[发明专利]指纹识别方法

说明书

技术领域

本发明涉及一种生物识别技术，具体涉及一种指纹识别方法。

背景技术

由于人的指纹千差万别，几乎没有重复，因此指纹识别是身份识别的一种重要方法。指纹识别技术是指对采集到的指纹图像信息进行计算机图像处理和模式识别的一项综合性技术。

指纹识别的大致过程是：首先通过指纹采集设备获取指纹图像，然后对该图像进行预处理，以方便提取指纹特征，特征提取后，再通过模式匹配的方法判别两者的一致性，若特征值相似，则可判定为同一人的指纹，反之，则判定两指纹不是来自同一枚手指。

现有指纹识别方法一般仅考虑指纹的细节点局部特征，普遍存在识别率低、识别速度慢等问题。

发明内容

本发明的目的在于克服现有技术的上述缺陷，提供一种识别率高，识别速度快的指纹识别方法，通过分析细节点的邻域关系和脊线曲率构建稳定性更好的特征矢量，然后利用匹配的细节点对总数和匹配分值之和构建多级判别体系。

本发明用到的一些定义含义如下：

指纹的细节点是指指纹脊线上的端点或者分歧点；

脊线间的平均距离λ：是指细化后脊线间的平均宽度，用象素的个数表示，对于大小为300×300，分辨率为500DPI的指纹图像，脊线平均距离为10个象素，也即λ＝10；

细节特征的方向：根据特征的类型不同，其方向的计算方法也有差异。对于端点，它的方向可由以下方法计算而得：从端点出发，沿脊线跟踪λ个象素，用一元线性回归求出这些点的拟合直线，该直线的方向就是所求特征端点的方向。而对于分歧点特征，它的方向可由从分歧点出发的两条同方向脊线的方向角的平均值确定，而脊线的方向角可通过上面介绍的一元回归线性拟合的方法求得。

特征点间的距离d：是指细节特征点间的欧氏距离。假定两个特征点的位置坐标分别为：(x1，y1)，(x2，y2)，则距离d为：

d=(x1-x2)2+(y1-y2)2]]>

特征点的结构数Nm：是指以细节特征为中心，R为半径的圆或正方形内细节特征的个数。下标m可用e或b取代，分别表示端点和分歧点的个数。例如，可以采用正方形模板，半径为3λ/2。

特征点垂直对比度Varo：该参数的计算需要借助于没有进行二值化的灰度图像。在16×16的灰度图像块中，选取中心象素作为待测点。根据预处理确定的块方向，过待测点作该方向的垂线，沿垂线在待测点两边各取4个象素点，则这8个象素的灰度方差就被认为是待测点的垂直对比度，为方便起见，这一块中所有象素的垂直对比度都等于中心点的垂直对比度，那么如果细节特征所处的图像块已知，则其垂直对比度也就可以测得。

特征点平行对比度Varp：该参数的计算类似于垂直对比度，仍需要借助于没有进行二值化的灰度图像。在16×16的灰度图像块中，选取中心象素作为待测点。根据预处理确定的块方向，沿该方向在待测点两边各取4个象素点，则这8个象素的灰度方差就被认为是待测点的平行对比度，为方便起见，这一块中所有象素的平行对比度都等于中心点的平行对比度，那么如果细节特征所处的图像块已知，则其平行对比度也就可以测得。

以上定义在论文“指纹细节特征提取与剪枝”(王崇文，李见为等，光电工程，2002，No.4，pp67-70)中已有详细定义。在该论文中提出的指纹图像的表示方法为将指纹图像表示为一个二维矩阵，每一个象素就是矩阵的一个元素，取值为0～255，矩阵的维度就是图像的宽和高。在本发明中，继续采用这些定义和图像的表示方法。

本发明提出了一种指纹识别方法，由指纹特征提取和特征匹配两个过程组成：

所述指纹特征提取的过程为：针对于预处理的图像进行细节特征初选；对初选后的细节特征进行剪枝；对剪枝后的细节点特征进行可靠性验证；最后根据细节点的邻域关系和脊线曲率特征构建特征矢量；