLAM
Labati et al. Neural-based iterative approach for iris detection in iris recognition systems
Cadoni et al. Iconic methods for multimodal face recognition: a comparative study

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170215

Termination date: 20190325

CF01 Termination of patent right due to non-payment of annual fee