[发明专利]一种基于快速独立分量分析的指纹识别方法

说明书

本发明公开一种基于快速独立分量分析的指纹识别技术，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。所述基于快速独立分量分析的指纹识别技术，针对模糊的具有较强噪声的指纹，在指纹图像预处理阶段，采用快速独立分量分析算法，将强噪声干扰的图像分离出来，然后结合指纹细节点模型对图像进行分类和识别，提高了指纹识别技术的准确率和鲁棒性。

技术领域

本发明涉及指纹识别技术领域，具体涉及一种基于快速独立分量分析的指纹识别技术。

背景技术

在信息网络高速发展的今天，鉴别个人身份越来越显示出其重要性。常用的身份识别技术一般有两种：口令方式和标记方式，可是难免会忘记密码，或者其他意外情况的发生，导致没有办法来验证自己的身份，在网络化，数据化的今天，显然已经不能满足社会的需求。近些年，随着计算机技术与互联网技术的迅猛发展，生物特征技术已逐渐得到各安全领域的应用，例如：指纹识别技术，人脸识别技术以及虹膜识别技术等。其中，指纹特征作为人类具有唯一性的生理特性，相对于其他生理特征，指纹结构简单，数据量小，因此更容易实现。

指纹识别技术的诞生及快速发展，给生物识别技术带了曙光。由于这种生理特性是无法被仿冒的，是个人所独有的，所以其具有很高的安全性，基于指纹的独特性，使得指纹识别技术在各大领域得到了广泛的研发和应用。指纹识别技术主要包括以下几个步骤：指纹图像采集，图像预处理，特征提取和特征匹配，其中图像预处理这一环节最为重要。虽然指纹识别技术被给予了极大的关注，并得到了快速的发展，但是，影响指纹识别效率的问题并没有得到根本的解决。综上，现在需要一种对指纹图像预处理阶段进行改进的指纹识别技术，能解决在强噪声情况下的特征提取问题，并增强图像分类识别算法的鲁棒性。

鉴于上述缺陷，本发明创作者经过长时间的研究和实践终于获得了本发明。

发明内容

为解决上述技术缺陷，本发明采用的技术方案在于，提供一种基于快速独立分量分析的指纹识别技术，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。

较佳的，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。

较佳的，所述步骤S2包括期望值计算，迭代计算，判断比较等步骤。

较佳的，所述步骤S3包括对图像进行归一化处理，二值化处理等步骤。

较佳的，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。

较佳的，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。

与现有技术比较本发明的有益效果在于：1，所述基于快速独立分量分析的指纹识别技术，针对模糊和具有较强噪声的指纹，在指纹图像预处理阶段，采用快速独立分量分析算法，将强噪声干扰的图像分离出来，然后结合指纹细节点模型对图像进行分类和识别，提高了指纹识别技术的准确率和鲁棒性；2，对指纹图像进行了去噪处理，使得在强噪声的情况下依然可以提取图像的特征，增强了指纹识别的应用性；3，采用快速独立分量分析算法，使得指纹图像识别技术能够更加速地完成匹配，减少了程序运行的代价；4，指纹图像特征提取方面运用了显著特征点对的理论，提取出图像更加鲁棒的特征，为后续匹配，分类和识别奠定了基础；5，结合传统的指纹细节特征点模型实现了指纹图像的匹配和识别，算法简单，易于实现；

附图说明

为了更清楚地说明本发明各实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。

图1是基于快速独立分量分析的指纹识别技术框架图；