[发明专利]面向图像质量的指纹识别方法

说明书

技术领域

发明涉及一种指纹识别方法，尤其涉及一种面向图像质量的指纹识别方法。

背景技术

目前在自动指纹识别技术中，图像质量的好坏是影响识别性能的一个重要因素。在现有的指纹识别处理方法中，通常是通过获取指纹图像的细节点来进行匹配，但这种方法对于质量较差的图像，性能下降明显。而其它一些识别方法，如基于纹线的和基于纹理的识别方法虽然对质量较差的图像有一定的效果，但对于质量较好的图像，不仅性能提高不大，而且占用的资源和时间复杂度相对较大。因此，迫切需要一种区分图像质量的指纹识别方法，既保证达到一定的识别准确率，又能够较大限度的节省资源。

发明内容

本发明的目的是为了解决现有指纹识别方法对理想和非理想指纹图像兼顾性不好的缺点而提出的一种面向图像质量的指纹识别方法。它是一种基于图像质量判断的处理方法，将指纹图像分为质量较好、质量较差两种类型，进而采用不同的识别算法进行指纹识别。

为实现上述目的，本发明采用如下技术方案：

(1)读取的采集的指纹图像g(x，y)，其中g(x，y)为像素点(x，y)的灰度值；

(2)对指纹图像进行质量特征提取，分别提取梯度一致性Q_T、频谱特征Q_F、灰度标准差Q_s共三个特征；

(3)采用SVM支持向量机分类器对指纹图像的质量进行学习和分类，将其确定为已定义的两种质量类型；

(4)对质量较好、质量较差两种指纹，分别采用基于细节点的匹配算法和基于纹理的匹配算法完成识别。

所述步骤(2)中，三个特征分别从不同的方面反映了质量的好坏，具体计算如下，

QT=1rΣi=1rk~i]]>，r是前景块的总数，为分块图像中一个块的梯度一致性，其计算公式为：k~=(j11-j22)2+4j122(j11+j22)2,]]>其中，j₁₁，j₁₂，j₂₁，j₂₂为梯度向量协方差矩阵J中的元素。若图像分块大小为b*b，则块中所有b²个点的梯度向量协方差矩阵J=1b2Σs∈BgsgsT≡j11j12j21j22,]]>b²为分块图像的大小，s为该块中的点，B为该块中所有像素点的集合，g_s为点s的梯度向量，g_s^T为梯度向量的转置；最终整幅图像的质量特征为所有块的梯度一致性的均值。