[发明专利]自动指纹分类方法

说明书

本发明公开了一种自动指纹分类方法。本发明把指纹分为六类：左箕型、右箕型、斗型、拱型、尖拱型和无法判断。本指纹分类依赖于指纹块方向图特征和指纹奇异点（中心点和三角点）数目和位置。分析训练指纹图像块方向场，生成分类数据库（4方向块数、方向块4方向位置，方向块8方向位置，无法判定数据库）。对测试指纹图像方向场，根据分类数据库进行分类。本发明方法不易受指纹质量的影响，对无法判定的指纹图像，根据奇异点数量、位置及分类数据库，再次判定。

技术领域

本发明涉及计算机技术领域，特别是涉及一种自动指纹分类方法。

背景技术

每个人的指纹都是唯一的，常常用于识别人的身份的。指纹识别需要在的指纹库大量指纹中找出指定的指纹。为了减少查找范围，先对指纹进行分类，再对同一类别的指纹进行比对，加快识别速度。

一般指纹分类经过以下几个步骤：指纹分割，计算块方向场，寻找奇异点及指纹分类。

一、指纹分割

将原始指纹图像(图1)分为前景和背景两部分，只对前景进行处理。分割常常将指纹图像分为大小相同的小块，根据图像的灰度、方差、方向一致性、对比度等特征进行划分，生成分割掩码。

二、计算方向场

根据指纹图像的灰度变化，分块计算方向，生成块方向图(图2)。

三、寻找奇异点

奇异点的定位通常采用方向旋转特性(Poincare索引)：在某点领域内，围绕该点的闭合曲线旋转一周，计算方向旋转的变化量总和，中心点的方向变化量为180，三角点的方向变量为-180，其他位置为0。

四、指纹分类

Henry分类模式根据奇异点位置和数量、方向场、纹线跟踪和纹理特征，将指纹分成五类：左箕型(left loop)、右箕型(right loop)、斗型(whorl)、拱型(arch)和尖拱型(tented arch)。它们具有以下特征：

左箕型纹线从左侧进入并从左侧出去，有1个中心点和1个三角点(位于中心点右侧)；

右箕型纹线从右侧进入并从右侧出去，有1个中心点和1个三角点(位于中心点左侧)；

斗型至少有一条纹线有360度旋转，有2个中心点和2个三角点；

拱型一部分纹线从指纹一侧进入，从另一侧出去，没有奇异点；

尖拱型与拱型类似，至少有一条纹线有比较明显的尖拱，有1个中心点和1个三角点(位于奇异点正下方)。

指纹质量较低或指纹不全时，指纹的奇异点检测会比较困难，或无法检出，没有找到奇异点不能直接判定为拱型，仅依靠奇异点特征容易造成误判。目前，这一问题没有很好解决。

发明内容

本发明的目的是设计一种自动指纹分类方法。这种方法不易受指纹质量的影响，根据块方向图特征和指纹奇异点(中心点和三角点)数目和位置将指纹分为五类及不可判定类。

为了达到这个目的，本发明提供了一种自动指纹分类方法，包括以下步骤，其中：步骤(1)～步骤(4)为训练过程(如图4所示)，用于生成分类数据库(4方向块数、方向块4方向位置、方向块8方向位置，无法判定数据库)，分类数据库可更新，所述步骤(5)～步骤(13)为测试过程，如图5所示：

(1)人工将训练用指纹图像分为六类，对判为前五类的指纹进行训练。将H×W的指纹图像划分为16×16大小的块，图像共有bi×bj块，计算块方向图特征(4方向块数、方向块8方向位置)，将块方向图特征及指纹类型存入特征数组feature中(14列，第1～4列分别表示：方向1块数，方向2块数，方向3块数，方向4块数，第5～13列存放各块质心的8方向位置，第14列为指纹类型)；