[发明专利]一种基于快速独立分量分析的指纹识别方法

权利要求书

1.一种基于快速独立分量分析的指纹识别方法，包括以下步骤：

S1指纹图像采集；S2采用快速独立分量分析算法对指纹图像进行噪声分离；S3指纹图像预处理；S4指纹图像特征提取；S5利用指纹细节点模型对图像进行分类，输出结果；

步骤S2具体包括：

S2-1：输入原始指纹数据；

S2-2：初始化w(0)，设w(0)的模为1，令k＝1；

S2-3：通过多个指纹图像，采样计算期望值E(X)；

S2-4：根据公式w(k)＝E{X(w(k-1)^T)³}-3w(k-1)进行迭代；

S2-5：判断|w(k)^Tw(k-1)|-1的值是否足够接近0，如果接近0，则输出w(k)，否则，令k＝k+1，返回S2-3；

S2-6：根据w(k)^TX，输出分离噪声后的图像X₁；

其中，X表示指纹图像的观测向量，W＝[w(0)，w(1)，...，w(n)]表示正交混合矩阵，k表示正交混合矩阵W中列向量的个数；

步骤S3具体包括：

S3-1：对分离噪声后的图像X₁进行归一化处理，得到统一尺寸和像素，公式如下：

其中，I(i，j)、M、v_ar分别表示归一化前图像的灰度值、均值、方差，N(i，j)、M₀、v_ar0分别表示归一化后图像的灰度值、均值、方差；

S3-2：如果某脊线在某像素处的方向为J，计算出此方向的灰度平均值，再计算出与J垂直方向上的灰度平均值，检查该灰度平均值是否小于J方向的灰度平均值，如果小于则将该像素设为255，代表指纹的谷线，反之将像素设为0，代表指纹的脊线；

S3-3：将图像划分为8×8的子块，然后计算每一块的方差，根据方差大小将图像子块设置为背景区和前景区；

S3-4：通过形态学细化算法将图像纹脊的宽度降低到一个像素；

S3-5：经过预处理之后得到指纹图像X₂。

2.如权利要求1所述的基于快速独立分量分析的指纹识别方法，其特征在于，所述步骤S1所述指纹图像采集后以数据化的形式进行存储。

3.如权利要求2所述的基于快速独立分量分析的指纹识别方法，其特征在于，所述步骤S4通过对端点进行纹线跟踪，选取显著特征点对，得到指纹图像的特征向量。

4.如权利要求1-3任一项所述的基于快速独立分量分析的指纹识别方法，其特征在于，所述步骤S5包括对所有特征点进行初步匹配，统计比例，并输出匹配特征点最多的指纹图像。