[发明专利]一种掌纹图像细节点特征匹配的方法

说明书

本发明公开了一种掌纹图像细节点特征匹配的方法，包括如下步骤：判断在以细节点为中心的设定区域内，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，若是则将细节点从掌纹图像中剔除；判断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，若是则选择局部区域内的满足方向一致性的细节点；在掌纹模板中，利用迭代最近点算法找到与待测细节点集中的每一个细节点最近的细节点；通过迭代最近点算法求取目标函数的最小值，从而计算得到变换矩阵和平移矩阵；根据变换矩阵和平移矩阵计算新细节点集；计算新细节点集与掌纹模板的相似度。本发明可以提高掌纹识别的速度和精度。

【技术领域】

本发明涉及一种掌纹图像细节点特征匹配的方法。

【背景技术】

人体生物特征是我们人体所固有的各种生理特征或者行为特征的总称,具有唯一性、终生不变性、且不会被遗忘和丢失、不易伪造或被盗、随身“携带”以及随时随地可用等优点，比传统的身份认证方法更具安全、保密和方便性。生理特征多为先天性的，不随外在条件和主观意愿发生改变，如指纹、掌纹、虹膜、人脸等；行为特征则是人们长期生活养成的行为习惯，很难改变，如笔迹、步态等。

掌纹识别技术是一种高效准确的个人身份识别技术，和指纹相比，掌纹的有效区域大得多，具有更丰富的纹理信息，可以提取到更多更可靠的特征信息，因此能提供更为有效可靠的识别。高分辨率掌纹图像(分辨率500ppi以上)成像清晰，能够提取到有效的细节点。同时，细节点作为高分辨率掌纹图像的一种可靠信息，在现场犯罪可恢复的痕迹中提取的潜掌纹中，也取得了很好的效果。

然而，由于掌纹图像中细节点数量较多，且由手掌褶皱较大导致提取的细节点误差较大，同时采集的原始图像可能不全或者旋转偏移较大，手掌的挤压也会导致掌纹图像的畸变，如何通过细节点快速有效地进行身份认证是一个具有挑战性的问题。

迭代最近点(Iterative Closest Point，ICP)算法是三维点集配准中的关键步骤，在表面重建、三维物体识别中有着举足轻重的地位，在掌纹图像提取主线特征中也得到了广泛的应用。

【发明内容】

为了解决现有掌纹图像采用迭代最近点算法速度较慢、误差较大的不足，本发明提出了一种掌纹图像细节点特征匹配的方法，识别速度更快，精度更高。

一种掌纹图像细节点特征匹配的方法，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；

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。

在一个实施例中，