[发明专利]基于细节点偶然匹配概率模型的指纹比对方法

说明书

技术领域：

本发明涉及指纹图像识别技术、指纹特征信息独特性和指纹偶然匹配概率模型，具体涉及一种基于细节点偶然匹配概率模型的指纹比对方法。

背景技术：

数量众多的指纹图像识别系统已被广泛应用于物理安全(门禁、楼宇监控)和逻辑安全(计算机，网络)领域。其中，指纹特征信息比对技术提供两枚指纹图像特征信息之间的比对功能，其结果既可以表征为两枚指纹图像的相似程度（百分比），也可以表征为一个二值结论（匹配或不匹配）。由于对同一个手指采集的不同指纹图像样本之间通常存在较大的类内差异，就使得指纹特征信息比对成为一件非常有挑战性的工作。

指纹特征信息比对技术根据所使用特征信息的不同大致分为相关性比对技术、细节点比对技术和非细节点比对技术，三者各具优点。

相关性比对技术直接在指纹灰度图像上进行比对。对所有可能出现的校准参数，如平移量，旋转角度等，将两枚指纹图像相互叠加，并计算相应像素点的相关性。这类方法原理直观、易于实现，但通常要面临以下问题：1.指纹表面的非线性形变使得同一手指的两枚图像在全局结构上出现显著差异，严重降低相应像素点的相关性；2.皮肤状态、压力等使得同一指纹的不同图像之间在亮度、对比度、隆线粗细等方面存在明显不同，甚至同一图像的不同区域也会出现显著差异，使用归一化技术也无法消除这些差异对相关性的负面影响；3.灰度相关性计算量大，若为图像尺寸，为平移量参数样本空间大小，为旋转量参数样本空间大小，则计算复杂度表示为，通常计算两枚图像相关性所需时间需以分钟计。

细节点比对技术是目前应用最为广泛的指纹特征信息比对技术。这类方法分别将指纹模版图像和输入图像的细节点提取出来并保存为二维平面上的两个点集和。把指纹模版图像对应的细节点集看作一个马科夫随机场，匹配过程即是计算是的一个实例的概率，即。如果这个概率大于经验阈值，则认为模版图像和输入图像源于同一指纹。在计算时，须预先假设两幅指纹图像来自同一枚指纹，并尽可能多的收集正面证据（忽略负面证据），使相互对应的细节点数量最大化。这样，提取细节点较多时，就更容易产生较高的，即使两幅图像源于不同指纹。目前所有已公布的马科夫随机场模型都把所有细节点当作完全相互独立的点。而实际上，无论在位置分布还是在方向上，细节点之间都不是相互独立的，因此，已公布模型的实际样本参数空间都要比所定义的小，从而使计算出来的增大。综上所述，现有的细节点比对技术在一定程度上都不能抑制他人误识率（系统把来自不同指纹的图像识别为来自同一指纹的概率），而必须提高本人拒否率（系统把来自同一指纹的图像识别为来自不同指纹的概率）来保证整个指纹识别系统的安全性。

发明内容：

本发明的目的是针对现有指纹识别系统中指纹特征信息比对技术不能很好的抑制他人误识率的问题，提供一种基于细节点偶然匹配概率模型的指纹比对方法，降低他人误识率，提高系统比对精度。

上述的目的通过以下的技术方案实现：

一种基于细节点偶然匹配概率模型的指纹比对方法，该方法包括如下步骤：在指纹特征信息独特性概率模型基础上进行指纹图像校准，建立偶然匹配概率模型，分别对每个细节点推导与之对应细节点存在的概率和与之没有对应细节点存在的概率，用递归方式算得概率相似度并进行归一化，选取决策阈值判断两幅图像是否来自于不同指纹。

所述的基于细节点偶然匹配概率模型的指纹比对方法，所述的指纹图像校准是在指纹特征信息独特性概率模型基础上，用霍夫变换得到两幅图像之间的平移量，旋转量，匹配上的细节点对数以及前景重合面积作为已知条件；

所述的基于细节点偶然匹配概率模型的指纹比对方法，所述的相似度归一化是用递归方式将算得概率推导至一般情况，计算得到两个细节点集合产生一定数量匹配上细节点的概率，并对此概率进行适当的归一化处理，所得结果即为两幅指纹图像的相似度；

所述的基于细节点偶然匹配概率模型的指纹比对方法，所述的选取决策阈值是指当相似度结果大于实验得出的经验阈值时，就认为两幅图像来自同一指纹，反之则认为两幅图像来自于不同指纹。

有益效果：