CN106022348A - 一种基于特定点方向场与指纹投影的指纹检索方法 - Google Patents

Abstract

本发明涉及一种基于特定点方向场与指纹投影的指纹检索方法，属于指纹检索技术领域。首先对待匹配的指纹图像进行预处理操作对指纹分割并找到其可靠的方向场估计，其次找到指纹的特定点的位置和方向，然后对指纹的整体方向进行矫正，最后进行指纹的投影和指纹检索。本发明利用特定点的方向场构成指纹的特征向量并结合指纹投影技术，并由此进行指纹检索的方法有效地缩小待匹配的指纹数目。

Description

一种基于特定点方向场与指纹投影的指纹检索方法

技术领域

本发明涉及一种基于特定点方向场与指纹投影的指纹检索方法，属于指纹检索技术领域。

背景技术

指纹具有唯一性、稳定性和低损耗等特点，使其作为人类一种重要的生物特征被广泛应用于身份认证。由于指纹具有便于采集的优点，使其成为当前使用最为广泛的生物特征。

由于指纹的广泛使用，指纹识别技术成为人们不断探索与研究的问题。指纹识别问题作为一个经典的模式识别问题，已经被研究了40多年，尽管已经有一些有效的指纹识别算法，但指纹识别仍是一个没有被完全解决的问题，如何设计一个准确、高效、可操作性高、计算量小的算法仍是一个开放性问题。

当指纹模板数较少时，通常把待识别的指纹与指纹数据库中的每个指纹模板依次进行比较，直至找到最匹配的指纹。但是，在大型数据库中，该方法会显著降低指纹识别的效率和准确率。

发明内容

本发明要解决的技术问题是提供一种基于特定点方向场与指纹投影的指纹检索方法，以用于解决现有技术对于研究指纹检索困难的问题，对犯罪案件的侦破、考勤、信息保密、安防等应用能提供有力支撑。

本发明的技术方案是：一种基于特定点方向场与指纹投影的指纹检索方法，首先对待匹配的指纹图像进行预处理操作对指纹分割并找到其可靠的方向场估计，其次找到指纹的特定点的位置和方向，然后对指纹的整体方向进行矫正，最后进行指纹的投影和指纹检索；

具体步骤为：

Step1、利用支持向量机对指纹图像进行分割；

支持向量机对指纹图像进行分割是利用灰度直方图求双峰的谷底作为门限，设定好门限值之后，然后把图像分割成目标和背景的区域；

Step2、对分割后的图像的方向场进行多尺度平滑，得到可靠的方向场估计；

设I(x,y)表示原始指纹图像，(x,y)位置处的像素灰度值，G_x(x,y)和G_y(x,y)分别为(x,y)处像素灰度梯度的水平分量和垂直分量；将指纹图像分成大小为W×W的互不重叠的图像子块，(i,j)为子块中心坐标，由下式可得图像的平方复数点方向场z(x,y)：

$G_{s,x}(x,y)=G_x^2(x,y)-G_x^2(x,y)$

G_s,y(x,y)＝2G_x(x,y)G_y(x,y)

z(x,y)＝(G_x(x,y)+iG_x(x,y))²

＝D_s,x(x,y)+iG_s,y(x,y)

由下式可得指纹图像子块的方向场：

$O_x(i,j)=\underset{\mathrm{\μ}=i-W/2}{\overset{i+W/2}{\Σ}}\underset{\mathrm{\ν}=j-W/2}{\overset{j+w/2}{\Σ}}{G}_{s,x}(\mathrm{\μ},\mathrm{\ν})$

$O_y(i,j)=\underset{\mathrm{\μ}=i-W/2}{\overset{i+W/2}{\Σ}}\underset{\mathrm{\ν}=j-W/2}{\overset{j+w/2}{\Σ}}{G}_{s,y}(\mathrm{\μ},\mathrm{\ν})$

$\mathrm{\Φ}(i,j)=\frac{1}{2}{\tan }^{-1}\left(O_y\right(i,j)/O_x(i,j\left)\right)$

图像子块的方向一致性为：

$bcoh(i,j)=\frac{1}{W\×W}\sqrt{{\left(\underset{W}{\mathrm{\Σ}}cos2\mathrm{\Φ}\right)}^2+{\left(\underset{W}{\mathrm{\Σ}}sin2\mathrm{\Φ}\right)}^2}$

由于指纹纹线具有方向连续性，所以z(x,y)通常都是缓慢变化的，但由于指纹前景普遍存在粘连、断裂等低质量区域导致z(x,y)会被错误估计，所以要对z(x,y)进行平滑滤波；采用高斯滤波模板对z(x,y)进行多尺度滤波，即在指纹奇异区采用小尺度平滑以保持该区域的细节特征，而在其他区域采用大尺度平滑以抑制噪声，由此得到可靠的方向场估计z'(x,y)；

Step3、特定点位置与方向的确定；

Step3.1、将复数滤波器矩阵的幅值进行归一化，然后与Step2所得的归一化后的方向场进行卷积，得到复数滤波器的响应；

三种复数滤波器为圆对称滤波器、三角对称滤波器和平行滤波器，卷积之后复数滤波器的响应为：

r_c(x,y)＝z'(x,y)*h_c＝μ_c(x,y)exp(iα_c(x,y))

r_d(x,y)＝z'(x,y)*h_d＝μ_d(x,y)exp(iα_d(x,y))

r_p(x,y)＝z'(x,y)*h_p＝μ_p(x,y)exp(iα_p(x,y))

上式h_c、h_d和h_p分别表示三种复数滤波器，响应幅度μ_c、μ_d和μ_p分别反映该位置圆对称性与三角对称性的大小，相角α_c、α_d和α_p则分别反映了滤波器对应模式的对称方向；

Step3.2、根据Step3.1中滤波器响应的幅值和相位大小确定奇异点所在的位置；

根据μ_c、μ_d和μ_p的大小可分别检测指纹中心点和三角点的位置：若某位置(x,y)处对应的μ_p小于设定阈值T_p，则此位置可能是奇异点所在的范围；在此范围内，如某位置(x_cp,y_cp)处对应的μ_c(x_cp,y_cp)大于设定的阈值T_cp，且μ_c(x_cp,y_cp)为μ_c(x,y)中的最大值，则(x_cp,y_cp)为中心点所在的位置；

Step4、指纹坐标轴的确定；

过指纹的奇异点作与指纹边缘相交的直线，把最长的那条线的方向作为竖轴，与其垂直的直线作为横轴；

Step5、指纹投影；

利用阈值法把指纹图像转化为二值图像；然后对这个二值图像进行水平投影和竖直投影，水平方向的投影数值反应的是每行的非零像素值的个数，竖直投影数值反应的是每列非零的像素值的个数；

Step6、指纹检索；

Step6.1用奇异点进行指纹的检索；

将待识别的指纹图像与相应类型的指纹库中的指纹特征向量进行比较，计算二者的Euclidean距离，距离小说明两个指纹匹配度高，反之，匹配度低：

$D_k=\sqrt{\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{M}{\Σ}}|z_{2k}^{\′}-z_{2o}^{\′}{|}^2},k=1,2,...,p$

其中，z'_2o为带识别是指纹的特征向量的元素，z'_2k为指纹数据库所存指纹的特征向量的元素，p为指纹数据库所存指纹数目；

Step6.2用指纹投影数据进一步缩小指纹检索的范围；

根据Step5得到两组投影数据：

水平投影数据和竖直投影数据，对这两组数据进行分析，这两组数据都包含奇异点所在的那一行和那一列的数据，以奇异点所在行和列的数据作为这两组数据的基点，通过分析两组数据的基点两侧n个数据的变化就能利用指纹纹形提高指纹检索的准确率，因为数据大对应的同行或同列的像素点就多，对应的指纹就宽或者长，反之，对应的指纹窄或者短。

所述步骤1中，指纹检索用指纹的纹形和指纹的特征点相结合的方法进行指纹检索。

所述步骤1中，指纹图像是指携带手指全部指纹面积的指纹图像。

所述步骤Step6中，用奇异点向量得到的检索结果是一组距离序列D_k，按照升序进行排列，按照小到大的顺序进行投影数据变化的比对，得到一个新的检索结果，最后人工比对这些结果。

本发明的有益效果是：

1、本发明的指纹检索方法利用指纹的特征点和指纹投影两个因素作为衡量，从指纹的内在特征和外在形态两方面进行考虑进行指纹检索；

2、设计了一种基于特定点方向场与指纹投影相结合的指纹检索的方法；

3、本发明的指纹检索的方法为案件侦破、信息保密、员工考勤以及安防防护提供了有力支撑；

4、本发明提出的指纹检索方法在检索效率和准确率上有明显的提高。

附图说明

图1是本发明的流程图；

具体实施方式

下面结合附图和具体实施方式，对本发明作进一步说明。

实施例1：如图1所示，一种基于特定点方向场与指纹投影的指纹检索方法，首先对待匹配的指纹图像进行预处理操作对指纹分割并找到其可靠的方向场估计，其次找到指纹的特定点的位置和方向，然后对指纹的整体方向进行矫正，最后进行指纹的投影和指纹检索；

具体步骤为：

Step1、利用支持向量机对指纹图像进行分割；

支持向量机对指纹图像进行分割是利用灰度直方图求双峰的谷底作为门限，设定好门限值之后，然后把图像分割成目标和背景的区域；

Step2、对分割后的图像的方向场进行多尺度平滑，得到可靠的方向场估计；

设I(x,y)表示原始指纹图像，(x,y)位置处的像素灰度值，G_x(x,y)和G_y(x,y)分别为(x,y)处像素灰度梯度的水平分量和垂直分量；将指纹图像分成大小为W×W的互不重叠的图像子块，(i,j)为子块中心坐标，由下式可得图像的平方复数点方向场z(x,y)：

$G_{s,x}(x,y)=G_x^2(x,y)-G_x^2(x,y)$

G_s,y(x,y)＝2G_x(x,y)G_y(x,y)

z(x,y)＝(G_x(x,y)+iG_x(x,y))²

＝D_s,x(x,y)+iG_s,y(x,y)

由下式可得指纹图像子块的方向场：

$O_x(i,j)=\underset{\mathrm{\μ}=i-W/2}{\overset{i+W/2}{\Σ}}\underset{\mathrm{\ν}=j-W/2}{\overset{j+w/2}{\Σ}}{G}_{s,x}(\mathrm{\μ},\mathrm{\ν})$

$O_y(i,j)=\underset{\mathrm{\μ}=i-W/2}{\overset{i+W/2}{\Σ}}\underset{\mathrm{\ν}=j-W/2}{\overset{j+w/2}{\Σ}}{G}_{s,y}(\mathrm{\μ},\mathrm{\ν})$

$\mathrm{\Φ}(i,j)=\frac{1}{2}{\tan }^{-1}\left(O_y\right(i,j)/O_x(i,j\left)\right)$

图像子块的方向一致性为：

$bcoh(i,j)=\frac{1}{W\×W}\sqrt{{\left(\underset{W}{\mathrm{\Σ}}cos2\mathrm{\Φ}\right)}^2+{\left(\underset{W}{\mathrm{\Σ}}sin2\mathrm{\Φ}\right)}^2}$

由于指纹纹线具有方向连续性，所以z(x,y)通常都是缓慢变化的，但由于指纹前景普遍存在粘连、断裂等低质量区域导致z(x,y)会被错误估计，所以要对z(x,y)进行平滑滤波；采用高斯滤波模板对z(x,y)进行多尺度滤波，即在指纹奇异区采用小尺度平滑以保持该区域的细节特征，而在其他区域采用大尺度平滑以抑制噪声，由此得到可靠的方向场估计z'(x,y)；

Step3、特定点位置与方向的确定；

Step3.1、将复数滤波器矩阵的幅值进行归一化，然后与Step2所得的归一化后的方向场进行卷积，得到复数滤波器的响应；

三种复数滤波器为圆对称滤波器、三角对称滤波器和平行滤波器，卷积之后复数滤波器的响应为：

r_c(x,y)＝z'(x,y)*h_c＝μ_c(x,y)exp(iα_c(x,y))

r_d(x,y)＝z'(x,y)*h_d＝μ_d(x,y)exp(iα_d(x,y))

r_p(x,y)＝z'(x,y)*h_p＝μ_p(x,y)exp(iα_p(x,y))

上式h_c、h_d和h_p分别表示三种复数滤波器，响应幅度μ_c、μ_d和μ_p分别反映该位置圆对称性与三角对称性的大小，相角α_c、α_d和α_p则分别反映了滤波器对应模式的对称方向；

Step3.2、根据Step3.1中滤波器响应的幅值和相位大小确定奇异点所在的位置；

根据μ_c、μ_d和μ_p的大小可分别检测指纹中心点和三角点的位置：若某位置(x,y)处对应的μ_p小于设定阈值T_p，则此位置可能是奇异点所在的范围；在此范围内，如某位置(x_cp,y_cp)处对应的μ_c(x_cp,y_cp)大于设定的阈值T_cp，且μ_c(x_cp,y_cp)为μ_c(x,y)中的最大值，则(x_cp,y_cp)为中心点所在的位置；

Step4、指纹坐标轴的确定；

过指纹的奇异点作与指纹边缘相交的直线，把最长的那条线的方向作为竖轴，与其垂直的直线作为横轴；

Step5、指纹投影；

利用阈值法把指纹图像转化为二值图像；然后对这个二值图像进行水平投影和竖直投影，水平方向的投影数值反应的是每行的非零像素值的个数，竖直投影数值反应的是每列非零的像素值的个数；

Step6、指纹检索；

Step6.1用奇异点进行指纹的检索；

将待识别的指纹图像与相应类型的指纹库中的指纹特征向量进行比较，计算二者的Euclidean距离，距离小说明两个指纹匹配度高，反之，匹配度低：

$D_k=\sqrt{\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{M}{\Σ}}|z_{2k}^{\′}-z_{2o}^{\′}{|}^2},k=1,2,...,p$

其中，z'_2o为带识别是指纹的特征向量的元素，z'_2k为指纹数据库所存指纹的特征向量的元素，p为指纹数据库所存指纹数目；

Step6.2用指纹投影数据进一步缩小指纹检索的范围；

根据Step5得到两组投影数据：

水平投影数据和竖直投影数据，对这两组数据进行分析，这两组数据都包含奇异点所在的那一行和那一列的数据，以奇异点所在行和列的数据作为这两组数据的基点，通过分析两组数据的基点两侧n个数据的变化就能利用指纹纹形提高指纹检索的准确率，因为数据大对应的同行或同列的像素点就多，对应的指纹就宽或者长，反之，对应的指纹窄或者短。

所述步骤1中，指纹检索用指纹的纹形和指纹的特征点相结合的方法进行指纹检索。

所述步骤1中，指纹图像是指携带手指全部指纹面积的指纹图像。

所述步骤Step6中，用奇异点向量得到的检索结果是一组距离序列D_k，按照升序进行排列，按照小到大的顺序进行投影数据变化的比对，得到一个新的检索结果，最后人工比对这些结果。

以上结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (4)

1.一种基于特定点方向场与指纹投影的指纹检索方法，其特征在于：首先对待匹配的指纹图像进行预处理操作对指纹分割并找到其可靠的方向场估计，其次找到指纹的特定点的位置和方向，然后对指纹的整体方向进行矫正，最后进行指纹的投影和指纹检索；

具体步骤为：

Step1、利用支持向量机对指纹图像进行分割；

支持向量机对指纹图像进行分割是利用灰度直方图求双峰的谷底作为门限，设定好门限值之后，然后把图像分割成目标和背景的区域；

Step2、对分割后的图像的方向场进行多尺度平滑，得到可靠的方向场估计；

设I(x,y)表示原始指纹图像，(x,y)位置处的像素灰度值，G_x(x,y)和G_y(x,y)分别为(x,y)处像素灰度梯度的水平分量和垂直分量；将指纹图像分成大小为W×W的互不重叠的图像子块，(i,j)为子块中心坐标，由下式可得图像的平方复数点方向场z(x,y)：

$G_{s,x}(x,y)=G_x^2(x,y)-G_x^2(x,y)$

G_s,y(x,y)＝2G_x(x,y)G_y(x,y)

z(x,y)＝(G_x(x,y)+iG_x(x,y))²

＝D_s,x(x,y)+iG_s,y(x,y)

由下式可得指纹图像子块的方向场：

$O_x(i,j)=\underset{\mathrm{\μ}=i-W/2}{\overset{i+W/2}{\Σ}}\underset{\mathrm{\ν}=j-W/2}{\overset{j+w/2}{\Σ}}{G}_{s,x}(\mathrm{\μ},\mathrm{\ν})$

$O_y(i,j)=\underset{\mathrm{\μ}=i-W/2}{\overset{i+W/2}{\Σ}}\underset{\mathrm{\ν}=j-W/2}{\overset{j+w/2}{\Σ}}{G}_{s,y}(\mathrm{\μ},\mathrm{\ν})$

$\mathrm{\Φ}(i,j)=\frac{1}{2}{\tan }^{-1}\left(O_y\right(i,j)/O_x(i,j\left)\right)$

图像子块的方向一致性为：

$bcoh(i,j)=\frac{1}{W\×W}\sqrt{{\left(\underset{W}{\mathrm{\Σ}}cos2\mathrm{\Φ}\right)}^2+{\left(\underset{W}{\mathrm{\Σ}}sin2\mathrm{\Φ}\right)}^2}$

由于指纹纹线具有方向连续性，所以z(x,y)通常都是缓慢变化的，但由于指纹前景普遍存在粘连、断裂等低质量区域导致z(x,y)会被错误估计，所以要对z(x,y)进行平滑滤波；采用高斯滤波模板对z(x,y)进行多尺度滤波，即在指纹奇异区采用小尺度平滑以保持该区域的细节特征，而在其他区域采用大尺度平滑以抑制噪声，由此得到可靠的方向场估计z'(x,y)；

Step3、特定点位置与方向的确定；

Step3.1、将复数滤波器矩阵的幅值进行归一化，然后与Step2所得的归一化后的方向场进行卷积，得到复数滤波器的响应；

三种复数滤波器为圆对称滤波器、三角对称滤波器和平行滤波器，卷积之后复数滤波器的响应为：

r_c(x,y)＝z'(x,y)*h_c＝μ_c(x,y)exp(iα_c(x,y))

r_d(x,y)＝z'(x,y)*h_d＝μ_d(x,y)exp(iα_d(x,y))

r_p(x,y)＝z'(x,y)*h_p＝μ_p(x,y)exp(iα_p(x,y))

上式h_c、h_d和h_p分别表示三种复数滤波器，响应幅度μ_c、μ_d和μ_p分别反映该位置圆对称性与三角对称性的大小，相角α_c、α_d和α_p则分别反映了滤波器对应模式的对称方向；

Step3.2、根据Step3.1中滤波器响应的幅值和相位大小确定奇异点所在的位置；

根据μ_c、μ_d和μ_p的大小可分别检测指纹中心点和三角点的位置：若某位置(x,y)处对应的μ_p小于设定阈值T_p，则此位置可能是奇异点所在的范围；在此范围内，如某位置(x_cp,y_cp)处对应的μ_c(x_cp,y_cp)大于设定的阈值T_cp，且μ_c(x_cp,y_cp)为μ_c(x,y)中的最大值，则(x_cp,y_cp)为中心点所在的位置；

Step4、指纹坐标轴的确定；

过指纹的奇异点作与指纹边缘相交的直线，把最长的那条线的方向作为竖轴，与其垂直的直线作为横轴；

Step5、指纹投影；

利用阈值法把指纹图像转化为二值图像；然后对这个二值图像进行水平投影和竖直投影，水平方向的投影数值反应的是每行的非零像素值的个数，竖直投影数值反应的是每列非零的像素值的个数；

Step6、指纹检索；

Step6.1用奇异点进行指纹的检索；

将待识别的指纹图像与相应类型的指纹库中的指纹特征向量进行比较，计算二者的Euclidean距离，距离小说明两个指纹匹配度高，反之，匹配度低：

$D_k=\sqrt{\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{M}{\Σ}}|z_{2k}^{\′}-z_{2o}^{\′}{|}^2},k=1,2,...,p$

其中，z'_2o为带识别是指纹的特征向量的元素，z'_2k为指纹数据库所存指纹的特征向量的元素，p为指纹数据库所存指纹数目；

Step6.2用指纹投影数据进一步缩小指纹检索的范围；

根据Step5得到两组投影数据：

水平投影数据和竖直投影数据，对这两组数据进行分析，这两组数据都包含奇异点所在的那一行和那一列的数据，以奇异点所在行和列的数据作为这两组数据的基点，通过分析两组数据的基点两侧n个数据的变化就能利用指纹纹形提高指纹检索的准确率，因为数据大对应的同行或同列的像素点就多，对应的指纹就宽或者长，反之，对应的指纹窄或者短。

2.根据权利要求1所述的基于特定点方向场与指纹投影的指纹检索方法，其特征在于：所述步骤1中，指纹检索用指纹的纹形和指纹的特征点相结合的方法进行指纹检索。

3.根据权利要求1所述的基于特定点方向场与指纹投影的指纹检索方法，其特征在于：所述步骤1中，指纹图像是指携带手指全部指纹面积的指纹图像。

4.根据权利要求1所述的基于特定点方向场与指纹投影的指纹检索方法，其特征在于：所述步骤Step6中，用奇异点向量得到的检索结果是一组距离序列D_k，按照升序进行排列，按照小到大的顺序进行投影数据变化的比对，得到一个新的检索结果，最后人工比对这些结果。