[发明专利]基于全局方向信息的指纹检索方法

权利要求书

1.一种基于全局方向信息的指纹检索方法，其特征在于，包括：

步骤A、建立指纹全局方向信息特征表示模型；所述全局方向信息特征表示模型的输入为包括梯度方向信息、盖伯滤波响应信息和方向直方图场信息的多维空间结构的全局方向信息，输出为指纹图像的类别；

步骤B、提取指纹数据库的以及输入的指纹图像的包括梯度方向信息、盖伯滤波响应信息和方向直方图场信息的多维空间结构的全局方向信息，将所述多维空间结构的全局方向信息输入至所述全局方向信息特征表示模型来提取所述全局方向信息特征表示模型倒数第二层的特征向量，然后比较输入的指纹图像的所述特征向量与指纹数据库的指纹图像的所述特征向量来进行检索。

2.如权利要求1所述的方法，其特征在于，所述步骤A包括：

步骤A1、根据指纹类型、奇异点完整情况、脊线部位和噪声情况从真实指纹数据库中挑选指纹构成训练数据库；

步骤A2、对所述训练数据库进行标定和扩展，得到扩展后的指纹图像族；

步骤A3、对所述指纹图像族的类别进行指定；

步骤A4、对所述指纹图像族的全局方向信息进行提取；

步骤A5、利用所述指纹图像族的全局方向信息和类别进行特征表示模型的训练。

3.如权利要求2所述的方法，其特征在于，所述步骤A2包括：

步骤A21、调整所述训练数据库中的每个指纹图像的位置和方向；

步骤A22、对调整后的所述指纹图像进行方向场标记；

步骤A23、基于多个角度对调整后的所述指纹图像进行中心旋转得到扩展图像族。

4.如权利要求3所述的方法，其特征在于，所述步骤A3包括：

步骤A31、为所述训练数据库中的每个指纹指定一个类别；

步骤A32、对每一个类别的所有图像进行K-中心聚类，得到最终类别；

步骤A33、以所述训练数据库中每个指纹的最终类别指定对应的所述扩展图像族为同样类别。

5.如权利要求4所述的方法，其特征在于，所述步骤A5包括：

步骤A51、按照所述全局方向信息的大小、期望的所述特征向量的大小和所述最终类别的总数分别建立卷积神经网络结构；

步骤A52、基于所述全局方向信息和所述指纹图像族的类别分别对所述卷积神经网络进行训练，得到特征表示模型。

6.如权利要求1-5任一项所述的方法，其特征在于，所述步骤B包括：

步骤B1、对实际应用中的指纹数据库及输入的指纹图像进行位置校正；

步骤B2、对校正后的所述的指纹图像的包括梯度方向信息、盖伯滤波响应信息和方向直方图场信息的多维空间结构的全局方向信息进行提取；

步骤B3、对所述全局方向信息进行特征表示，得到所述全局方向信息特征表示模型倒数第二层的特征向量；

步骤B4、利用所述特征向量进行比较输入的指纹图像的所述特征向量与指纹数据库的指纹图像的所述特征向量来进行指纹检索。

7.如权利要求6所述的方法，其特征在于，所述步骤B1包括：

步骤B11、对所述指纹图像提取梯度强度值图和梯度方向一致性图；

步骤B12、按照预设阈值划分所述指纹图像的前景区；

步骤B13、基于所述前景区的中心将所述指纹图像调整到校正后的指纹图像中心。

8.如权利要求6所述的方法，其特征在于，所述步骤B3包括：

步骤B31、将所述全局方向信息输入所述特征表示模型；

步骤B32、提取卷积神经网络输出倒数第二层的特征表示向量；

步骤B33、将所述特征表示向量进行均方归一化后，组合构成所述特征向量。

9.如权利要求6所述的方法，其特征在于，所述步骤B4中：所述指纹检索通过计算特征向量的相似度完成，其中相似度采用不同的距离度量方式。