[发明专利]一种掌纹图像细节点特征匹配的方法

权利要求书

1.一种掌纹图像细节点特征匹配的方法，其特征是，包括如下步骤：

S1、针对掌纹图像中的任一细节点，判断在以任一细节点为中心的设定区域内，任一细节点与设定区域内的细节点之间的方向一致性是否小于第一一致性阈值，若是则将任一细节点从掌纹图像中剔除，得到初始细节点集；

S2、在所述初始细节点集中，判断任一局部区域内细节点的方向一致性是否大于第二一致性阈值，若是则选择所述任一局部区域内的满足方向一致性的细节点，得到待测细节点集Q；

S3、在掌纹模板T中，利用迭代最近点算法找到至待测细节点集中的每一个细节点最近的细节点；其中，以综合距离d_fusion衡量细节点之间距离的远近：

计算细节点(x_i,y_i)与细节点(x_j,y_j)之间的欧氏距离d_ij：

计算细节点(x_i,y_i)与细节点(x_j,y_j)之间的角度距离dθ_ij：

dθ_ij＝min(|θ_i-θ_j|，360-|θ_i-θ_j|)，

其中，θ_i和θ_j分别表示细节点(x_i,y_i)与细节点(x_j,y_j)的角度；

计算细节点(x_i,y_i)与细节点(x_j,y_j)之间的综合距离d_fusion：

d_fusion＝dθ′_ij+d′_ij，

其中，

其中d_min和dθ_min分别指细节点之间的最小欧式距离和最小角度距离，d_max和dθ_max分别指细节点之间的最大欧式距离和最大角度距离；

S4、通过迭代最近点算法求取目标函数f的最小值，从而计算得到变换矩阵r和平移矩阵t，其中，

Q_i表示待测细节点集Q中第i个细节点，T_i表示掌纹模板T中与Q_i对应的细节点，α_i表示细节点Q_i的权重系数，n表示待测细节点集Q中细节点的个数；

S5、根据变换矩阵r和平移矩阵t计算新细节点集Q′：

Q′＝Q*r+t

S6、计算新细节点集Q′与掌纹模板T的相似度。

2.如权利要求1所述的掌纹图像细节点特征匹配的方法，其特征是：

在步骤S1中，通过如下方法判断任一细节点与设定区域内的细节点之间的方向一致性是否小于第一一致性阈值：

计算任一细节点的方向与设定区域内的细节点的方向之间的角度差；

计算小于设定角度差的角度差个数占所有角度差个数的比例是否小于设定比例，若是则判断任一细节点与设定区域内的细节点之间的方向一致性小于第一一致性阈值。

3.如权利要求1所述的掌纹图像细节点特征匹配的方法，其特征是：

在步骤S1中，通过如下方法判断任一细节点与设定区域内的细节点之间的方向一致性是否小于第一一致性阈值：

计算所述设定区域内所有细节点的标准方差σ：

若标准方差σ大于标准方差阈值，则判断任一细节点与设定区域内的细节点之间的方向一致性小于第一一致性阈值；其中，θ_i表示设定区域内第i个细节点的角度。

4.如权利要求1所述的掌纹图像细节点特征匹配的方法，其特征是：

在步骤S2与S3之间，还包括如下步骤：

将待测细节点集Q中的细节点分成不同类型；

在步骤S3中，针对待测细节点集Q中的细节点，在所述掌纹模板T中的相同类型的细节点中寻找最近的细节点。