[发明专利]基于奇异的拓扑结构的快速指纹识别方法

说明书

技术领域

本发明属于生物特征识别技术领域，具体涉及指纹识别方法，尤其涉及一种基于奇异点拓扑结构的快速指纹识别方法。

背景技术

自动指纹识别技术是将采集到的指纹与数据库中的指纹进行比较，以确定是否属于某个手指的过程。指纹分类技术主要的依据是利用指纹中一些特殊的全局特征的分布，如奇异点的相对位置或脊线流的走向等，依据Galton-Henry分类规则，把指纹分成拱形、尖拱形、左旋形、右旋形和漩涡形五大类别。而指纹识别方法主要的依据是利用指纹的特征点所形成的模板进行相互比较。

自动指纹识别技术是生物特征识别技术中最为实用化的技术之一，在安全领域、电子商务和电子政务等方面得到了广泛的推广和应用。在大规模的在线应用中，由于数据库中存储指纹的数量越来越多，对于自动指纹识别系统的处理速度提出了越来越高的要求。

对于自动指纹识别系统的大规模应用而言，传统的指纹识别方法的缺点是：大量的指纹没有经过分类，而是混杂在一起，随着指纹数据库规模的增大，指纹匹配需要对所有的指纹进行遍历，查寻时间呈线性增长；并且匹配所需要的细节点数目较大，仅采用细节点特征进行比对，造成匹配的时间较长，使自动指纹识别系统的应用范围受到限制。

发明内容

为了解决背景技术指纹特征匹配的时间较长，使自动指纹识别系统的应用范围受到限制的问题，本发明的目的是提供一种能够在线实时、快速匹配的基于奇异点拓扑结构的指纹识别方法。本发明在采集指纹图像以后，对经过预处理的指纹图像进行，从而确定指纹是否匹配。

为了实现本发明的目的，本发明提供一种基于奇异的拓扑结构的快速指纹识别方法，主要包含下列步骤包括：

步骤1：根据输入图像进行图像预处理，得到指纹的细化图像和方向场图像，对获得的细化图像进行指纹细节点提取，并利用像素搜索窗口，对获得的方向场图像计算数据库指纹的Poincare索引值，根据Poincare索引值检测出所有可能的奇异点；

步骤2：利用奇异点邻近结构中的细节点特征，对Poincare索引值计算出的所有可能的候选奇异点再进行计算，确认真奇异点，如果确认是奇异点时，选取其中最可靠的奇异点作为参考点，并根据真奇异点的相对位置对指纹进行分类；

步骤3：利用上述步骤所选取的参考点，在参考点周围建立奇异点拓扑结构，包含参考点和其周围的细节点，拓扑结构的范围是以参考点为圆心，以kr为半径的圆，其中1≤k≤15，r为14像素，在该圆范围内的细节点参与拓扑结构的形成；

步骤4：利用拓扑结构形成数据库的指纹模板，并在模板中写入分类信息，分类信息和拓扑结构共同生成最终的模板，作为指纹比对的依据；

步骤5：对于输入的待比对指纹，利用上述步骤所述的指纹分类及指纹模板，在同一类的数据库中搜索相同的模板并输出比对结果，完成快速比对匹配过程。

根据本发明的实施例，所述步骤1所述的奇异点检测步骤包括如下：

2a)利用像素搜索窗口，计算出数据库指纹的Poincare索引值，根据Poincare索引值检测出方向场图像所有可能的奇异点；

2b)以所有可能的奇异点S_i为圆心，以像素为半径画出圆形区域，检测圆形区域中的所有细节点，计算细节点的数量M_i和到圆心的平均距离d_i；

2c)如果细节点数量M_i大于等于2，并且圆心平均距离d_i大于判断阈值T，则确认奇异点S_i为真奇异点，其余均为伪奇异点，并根据真奇异点S_i的Poincare索引值判断其为中心点或三角点，并将中心点和三角点的数量和相对位置，作为分类的依据；

2d)选择圆心平均距离d_i值最小的真奇异点作为参考点R，用于建立奇异点拓扑结构。

根据本发明的实施例，所述步骤2所述的指纹分类包括如下：

3a)根据所述检测的奇异点，在判断出指纹图像的中心点和三角点之后，根据中心点和三角点的数量和相对位置，对指纹进行分类；

3b)根据Galton-Henry分类规则，将整个指纹数据库的分类。

根据本发明的实施例，所述奇异点拓扑结构生成步骤如下：

4a)以所述参考点R为圆心，分别以半径kr做k个同心圆，其中1≤k≤15，r为像素，将参考点R周围的邻近区域按照离中心的距离划分为k个档次，如果指纹中没有参考点，则k为0；