CN103942566A - 指纹描述子的压缩方法及系统 - Google Patents

Abstract

本发明公开了一种指纹描述子的压缩方法及系统，其中，压缩方法包括以下步骤：获取训练指纹图像的姿态信息；根据姿态信息利用指纹姿态估计算法进行姿态校正；提取校正后的训练指纹图像的多个细节点的细节点描述子MCC以统计细节点在指纹的指纹图像上的分布规律；根据分布规律对细节点描述子MCC进行压缩，并根据压缩后的细节点描述子MCC进行指纹识别。根据本发明实施例的指纹描述子的压缩方法，通过训练指纹图像统计细节点在指纹图像上的分布规律，且根据分布规律对细节点描述子MCC进行压缩，以进行指纹识别，去除了冗余特征，提高了空间效率和时间效率，既保证了指纹识别精度，又提高了指纹识别效率。

Description

指纹描述子的压缩方法及系统

技术领域

本发明涉及指纹特征描述技术领域，特别涉及一种指纹描述子的压缩方法及系统。

背景技术

由于指纹具有唯一性、普遍性和终生不变性等重要性质，利用指纹图像进行身份识别已经有了很长的历史。尤其是在公安刑侦领域，自20世纪初期以来，指纹逐渐成为了执法机构逮捕和判定罪犯有罪的最重要的证据之一。近年来，自动指纹识别技术的发展与成熟使得指纹识别被广泛地应用于公安刑侦、出入境、门禁系统和重要设备的权限控制等应用中。

具体地，常用的指纹特征大致可分为三类：一级特征，包括指纹的方向场、周期图及奇异点；二级特征，主要指细节点；三级特征，包括汗孔、脊线轮廓、永久性的皱纹和疤痕，它们通常只能在高分辨率指纹图像内才能稳定提取。其中，细节点特征由于提取较为稳定、存储空间小、包含信息量丰富等原因在指纹识别算法中应用最为广泛。

在相关技术中，基于细节点特征的指纹识别系统通常是将提取得到的细节点以平面上的二维点集的形式进行存储，然后对两幅指纹图像的细节点集一一进行匹配，再寻找令匹配细节点对数最多的图像对齐方式，并以此作为两幅指纹图像的匹配结果。然而，现有的细节点描述子MCC（Minutiae Cylinder Code，细节点圆柱型码）由于编码方式较为冗余，包含了很多无用的指纹特征，导致模板太大，空间效率和时间效率都有待提高，需要进行改进。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种既能减少原有MCC编码中的冗余信息，又可以在保证指纹识别精度的前提下，降低指纹特征的时间和空间复杂度的指纹描述子的压缩方法。

本发明的另一个目的在于提出一种指纹描述子的压缩系统。

为达到上述目的，本发明一方面实施例提出了一种指纹描述子的压缩方法，包括以下步骤：获取训练指纹图像的姿态信息；根据所述姿态信息利用指纹姿态估计算法对所述训练指纹图像进行姿态校正；提取所述校正后的训练指纹图像的多个细节点的细节点描述子MCC；根据所述多个细节点的细节点描述子MCC统计所述细节点在指纹的指纹图像上的分布规律；以及根据所述分布规律对所述细节点描述子MCC进行压缩，并根据压缩后的细节点描述子MCC进行指纹识别。

根据本发明实施例的指纹描述子的压缩方法，通过利用指纹姿态估计算法对训练指纹进行姿态校正，并提取校正后的训练指纹图像的多个细节点描述子MCC，以统计细节点在指纹图像上的分布规律，且根据分布规律对细节点描述子MCC进行压缩，再根据压缩后的细节点描述子MCC进行指纹识别，减少了原有MCC编码中的冗余信息，提高了空间效率和时间效率，在保证指纹识别精度的前提下，学习了指纹特征的分布规律，降低了指纹特征的时间和空间的复杂度，更好地进行指纹识别。

另外，根据本发明上述实施例的指纹描述子的压缩方法还可以具有如下附加的技术特征：

在本发明的一个实施例中，所述根据所述分布规律对所述细节点描述子MCC进行压缩具体包括：根据所述多个细节点的细节点描述子MCC获取细节点的MCC编码序列中各个位的信息熵；提取MCC编码序列中信息熵大于预设值的位以对细节点进行编码，以分别根据所述细节点的位置采取不同的编码方式。

进一步地，在本发明的一个实施例中，根据所述多个细节点的细节点描述子MCC获取所述细节点的MCC编码序列中各个位的信息熵，进一步包括：获取预设区域内多个细节点的集合；分别对集合中每个细节点的细节点描述子MCC进行统计，以得到所述细节点的MCC编码序列中各个位的信息熵。

优选地，在本发明的一个实施例中，所述细节点描述子MCC可以为二值MCC描述子。

本发明另一方面实施例提出了一种指纹描述子的压缩系统，包括：获取模块，用于获取训练指纹图像的姿态信息；校正模块，用于根据所述姿态信息利用指纹姿态估计算法对所述训练指纹图像进行姿态校正；提取模块，用于提取所述校正后的训练指纹图像的多个细节点的细节点描述子MCC；计算模块，用于根据所述多个细节点的细节点描述子MCC统计所述细节点在指纹的指纹图像上的分布规律；以及压缩模块，用于根据所述分布规律对所述细节点描述子MCC进行压缩，并根据所述压缩后的细节点描述子MCC进行指纹识别。

根据本发明实施例的指纹描述子的压缩系统，通过利用指纹姿态估计算法对训练指纹进行姿态校正，并提取校正后的训练指纹图像的多个细节点描述子MCC，以统计细节点在指纹图像上的分布规律，且根据分布规律对细节点描述子MCC进行压缩，再根据压缩后的细节点描述子MCC进行指纹识别，减少了原有MCC编码中的冗余信息，提高了空间效率和时间效率，在保证指纹识别精度的前提下，学习了指纹特征的分布规律，降低了指纹特征的时间和空间的复杂度，更好地进行指纹识别。

另外，根据本发明上述实施例的指纹描述子的压缩系统还可以具有如下附加的技术特征：

在本发明的一个实施例中，所述压缩模块包括：获取子模块，用于根据所述多个细节点的细节点描述子MCC获取所述细节点的MCC编码序列中各个位的信息熵；提取子模块，用于提取MCC编码序列中信息熵大于预设值的位以对细节点进行编码，以分别根据所述细节点的位置采取不同的编码方式。

进一步地，在本发明的一个实施例中，所述获取子模块包括：获取单元，用于获取预设区域内所述多个细节点组成的集合；计算单元，用于分别对集合中每个细节点的细节点描述子MCC进行统计，以得到所述细节点的MCC编码序列中各个位的信息熵。

优选地，在本发明的一个实施例中，所述细节点描述子MCC可以为二值MCC描述子。

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为根据本发明实施例的指纹描述子的压缩方法的流程图；

图2为根据本发明一个实施例的具有标准指纹姿态的指纹图像示意图；

图3为根据本发明一个实施例的二值MCC描述子的示意图；

图4为根据本发明一个实施例的指纹描述子的压缩方法的流程图；

图5为根据本发明另一个实施例的指纹描述子的压缩方法的流程图；

图6为根据本发明一个实施例的网格采样点的示意图；

图7为根据本发明一个实施例的二值MCC编码序列中各个位信息熵的分布示意图；

图8为根据本发明一个实施例的压缩编码的方式示意图；

图9为根据本发明实施例的指纹描述子的压缩系统的结构示意图；以及

图10为根据本发明一个具体实施例的指纹描述子的压缩系统的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述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，而不能解释为对本发明的限制。

下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的可应用于性和/或其他材料的使用。另外，以下描述的第一特征在第二特征之“上”的结构可以包括第一和第二特征形成为直接接触的实施例，也可以包括另外的特征形成在第一和第二特征之间的实施例，这样第一和第二特征可能不是直接接触。

在本发明的描述中，需要说明的是，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

下面在描述根据本发明实施例提出的指纹描述子的压缩方法及系统之前，先来简单描述一下相关技术中的细节点描述子MCC。

在相关技术中，细节点描述子MCC将细节点邻域内其它细节点的相对位置、方向信息以三维的圆柱型码表示。其中，圆柱型码可分为多层，每层分别对应着一个方向差异值，而每层又可划分为小格。进一步地，在建立圆柱型码时，每个小格的值由邻域细节点在中心细节点上的投影累积而成。具体地，投影值（或邻域细节点对中心细节点的贡献）由两个因素决定：空间信息（两个细节点的距离有多近）和方向信息（两个细节点的方向差异与不同层上对应方向差异之间的相似程度）。细节点描述子MCC主要刻画了指纹细节点与其邻域内的其它细节点间的结构特征，对图像的旋转平移具有不变性，包含的信息较为丰富，因此应用在指纹识别算法中精度较高。然而，相关技术中的细节点描述子MCC仍然存在着不足，例如由于编码方式较为冗余，包含了很多无用的指纹特征，导致模板太大，降低了空间效率和时间效率，需要进行改进。

本发明正是基于上述问题，而提出了一种指纹描述子的压缩方法与一种指纹描述子的压缩系统。

下面就参照附图来描述根据本发明实施例提出的指纹描述子的压缩方法及系统，首先将参照附图描述根据本发明实施例提出的指纹描述子的压缩方法。

图1为根据本发明实施例的指纹描述子的压缩方法的流程图。参照图1所示，该指纹描述子的压缩方法包括以下步骤：

S101，获取训练指纹图像的姿态信息。

在本发明的一个实施例中，本发明实施例的方法主要包括细节点分布规律的学习和编码调整方式两个阶段。其中，在细节点分布规律的学习时，考虑训练指纹的采集姿势可能不标准，因此，本发明实施例的方法首先获取训练指纹图像的姿态信息，以判断训练指纹图像是否具有标准姿态。

S102，根据姿态信息利用指纹姿态估计算法对训练指纹图像进行姿态校正。

进一步地，在本发明的一个实施例中，当判断训练指纹图像不具有标准姿态时，本发明实施例根据姿态信息利用指纹姿态校正算法对训练指纹图像进行姿态校正，以得到具有标准姿态的训练指纹图像。

具体地，参照图2所示，指纹姿态校正算法通常是指将指纹图像调整到统一的坐标系下，使之具有标准的位置和方向，例如图2所示的具有标准姿态的指纹图像，经过姿态校正之后，指纹图像在相同坐标位置具有相同的特征。在本发明的另一个实施例中，本发明实施例可以通过成对的具有标准姿态的指纹图像示例为例，经过姿态校正之后，成对的指纹图像在相同坐标位置具有相同特征，因此，具有标准姿态的训练指纹图像更易于对细节点分布规律进行统计。

S103，提取校正后的训练指纹图像的多个细节点的细节点描述子MCC。

优选地，在本发明的一个实施例中，细节点描述子可以为二值MCC描述子。其中，参照图3所示，细节点描述子优选为二值MCC描述子时，MCC编码序列中的每一位取值都只能是0或1，例如图3为图2中细节点a的二值MCC描述子示意图，该描述子将方向差异平均分为6层，分别为{±5π/6,±π/2,±π/6}，每一层以图2中细节点a为中心，描述其周围黑色圆圈所示区域内的细节点分布情况。其中，每一层还细分为8×8个小格，距离中心细节点a较远的小格视为无效位（图中以灰色表示），其余小格以白色或黑色表示该位置是存在/不存在细节点。在本发明实施例中，MCC编码序列通过将每一层的有效小格的值按位置顺序连接起来得到。进一步地，以图3的描述子为例，按位置顺序得到细节点a的编码序列维度为6×(8×8-12)＝312。

S104，根据多个细节点的细节点描述子MCC统计细节点在指纹的指纹图像上的分布规律。

在本发明的一个实施例中，指纹的纹理在不同位置的有一定分布规律，远离奇异点区域的地方脊线较为平坦，因而细节点在这些位置的分布也会有一定的规律。受奇异点影响，细节点周围会存在较多与该细节点方向差异较大（约定相互垂直差异最大，方向相同或相反差异最小）的细节点。本发明实施例通过统计细节点在指纹的指纹图像上的分布规律，学习指纹特征的分布规律，降低了指纹特征的时间和空间的复杂度。

S105，根据分布规律对细节点描述子MCC进行压缩，并根据压缩后的细节点描述子MCC进行指纹识别。

进一步地，在本发明的一个实施例中，参照图4所示，根据分布规律对细节点描述子MCC进行压缩具体包括以下步骤：

S401，根据多个细节点的细节点描述子MCC获取细节点的MCC编码序列中各个位的信息熵。

其中，在本发明的一个具体实施例中，参照图5所示，根据多个细节点的细节点描述子MCC获取细节点的MCC编码序列中各个位的信息熵具体包括以下步骤：

S501，获取预设区域内多个细节点组成的集合。

在本发明的一个实施例中，参照图6所示，本发明实施例设置间隔为(d_x,d_y)的网格采样点，统计每个采样点周围的二值MCC描述子的分布，即获取预设区域内例如位于采样点周围四个（与位于图像边缘的采样点相邻的网格数可能少于4个）网格的多个细节点组成的集合。其中，图6为d_x＝d_y＝64pixels时的网格采样点示意图，其中圆点即网格的每个交点为采样点标识。

S502，分别对集合中每个细节点的细节点描述子MCC进行统计，以得到细节点的MCC编码序列中各个位的信息熵。

具体地，在本发明的一个具体实施例中，统计方式为：对于MCC编码序列中每个位，统计细节点集合中每个细节点描述子MCC编码序列在这个位值（对于二值MCC描述子，每个位的值为0或1）的分布。具体地，记第k个细节点集合中有N_k个细节点（以图6为例，k＝1,2,…,72），其中有n_j,i个细节点描述子在MCC编码序列中第i位上取值为1，剩余的N_k-n_k,i个细节点描述子在该位上取值为0，则第k个细节点集合MCC编码序列中第i位的信息熵为 $v=-\frac{n_{k,i}}{N_k}\×{\log }_2\left(\frac{n_{k,i}}{N_k}\right)-(1-n_{k,i}/N_k)\×{\log }_2(1-$ $n_{k,i}/N_k).$ 图7为对应图6的网格采样点示意图的二值MCC编码序列各个位的信息熵的分布示意图。如图7所示，在每个采样点，对MCC编码序列各个位的信息熵值进行归一化，即设MCC编码序列中信息熵最大值为v_max，最小值为v_min，则v＝(v-v_min)×(v_max-v_min)×255。

S402，提取MCC编码序列中信息熵大于预设值的位以对细节点进行编码，以分别根据细节点的位置采取不同的编码方式。

综上所述，参照图7所示，在编码调整方式阶段，根据指纹的纹理在不同位置有一定分布规律进行编码调整。具体地，在指纹图像边缘区域的MCC编码序列中，MCC编码序列中信息熵较大的位（即图中亮度较高的位置）多集中在角度差异为{±5π/6,±π/6}附近，因此可以根据细节点位置不同采取不同的编码方式。换言之，在本发明的一个实施例中，参照图7所示，本发明实施例以MCC编码序列中各个位的信息熵的分布规律为基准，只挑选MCC编码序列中信息熵较大的位以对细节点进行编码，即根据细节点位置挑选对应的位组合以对细节点进行编码，降低了MCC编码维度。其中，图8所示为一种压缩编码的方式示意图，图中被挑选出的位以255的像素值（白色）表示，被舍弃的位以0的像素值（黑色）表示，无效位以125的像素值（灰色）表示，即将MCC编码维度降至4×(8×8-12)＝208。由MCC编码中熵较大的位组成的新的编码，减少了原有MCC编码中冗余信息，在保证指纹识别精度的前提下，降低了指纹特征的时间和空间的复杂度。

根据本发明实施例的指纹描述子的压缩方法，通过利用指纹姿态估计算法对训练指纹进行姿态校正，并提取校正后的训练指纹图像的多个细节点描述子MCC，以统计细节点在指纹图像上的分布规律，且根据分布规律对细节点描述子MCC进行压缩，再根据压缩后的细节点描述子MCC进行指纹识别，减少了原有MCC编码中的冗余信息，提高了空间效率和时间效率，在保证指纹识别精度的前提下，学习了指纹特征的分布规律，降低了指纹特征的时间和空间的复杂度，更好地进行指纹识别。

图9为根据本发明实施例的指纹描述子的压缩系统的结构示意图。参照图9所示，根据本发明实施例的指纹描述子的压缩系统以下简称压缩系统100包括：获取模块10、校正模块20、提取模块30、计算模块40及压缩模块50。

其中，获取模块10用于获取训练指纹图像的姿态信息。校正模块20用于根据姿态信息利用指纹姿态估计算法对训练指纹图像进行姿态校正。提取模块30用于提取校正后的训练指纹图像的多个细节点的细节点描述子MCC。计算模块40用于根据多个细节点的细节点描述子MCC统计细节点在指纹的指纹图像上的分布规律。压缩模块50用于根据分布规律对细节点描述子MCC进行压缩，并根据压缩后的细节点描述子MCC进行指纹识别。

在本发明的一个实施例中，本发明实施例的压缩系统100主要包括细节点分布规律的学习和编码调整方式两个阶段。其中，在细节点分布规律的学习时，考虑训练指纹的采集姿势可能不标准，因此，本发明实施例的压缩系统100首先获取训练指纹图像的姿态信息，以判断训练指纹图像是否具有标准姿态。

进一步地，在本发明的一个实施例中，当判断训练指纹图像不具有标准姿态时，本发明实施例根据姿态信息利用指纹姿态校正算法对训练指纹图像进行姿态校正，以得到具有标准姿态的训练指纹图像。

具体地，参照图2所示，指纹姿态校正算法通常是指将指纹图像调整到统一的坐标系下，使之具有标准的位置和方向，例如图2所示的具有标准姿态的指纹图像，经过姿态校正之后，指纹图像在相同坐标位置具有相同的特征。在本发明的另一个实施例中，本发明实施例可以通过成对的具有标准姿态的指纹图像示例为例，经过姿态校正之后，成对的指纹图像在相同坐标位置具有相同特征，因此，具有标准姿态的训练指纹图像更易于对细节点分布规律进行统计。

优选地，在本发明的一个实施例中，细节点描述子可以为二值MCC描述子。其中，参照图3所示，细节点描述子优选为二值MCC描述子时，MCC编码序列中的每一位取值都只能是0或1，例如图3为图2中细节点a的二值MCC描述子示意图，该描述子将方向差异平均分为6层，分别为{±5π/6,±π/2,±π/6}，每一层以图2中细节点a为中心，描述其周围黑色圆圈所示区域内的细节点分布情况。其中，每一层还细分为8×8个小格，距离中心细节点a较远的小格视为无效位（图中以灰色表示），其余小格以白色或黑色表示该位置是存在/不存在细节点。在本发明实施例中，MCC编码序列通过将每一层的有效小格的值按位置顺序连接起来得到。进一步地，以图3的描述子为例，按位置顺序得到细节点a的编码序列维度为6×(8×8-12)＝312。

进一步地，在本发明的一个实施例中，指纹的纹理在不同位置的有一定分布规律，远离奇异点区域的地方脊线较为平坦，因而细节点在这些位置的分布也会有一定的规律。受奇异点影响，细节点周围会存在较多与该细节点方向差异较大（约定相互垂直差异最大，方向相同或相反差异最小）的细节点。本发明实施例通过统计细节点在指纹的指纹图像上的分布规律，学习指纹特征的分布规律，降低了指纹特征的时间和空间的复杂度。

进一步地，在本发明的一个实施例中，参照图11所示，压缩模块50包括：获取子模块51和提取子模块52。其中，获取子模块51用于根据多个细节点的细节点描述子MCC获取细节点的MCC编码序列中各个位的信息熵。提取子模块52用于提取MCC编码序列中信息熵大于预设值的位以对细节点进行编码，以分别根据细节点的位置采取不同的编码方式。

进一步中，在本发明的一个具体实施例中，参照图11所示，获取子模块51包括：获取单元511和计算单元512。其中，获取单元511用于获取预设区域内多个细节点组成的集合。计算单元512用于分别对集合中每个细节点的细节点描述子MCC进行统计，以得到细节点的MCC编码序列中各个位的信息熵。

在本发明的一个实施例中，参照图6所示，本发明实施例设置间隔为(d_x,d_y)的网格采样点，统计每个采样点周围的二值MCC描述子的分布，即获取预设区域内例如位于采样点周围四个（与位于图像边缘的采样点相邻的网格数可能少于4个）网格的多个细节点组成的集合。其中，图6为d_x＝d_y＝64pixels时的网格采样点示意图，其中圆点即网格的每个交点为采样点标识。

具体地，在本发明的一个具体实施例中，统计方式为：对于MCC编码序列中每个位，统计细节点集合中每个细节点描述子MCC编码序列在这个位值（对于二值MCC描述子，每个位的值为0或1）的分布。具体地，记第k个细节点集合中有N_k个细节点（以图6为例，k＝1,2,…,72），其中有n_k,i个细节点描述子在MCC编码序列中第i位上取值为1，剩余的N_k-n_k,i个细节点描述子在该位上取值为0，则第k个细节点集合MCC编码序列中第i位的信息熵为 $v=-\frac{n_{k,i}}{N_k}\×{\log }_2\left(\frac{n_{k,i}}{N_k}\right)-(1-n_{k,i}/N_k)\×{\log }_2(1-$ $n_{k,i}/N_k).$ 图7为对应图6的网格采样点示意图的二值MCC编码序列中各个位的信息熵的分布示意图。图中，在每个采样点，对MCC编码序列各个位的信息熵值进行归一化，即设MCC编码序列中信息熵最大值为v_max，最小值为v_min，则v＝(v-v_min)×(v_max-v_min)×255。

综上所述，参照图7所示，在编码调整方式阶段，根据指纹的纹理在不同位置有一定分布规律进行编码调整。具体地，在指纹图像边缘区域，MCC编码序列中信息熵较大的位（即图中亮度较高的位置）多集中在角度差异为{±5π/6,±π/6}附近，因此可以根据细节点位置不同采取不同的编码方式。换言之，在本发明的一个实施例中，参照图7所示，本发明实施例以MCC编码序列中各个位的信息熵的分布规律为基准，只挑选MCC编码序列中信息熵较大的位以对细节点进行编码，即根据细节点位置挑选对应的位组合以对细节点进行编码，降低了MCC编码维度。其中，图8所示为一种压缩编码的方式示意图，图中被挑选出的位以255的像素值（白色）表示，被舍弃的位以0的像素值（黑色）表示，无效位以125的像素值（灰色）表示，即将MCC编码维度降至4×(8×8-12)＝208。由MCC编码序列中熵较大的位组成的新的编码，减少了原有MCC编码中冗余信息，在保证指纹识别精度的前提下，降低了指纹特征的时间和空间的复杂度。

根据本发明实施例的指纹描述子的压缩系统，通过利用指纹姿态估计算法对训练指纹进行姿态校正，并提取校正后的训练指纹图像的多个细节点描述子MCC，以统计细节点在指纹图像上的分布规律，且根据分布规律对细节点描述子MCC进行压缩，再根据压缩后的细节点描述子MCC进行指纹识别，减少了原有MCC编码中的冗余信息，提高了空间效率和时间效率，在保证指纹识别精度的前提下，学习了指纹特征的分布规律，降低了指纹特征的时间和空间的复杂度，更好地进行指纹识别。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。另外，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或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同限定。

Claims (8)

1.一种指纹描述子的压缩方法，其特征在于，包括以下步骤：

获取训练指纹图像的姿态信息；

根据所述姿态信息利用指纹姿态估计算法对所述训练指纹图像进行姿态校正；

提取所述校正后的训练指纹图像的多个细节点的细节点描述子MCC；

根据所述多个细节点的细节点描述子MCC统计所述细节点在指纹的指纹图像上的分布规律；以及

根据所述分布规律对所述细节点描述子MCC进行压缩，并根据压缩后的细节点描述子MCC进行指纹识别。

2.如权利要求1所述的方法，其特征在于，所述根据所述分布规律对所述细节点描述子MCC进行压缩具体包括：

根据所述多个细节点的细节点描述子MCC获取细节点的MCC编码序列中各个位的信息熵；

提取MCC编码序列中信息熵大于预设值的位以对细节点进行编码，以分别根据所述细节点的位置采取不同的编码方式。

3.如权利要求2所述的方法，其特征在于，根据所述多个细节点的细节点描述子MCC获取所述细节点的MCC编码序列中各个位的信息熵，进一步包括：

获取预设区域内多个细节点组成的集合；

分别对集合中每个细节点的细节点描述子MCC进行统计，以得到所述细节点的MCC编码序列中各个位的信息熵。

4.如权利要求3所述的方法，其特征在于，所述细节点描述子MCC为二值MCC描述子。

5.一种指纹描述子的压缩系统，其特征在于，包括：

获取模块，用于获取训练指纹图像的姿态信息；

校正模块，用于根据所述姿态信息利用指纹姿态估计算法对所述训练指纹图像进行姿态校正；

提取模块，用于提取所述校正后的训练指纹图像的多个细节点的细节点描述子MCC；

计算模块，用于根据所述多个细节点的细节点描述子MCC统计所述细节点在指纹的指纹图像上的分布规律；以及

压缩模块，用于根据所述分布规律对所述细节点描述子MCC进行压缩，并根据所述压缩后的细节点描述子MCC进行指纹识别。

6.如权利要求5所述的系统，其特征在于，所述压缩模块包括：

获取子模块，用于根据所述多个细节点的细节点描述子MCC获取细节点的MCC编码序列中各个位的信息熵；

提取子模块，用于提取MCC编码序列中信息熵大于预设值的位以对细节点进行编码，以分别根据所述细节点的位置采取不同的编码方式。

7.如权利要求6所述的系统，其特征在于，所述获取子模块包括：

获取单元，用于获取预设区域内多个细节点组成的集合；

计算单元，用于分别对集合中每个细节点的细节点描述子MCC进行统计，以得到所述细节点的MCC编码序列中各个位的信息熵。

8.如权利要求7所述的系统，其特征在于，所述细节点描述子MCC为二值MCC描述子。