[发明专利]基于图像空域特征的指纹核点精确定位方法

权利要求书

1.基于图像空域特征的指纹核点精确定位方法,其特征在于包括如下步骤：

步骤1、用梯度法求出指纹图像的像素级方向场O；

步骤2、用庞加莱索引法在方向场O中提取出每一个粗核点位置C_i(cx_i,cy_i)；

步骤3、用短时傅里叶变换法计算出指纹图像的二值化图像I；

步骤4、将方向场O、粗核点位置C_i(cx_i,cy_i)和二值化图像I输入分叉聚合提取模块，提取出粗核点位置C_i(cx_i,cy_i)附近a×b矩形范围内的所有分叉点fc和聚合点jh，并存储在矩阵FJ_i中；

步骤5、将矩阵FJ_i输入到去噪模块以除去矩阵FJ_i所有的伪分叉点、伪聚合点，得到矩阵

步骤6、将去噪后得到的矩阵输入至弧提取模块得到所有的弧,并将得到的弧存储于矩阵Hu中，利用矩阵进行同纹判别，计算参数twx₃

步骤7、将矩阵Hu输入到精确定位模块得到核点定位的最终结果；

步骤4所述的分叉聚合提取模块包括如下四个子模块：

4-1.子模块1生成纹线宽度矩阵E_i、纹线类型矩阵YS_i和纹线数量矩阵Z_i；

4-1-1.用现有算法计算出粗核点开口方向的幅角主值θ_i，具体如下：

其中，O_ref(x,y)表示核点的参考方向场块，尺寸为25×25，由公式2计算得出；O_i(x,y)表示以粗核点C_i(cx_i,cy_i)为中心，在方向场O上截图的尺寸为25×25的方向场块；θ_ref为参考方向场块O_ref(x,y)的开口方向的幅角主值；

其中，为中间变量，O_ref(x,y)为所求的参考方向场块；

4-1-2.根据粗核点位置C_i(cx_i,cy_i)以及对应的幅角主值θ_i，在二值图像I上作一条长为k像素、宽为单像素的线段L₁，使得粗核点位置C_i(cx_i,cy_i)位于该线段L₁上靠近上方的三等分点的位置；以线段L₁上的每一个像素点为中点，作k条与线段L₁垂直，且长度为l个像素的单像素宽的线段L₂，从而得到一个尺寸为k×l的矩形；以粗核点开口方向的幅角主值θ_i为正下方，从左往右依次记录每条线段L₂穿过的每一指纹纹线的宽度，得到纹线宽度矩阵E_i；同时记录穿过每条纹线的类型，1表示谷线、-1表示脊线，得到纹线类型矩阵YS_i；分别记录每一行穿过的纹线的总数得到纹线数量矩阵Z_i；所述的E_i、YS_i的尺寸均为k×l_fj，其中l_fj为Z_i中元素的最大值；Z_i的尺寸为k×1；

4-2.计算获得子模块2即边缘补偿子模块，以纹线宽度矩阵E_i和纹线类型矩阵YS_i作为输入，对边缘补偿因子cw₀、cw₁进行赋值；

CYS_i＝YS_i(j+1,1)×YS_i(j,1)(公式3)

若CYS_i＞0，则直接输出结果cw₀←0、cw₁←0；否则计算ΔE_i＝E_i(j+1,1)-E_i(j,1)，如果ΔE_i≥0，则输出结果cw₀←1、cw₁←0，否则输出结果cw₀←0、cw₁←1；

其中，CYS_i和ΔE_i均为中间变量，j为正整数；

4-3.计算获得子模块3即分叉类型判别子模块，

其中，j为正整数，w₀＝w+cw₀+a₀、w₁＝w+cw₁+a₁，w为正整数；

以纹线宽度矩阵E_i、纹线数量矩阵Z_i、边缘补偿因子cw₀和cw₁、分叉提取算子cz₀(j,w)、跳跃因子的累加值a₀和a₁作为输入，对分叉类型fc以及其对应的跳跃因子ty₁进行赋值；

4-3-1.对中间变量bc₀和c₀进行赋值，bc₀←0、c₀←cz₀+E_i(j+1,w₁+2)然后计算中间变量g₀₁和g₀₂；

其中，j为正整数，w₀＝w+cw₀+a₀、w₁＝w+cw₁+a₁，w为正整数；

4-3-2.如果g₀₁≤g₀₂或者w₁+4+2bc₀＞Z_i(j+1,1)，则直接输出结果fc←2bc₀+2、ty₁←2bc₀+2，跳出该子模块；否则bc₀←bc₀+1后，重复步骤4-3-1；

4-4.计算获得子模块4即聚合类型判别子模块，

其中，j为正整数，w₀＝w+cw₀+a₀、w₁＝w+cw₁+a₁，w为正整数；

以纹线宽度矩阵E_i、纹线数量矩阵Z_i、边缘补偿因子cw₀和cw₁、分叉提取算子cz₁(j,w)、跳跃因子的累加值a₀和a₁作为输入，对聚合类型jh、以及对应的跳跃因子ty₀进行赋值；

4-4-1.对中间变量bc₁和c₁进行赋值，bc₁←0、c₁←cz₁+E_i(j,w₀+2)然后计算中间变量g₁₁和g₁₂；

其中，j为正整数，w₀＝w+cw₀+a₀、w₁＝w+cw₁+a₁，w为正整数；

4-4-2.如果g₁₁≤g₁₂或者w₀+4+2bc₁＞Z_i(j,1)，则直接输出结果jh←2bc₁+2、ty₀←2bc₁+2，跳出该子模块；否则bc₁←bc₁+1后，重复步骤4-4-1；

步骤4所述的分叉点fc和聚合点jh的提取和存储具体如下：

4-5.将方向场O、粗核点位置C_i(cx_i,cy_i)和二值化图像I输入到子模块1以求出E_i、YS_i、Z_i；然后设置一个与E_i尺寸相同的零矩阵FJ_i；并对正整数j赋初始值，j←0；

4-6.j←j+1后，通过边缘补偿子模块，计算E_i对应的边缘补偿因子cw₀和cw₁；并对跳跃因子的累加值a₀和a₁、正整数w赋初值，a₀←0、a₁←0、w←1；

4-7.计算出w₀＝w+cw₀+a₀、w₁＝w+cw₁+a₁，然后进行判断，如果w₀+1≤Z_i(j,1)且w₁+1≤Z_i(j+1,1)，则接着用公式4计算出分叉提取算子cz₀(j,w)，用公式7计算出聚合提取算子cz₁(j,w)，转至步骤4-7-1：否则重复步骤4-6，直至完成对E_i的遍历，从而得到对应的矩阵FJ_i：

4-7-1.如果cz₀(j,w)＜0，则通过子模块3求出分叉类型fc以及其对应的跳跃因子ty₁，然后将分叉保存FJ_i(j+1,w₁+fc/2)←fc，并更新累加跳跃因子a₁的值，a₁←ty₁+a₁，转至步骤4-7-2；否则直接转至步骤4-7-2；

4-7-2.如果cz₁(j,w)＜0，则通过子模块4求出聚合类型jh以及其对应的跳跃因子ty₀，然后将聚合保存FJ_i(j+1,w₀)←jh，并更新累加跳跃因子a₀的值，a₀←ty₀+a₀；

4-7-3.a₀←0、a₁←0、w←w+1，重复步骤4-7；

在FJ_i中，FJ_i(x,y)＝2表示E_i中第x行第y列是一个二分叉，FJ_i(x,y)＝4表示对应位置是个四分叉，FJ_i(x,y)＝6表示对应位置是个六分叉，FJ_i(x,y)＝8表示对应位置是个八分叉；反之聚合则用FJ_i(x,y)＝-2、FJ_i(x,y)＝-4、FJ_i(x,y)＝-6、FJ_i(x,y)＝-8表示。