[发明专利]基于图像空域特征的指纹核点精确定位方法

摘要

本发明公开了一种基于图像空域特征的指纹核点精确定位方法。本发明具体步骤如下：用梯度法求出指纹图像的像素级方向场；用庞加莱索引法在方向场中提取出每一个粗核点位置；用短时傅里叶变换法计算出指纹图像的二值化图像；将方向场、粗核点位置和二值化图像输入分叉聚合提取模块，提取出粗核点位置附近矩形范围内的所有分叉点和聚合点，并存储在矩阵中；将矩阵输入到去噪模块以除去矩阵所有的伪分叉点、伪聚合点，得到矩阵；将去噪后得到的矩阵输入至弧提取模块得到所有的弧,并将得到的弧存储于矩阵中；将矩阵输入到精确定位模块得到核点定位的最终结果。本发明利用了纹图像的空域信息，保持核点检测一致性的同时提高了检测的精度。

主权项

1.基于图像空域特征的指纹核点精确定位方法,其特征在于包括如下步骤：步骤1、用梯度法求出指纹图像的像素级方向场O；步骤2、用庞加莱索引法在方向场O中提取出每一个粗核点位置Ci(cxi,cyi)；步骤3、用短时傅里叶变换法计算出指纹图像的二值化图像I；步骤4、将方向场O、粗核点位置Ci(cxi,cyi)和二值化图像I输入分叉聚合提取模块，提取出粗核点位置Ci(cxi,cyi)附近a×b矩形范围内的所有分叉点fc和聚合点jh，并存储在矩阵FJi中；步骤5、将矩阵FJ_i输入到去噪模块以除去矩阵FJ_i所有的伪分叉点、伪聚合点，得到矩阵步骤6、将去噪后得到的矩阵输入至弧提取模块得到所有的弧,并将得到的弧存储于矩阵Hu中，利用矩阵进行同纹判别，计算参数twx₃步骤7、将矩阵Hu输入到精确定位模块得到核点定位的最终结果；步骤4所述的分叉聚合提取模块包括如下四个子模块：4‑1.子模块1生成纹线宽度矩阵Ei、纹线类型矩阵YSi和纹线数量矩阵Zi；4‑1‑1.用现有算法计算出粗核点开口方向的幅角主值θi，具体如下：其中，Oref(x,y)表示核点的参考方向场块，尺寸为25×25，由公式2计算得出；Oi(x,y)表示以粗核点Ci(cxi,cyi)为中心，在方向场O上截图的尺寸为25×25的方向场块；θref为参考方向场块Oref(x,y)的开口方向的幅角主值；其中，为中间变量，O_ref(x,y)为所求的参考方向场块；4‑1‑2.根据粗核点位置Ci(cxi,cyi)以及对应的幅角主值θi，在二值图像I上作一条长为k像素、宽为单像素的线段L1，使得粗核点位置Ci(cxi,cyi)位于该线段L1上靠近上方的三等分点的位置；以线段L1上的每一个像素点为中点，作k条与线段L1垂直，且长度为l个像素的单像素宽的线段L2，从而得到一个尺寸为k×l的矩形；以粗核点开口方向的幅角主值θi为正下方，从左往右依次记录每条线段L2穿过的每一指纹纹线的宽度，得到纹线宽度矩阵Ei；同时记录穿过每条纹线的类型，1表示谷线、‑1表示脊线，得到纹线类型矩阵YSi；分别记录每一行穿过的纹线的总数得到纹线数量矩阵Zi；所述的Ei、YSi的尺寸均为k×lfj，其中lfj为Zi中元素的最大值；Zi的尺寸为k×1；4‑2.计算获得子模块2即边缘补偿子模块，以纹线宽度矩阵Ei和纹线类型矩阵YSi作为输入，对边缘补偿因子cw0、cw1进行赋值；CYSi＝YSi(j+1,1)×YSi(j,1)(公式3)若CYSi＞0，则直接输出结果cw0←0、cw1←0；否则计算ΔEi＝Ei(j+1,1)‑Ei(j,1)，如果ΔEi≥0，则输出结果cw0←1、cw1←0，否则输出结果cw0←0、cw1←1；其中，CYSi和ΔEi均为中间变量，j为正整数；4‑3.计算获得子模块3即分叉类型判别子模块，其中，j为正整数，w0＝w+cw0+a0、w1＝w+cw1+a1，w为正整数；以纹线宽度矩阵Ei、纹线数量矩阵Zi、边缘补偿因子cw0和cw1、分叉提取算子cz0(j,w)、跳跃因子的累加值a0和a1作为输入，对分叉类型fc以及其对应的跳跃因子ty1进行赋值；4‑3‑1.对中间变量bc0和c0进行赋值，bc0←0、c0←cz0+Ei(j+1,w1+2)然后计算中间变量g01和g02；其中，j为正整数，w0＝w+cw0+a0、w1＝w+cw1+a1，w为正整数；4‑3‑2.如果g01≤g02或者w1+4+2bc0＞Zi(j+1,1)，则直接输出结果fc←2bc0+2、ty1←2bc0+2，跳出该子模块；否则bc0←bc0+1后，重复步骤4‑3‑1；4‑4.计算获得子模块4即聚合类型判别子模块，其中，j为正整数，w0＝w+cw0+a0、w1＝w+cw1+a1，w为正整数；以纹线宽度矩阵Ei、纹线数量矩阵Zi、边缘补偿因子cw0和cw1、分叉提取算子cz1(j,w)、跳跃因子的累加值a0和a1作为输入，对聚合类型jh、以及对应的跳跃因子ty0进行赋值；4‑4‑1.对中间变量bc1和c1进行赋值，bc1←0、c1←cz1+Ei(j,w0+2)然后计算中间变量g11和g12；其中，j为正整数，w0＝w+cw0+a0、w1＝w+cw1+a1，w为正整数；4‑4‑2.如果g11≤g12或者w0+4+2bc1＞Zi(j,1)，则直接输出结果jh←2bc1+2、ty0←2bc1+2，跳出该子模块；否则bc1←bc1+1后，重复步骤4‑4‑1；步骤4所述的分叉点fc和聚合点jh的提取和存储具体如下：4‑5.将方向场O、粗核点位置Ci(cxi,cyi)和二值化图像I输入到子模块1以求出Ei、YSi、Zi；然后设置一个与Ei尺寸相同的零矩阵FJi；并对正整数j赋初始值，j←0；4‑6.j←j+1后，通过边缘补偿子模块，计算Ei对应的边缘补偿因子cw0和cw1；并对跳跃因子的累加值a0和a1、正整数w赋初值，a0←0、a1←0、w←1；4‑7.计算出w0＝w+cw0+a0、w1＝w+cw1+a1，然后进行判断，如果w0+1≤Zi(j,1)且w1+1≤Zi(j+1,1)，则接着用公式4计算出分叉提取算子cz0(j,w)，用公式7计算出聚合提取算子cz1(j,w)，转至步骤4‑7‑1：否则重复步骤4‑6，直至完成对Ei的遍历，从而得到对应的矩阵FJi：4‑7‑1.如果cz0(j,w)＜0，则通过子模块3求出分叉类型fc以及其对应的跳跃因子ty1，然后将分叉保存FJi(j+1,w1+fc/2)←fc，并更新累加跳跃因子a1的值，a1←ty1+a1，转至步骤4‑7‑2；否则直接转至步骤4‑7‑2；4‑7‑2.如果cz1(j,w)＜0，则通过子模块4求出聚合类型jh以及其对应的跳跃因子ty0，然后将聚合保存FJi(j+1,w0)←jh，并更新累加跳跃因子a0的值，a0←ty0+a0；4‑7‑3.a0←0、a1←0、w←w+1，重复步骤4‑7；在FJi中，FJi(x,y)＝2表示Ei中第x行第y列是一个二分叉，FJi(x,y)＝4表示对应位置是个四分叉，FJi(x,y)＝6表示对应位置是个六分叉，FJi(x,y)＝8表示对应位置是个八分叉；反之聚合则用FJi(x,y)＝‑2、FJi(x,y)＝‑4、FJi(x,y)＝‑6、FJi(x,y)＝‑8表示。