CN111126337A - 基于特征提取与匹配的指纹识别方法 - Google Patents
基于特征提取与匹配的指纹识别方法 Download PDFInfo
- Publication number
- CN111126337A CN111126337A CN201911408633.5A CN201911408633A CN111126337A CN 111126337 A CN111126337 A CN 111126337A CN 201911408633 A CN201911408633 A CN 201911408633A CN 111126337 A CN111126337 A CN 111126337A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- block
- matching
- correct
- residual
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
- G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于特征提取与匹配的指纹识别方法,包括:S1、对待匹配指纹的指纹图像进行两次分割,获取不包含残留纹路的正确纹路块,在不包含残留纹路的正确纹路块中提取特征节点;S2、将各特征节点两两进行配对,形成特征节点对,并计算特征节点对在曲线坐标系中的相对位置;S3、将所述特征节点对的相对位置与模板指纹中特征节点的相对位置对进行匹配,若匹配率大于给定阈值,则判定待匹配指纹与所述模板指纹匹配,即完成指纹匹配过程。对指纹图像进行二次分割,大大减少错误特征的提取;在曲线坐标系下的节点关系表示方法,可以有效地对扭曲指纹进行匹配,减少节点的错误不配对率。
Description
技术领域
本发明属于指纹识别技术领域,更具体地,本发明涉及一种基于特征提取与匹配的指纹识别方法。
背景技术
生物识别是一种基于生物特征进行身份认证的技术,身份认证即对人的身份鉴别。身份认证在日常生活的应用中无处不在,尤其在各种办公服务领域和工业领域等都得到了广范的使用。而生物特征中人的指纹、虹膜等是人天生俱有且独一无二的生物特征。而相对来说,指纹的综合性能比较突出,因而其应用领域最为广泛,对指纹识别的研究也相对成熟。指纹识别的特征提取与匹配方法有基于Gabor滤波器特征提取和两幅图像特征信息集合匹配的方法、基于细节点特征提取和方向场匹配的方法、基于图像分割的指纹识别方法等,其中基于Gabor滤波器特征提取和两幅图像特征信息集合匹配的方法会因低质量图像导致特征提取正确率误差大;基于细节点特征提取和方向场匹配的方法会因错误特征的提取导致误差增大;而基于图像分割指纹识别方法是现阶段最可靠的指纹识别方法之一。目前,基于图像分割的指纹识别的方法,主要是对采集的指纹图像信息预处理中只进行一次图像分割处理;但是这种方法存在一定的问题,无法将错误特征降到最低,进而无法确保识别的准确性和可靠性。
发明内容
本发明提供一种基于特征提取与匹配的指纹识别方法,旨在提高指纹识别的精准度。
本发明是这样实现的,一种基于特征提取与匹配的指纹识别方法,所述方法具体包括如下步骤:
S1、采集待匹配指纹的指纹图像,对指纹图像进行两次分割,获取不包含残留纹路的正确纹路块,在不包含残留纹路的正确纹路块中提取特征节点;
S3、将所述特征节点对的相对位置与模板指纹中特征节点的相对位置对进行匹配,若匹配率大于给定阈值,则判定待匹配指纹与所述模板指纹匹配,即完成指纹匹配过程,否则,判定待匹配指纹与所述模板指纹不匹配。
进一步的,在步骤S1中对指纹图像进行两次分割,两次分割具体如下:
对指纹图像进行第一次分割,识别出正确纹路区块及非正确纹路区块,其中,非正确纹路区块包括:背景区块及错误的纹路区块;
对正确纹路区块进行第二次分割,识别出正确纹路区块中的残留纹路区块及非残留纹路区块。
进一步的,残留指纹区域及非残留指纹区域的识别方法具体包括如下步骤:
S11、将正确纹路区块Wi等分成n个局部图像区块Wij,并计算局部图像区块Wij的灰度均值LG(W(i,j));
S12、计算正确纹路区块Wi的灰度均值MG(Wi);
S13、计算局部图像块Wij纹脊和纹谷的平均灰度差异LA(W(i,j));
S14、计算正确纹路区块Wi纹脊和纹谷的平均灰度差异MA,
S15、基于各局部图像块Wij的灰度均值LG、灰度均值MG、平均灰度差异LA及平均灰度差异MA来判断局部区块图像是否为非残留纹路区块。
进一步的,曲线坐标系的构建方法具体包括如下:
本发明提出的基于特征提取与匹配的指纹识别方法具有如下有益技术效果:
1)对指纹图像进行二次分割,在第一次分割时,将正确纹路区域及非正确纹路区域进行分离,在正确纹路区域进而分离出残留纹路区域,大大减少错误特征的提取;
2)本发明提出了在曲线坐标系下的节点关系表示方法,该方法则能反映两个节点间的纹路数,对纹路间距变化不敏感,具有较好的扭曲不变性,可以有效地对扭曲指纹进行匹配,减少节点的错误不配对率。
附图说明
图1为本发明实施例提供的基于特征提取与匹配的指纹识别方法流程图。
具体实施方式
下面对照附图,通过对实施例的描述,对本发明的具体实施方式作进一步详细的说明,以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
图1为本发明实施例提供的基于特征提取与匹配的指纹识别方法流程图,该方法具体包括如下步骤:
S1、采集待匹配指纹的指纹图像,对指纹图像进行两次分割获取不包含残留纹路的正确纹路块,在不包含残留纹路的正确纹路块中提取特征节点;
特征节点包括:奇异点、纹路的分叉点、终止点或打圈处的位置点,其中奇异点由核心点及三角点组成。
在本发明实施例中,对指纹图像进行第一次分割,识别出正确纹路区块及非正确纹路区块,其中,非正确纹路区块包括:背景区块及错误的纹路区块;对正确纹路区块进行第二次分割,识别出正确纹路区块中的残留纹路区块及非残留纹路区块,针对非残留纹路区块来提取特征节点;
指纹采集时,手指在传感器上会残留指纹,当残留指纹再次被传感器感应而生成的干扰纹路区域即为残留指纹区域,残留纹路经常会有清晰的纹路,第二分割旨在识别出正确指纹区块中的残留指纹区块,残留指纹区域及非残留指纹区域的识别方法具体包括如下步骤:
S11、将正确纹路区块Wi等分成n个局部图像区块Wij,并计算局部图像区块Wij的灰度均值LG(W(i,j));
S12、计算正确纹路区块Wi的灰度均值MG(Wi),其计算公式具体如下:
S13、计算局部图像块Wij纹脊和纹谷的平均灰度差异LA(W(i,j)),LA(W(i,j))为局部图像块Wij的平滑投影信号的平均波谷高度(对应纹脊灰度)与平均波峰高度(对应纹谷灰度)的差值;
在本发明实施例中,指纹图像由纹脊和纹谷组成,纹脊又称为纹路,对应手指皮肤的凸起部分,在指纹图像中呈现为灰度较深的粗线条,纹谷则对应手指皮肤凹进去的部分,夹在两条纹路之间,相对纹路的灰度较亮。
S14、计算正确纹路区块Wi纹脊和纹谷的平均灰度差异MA,其计算公式具体如下:
S15、基于各局部图像块Wij的灰度均值LG、灰度均值MG、平均灰度差异LA及平均灰度差异MA来判断局部区块图像是否为非残留纹路区块,其具体判断方法具体如下:
基于局部图像的特征矩阵计算出局部区块图像Wij的正反样本函数值y(wij),若y(wij)为正值,则局部区块图像Wij为非残留纹路区块,若y(wij)为负值,则局部区块图像Wij为残留纹路区块,局部图像的特征矩阵表示如下:
基于大量的已知样本来计算出系数<a0,a1,a2,a3,a4>。
在本发明是实施例中,第一分割可基于BP神经网络或者是梯度矢量法来识别正确纹路区块及非正确纹路区块。
S3、将节点对的相对位置坐标与模板指纹中的特征节点对进行匹配,若匹配率大于给定阈值,则判定输入的指纹与所述模板指纹匹配,即完成指纹匹配过程,否则,判定输入的指纹与所述模板指纹不匹配。
本发明提出的基于特征提取与匹配的指纹识别方法具有如下有益技术效果:
1)对指纹图像进行二次分割,在第一次分割时,将正确纹路区域及非正确纹路区域进行分离,在正确纹路区域进而分离出残留纹路区域,大大减少错误特征的提取;
2)本发明提出了在曲线坐标系下的节点关系表示方法,该方法则能反映两个节点间的纹路数,对纹路间距变化不敏感,具有较好的扭曲不变性,可以有效地对扭曲指纹进行匹配,减少节点的错误不配对率。
上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围之内。
Claims (4)
2.如权利要求1所述基于特征提取与匹配的指纹识别方法,其特征在于,在步骤S1中对指纹图像进行两次分割,两次分割具体如下:
对指纹图像进行第一次分割,识别出正确纹路区块及非正确纹路区块,其中,非正确纹路区块包括:背景区块及错误的纹路区块;
对正确纹路区块进行第二次分割,识别出正确纹路区块中的残留纹路区块及非残留纹路区块。
3.如权利要求1所述基于特征提取与匹配的指纹识别方法,其特征在于,残留指纹区域及非残留指纹区域的识别方法具体包括如下步骤:
S11、将正确纹路区块Wi等分成n个局部图像区块Wij,并计算局部图像区块Wij的灰度均值LG(W(i,j));
S12、计算正确纹路区块Wi的灰度均值MG(Wi);
S13、计算局部图像块Wij纹脊和纹谷的平均灰度差异LA(W(i,j));
S14、计算正确纹路区块Wi纹脊和纹谷的平均灰度差异MA,
S15、基于各局部图像块Wij的灰度均值LG、灰度均值MG、平均灰度差异LA及平均灰度差异MA来判断局部区块图像是否为非残留纹路区块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911408633.5A CN111126337A (zh) | 2019-12-31 | 2019-12-31 | 基于特征提取与匹配的指纹识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911408633.5A CN111126337A (zh) | 2019-12-31 | 2019-12-31 | 基于特征提取与匹配的指纹识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111126337A true CN111126337A (zh) | 2020-05-08 |
Family
ID=70506287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911408633.5A Pending CN111126337A (zh) | 2019-12-31 | 2019-12-31 | 基于特征提取与匹配的指纹识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111126337A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408930A (zh) * | 2007-12-29 | 2009-04-15 | 浙江师范大学 | 一种基于曲线坐标系和迁移参考节点的形变指纹匹配方法 |
CN101414349A (zh) * | 2007-12-04 | 2009-04-22 | 浙江师范大学 | 一种基于bp神经网络的指纹图像纹路方向计算和图像分割方法 |
CN107748877A (zh) * | 2017-11-10 | 2018-03-02 | 杭州晟元数据安全技术股份有限公司 | 一种基于细节点和纹理特征的指纹图像识别方法 |
CN110348377A (zh) * | 2019-07-09 | 2019-10-18 | 上海创米科技有限公司 | 一种指纹识别方法及设备 |
-
2019
- 2019-12-31 CN CN201911408633.5A patent/CN111126337A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101414349A (zh) * | 2007-12-04 | 2009-04-22 | 浙江师范大学 | 一种基于bp神经网络的指纹图像纹路方向计算和图像分割方法 |
CN101408930A (zh) * | 2007-12-29 | 2009-04-15 | 浙江师范大学 | 一种基于曲线坐标系和迁移参考节点的形变指纹匹配方法 |
CN107748877A (zh) * | 2017-11-10 | 2018-03-02 | 杭州晟元数据安全技术股份有限公司 | 一种基于细节点和纹理特征的指纹图像识别方法 |
CN110348377A (zh) * | 2019-07-09 | 2019-10-18 | 上海创米科技有限公司 | 一种指纹识别方法及设备 |
Non-Patent Citations (1)
Title |
---|
祝恩: "低质量指纹图像的特征提取与识别技术的研究", 《中国优秀硕士学位论文全文数据库》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107748877B (zh) | 一种基于细节点和纹理特征的指纹图像识别方法 | |
Raja | Fingerprint recognition using minutia score matching | |
CN111507206B (zh) | 一种基于多尺度局部特征融合的手指静脉识别方法 | |
CN107958443B (zh) | 一种基于脊线特征和tps形变模型的指纹图像拼接方法 | |
CN106022315A (zh) | 一种用于虹膜识别的瞳孔中心定位方法 | |
Hemalatha | A systematic review on Fingerprint based Biometric Authentication System | |
Parkavi et al. | Multimodal biometrics for user authentication | |
WO2011124512A2 (en) | Image template masking | |
CN112597812A (zh) | 一种基于卷积神经网络和sift算法的手指静脉识别方法及系统 | |
Patil et al. | A novel approach for fingerprint matching using minutiae | |
Agrawal et al. | A hybrid partial fingerprint matching algorithm for estimation of equal error rate | |
Akulwar et al. | Secured multi modal biometric system: a review | |
CN111126337A (zh) | 基于特征提取与匹配的指纹识别方法 | |
Kumar et al. | Fingerprint image enhancement and minutia matching | |
Mandi et al. | Rotation–invariant fingerprint identification system | |
Fei et al. | Combining enhanced competitive code with compacted ST for 3D palmprint recognition | |
CN112270218A (zh) | 一种用于指纹自动识别的方法及系统 | |
Yang et al. | Fingerprint matching using invariant moment features | |
Kuban et al. | A NOVEL MODIFICATION OF SURF ALGORITHM FOR FINGERPRINT MATCHING. | |
CN112381042A (zh) | 从掌静脉图像中提取掌静脉特征的方法、掌静脉识别方法 | |
Nirmalakumari et al. | Efficient minutiae matching algorithm for fingerprint recognition | |
Chowdhury et al. | Efficient fingerprint matching based upon minutiae extraction | |
CN112949361A (zh) | 指纹识别方法及装置 | |
Preetha et al. | Selection and extraction of optimized feature set from fingerprint biometrics-a review | |
Balti et al. | Invariant and reduced features for Fingerprint Characterization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200508 |
|
RJ01 | Rejection of invention patent application after publication |