[发明专利]一种基于Sigmoid扩展的指纹分数融合系统及方法

说明书

技术领域

本发明属于生物特征识别技术领域，涉及图像处理、模式识别、计算机技术等前沿知识，特别涉及一种基于Sigmoid扩展的指纹分数融合系统及方法，通过指纹分数融合和基于Sigmoid扩展而实现指纹匹配。

背景技术

指纹识别技术是目前生物特征识别领域中研究和应用最为成熟的技术之一。由于指纹具有唯一性和稳定性的优点，而且采集过程方便、成本低廉，目前已广泛应用在身份鉴定、信息安全、访问控制等很多方面。

过几十年的研究，指纹识别技术取得了飞速的发展，但是指纹识别算法的性能还远远达不到理论估计的精度，算法的时间性能也有待提高。

指纹细节点被公认为是指纹最具鉴别能力且最可靠的局部特征，基于指纹细节点特征的匹配算法也是目前指纹识别技术的主流算法。其中，应用比较广泛的细节点特征包括细节点局部方向描述、细节点局部三角结构、细节点拓扑结构等，也有联合其它指纹信息进行匹配的算法，如联合细节点相连脊线信息、局部方向场信息、局部纹理信息等。这些方法最终都是通过指纹细节点及其辅助结构的相似度来确定指纹图像的匹配分数。但是，由于两幅指纹图像之间的平移和旋转的相对变换以及指纹形变程度都事先未知，所以两组指纹细节点之间的对应关系也是不确定的，这就决定了仅由细节点其辅助结构的相似度决定的指纹图像的匹配分数同样有其不可靠性。

为了解决以上问题，很多研究者开始考虑融合多种特征或多种分数进行指纹图像的匹配。Feng提出了支持向量机的17维特征融合方法，但是支持向量机的方法对于系统而言只是一个“黑盒子”，无从得知其内部处理过程，且相当耗时。其它已发表的为数不多的指纹特征融合或分数融合方法也在时间性能或其它方面存在缺陷。

鉴于对指纹识别系统性能要求的不断提高，单纯基于指纹细节点的指纹匹配方法逐渐不能满足要求且没有了改进的空间，而基于特征融合或分数融合的指纹识别方法就越来越受到研究者的重视。分数融合比特征融合需要的附加资源和时间消耗都要少得多，因此实用性更好，但是性能上往往提高有限。这是因为不同分数有不同的分布以及各异的属性。如果可以通过某种策略将不同分数扩展到相同的空间并尽可能统一属性，必然可以提高分数融合的性能。

发明内容

(一)要解决的技术问题

针对现有指纹分数融合过程中，不同分数具有不同的分布以及各异的属性，从而限制指纹分数融合系统的性能提升的问题，本发明的主要目的是提出一种基于Sigmoid扩展的指纹分数融合系统及方法，通过对不同的分数进行Sigmoid扩展，使得不同分数拥有了相似的分布和属性，从而提高了分数融合的效率，提高了指纹分数融合系统的性能。

(二)技术方案

为达成所述目的，本发明提供了一种基于Sigmoid扩展的指纹分数融合系统，包括：

训练图像预处理单元1，用于对训练指纹数据集中的每一个训练指纹图像对分别进行预处理，分别获得训练指纹图像对的细化指纹图像和指纹方向场图像；

训练特征提取单元2，与训练图像预处理单元1连接，用于从训练图像预处理单元1输出的训练指纹图像对的细化指纹图像中提取指纹细节点信息，并从训练图像预处理单元1输出的训练指纹图像对的指纹方向场图像中为每一个指纹细节点提取细节点局部方向描述；

训练特征对准单元3，与训练特征提取单元2连接，用于对训练特征提取单元2输出的训练指纹图像对的指纹细节点信息、细节点局部方向描述和指纹方向场图像进行计算，得到训练指纹图像对的细节点平均相似度分数和方向场平均距离分数；

Sigmoid参数训练单元4，与训练特征对准单元3连接，用于对训练特征对准单元3输出的训练指纹图像对的细节点平均相似度分数和方向场平均距离分数进行计算，分别得到细节点平均相似度分数和方向场平均距离分数的Sigmoid扩展参数；

测试图像预处理单元5，用于对测试指纹图像对分别做预处理，分别获得测试指纹图像对的细化指纹图像和指纹方向场图像；

测试特征提取单元6，与测试图像预处理单元5连接，用于从测试图像预处理单元5输出的测试指纹图像对的细化指纹图像中提取指纹细节点信息，并从测试图像预处理单元5输出的测试指纹图像对的指纹方向场图像中为每一个指纹细节点提取细节点局部方向描述；

测试特征对准单元7，与测试特征提取单元6连接，用于对测试特征提取单元6输出的测试指纹图像对的指纹细节点信息、细节点局部方向描述和指纹方向场图像进行计算，得到测试指纹图像对的细节点平均相似度分数和方向场平均距离分数；以及