CN107403171A

CN107403171A - 基于快速霍夫变换的指纹模式匹配方法

Info

Publication number: CN107403171A
Application number: CN201710670310.8A
Authority: CN
Inventors: 崔志学
Original assignee: Harbin University of Science and Technology
Current assignee: Harbin University of Science and Technology
Priority date: 2017-08-08
Filing date: 2017-08-08
Publication date: 2017-11-28

Abstract

基于快速霍夫变换的指纹模式匹配方法，属于信息处理技术领域。本发明为了解决降低指纹匹配时间需要克服大量冗余计算，还有非线性形变等对指纹带来的影响更具有鲁棒性的问题。本发明包括步骤一、指纹配对；步骤二、根据指纹配对信息，得出最佳校准量计算匹配分数；步骤三、校准指纹查看效果；步骤四、根据匹配分数画出接收者操作特征曲线曲线。本发明的方法把点模式的优点和基于结构的特征点的相对距离不变性、相对方向不变性、很好结合起来具有较强的适应性和较高的拒识率。

Description

基于快速霍夫变换的指纹模式匹配方法

技术领域

本发明涉及一种指纹快速匹配方法，属于信息处理技术领域。

背景技术

霍夫变换(HoughTransform)是图像处理中从图像中识别几何形状的基本方法之一，应用很广泛，也有很多改进算法。主要用来从图像中分离出具有某种相同特征的几何形状 (如，直线，圆等)。最基本的霍夫变换是从黑白图像中检测直线(线段)。

在二十世纪早期，指纹的概念已为人们所熟知，逐步归纳、建立了关于指纹的以下三个原则：(1)不同人的指纹具有不同的脊、谷纹线结构；(2)指纹全局结构模式因人而异，但种类有限，对指纹进行分类是可行的；(3)对每个人来讲指纹的全局结构模式和细节特征是与生俱来和终生不变的；因此，指纹一直被当作人的身份鉴定的可靠手段，然而指纹识别技术面临的最大困难是它需要大量计算。为满足指纹识别速度的要求，对资源要求很高。

迄今为止，尽管自动指纹识别技术研究取得了很大进展，但仍有很多问题需要去进一步研究和提高。例如：活体指纹录入设备的质量还有待提高；对低质量的指纹图像的细节特征提取有待提高；对损坏指纹图像增强，使其恢复固有的脊谷纹线结构是一件很困难的事情；没有很好的指纹图像压缩方法来存储数以亿计的指纹图像等。

指纹识别是一件非常困难的事情，原因主要可以归结为以下几个方面：在两幅图中的细节点的类型发生了变化；来自于同一手指的图像之间的共同区域太少了；图像非线性形变较大。对于第一种情况，需要在图像处理方面改进，这是指纹识别中的一个难点。对于第二种情况可以采用两次采集入库的方法解决。对于第三种情况可以考虑引入更多的脊线信息。但是，指纹识别技术面临的最大困难是它需要大量计算。为满足速度的要求，对资源要求很高。另外，指纹识别的准确率尚需进一步提高。

发明内容

本发明的目的是为了解决上述技术问题，进而提供基于快速霍夫变换的指纹模式匹配方法。

本发明的技术方案：

基于快速霍夫变换的指纹模式匹配方法包括以下步骤：

步骤一、指纹配对；

将模板(Template)指纹和输入(Input)指纹按名称归类，随机选取名称相同的Template 指纹和Input指纹进行组合。

步骤二、根据指纹配对信息，得出最佳校准量计算匹配分数；

建立霍夫空间，计算匹配分数。

步骤三、校准指纹查看效果；

根据步骤二的匹配分数值所对应的最佳校准量，将Input指纹进行旋转和平移，在Template指纹图像中打出Template细节点信息并在此图像中打出校准后的Input细节点信息，查看比对结果。

步骤四、根据匹配分数画出接收者操作特征曲线(ROC)曲线；

进一步地、步骤一中指纹组合流程包括：

第一步，在指纹数据库中读取template指纹；

第二步，对名称相同的template指纹进行分组；

第三步，在指纹库中读取input指纹；

第四步，对名称相同的input指纹进行分组；

第五步，对名称相同的template指纹和input指纹随机两两组合，形成真实的指纹对组合。

进一步地、步骤二中最佳校准量和匹配分数流程包括：

第一步，读取模板指纹和待识别指纹特征点的坐标和方向信息，按照方向信息求取两指纹特征点间的方向差值(Δθ)，将差值进行范围调整，调整到(-180--180)之间；

第二步，按照该差值对待识别指纹进行逆时针旋转得到新坐标，然后用模板指纹的坐标减去待识别指纹的新坐标得到坐标差(Δx,Δy)；

第三步，建立霍夫空间(三维零矩阵)，空间的大小由上述运算得到的(Δx,Δy，Δθ) 确定；

第四步，将运算得到的(Δx,Δy，Δθ)存入到建立的霍夫空间中，在空间中找出最大值，即为第一级匹配。如果最大值的数量只有一个，那么即认为该最大值对应的(Δx,Δy， Δθ)为最佳校准，如果最大值的数量为多个，那么记录每个最大值对应的旋转平移量；

第五步，按照上述运算得到的旋转平移量对待识别指纹进行旋转和平移；

第六步，对模板指纹的每个特征点建立界限盒(位置界限盒和方向界限盒)，求取待识别指纹特征点在界限盒内的数量(每个模板指纹特征点界限盒只能存放一个待识别指纹特征点)；

第七步，每套旋转平移量都会得出待识别指纹在界限盒内的数量，求出所有数量中的最大值即最佳校准量；

第八步，根据上述运算得到的最大值算出匹配分数。

进一步地、步骤三中校准指纹查看效果流程包括，首先在所有匹配分数中找出分数值最低的10％；其次根据分数值所对应的最佳校准量将Input指纹进行旋转和平移，在Template指纹图像中打出Template细节点信息并在此图像中打出校准后的Input细节点信息，查看比对结果。

进一步地、步骤四中绘制操作者特征曲线的方法为：根据匹配分数计算每个分数在 genuine对儿总数量中所占比例。假设分数分布为(0-1)，分数精确到小数点后两位，取定阈值(t＝0:0.01:1)计算FNMR。同理，计算FMR，然后根据FMR和FNMR画出ROC曲线。

本发明具有以下有益效果：本发明提出的基于快速霍夫变换的指纹模式匹配方法，该算法改进了传统霍夫变换算法把点模式匹配转化成了对转换参数的空间中峰值的检测，匹配是整个识别系统最为关键的部分，在点模式匹配的基础上,初匹配利用了模板指纹和待识别指纹特征点间的结构关系,粗略筛选出几套待定的旋转平移量，克服了图像的平移和旋转的影响；二次匹配引用了界限盒思想,增强指纹匹配算法对指纹录入过程中的非线性形变的适应能力,整合多种判决条件作为识别的依据,提高了识别率。本发明的方法把点模式的优点和基于结构的特征点的相对距离不变性、相对方向不变性、很好结合起来具有较强的适应性和较高的拒识率。

附图说明

图1是本发明的基于快速霍夫变换的指纹模式匹配方法流程图；

图2是指纹配对组合流程图；

图3是最佳校准量和匹配分数流程图；

图4是校准指纹比对结果流程图；

图5是ROC曲线流程图；

具体实施方式

本发明要解决指纹匹配速度，降低匹配时间克服大量冗余计算，还有非线性形变等对指纹带来的影响更具有鲁棒性。

具体实施方式一：基于快速霍夫变换的指纹模式匹配方法包括以下步骤：

步骤一、指纹配对；

根据指纹配对特征特点和信息，建立霍夫空间，计算匹配分数。

步骤三、校准指纹查看效果；

步骤四、根据匹配分数画出接收者操作特征曲线(ROC)曲线；

具体实施方式二：根据所述的基于快速霍夫变换的指纹模式匹配方法，其中步骤一中指纹组合流程包括：

第一步，在指纹数据库中读取template指纹；

第二步，对名称相同的template指纹进行分组；

第三步，在指纹库中读取input指纹；

第四步，对名称相同的input指纹进行分组；

具体实施方式三：根据所述的基于快速霍夫变换的指纹模式匹配方法，其中步骤二中最佳校准量和匹配分数流程包括：

第八步，根据上述运算得到的最大值算出匹配分数。

具体实施方式四：根据所述的基于快速霍夫变换的指纹模式匹配方法，其中步骤三中校准指纹查看效果流程包括，首先在所有匹配分数中找出分数值最低的10％；其次根据分数值所对应的最佳校准量将Input指纹进行旋转和平移，在Template指纹图像中打出Template细节点信息并在此图像中打出校准后的Input细节点信息，查看比对结果。

具体实施方式五：根据所述的基于快速霍夫变换的指纹模式匹配方法，其中步骤四中绘制操作者特征曲线的方法为：根据匹配分数计算每个分数在genuine对儿总数量中所占比例。假设分数分布为(0-1)，分数精确到小数点后两位，取定阈值(t＝0:0.01:1)计算 FNMR，。同理，计算FMR，然后根据FMR和FNMR画出ROC曲线。

本发明深入研究基于特征点坐标模型匹配的点模式匹配算法，提出了两级指纹匹配算法。有效减少匹配运算计算量，加快匹配速度。

其中，第一级匹配

假设有模板指纹(template)A和待识别指纹(input)B，用点集 A＝{(xa1,ya1,θa1),...,(xam,yam,θam)}表示模板指纹A上的m个特征点，用点集 B＝{(xb1,yb1,θb1),...,(xbn,ybn,θbn)}表示模板指纹B上的n个特征点,取出A指纹中的一个特征点和B指纹中的一个特征点，计算此对儿特征点的旋转量以及平移量，首先求取求取该对儿特征点的方向差Δθ＝θai-θbj，将待识别指纹B按照方向差Δθ逆时针旋转，旋转后的坐标表达式为xbj’＝(cosΔθ)*xbj-(sinΔθ)*ybj,ybj’ ＝(sinΔθ)*xbj+(cosΔθ)*ybj，然后求取该对儿特征点的坐标差Δx＝xai-xbj’ Δy＝yai-ybj’，这样就得到了一对儿特征点的旋转平移量(Δx,Δy,Δθ)，总共求取m× n对旋转平移量。建立霍夫空间，也就是三维空矩阵，矩阵的大小由旋转平移量的最大最小值确定，然后将之前得到的旋转平移量放入到霍夫空间对应位置中，在霍夫空间中找到最大值,如果最大值只有一个则确定此旋转平移量为最佳校准，如果最大值有多个则进入到第二级匹配当中。

第二级匹配

按指纹时，由于用力的差异等多种因素，必然会使得两幅指纹图像间存在非线性形变，即使经过校准，输入图像中的细节点不可能和模板图像中的对应细节点完全重合。因此，细节点匹配算法应该能够在一定程度上容忍由于提取出来的细节点位置不精确或图像的非线性形变造成的对应点位置差异。

第二级匹配采用一种称为限界盒(如图所示)的方法，对模板指纹特征点集中的每一个特征点，以该点为中心R为半径的圆形区域作为位置限界盒，方向差θ作为方向界限盒。如果待识别指纹特征点在界限盒内我们就认为该对特征点为匹配特征点对儿。首先我们将待识别指纹B按照上述求出的每套旋转平移量进行旋转和平移，然后按照界限盒计算匹配特征点对儿数量，求出每套旋转平移量下匹配特征点对儿数量，找出最大值对应的旋转平移量即为最佳校准。

只要校准后的待识别指纹中的特征点落在这个区域之内，而且方向基本一致，我们就可以认为这个特征点对是一对匹配的特征点。本文介绍讨论一种基于点模式的快速指纹匹配算法。采用两级匹配，一级粗略匹配中，只统计霍夫空间中数值最大的旋转平移量，算法简单快速排除不匹配的指纹，克服了传统指纹匹配算法的大量冗余计算；第二级精确匹配中，利用了可变限界盒的算法，该算法对非线性形变更为鲁棒，能处理含有非线性畸变、角度旋转和缺损的指纹图像。

本实施方式只是对本专利的示例性说明，并不限定它的保护范围，本领域技术人员还可以对其局部进行改变，只要没有超出本专利的精神实质，都在本专利的保护范围内。

Claims

1.基于快速霍夫变换的指纹模式匹配方法，其特征在于：包括以下步骤：

步骤一、指纹配对；

将模板(Template)指纹和输入(Input)指纹按名称归类，随机选取名称相同的Template指纹和Input指纹进行组合。

建立霍夫空间，计算匹配分数。

步骤三、校准指纹查看效果；

步骤四、根据匹配分数画出接收者操作特征曲线(ROC)曲线。

2.根据权利要求1所述的基于快速霍夫变换的指纹模式匹配方法，其特征在于：步骤一中指纹组合流程包括：

第一步，在指纹数据库中读取template指纹；

第二步，对名称相同的template指纹进行分组；

第三步，在指纹库中读取input指纹；

第四步，对名称相同的input指纹进行分组；

3.根据权利要求1所述的基于快速霍夫变换的指纹模式匹配方法，其特征在于：步骤二中最佳校准量和匹配分数流程包括：

第三步，建立霍夫空间(三维零矩阵)，空间的大小由上述运算得到的(Δx,Δy，Δθ)确定；

第四步，将运算得到的(Δx,Δy，Δθ)存入到建立的霍夫空间中，在空间中找出最大值，即为第一级匹配。如果最大值的数量只有一个，那么即认为该最大值对应的(Δx,Δy，Δθ)为最佳校准，如果最大值的数量为多个，那么记录每个最大值对应的旋转平移量；

第八步，根据上述运算得到的最大值算出匹配分数。

4.根据权利要求1所述的基于快速霍夫变换的指纹模式匹配方法，其特征在于：步骤三中校准指纹查看效果流程包括，首先在所有匹配分数中找出分数值最低的10％；其次根据分数值所对应的最佳校准量将Input指纹进行旋转和平移，在Template指纹图像中打出Template细节点信息并在此图像中打出校准后的Input细节点信息，查看比对结果。

5.根据权利要求1所述的基于快速霍夫变换的指纹模式匹配方法，其特征在于：步骤四中绘制操作者特征曲线的方法为：根据匹配分数计算每个分数在genuine对儿总数量中所占比例。假设分数分布为(0-1)，分数精确到小数点后两位，取定阈值(t＝0:0.01:1)计算FNMR。同理，计算FMR，然后根据FMR和FNMR画出ROC曲线。