[发明专利]基于图像空域特征的指纹核点精确定位方法

说明书

本发明公开了一种基于图像空域特征的指纹核点精确定位方法。本发明具体步骤如下：用梯度法求出指纹图像的像素级方向场；用庞加莱索引法在方向场中提取出每一个粗核点位置；用短时傅里叶变换法计算出指纹图像的二值化图像；将方向场、粗核点位置和二值化图像输入分叉聚合提取模块，提取出粗核点位置附近矩形范围内的所有分叉点和聚合点，并存储在矩阵中；将矩阵输入到去噪模块以除去矩阵所有的伪分叉点、伪聚合点，得到矩阵；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中；将矩阵输入到精确定位模块得到核点定位的最终结果。本发明利用了纹图像的空域信息，保持核点检测一致性的同时提高了检测的精度。

技术领域

本发明属于生物特征识别及信息安全的技术领域，特别涉及一种基于图像空域特征的指纹核点精确定位方法。

背景技术

生物特征识别技术因为生物特征(指纹、虹膜、脸像等等)自身固有的特性使得它超越和替代传统的身份识别技术成为现实的可能，并且已经在一些国家和地区的特定应用领域开始被推广和使用。其中指纹识别在身份识别各的项指标上如，普遍性、唯一性、可采集性、用户接受性等达到了很好的平衡，使得其成为研究的热点；加之指纹采集设备技术成熟、价格低廉以及指纹模板的存储对空间要求低等优势，使得其占据了全球生物特征市场份额的主导地位。但是，仍有一些问题亟待解决，指纹奇异点检测便是其中之一。根据Henry的定义，奇异点分为核点——最内部弯曲脊线的最高点；以及三角点——三条脊线交汇成的三角形区域的中心点。对于现有的指纹识别技术，大多数奇异点检测方法都是基于块级方向场的，因此检测到的奇异点的精度及一致性都受限于块的尺寸，具体表现为：其一，无法将奇异点精确定位至某一个像素；其二，当两个奇异点彼此相隔很近时(在同一个块内)，会出现漏检的情况。对于后续的识别会带来两个主要的问题：其一，降低以奇异点为基准的指纹图像对齐方法的效率；其二，增大指纹分类方法的错误率。

基于像素级方向场的奇异点检测方法是解决上述问题的途径之一，这种方法不仅能够检测彼此相隔很近的奇异点对，还能够将奇异点定位至像 素级。但是这种方法检测到的核点同Henry定义的核点依然存在一定的偏移，并且当核点附近脊线曲率越高时偏移越严重。产生偏移的主要原因是方向场估计不够精确——为了去噪而引入的低通滤波器将高曲率区域的方向场一并平滑了。想要进一步提高方向场估计的精度是很困难的，试图保留高曲率区域势必会引入更多的噪声。因而，我们想到利用指纹图像空域特征作为辅助以精确定位核点。

目前已经公开的文献资料，还没有关于基于指纹图像空域信息进行核点精确定位等相关方面的研究。

发明内容

本发明的目的就是针对现有指纹识别技术在推向大规模实际应用中遇到的问题，提出了一种基于图像空域特征的指纹核点精确定位方法。

本发明具体包括如下步骤：

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；