專利名稱：一種融入全局信息的指紋細節(jié)點匹配方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于生物特征識別領(lǐng)域，涉及圖像處理、模式識別、計算機技術(shù)等前沿知
識，特別涉及到將全局信息融入到細節(jié)點特征中而實現(xiàn)的指紋匹配。
背景技術(shù)：
指紋識別技術(shù)是目前生物特征識別領(lǐng)域中研究和應(yīng)用最為成熟的技術(shù)之一。由于 指紋具有唯一性和穩(wěn)定性的優(yōu)點，而且采集過程方便、成本低廉，目前已廣泛應(yīng)用在身份鑒 定、信息安全、訪問控制等很多方面。 指紋識別技術(shù)主要包括指紋圖像采集、指紋圖像增強、指紋圖像特征提取、數(shù)據(jù)儲 存、指紋特征的比對與匹配等步驟。其中指紋圖像特征提取和匹配是識別領(lǐng)域中的兩個關(guān) 鍵問題。 識別過程中，指紋特征的提取精度和準確度直接決定了指紋匹配性能的好壞，由 于噪聲和指紋形變的存在以及圖像質(zhì)量增強算法的不完備等方面的原因，使得提取出來的 特征中存在一定數(shù)量的偽特征信息。所以在指紋識別過程中，應(yīng)該盡可能地選擇較為穩(wěn)定 可靠的指紋特征，并通過有效、快速、魯棒的去偽算法從特征集中去除偽的特征。
根據(jù)匹配過程中使用的特征不同，可以將現(xiàn)有的指紋匹配算法分成兩類基于局 部特征的匹配和基于全局特征的匹配?；诰植刻卣鞯钠ヅ渲饕腔诩毠?jié)點的匹配。指 紋細節(jié)點被公認為是指紋最具鑒別能力且最可靠的局部特征。目前為止已經(jīng)有大量的基于 細節(jié)點的指紋匹配算法問世。由于兩幅指紋圖像之間的平移和旋轉(zhuǎn)的相對變換以及指紋 形變程度都事先未知，所以兩組指紋細節(jié)點之間的對應(yīng)關(guān)系也是不確定的。許多研究者都 試圖在細節(jié)點信息中融入局部特征以減少這種不確定性。這些局部特征包括脊線信息、細 節(jié)點鄰域的局部方向場特征、局部細節(jié)點結(jié)構(gòu)特征等。He等提出了一種基于全局綜合相似 度的指紋匹配算法，利用包括一對細節(jié)點及與其相關(guān)紋理在內(nèi)的被稱為細節(jié)點單形的特征 來完成指紋的匹配。之后He等又用圖的結(jié)構(gòu)擴展了該方法，他們用圖表示指紋，細節(jié)點表 示為頂點集，而局部細節(jié)點的二元關(guān)系表示為邊集。也有人嘗試聯(lián)合局部特征以提高細節(jié) 點之間的辨別力。Feng等聯(lián)合紋理和細節(jié)點描述符來度量細節(jié)點對之間的相似度。Wang 等定義了兩個具有旋轉(zhuǎn)平移不變性的特征(OrientationCode和PolyLine)，并將二者聯(lián)合 來計算細節(jié)點之間的相似度。局部信息甚至可以用來生成免配準的可撤銷模板。盡管在 細節(jié)點中加入更多的判別信息可以增強指紋的特異性，但是這些方法對于區(qū)分來自不同手 指、卻在局部區(qū)域擁有相似的細節(jié)點、方向場和脊線特征的指紋效果甚微。解決這個問題的 一個直接方法就是拒絕重疊面積較小的輸入指紋，但是這樣又會大大增加系統(tǒng)的錯誤拒絕 率，因為真匹配中也有很多小面積重疊的情況。 全局特征在指紋的識別、索引和分類中都有廣泛的應(yīng)用。Jain等提出了一種叫做 FingerCode的指紋表示方法。該方法首先檢測一個參考點，然后在參考點局部鄰域內(nèi)利 用Gabor濾波提取一個定長的特征向量來表示指紋。Lee等提出了由局部信息決定的局部 Gabor濾波的方法。Teoh等綜合了小波變換和Fourier-Mel 1 in變換來生成一個具有平移、旋轉(zhuǎn)和縮放不變性的特征；該全局特征可以解決匹配中不同指紋有特征相似的重疊區(qū)域的 問題。但是這幾種方法對參考點提取的精度都有比較嚴重的依賴；一旦出現(xiàn)了偽的參考點， 就會導(dǎo)致匹配失敗。 基于細節(jié)點的算法不能代表指紋的整體脊線模式，因而對具有局部特征相似性的 指紋不能很好的區(qū)分，而基于參考點的全局特征對參考點檢測的精度非常敏感；因此有必 要探索新的融合了局部信息和全局信息的指紋表示策略來增強指紋的特異性。Gu等提出了 聯(lián)合全局方向場和細節(jié)點來表示指紋?；诜较驁龊图毠?jié)點的相似度在確定真匹配分數(shù)時 是有效的，但是它仍然無法克服基于細節(jié)點的指紋匹配所存在的問題不同指紋的局部區(qū) 域可能具有相似的方向場。 總結(jié)以上分析可以發(fā)現(xiàn)，基于細節(jié)點的指紋匹配和基于全局特征的指紋匹配都存 在一些缺陷，限制了匹配的準確性；目前已有的融合局部信息和全局信息的指紋匹配方法 也沒有很好地克服這些缺陷。因此需要新的融合全局信息和局部信息的匹配方法來提高指 紋匹配系統(tǒng)的性能。

發(fā)明內(nèi)容
本發(fā)明的目的是針對基于全局特征的指紋匹配過分地依賴于參考點的提取精度
而基于細節(jié)點的指紋匹配不能有效地區(qū)分只具有局部特征相似性的不同指紋的情況，提出
并實現(xiàn)了一種融合了全局信息的指紋細節(jié)點匹配方法和系統(tǒng)，通過一系列的魯棒特征的提
取和合理的匹配規(guī)則的建立，降低指紋匹配過程對參考點提取精度的依賴，減少由于噪聲
原因引起的錯誤匹配，從而降低指紋匹配系統(tǒng)的錯誤匹配率，提高系統(tǒng)的性能。 為達成所述目的，本發(fā)明的第一方面是提供一種融入全局信息的指紋細節(jié)點匹配
系統(tǒng)，該系統(tǒng)包括 圖像采集單元，采集注冊手指紋和輸入手指紋，分別生成注冊指紋圖像和輸入指 紋圖像； 圖像預(yù)處理單元與圖像采集單元連接，圖像預(yù)處理單元對采集的注冊指紋圖像和 輸入指紋圖像分別做預(yù)處理，并分別得到注冊細化指紋圖像和注冊指紋方向場圖像以及輸 入細化指紋圖像和輸入指紋方向場圖像； 特征提取單元與圖像預(yù)處理單元連接，特征提取單元在注冊細化指紋圖像和輸入 細化指紋圖像中提取細節(jié)點信息以及細節(jié)點相連脊線的采樣信息，并在注冊指紋方向場圖 像和輸入指紋方向場圖像中提取參考點和細節(jié)點局部方向描述；然后計算細節(jié)點旋向性； 最后分別生成注冊指紋特征和輸入指紋特征； 模板存儲單元與特征提取單元連接，模板存儲單元把特征提取單元輸出的注冊指 紋特征生成注冊指紋特征模板存儲到數(shù)據(jù)庫當中，并為指紋特征匹配生成并輸出模板指紋 特征； 特征匹配單元與模板存儲單元和特征提取單元連接，特征匹配單元對特征提取單 元輸出的輸入指紋特征與模板存儲單元輸出的模板指紋特征進行計算，判斷輸入指紋特征 與模板指紋特征是否來源于同一個手指；
所述特征提取單元的構(gòu)成包括 細節(jié)點提取單元，在注冊細化指紋圖像和輸入細化指紋圖像中提取指紋細節(jié)點信息，包括細節(jié)點的位置、方向和類型； 細節(jié)點相連脊線采樣單元，在注冊細化指紋圖像和輸入細化指紋圖像中對每個指 紋細節(jié)點的相連脊線進行采樣并記錄采樣點的位置信息； 參考點提取單元，在注冊指紋方向場圖像和輸入指紋方向場圖像中提取參考點的 位置信息； 細節(jié)點局部方向描述提取單元，在注冊指紋方向場圖像和輸入指紋方向場圖像中 對每一個指紋細節(jié)點分別提取其局部方向描述； 細節(jié)點旋向性計算單元與細節(jié)點提取單元和細節(jié)點相連脊線采樣單元以及參考 點提取單元連接，細節(jié)點旋向性計算單元對細節(jié)點提取單元提取到的每一個指紋細節(jié)點， 根據(jù)該細節(jié)點相連脊線的采樣信息和該細節(jié)點與參考點的位置關(guān)系來確定該細節(jié)點的旋 向性； 所述特征匹配單元的構(gòu)成包括 指紋細節(jié)點相似度計算單元，根據(jù)不同細節(jié)點旋向性之間的匹配規(guī)則和細節(jié)點局 部方向描述計算輸入指紋特征和模板指紋特征中的指紋細節(jié)點之間的相似度；
匹配初始點對選取單元與指紋細節(jié)點相似度計算單元連接，匹配初始點對選取單 元根據(jù)指紋細節(jié)點相似度計算單元輸出的指紋細節(jié)點相似度，選取指紋細節(jié)點相似度最大 的K個指紋細節(jié)點對作為指紋細節(jié)點匹配的初始點對，其中K為大于或等于1的整數(shù)；
指紋細節(jié)點匹配單元與匹配初始點對選取單元連接，指紋細節(jié)點匹配單元首先計 算每一組匹配初始點對之間的平移旋轉(zhuǎn)參數(shù)，然后根據(jù)每一組平移旋轉(zhuǎn)參數(shù)分別對輸入指 紋特征和模板指紋特征進行平移旋轉(zhuǎn)并確定一組輸入指紋特征中指紋細節(jié)點與模板指紋 特征中指紋細節(jié)點之間的對應(yīng)關(guān)系； 匹配分數(shù)計算單元與指紋細節(jié)點匹配單元連接，匹配分數(shù)計算單元根據(jù)指紋細節(jié) 點匹配單元輸出的每一組指紋細節(jié)點對應(yīng)關(guān)系分別計算輸入指紋特征和模板指紋特征的 匹配分數(shù)，從而得到K個匹配分數(shù)； 匹配結(jié)果獲取單元與匹配分數(shù)計算單元連接，匹配結(jié)果獲取單元從指紋細節(jié)點匹
配單元輸出的K個匹配分數(shù)中選取最大的匹配分數(shù)作為最終的匹配分數(shù)，根據(jù)該最終匹配
分數(shù)的大小判斷輸入指紋特征與模板指紋特征是否來源于同一個手指。 為達成所述目的，本發(fā)明的第二方面是提供一種融入全局信息的指紋細節(jié)點匹配
方法，該方法包括指紋注冊階段和指紋驗證階段兩個部分，在指紋注冊階段完成對注冊指
紋圖像的采集、特征提取、模板生成并存入數(shù)據(jù)庫等操作；在指紋驗證階段實現(xiàn)對輸入指紋
圖像的采集、特征提取和與模板特征的匹配；指紋注冊階段早于指紋驗證階段執(zhí)行，但兩個
階段執(zhí)行的時間間隔沒有必然的限制；該方法包括步驟 步驟Sl :采集手指紋，并生成指紋圖像； 步驟S2 :對指紋圖像進行預(yù)處理，獲得細化指紋圖像和指紋方向場圖像； 步驟S3 :在細化指紋圖像中提取指紋細節(jié)點信息以及指紋細節(jié)點相連脊線的采
樣信息； 步驟S4 :在指紋方向場圖像中提取參考點的位置以及細節(jié)點局部方向描述；
步驟S5 :對細化指紋圖像中提取到的每一個指紋細節(jié)點，根據(jù)該細節(jié)點相連脊線 的采樣信息和該細節(jié)點與參考點的位置關(guān)系來確定該細節(jié)點的旋向性；
步驟S6 :將提取到的指紋細節(jié)點信息、細節(jié)點旋向性以及細節(jié)點局部方向描述一 起生成指紋特征； 步驟S7 :在注冊階段，將由注冊指紋圖像得到的注冊指紋特征作為特征模板存儲 到數(shù)據(jù)庫當中，這樣就完成了指紋的注冊階段；在驗證階段，將存儲在數(shù)據(jù)庫中的特征模板 輸出為模板指紋特征，并繼續(xù)下面的步驟； 步驟S8 :對于步驟S6得到的計算輸入指紋特征和步驟S7中輸出的模板指紋特 征，根據(jù)不同細節(jié)點旋向性之間的匹配規(guī)則和細節(jié)點局部方向描述，計算這兩組指紋特征 中的指紋細節(jié)點之間的相似度； 步驟S9 :根據(jù)得到的指紋細節(jié)點相似度，選取指紋細節(jié)點相似度最大的K個指紋
細節(jié)點對作為指紋細節(jié)點匹配的初始點對，其中K為大于或等于1的整數(shù)； 步驟S10 :首先計算每一組匹配初始點對之間的平移旋轉(zhuǎn)參數(shù)，然后根據(jù)每一組
平移旋轉(zhuǎn)參數(shù)分別對輸入指紋特征和模板指紋特征進行平移旋轉(zhuǎn)并確定一組輸入指紋特
征中指紋細節(jié)點與模板指紋特征中指紋細節(jié)點之間的對應(yīng)關(guān)系；最后根據(jù)每一組指紋細節(jié)
點對應(yīng)關(guān)系分別計算輸入指紋特征和模板指紋特征的匹配分數(shù)，從而得到K個匹配分數(shù)； 步驟Sll :從K個匹配分數(shù)中選取最大的匹配分數(shù)作為最終的匹配分數(shù)；根據(jù)該最
終匹配分數(shù)的大小判斷輸入指紋特征與模板指紋特征是否來源于同一個手指，從而完成指
紋的驗證階段。 本發(fā)明的有益效果本發(fā)明的指紋圖像識別方法提出了一種融入了全局特征的指 紋細節(jié)點特征——細節(jié)點旋向性，來完成指紋的細節(jié)點匹配。由于細節(jié)點旋向性對于偽參 考點和丟失的參考點都是魯棒的，本發(fā)明有效地降低了指紋匹配系統(tǒng)對參考點提取精度的 依賴；通過一系列的魯棒的特征的提取和合理的匹配規(guī)則的建立，實現(xiàn)了全局信息和局部 信息的融合，克服了基于細節(jié)點的指紋匹配中由于局部重疊區(qū)域的相似性導(dǎo)致指紋誤匹配 的現(xiàn)象，同時減少了由于噪聲原因引起的錯誤匹配，從而降低指紋匹配系統(tǒng)的錯誤匹配率， 提高系統(tǒng)的性能。


圖1本發(fā)明指紋識別系統(tǒng)圖； 圖2本發(fā)明的指紋特征提取模塊的結(jié)構(gòu)示意圖 圖3本發(fā)明的指紋特征匹配模塊的結(jié)構(gòu)示意圖 圖4本發(fā)明的指紋特征匹配的算法流程圖； 圖5a至圖5c示出來自不同手指的指紋圖像在局部區(qū)域內(nèi)的細節(jié)點可能匹配得很 好的示例； 圖6a至圖6c示出同一手指的一對重疊區(qū)域很小的指紋圖像； 圖7a至圖7f示出本發(fā)明的中心點檢測過程的圖像示例； 圖8示出本發(fā)明的去除偽中心點和檢測MC點的半圓結(jié)構(gòu)；箭頭標明了該結(jié)構(gòu)的主 方向； 圖9a至圖9b示出本發(fā)明的中心點去偽示例； 圖10a至圖10b示出本發(fā)明的中心點去偽示例； 圖lla至圖lld示出本發(fā)明中MC點檢測的過程；
圖12a至圖12c示出本發(fā)明的MC點檢測的三個例子；
圖13a至圖13d示出本發(fā)明確定細節(jié)點旋向性的例子； 圖14a至圖14d示出FVC2002指紋數(shù)據(jù)庫上的融入全局信息的指紋細節(jié)點特征與 單純細節(jié)點特征的實驗結(jié)果的ROC曲線對比； 圖15a至圖15d示出FVC2004指紋數(shù)據(jù)庫上的融入全局信息的指紋細節(jié)點特征與 單純細節(jié)點特征的實驗結(jié)果的ROC曲線對比； 圖16示出FVC2004指紋數(shù)據(jù)庫上的融入全局信息的指紋細節(jié)點特征與單純細節(jié) 點特征的實驗結(jié)果的FMR和FNMR曲線對比；
具體實施例方式
下面將結(jié)合附圖對本發(fā)明加以詳細說明，應(yīng)指出的是，所描述的實施例僅旨在便 于對本發(fā)明的理解，而對其不起任何限定作用。 本發(fā)明的核心思想是融入了全局信息的指紋細節(jié)點匹配方法。該方法采用細節(jié) 點相連脊線的采樣信息和細節(jié)點與參考點的相對位置來獲取一種包含全局信息的指紋特 征——細節(jié)點旋向性，并將細節(jié)點旋向性和細節(jié)點信息、以及細節(jié)點局部方向描述作為特 征來表示指紋；由細節(jié)點旋向性和細節(jié)點局部方向描述來衡量細節(jié)點之間的相似度；選取 相似度最大的幾對細節(jié)點作為初始點對；以每一組初始點對為參照，對指紋特征進行配準 并得到相應(yīng)的匹配分數(shù)；選擇各匹配分數(shù)中最大的匹配分數(shù)作為最終的匹配分數(shù)。根據(jù)最 終匹配分數(shù)的大小判斷輸入指紋特征與模板指紋特征是否來源于同一個手指，從而完成指 紋的細節(jié)點匹配。 基于上述的思路和目的，下面將指紋圖像的識別處理過程劃分為若干個步驟，簡 要介紹執(zhí)行每個步驟時需要注意的關(guān)鍵問題，來設(shè)計和改進我們的系統(tǒng)，建立最終的融入 全局信息的指紋細節(jié)點匹配的理論框架及系統(tǒng)原型。 本發(fā)明的核心在于提取細節(jié)點旋向性，并將細節(jié)點旋向性作為匹配特征之一來完 成指紋細節(jié)點的匹配。對現(xiàn)有技術(shù)進行改進實現(xiàn)了本發(fā)明的系統(tǒng)裝置，如圖l所示，包括
圖像采集單元l，采集注冊手指紋和輸入手指紋分別生成注冊指紋圖像和輸入指 紋圖像； 圖像預(yù)處理單元2與圖像采集單元1連接，圖像預(yù)處理單元2對采集注冊指紋圖 像和輸入指紋圖像分別做預(yù)處理，該預(yù)處理包括注冊指紋圖像和輸入指紋圖像的圖像分 割、圖像增強、圖像二值化、細化處理以及方向場提取，分別獲得注冊細化指紋圖像和注冊 指紋方向場圖像以及輸入細化指紋圖像和輸入指紋方向場圖像； 特征提取單元3與圖像預(yù)處理單元2連接，特征提取單元3在注冊細化指紋圖像
和輸入細化指紋圖像中提取細節(jié)點信息以及細節(jié)點相連脊線的采樣信息，并在注冊指紋方
向場圖像和輸入指紋方向場圖像中提取參考點和細節(jié)點局部方向描述；然后根據(jù)細節(jié)點的
位置和相連脊線信息以及參考點信息生成細節(jié)點旋向性；最后分別生成含有指紋細節(jié)點、
細節(jié)點旋向性以及細節(jié)點局部方向描述的注冊指紋特征和輸入指紋特征； 模板存儲單元4與特征提取單元3連接，模板存儲單元4把特征提取單元3的注
冊指紋特征生成注冊指紋特征模板存儲到數(shù)據(jù)庫當中，并為指紋特征匹配生成并輸出模板
指紋特征；
特征匹配單元5與模板存儲單元4和特征提取單元3連接，特征匹配單元5對特征 提取單元3輸出的輸入指紋特征與模板存儲單元4數(shù)據(jù)庫輸出的模板指紋特征進行計算， 判斷輸入指紋特征與模板指紋特征是否來源于同一個手指； 本系統(tǒng)的特征提取單元3的構(gòu)成示意圖如圖2所示，其中實線表示對注冊指紋圖 像的處理過程，虛線表示對輸入指紋圖像的處理過程；這兩個過程所經(jīng)過的處理是相同的， 但是兩個過程相互獨立；對注冊指紋圖像的處理必然早于對輸入指紋的處理，但在時間間 隔上沒有任何限定。特征提取單元3的構(gòu)成包括 細節(jié)點提取單元31，在注冊細化指紋圖像和輸入細化指紋圖像中提取指紋細節(jié)點 信息，包括細節(jié)點的位置、方向和類型。最常用的細節(jié)點類型包括脊線末梢點和脊線分叉點 兩種； 細節(jié)點相連脊線采樣單元32，在注冊細化指紋圖像和輸入細化指紋圖像中對細節(jié) 點提取單元31提取到的每個指紋細節(jié)點的相連脊線進行采樣并記錄采樣點的位置信息。 由于脊線分叉點與三條脊線相連，而脊線末梢點只與一條脊線相連，因此對分叉點和末梢 點的相連脊線使用了一致的采樣表示，目的是簡化計算并降低細節(jié)點類型檢測錯誤對后續(xù) 判斷帶來的影響； 參考點提取單元33，在注冊指紋方向場圖像和輸入指紋方向場圖像中提取參考點 的位置信息首先提取中心點，如果可信度高的中心點存在，就選其為參考點，否則選擇曲 率最大點作為參考點； 細節(jié)點局部方向描述提取單元34，在注冊指紋方向場圖像和輸入指紋方向場圖像 中對每一個指紋細節(jié)點分別提取細節(jié)點局部方向描述； 細節(jié)點旋向性計算單元35與細節(jié)點提取單元31和細節(jié)點相連脊線采樣單元32 以及參考點提取單元33連接，細節(jié)點旋向性計算單元35對細節(jié)點提取單元31提取到的每 一個指紋細節(jié)點，首先根據(jù)該細節(jié)點相連脊線的采樣信息計算該細節(jié)點的相連脊線的彎曲 程度，如果該相連脊線的足夠彎曲度，則通過該相連脊線來確定該細節(jié)點的旋向性，否則就 通過該細節(jié)點與參考點的位置關(guān)系來確定該細節(jié)點的旋向性。細節(jié)點旋向性包括三種類 型，即左旋、右旋和無旋。右旋細節(jié)點表示所有的參考點都在細節(jié)點的右邊；左旋細節(jié)點表 示所有的參考點都在細節(jié)點的左邊；無旋細節(jié)點表示細節(jié)點的旋向性不能確定。細節(jié)點旋 向性包含了指紋的全局信息。另外，細節(jié)點旋向性具有平移旋轉(zhuǎn)不變性。即使指紋圖像存 在較大的形變，右旋的細節(jié)點和左旋的細節(jié)點也是不易混淆的。
本系統(tǒng)的特征匹配單元5的構(gòu)成示意圖如圖3所示，包括 指紋細節(jié)點相似度計算單元51，根據(jù)不同細節(jié)點旋向性之間的匹配規(guī)則和細節(jié)點 局部方向描述計算輸入指紋特征和模板指紋特征中的指紋細節(jié)點之間的相似度；
匹配初始點對選取單元52與指紋細節(jié)點相似度計算單元51連接，匹配初始點對 選取單元52根據(jù)指紋細節(jié)點相似度計算單元51輸出的指紋細節(jié)點相似度，選取指紋細節(jié) 點相似度最大的K個指紋細節(jié)點對作為指紋細節(jié)點匹配的初始點對，其中K為大于或等于 1的整數(shù)； 指紋細節(jié)點匹配單元53與匹配初始點對選取單元52連接，指紋細節(jié)點匹配單元 53首先計算每一組匹配初始點對之間的平移旋轉(zhuǎn)參數(shù)，然后根據(jù)每一組平移旋轉(zhuǎn)參數(shù)分別 對輸入指紋特征和模板指紋特征進行平移旋轉(zhuǎn)并確定一組輸入指紋特征中指紋細節(jié)點與
12模板指紋特征中指紋細節(jié)點之間的對應(yīng)關(guān)系； 匹配分數(shù)計算單元54與指紋細節(jié)點匹配單元53連接，匹配分數(shù)計算單元54根據(jù) 指紋細節(jié)點匹配單元53輸出的每一組指紋細節(jié)點對應(yīng)關(guān)系分別計算輸入指紋特征和模板 指紋特征的匹配分數(shù)，從而得到K個匹配分數(shù)； 匹配結(jié)果獲取單元55與匹配分數(shù)計算單元54連接，匹配結(jié)果獲取單元55從指紋 細節(jié)點匹配單元54輸出的K個匹配分數(shù)中選取最大的匹配分數(shù)作為最終的匹配分數(shù)；根據(jù) 該最終匹配分數(shù)的大小判斷輸入指紋特征與模板指紋特征是否來源于同一個手指。
融入全局信息的指紋細節(jié)點匹配算法得到本發(fā)明方法的流程如圖4所示；該方法 包括指紋注冊和指紋驗證兩個階段，這兩個階段相互獨立；圖4中實線表示指紋驗證階段、 虛線表示指紋注冊階段；當對注冊指紋圖像進行注冊時，按照虛線所示的流程執(zhí)行；當對 輸入指紋圖像進行驗證時，按照實線所示的流程執(zhí)行；指紋注冊階段早于指紋驗證階段執(zhí) 行，但兩個階段執(zhí)行的時間間隔沒有必然的限制。如圖4所示，本發(fā)明方法的流程包括步驟 如下 步驟Sl :采集手指紋，生成指紋圖像； 步驟S2 :對指紋圖像進行預(yù)處理，該預(yù)處理包括分別對指紋圖像的圖像分割、圖 像增強、圖像二值化、細化處理以及方向場提取，獲得細化指紋圖像和指紋方向場圖像； 該預(yù)處理具體的詳細步驟有1.灰度的均衡化，這可以消除不同圖像之間對比度的差異； 2.使用簡單的低通濾波算法消除斑點噪聲和高斯噪聲；3.方向場的估計，計算出指紋圖 像每個像素的方向；4.利用方向場一致性以圖像的均值和方差把指紋圖像劃分成前景區(qū) 域和背景區(qū)域；5. 二值化，根據(jù)每個像素點的方向來對指紋圖像處理為只有黑白二種像素 的圖像；6.細化，根據(jù)二值化圖像，把指紋的脊線寬度細化至只有一個像素，生成指紋細化 圖；7.細化后處理，清除細化圖像中一些明顯的斷線，脊線間明顯的橋、脊線上的毛剌、過 短的脊線和單個斑點等不良脊線結(jié)構(gòu)； 步驟S3 :在細化指紋圖像中提取指紋細節(jié)點信息，包括每個指紋細節(jié)點的x， y方 向上的坐標，方向以及類型。然后在細化指紋圖像中提取每個指紋細節(jié)點的相連脊線的采 樣信息。 所述對指紋細節(jié)點相連脊線采樣的步驟中，由于細節(jié)點包括脊線末梢點和脊線分 叉點兩種類型，且分叉點與三條脊線相連，而末梢點只與一條脊線相連，因此對分叉點和末 梢點的相連脊線使用了一致的采樣表示，目的是簡化計算并降低細節(jié)點類型檢測錯誤對后 續(xù)判斷帶來的影響。細節(jié)點相連脊線采樣的具體過程如下 (1).對于脊線分叉點，首先選取該分叉點周圍夾角較小的兩條真實脊線， 即分叉一側(cè)的兩條真實脊線，對這兩條脊線分別等間隔采樣并記錄采樣點的位置；再 依次將兩組采樣點集中順序?qū)?yīng)的采樣點的位置取平均來生成一組新的采樣點集合
p = {巧=(巧，w)]7i^這組新的采樣點就表示了一條虛擬的脊線，其中，{Xj， y」}
是第J個采樣點Pj的坐標，r^是負整數(shù)，ni的絕對值ln」表示這條虛擬脊線上采樣點 的個數(shù)；然后對另外的那條真實脊線，即未分叉一側(cè)的那條脊線進行等間隔采樣，得到 一組采樣點集合g = {巧'=(巧,^"^]L，其中{Xj， yjKPj含義同上，n2是正整數(shù)，表 示這條真實脊線上采樣點的個數(shù)；最后將兩組采樣點連接，得到一組新的采樣點集合P = Pw U Pt = {Pj = (X" J"，其中，{Xj， yj} 、Pj、ni、n2含義同上，j = 0時對應(yīng)的
點P。表示該脊線分叉點。這樣對于分叉點的相連脊線一共記錄了n二 In」+化+l個包括細 節(jié)點在內(nèi)的采樣點； (2).對于脊線末梢點，直接對該末梢點的相連脊線進行等間隔采樣，得到一組采 樣點集合P = {巧=(巧，W)〉;w，其中，{Xj， y，、 Pj含義同上，& = O，表示沒有虛擬脊 線，化是正整數(shù)，表示相連脊線上采樣點的個數(shù)，j = 0時對應(yīng)的點P。表示該脊線末梢點； 這樣就把脊線末梢點看作是脊線分叉點的特殊情況，從而使二者相連脊線的采樣表示保持一致。
步驟S4 :在指紋方向場圖像中提取參考點的位置以及細節(jié)點局部方向描述。首先 在指紋方向場圖像中提取指紋中心點，如果提取到了可信度高的中心點，就選將所提取到 的中心點作為參考點，否則利用基于正弦映射的方法在指紋方向場圖像上提取曲率最大點 作為參考點。然后在指紋方向場圖像中對每一個指紋細節(jié)點分別提取其局部方向描述；
所述提取參考點位置的具體步驟包括 步驟S41 :用H和W分別表示指紋方向場圖像在高度方向和寬度方向上的像素數(shù) 量；將該大小為HXW像素的指紋方向場圖像分成L^/w」X LHVw」個大小為wXw像素的 塊，其中L丄表示向下取整；每一塊的方向取為該wXw個點方向場的均值；對點方向場分塊 的目的是克服點方向場的不穩(wěn)定性和基于點方向場檢測中心點的大量耗時；
步驟S42 :基于塊方向場通過復(fù)數(shù)濾波檢測中心點，具體方法為
通過一階對稱的復(fù)數(shù)濾波器hjx，y) = (x+iy)g。 (x，y)和li2(x，y) = (x-iy)g。 (x， y)在塊方向場上檢測中心點的候選點，其中g(shù)。 (x，y)表示一個沿x方向和y方向標準差為 o的2-D高斯濾波器，(x，y)表示塊方向場中塊的坐標。 復(fù)數(shù)域的方向張量通過下式計算，其中9表示塊方向場中塊的方向
z = cos(2 9 )+isin(2 9 ) (1) 對方向張量和對稱濾波器和h2)做巻積，可以得到兩個確定的響應(yīng)z。，和 Z(telta。然后通過下面的規(guī)則來得到中心點的可信度 ilc。re = |Zc。re| (l-|zdelta|) (2) 然后用閾值i^實現(xiàn)可信度y,的二值化，并取白色像素區(qū)域的質(zhì)心作為中心點 的候選點，且取該區(qū)域內(nèi)z。。re的平均方向值作為相應(yīng)候選點的方向。圖7a至圖7f示出中 心點檢測過程的圖像示例，圖7a為原始圖像(FVC2002中1_1. tif);圖7b為方向場圖像； 圖7c為前景分割圖像；圖7d為塊方向場上的中心點可信度(w = 6);圖7e為二值化的中 心點可信度圖(i!T = 0.45);圖7f為標記了中心點位置和方向的指紋圖像；為獲得更好的 視覺效果圖7d和圖7e的大小調(diào)整與圖7a相同； 步驟S43 :在一幅指紋圖像中可能找到多于一個的中心點候選點，那么采用如下 的附加檢驗條件去除偽中心點，具體包括 (1).與中心點的方向相反的區(qū)域都有較大的曲率，因此認為對應(yīng)小曲率的候選點 是偽中心點；計算候選點對應(yīng)的曲率大小P的方法如下 首先生成一個半徑為R的半圓型結(jié)構(gòu)該半圓結(jié)構(gòu)水平放置，弧線在上；沿半圓結(jié) 構(gòu)的圓心垂直向下定義為半圓結(jié)構(gòu)的主方向；以半圓結(jié)構(gòu)的圓心為旋轉(zhuǎn)中心，分別將圓心兩側(cè)的水平半徑向上旋轉(zhuǎn)角度e，(o< e < ji/2);旋轉(zhuǎn)經(jīng)過的兩個扇形區(qū)域定義為區(qū)域
& ;半圓結(jié)構(gòu)內(nèi)不包含于區(qū)域Ri的剩余扇形區(qū)域定義為區(qū)域1 2 ;圖8給出了半圓結(jié)構(gòu)的示例；實驗中的R和9分別取為8和Ji /4 ; 然后對該半圓結(jié)構(gòu)進行平移旋轉(zhuǎn)變換，使半圓結(jié)構(gòu)的圓心與塊方向場中候選點的位置重合，且半圓結(jié)構(gòu)的主方向與候選點的方向一致；
最后用下面的公式來計算曲率的大小D:
D = |sin(Ofc,, — 6>c +丌/2)|
-I^lsin(0W —& + 7r/2)l (3) 其中，R'工和R' 2分別是與變換后的半圓結(jié)構(gòu)中區(qū)域R和R2重合的塊方向場中的區(qū)域，0u是候選點坐標(k， 1)處的方向，9 。是候選點的方向； 如果曲率D小于某一個閾值P;r，即"< (實驗中"r取為12)，則認為這個候
選點是偽中心點并去除； (2). —些螺旋形的或者低質(zhì)量的指紋圖像會檢測到兩個相似的候選點；由于中心點定義為指紋最內(nèi)層脊線的頂點，所以兩個相似的候選點中指向另一個候選點的候選點
就被判定為偽中心點并去除。判斷兩個候選點相似的規(guī)則為滿足以下條件i) a工(e a- e b)< Th巧，2) a 2 (e a- e ab) < Thr2， 3) a 2(e b- e ab) < Thr3，其中，e a和e b表示候選點a和
b的方向，9 ab表示連接a和b的直線的方向，Th巧、Thr2、 Thr3分別是三個條件的閾值(實
驗中這三個閾值都取為ji/4)，而函數(shù)Aje)和A2(e)可分別表示如下，其中e為一角度值
不(。^2;r-M 其它情況' 冬(。="-問 其它情況 圖9a至圖9b所示為中心點去偽的一組示例，指向另一個候選點的候選點被去除；原始指紋圖像為FVC2002 DB1中54_1. tif ;圖9a為檢測到的中心點;圖9b為去除偽中心點以后的結(jié)果； (3)如果候選點的個數(shù)仍多于兩個，則繼續(xù)執(zhí)行下面的操作如果任意兩個候選點之間的方向差大于閾值(實驗中該閾值取3Ji/4)，就意味著二者的方向近似相反，于是選擇這一對候選點作為最后選定的中心點，否則，所有的候選點都被認為是偽中心點而被去除。圖10a至圖10b所示為中心點去偽的一組示例選擇方向近似相反的一對候選點作為中心點;原始指紋圖像為FVC2002 DB1中97—1. tif ;圖10a為檢測到的中心點；圖lOb為去除偽中心點以后的結(jié)果； 步驟S44 :如果找不到可信度高的中心點，則利用基于正弦映射的方法在指紋方向場圖像中提取曲率最大點，簡稱MC點。MC點的提取方法如下
(1)計算塊方向場中的每一個塊(k，l)處的方向場Ou的正弦成分eka
ekl = sin(Okl) (4) (2)初始化兩個二維矩陣C和D，把所有元素置0 ;
(3)按從上到下，自左向右的順序遍歷塊方向場O。如果塊(k， 1)是向上凸的，即
fe足 0u < 0thr， 0k—ia > 0，< 0 (5) 那么 i.根據(jù)圖8所示的半圓結(jié)構(gòu)，利用下式計算塊(k，l)處的曲率值Du，該曲率值就
等于半圓結(jié)構(gòu)中&和R2所覆蓋的區(qū)域的正弦成分的差值 = — ￡fc,, (6) ii.利用下式計算塊(k， 1)的連續(xù)測量值Cu ; Cu = Ck—ia—u+(Via—一l (7) (4)保留滿足以下條件的點l)Du > Dthr，2)Cu > Ctto ;然后選擇所有保留點中y坐標最大的點作為凹脊線的MC點； (5)將方向場圖像上下翻轉(zhuǎn)，重復(fù)前面步驟(1) (4)，即可得到凸脊線的MC點；
圖11a至圖llb示出了MC點檢測的過程圖lla為原始指紋圖像(FVC2002 DB170_1. tif);圖llb為圖lla的方向場圖像；圖11c中用紅色標記出了MC候選點的連續(xù)測量值，紅色越深表示連續(xù)測量值越大；圖lld用灰度值表征了圖lla中各點的曲率值，灰度值越小表示曲率值率越大；圖12a至圖12c示出了 MC點檢測的三個例子，綠色的圓圈標記了檢測到的MC點(實驗中Othr取為/4， Dthr取為12， Cthr取為8):圖12a為檢測到MC點的不完整指紋圖像(FVC2002 DB1 l_5.tif);圖12b為檢測到MC點的拱形指紋圖像(FVC2002DB1 70_l.tif);圖12c為沒有中心點和MC點的指紋圖像(FVC2002 DB1 29_6.tif)。
所述提取細節(jié)點局部方向描述的具體方法為在細節(jié)點周圍取L個半徑為巧，(0《1《L)的同心圓，然后在每個圓上取&個采樣點au， (0《k《ig將圓周等分；于是細節(jié)點局部方向描述就可以用采樣點集合a二 {ciu}的形式來表示，其中ciu表示第l個圓上第k個采樣點處的方向；這里，1， k， L， &均為非負整數(shù)； 步驟S5 :對細化指紋圖像中提取到的每一個指紋細節(jié)點，根據(jù)該細節(jié)點相連脊線的采樣信息和該細節(jié)點與參考點的位置關(guān)系來確定細節(jié)點的旋向性。細節(jié)點旋向性包括三種類型，即左旋、右旋和無旋。右旋細節(jié)點表示所有的參考點都在細節(jié)點的右邊；左旋細節(jié)點表示所有的參考點都在細節(jié)點的左邊；無旋細節(jié)點表示細節(jié)點的旋向性不能確定。所述確定細節(jié)點旋向性的具體步驟包括 步驟S51 :計算細節(jié)點相連脊線的高度；令A(yù) = pni，C = Pri2表示脊線采樣點集合P中的兩個末端采樣點，AC表示連接采樣點A和采樣點C的直線；用B來表示采樣點集合P中與直線AC距離最大的點，D表示采樣點B在直線AC上的投影；細節(jié)點相連脊線的高度就定義為采樣點集合P中的采樣點與直線AC的最大距離，即采樣點B到投影點D的距離BD I ;這里以及下面提到的A， B， C， D和E均為包含了 x， y兩個方向坐標值的坐標對；
步驟S52 :如果細節(jié)點相連脊線的高度|BD|大于某一閾值H^(n) (HTto(n)是采樣點數(shù)n的單調(diào)遞增函數(shù)，實驗中如果采樣點個數(shù)n > 5，則IVr(n)取為1. 5n，否則IVr(n)取為8)，就認為采樣點集合P所表示的細節(jié)點相連脊線足夠彎曲，那么就通過采樣點集合P來確定細節(jié)點旋向性，確定方法如下
對于三角形AABC，通過下式求面積S,艦<formula>formula see original document page 17</formula>
其中，xA， yA， xB， yB， Xc， yc分別表示采樣點A、 B、 C的水平和垂直坐標。如果SAABC< 0則細節(jié)點旋向性為右旋，SAABC > 0則細節(jié)點旋向性為左旋；圖13a為通過相連脊線確定的右旋細節(jié)點的例子；圖13b為通過相連脊線確定的左旋細節(jié)點的例子；
步驟S53 :如果細節(jié)點相連脊線的高度|BD|小于閾值IVr(n)，說明采樣點集合P所表示的細節(jié)點相連脊線的彎曲度不夠；這種情況下不能通過相連脊線采樣點集合P確定細節(jié)點的旋向性，而是考慮參考點的位置；如果沒有檢測到參考點，則細節(jié)點旋向性直接置為無旋； 步驟S54 :如果細節(jié)點相連脊線的高度|BD|小于閾值!Vr(n)，且存在參考點，就通
過細節(jié)點與參考點的相對位置關(guān)系來確定細節(jié)點旋向性，具體方法如下 令i = {ry =(巧，^)^io表示參考點集合R，其中{Xj，yj}是第j個參考點fj的
坐標，nT表示參考點的數(shù)量；如果參考點集合R和直線AC的最小距離或者細節(jié)點和參考點集合R的最小距離小于閾值，則認為細節(jié)點旋向性為無旋，因為噪聲會影響參考點的位置并導(dǎo)致錯誤的細節(jié)點旋向性；否則，對每一個參考點E = rj，脊線采樣點A、參考點E和脊線采樣點C構(gòu)成一個三角形A AEC ;SAAEe的符號顯示了參考點E和直線AC的相對位置；如果所有的參考點都在直線AC的同一側(cè)，那么對應(yīng)的所有三角形都有相同的符號，細節(jié)點的旋向性可以通過參考點集來確定如果對所有的參考點E = rj都有SAAEC > o，則細節(jié)點旋向性為右旋；如果對所有的參考點E = rj都有SAAEe > o，則細節(jié)點旋向性為左旋；否則為無旋。圖13c為通過參考點確定的右旋細節(jié)點的例子；圖13d為因為距離太近而不能通過參考點確定細節(jié)點旋向性的例子； 步驟S6 :將提取到的指紋細節(jié)點信息、細節(jié)點旋向性以及細節(jié)點局部方向描述一起生成指紋特征；指紋注冊階段得到的注冊指紋特征與驗證階段得到的輸入指紋特征以
及模板指紋特征都具有相同的組成部分；該指紋特征表示為{^, % ， ，~， m7'， a3;p其中，Xj，yj， e j， tj，mj， a j分別表示第j個細節(jié)點的橫縱坐標、方向、類型、細節(jié)點旋向性和局部方向描述；N表示指紋特征中包含的細節(jié)點數(shù)量； 步驟S7 :在注冊階段，將由注冊指紋圖像得到的注冊指紋特征作為特征模板存儲到數(shù)據(jù)庫當中，從而完成指紋注冊階段；在驗證階段，將存儲在數(shù)據(jù)庫中的特征模板輸出為模板指紋特征，并繼續(xù)下面的步驟； 步驟S8 :對于步驟S6得到的計算輸入指紋特征和步驟S7中輸出的模板指紋特
征，根據(jù)不同細節(jié)點旋向性之間的匹配規(guī)則和細節(jié)點局部方向描述，計算這兩組指紋特征
中的指紋細節(jié)點之間的相似度。確定指紋細節(jié)點相似度的具體步驟包括 步驟S81 :建立不同細節(jié)點旋向性之間的匹配規(guī)則當兩個細節(jié)點的旋向性一個
為左旋而另一個為右旋時，認為細節(jié)點匹配失敗，則直接將兩個細節(jié)點的相似度置為0 ;否
則繼續(xù)后面的操作； 步驟S82:對于相似度不為0的兩個細節(jié)點，用a二 { a u}和b = { P u}分別表<formula>formula see original document page 18</formula>
示這兩個細節(jié)點的局部方向描述，其中，au和Pu分別表示兩個細節(jié)點的局部方向描述中第1個同心圓上的第k個采樣點的方向，則a和b的相似度Sab的計算方法如下
Sab = mean(s(A (akl， Pu))) (9) 其中，A (au， 是ak,JP P ^之間的方向差值，s ( A ( a ka， 1^,》)是關(guān)于
A(au， 的相似度函數(shù)，用x表示相似度函數(shù)s(x)的變量，則相似度函數(shù)s(x)可表
示為s(x) =e—"。，實驗中o取為ji/16; 將由細節(jié)點旋向性確定的細節(jié)點相似度為0的情況考慮在內(nèi)，則細節(jié)點相似度Sab
的計算公式可以表示如下
0 如果細節(jié)點旋向性匹配失敗，ea"O(八(aw,Ay)))其它情況 步驟S9 :根據(jù)得到的指紋細節(jié)點相似度，選取指紋細節(jié)點相似度最大的K個指紋細節(jié)點對作為指紋細節(jié)點匹配的初始點對，其中K為大于或等于1的整數(shù)，實驗中K取為10 ; 步驟S10 :首先計算每一組匹配初始點對之間的平移旋轉(zhuǎn)參數(shù)，然后根據(jù)每一組平移旋轉(zhuǎn)參數(shù)分別對輸入指紋特征和模板指紋特征進行平移旋轉(zhuǎn)并確定一組輸入指紋特征中指紋細節(jié)點與模板指紋特征中指紋細節(jié)點之間的對應(yīng)關(guān)系；最后根據(jù)每一組指紋細節(jié)點對應(yīng)關(guān)系分別計算輸入指紋特征和模板指紋特征的匹配分數(shù)，從而得到K個匹配分數(shù)；匹配分數(shù)的計算方法如下 令^^df"和(gj^^分別表示來自于模板指紋特征和輸入指紋特征的細節(jié)點集合，其中，Pk表示模板指紋特征中的第k個細節(jié)點，qi表示輸入指紋特征中的第1個細節(jié)點，Np和Nq分別是模板指紋特征和輸入指紋特征中細節(jié)點的數(shù)量；iby g"i^工表示模板指
紋特征和輸入指紋特征中所有匹配的細節(jié)點對集合，其中，(J^,g。表示第j組匹配的細
節(jié)點對是模板指紋特征中的第kj個細節(jié)點和輸入指紋特征中的第1 j個細節(jié)點，Ns表示匹配
的細節(jié)點對數(shù)量且Kmin(Np， Nq} ;S^ 表示細節(jié)點對(Pfc"g。的相似度；匹配分數(shù)的
公式計算為
<formula>formula see original document page 18</formula> 其中，np和nq分別是模板指紋和輸入指紋中位于重疊區(qū)域內(nèi)的細節(jié)點的數(shù)量，滿足Ns《np《Np和Ns《nq《Nq ; 步驟Sll :從K個匹配分數(shù)中選取最大的匹配分數(shù)作為最終的匹配分數(shù)；根據(jù)最終匹配分數(shù)的大小判斷輸入指紋特征與模板指紋特征是否來源于同一個手指，從而完成指紋驗證階段。 圖5a至圖5c示出了不同手指的指紋圖像在局部區(qū)域細節(jié)點匹配得很好的示例；圖5a為FVC2002 DB1中的33_1. tif的細化圖像；圖5b為FVC2002 DB1中的64_1. tif的細化圖像；圖5c為圖5a和圖5b的配準結(jié)果； 圖6a至圖6c示出同一手指的一對重疊區(qū)域很小的指紋圖像；圖6a為FVC2002DB1中的29_6. tif的細化圖像；圖6b為FVC2002 DB1中的29_71. tif的細化圖像；圖6c為圖6a和圖6b的配準結(jié)果；
實施例 我們將此方法應(yīng)用到我們自行設(shè)計實現(xiàn)的指紋圖像處理系統(tǒng)中。我們研制開發(fā)的指紋圖像處理系統(tǒng)是基于Window XP，采用面向?qū)ο蟮脑O(shè)計方法和軟件工程規(guī)范，用0++語言實現(xiàn)的、面向指紋識別領(lǐng)域的圖像處理與分析系統(tǒng)。 為了驗證本發(fā)明中融入全局信息的指紋細節(jié)點匹配算法(以下稱算法A)的整體性能，我們實現(xiàn)了一個對比算法(以下稱算法B)。算法B是傳統(tǒng)的指紋細節(jié)點匹配，沒有加入細節(jié)點旋向性特征。 將兩個算法分別應(yīng)用到前述指紋圖像處理系統(tǒng)中，并分別在FVC2002和FVC2004提供的8個指紋庫上做了實驗。圖14a至圖14d示出FVC2002指紋數(shù)據(jù)庫上的算法A與算法B的實驗結(jié)果的ROC曲線對比；圖15a至圖15d示出了FVC2004指紋數(shù)據(jù)庫上的算法A與算法B的ROC曲線對比；。對比這8組曲線可以看出，算法A的性能明顯優(yōu)于算法B。圖16示出FVC2004指紋數(shù)據(jù)庫上的算法A與算法B的FMR和FNMR曲線，可以看到算法A較之算法B，保持了較好的錯誤拒絕率FNMR，而錯誤匹配率FMR有了明顯的降低，這使得指紋識別系統(tǒng)的整體性能得到提高。 以上實驗均在同一臺電腦上完成，電腦配置為Intel Pentium 4處理器、3. 4GHz ;Windows XP professional操作系統(tǒng)。算法A在FVC2002的四個指紋庫上的平均匹配時間分別是7. 62ms， 13. 07ms， 3. 44ms和5. 45ms ;在FVC2004的四個指紋庫上的平均匹配時間分別是8. 23ms，7. 10ms， 12. 60ms和9. 06ms。算法A的平均匹配時間比算法B要少一點，這主要是因為匹配失敗的細節(jié)點之間的相似度沒有計算而是直接置為零的緣故。不過算法A在時間性能上的優(yōu)勢并不明顯，不超過O. 2ms。 由于細節(jié)點旋向性只有三種類型，只需兩位就可以保存細節(jié)點的旋向類型。我們用"00 "表示"無旋"，"01"表示"右旋"，而"10 "表示"左旋"。所以算法A只需要很少的附加計算資源。 在指紋庫上的試驗結(jié)果顯示，該系統(tǒng)很好地實現(xiàn)了指紋全局信息和局部信息的融合，有效地降低了指紋匹配系統(tǒng)對參考點提取精度的依賴，同時減少了由于噪聲原因引起的錯誤匹配，從而降低了指紋細節(jié)點匹配過程的錯誤匹配率，也在一定程度上減少了指紋細節(jié)點匹配所需耗費的時間，具有很好的準確率、魯棒性以及實用性。 以上所述，僅為本發(fā)明中的具體實施方式
，但本發(fā)明的保護范圍并不局限于此，任何熟悉該技術(shù)的人在本發(fā)明所揭露的技術(shù)范圍內(nèi)，可理解想到的變換或替換，都應(yīng)涵蓋在本發(fā)明的包含范圍之內(nèi)，因此，本發(fā)明的保護范圍應(yīng)該以權(quán)利要求書的保護范圍為準。
權(quán)利要求
一種融入全局信息的指紋細節(jié)點匹配系統(tǒng)，其特征在于，包括圖像采集單元，采集注冊手指紋和輸入手指紋，分別生成注冊指紋圖像和輸入指紋圖像；圖像預(yù)處理單元與圖像采集單元連接，圖像預(yù)處理單元對采集的注冊指紋圖像和輸入指紋圖像分別做預(yù)處理，并分別得到注冊細化指紋圖像和注冊指紋方向場圖像以及輸入細化指紋圖像和輸入指紋方向場圖像；特征提取單元與圖像預(yù)處理單元連接，特征提取單元在注冊細化指紋圖像和輸入細化指紋圖像中提取細節(jié)點信息以及細節(jié)點相連脊線的采樣信息，并在注冊指紋方向場圖像和輸入指紋方向場圖像中提取參考點和細節(jié)點局部方向描述；然后計算細節(jié)點旋向性；最后分別生成注冊指紋特征和輸入指紋特征；模板存儲單元與特征提取單元連接，模板存儲單元把特征提取單元輸出的注冊指紋特征生成注冊指紋特征模板存儲到數(shù)據(jù)庫當中，并為指紋特征匹配生成并輸出模板指紋特征；特征匹配單元與模板存儲單元和特征提取單元連接，特征匹配單元對特征提取單元輸出的輸入指紋特征與模板存儲單元輸出的模板指紋特征進行計算，判斷輸入指紋特征與模板指紋特征是否來源于同一個手指；所述特征提取單元的構(gòu)成包括細節(jié)點提取單元，在注冊細化指紋圖像和輸入細化指紋圖像中提取指紋細節(jié)點信息，包括細節(jié)點的位置、方向和類型；細節(jié)點相連脊線采樣單元，在注冊細化指紋圖像和輸入細化指紋圖像中對每個指紋細節(jié)點的相連脊線進行采樣并記錄采樣點的位置信息；參考點提取單元，在注冊指紋方向場圖像和輸入指紋方向場圖像中提取參考點的位置信息；細節(jié)點局部方向描述提取單元，在注冊指紋方向場圖像和輸入指紋方向場圖像中對每一個指紋細節(jié)點分別提取其局部方向描述；細節(jié)點旋向性計算單元與細節(jié)點提取單元和細節(jié)點相連脊線采樣單元以及參考點提取單元連接，細節(jié)點旋向性計算單元對細節(jié)點提取單元提取到的每一個指紋細節(jié)點，根據(jù)該細節(jié)點相連脊線的采樣信息和該細節(jié)點與參考點的位置關(guān)系來確定該細節(jié)點的旋向性；所述特征匹配單元的構(gòu)成包括指紋細節(jié)點相似度計算單元，根據(jù)不同細節(jié)點旋向性之間的匹配規(guī)則和細節(jié)點局部方向描述計算輸入指紋特征和模板指紋特征中的指紋細節(jié)點之間的相似度；匹配初始點對選取單元與指紋細節(jié)點相似度計算單元連接，匹配初始點對選取單元根據(jù)指紋細節(jié)點相似度計算單元輸出的指紋細節(jié)點相似度，選取指紋細節(jié)點相似度最大的K個指紋細節(jié)點對作為指紋細節(jié)點匹配的初始點對，其中K為大于或等于1的整數(shù)；指紋細節(jié)點匹配單元與匹配初始點對選取單元連接，指紋細節(jié)點匹配單元首先計算每一組匹配初始點對之間的平移旋轉(zhuǎn)參數(shù)，然后根據(jù)每一組平移旋轉(zhuǎn)參數(shù)分別對輸入指紋特征和模板指紋特征進行平移旋轉(zhuǎn)并確定一組輸入指紋特征中指紋細節(jié)點與模板指紋特征中指紋細節(jié)點之間的對應(yīng)關(guān)系；匹配分數(shù)計算單元與指紋細節(jié)點匹配單元連接，匹配分數(shù)計算單元根據(jù)指紋細節(jié)點匹配單元輸出的每一組指紋細節(jié)點對應(yīng)關(guān)系分別計算輸入指紋特征和模板指紋特征的匹配分數(shù)，從而得到K個匹配分數(shù)；匹配結(jié)果獲取單元與匹配分數(shù)計算單元連接，匹配結(jié)果獲取單元從指紋細節(jié)點匹配單元輸出的K個匹配分數(shù)中選取最大的匹配分數(shù)作為最終的匹配分數(shù)，根據(jù)該最終匹配分數(shù)的大小判斷輸入指紋特征與模板指紋特征是否來源于同一個手指。
2. 根據(jù)權(quán)利要求1所述融入全局信息的指紋細節(jié)點匹配系統(tǒng)，其特征在于，所述的細 節(jié)點旋向性包括三種類型左旋、右旋和無旋；右旋細節(jié)點表示所有的參考點都在細節(jié)點 的右邊；左旋細節(jié)點表示所有的參考點都在細節(jié)點的左邊；無旋細節(jié)點表示細節(jié)點的旋向 性不能確定；細節(jié)點旋向性包含了指紋全局信息。
3. —種融入全局信息的指紋細節(jié)點匹配方法，其特征在于，該方法是利用融入全局信 息的指紋細節(jié)點匹配系統(tǒng)，包括指紋注冊階段和指紋驗證階段兩部分，包括步驟步驟Sl :采集手指紋，并生成指紋圖像；步驟S2 :對指紋圖像進行預(yù)處理，獲得細化指紋圖像和指紋方向場圖像；步驟S3 :在細化指紋圖像中提取指紋細節(jié)點信息以及指紋細節(jié)點相連脊線的采樣信息；步驟S4 :在指紋方向場圖像中提取參考點的位置以及細節(jié)點局部方向描述；步驟S5 :對細化指紋圖像中提取到的每一個指紋細節(jié)點，根據(jù)該細節(jié)點相連脊線的采樣信息和該細節(jié)點與參考點的位置關(guān)系來確定該細節(jié)點的旋向性；步驟S6 :將提取到的指紋細節(jié)點信息、細節(jié)點旋向性以及細節(jié)點局部方向描述一起生成指紋特征；步驟S7 :在注冊階段，將由注冊指紋圖像得到的注冊指紋特征作為特征模板存儲到數(shù) 據(jù)庫當中，這樣就完成了指紋的注冊階段；在驗證階段，將存儲在數(shù)據(jù)庫中的特征模板輸出 為模板指紋特征，并繼續(xù)下面的步驟；步驟S8 :對于步驟S6得到的計算輸入指紋特征和步驟S7中輸出的模板指紋特征，根 據(jù)不同細節(jié)點旋向性之間的匹配規(guī)則和細節(jié)點局部方向描述，計算這兩組指紋特征中的指 紋細節(jié)點之間的相似度；步驟S9 :根據(jù)得到的指紋細節(jié)點相似度，選取指紋細節(jié)點相似度最大的K個指紋細節(jié) 點對作為指紋細節(jié)點匹配的初始點對，其中K為大于或等于1的整數(shù)；步驟S10 :首先計算每一組匹配初始點對之間的平移旋轉(zhuǎn)參數(shù)，然后根據(jù)每一組平移 旋轉(zhuǎn)參數(shù)分別對輸入指紋特征和模板指紋特征進行平移旋轉(zhuǎn)并確定一組輸入指紋特征中 指紋細節(jié)點與模板指紋特征中指紋細節(jié)點之間的對應(yīng)關(guān)系；最后根據(jù)每一組指紋細節(jié)點對 應(yīng)關(guān)系分別計算輸入指紋特征和模板指紋特征的匹配分數(shù)，從而得到K個匹配分數(shù)；步驟Sll :從K個匹配分數(shù)中選取最大的匹配分數(shù)作為最終的匹配分數(shù)；根據(jù)該最終匹 配分數(shù)的大小判斷輸入指紋特征與模板指紋特征是否來源于同一個手指，從而完成指紋的 驗證階段。
4. 按照利要求3所述的融入全局信息的指紋細節(jié)點匹配方法，其特征在于，由于細節(jié)點包括脊線末梢點和脊線分叉點兩種類型，且分叉點與三條脊線相連，而末梢點只與一條 脊線相連，因此對分叉點和末梢點的相連脊線使用了一致的采樣表示，用于簡化計算并降低細節(jié)點類型檢測錯誤對后續(xù)判斷帶來的影響；細節(jié)點相連脊線采樣的具體過程如下(1) .對于脊線分叉點，首先選取該分叉點周圍夾角較小的兩條真實脊線，即分 叉一側(cè)的兩條真實脊線，對這兩條脊線分別等間隔采樣并記錄采樣點的位置；再依 次將兩組采樣點集中順序?qū)?yīng)的采樣點的位置取平均來生成一組新的采樣點集合尺={巧=(巧，y》h—i^這組新的采樣點就表示了一條虛擬的脊線，其中，{Xj， yj}是第J個采樣點Pj的坐標，r^是負整數(shù)，ni的絕對值ln」表示這條虛擬脊線上采樣點 的個數(shù)；然后對另外的那條真實脊線，即未分叉一側(cè)的那條脊線進行等間隔采樣，得到 一組采樣點集合S = {巧二 (^,^')};1，其中{Xj， yj]、Pj含義同上，1!2是正整數(shù)，表 示這條真實脊線上采樣點的個數(shù)；最后將兩組采樣點連接，得到一組新的采樣點集合 P = A U Pf = {^ =(巧，^)};ni ，其中，{Xj， yj} 、Pj、ni、n2含義同上，j = 0時對應(yīng)的點P。表示該脊線分叉點。這樣對于分叉點的相連脊線一共記錄了n二 In」+化+l個包括細 節(jié)點在內(nèi)的采樣點；(2) .對于脊線末梢點，直接對該末梢點的相連脊線進行等間隔采樣，得到一組采樣點 集合P = {巧=(巧,W"^w，其中，{Xj， yj} 、 Pj含義同上，= O，表示沒有虛擬脊線，n2是正整數(shù)，表示相連脊線上采樣點的個數(shù)，j = 0時對應(yīng)的點P。表示該脊線末梢點；這樣就 把脊線末梢點看作是脊線分叉點的特殊情況，從而使二者相連脊線的采樣表示保持一致。
5. 按照權(quán)利要求3所述的融入全局信息的指紋細節(jié)點匹配方法，其特征在于，所述參 考點是如果在指紋方向場圖像上提取到了可信度高的中心點，就將所提取到的中心點作 為參考點，否則利用基于正弦映射的方法在指紋方向場圖像上提取曲率最大點作為參考 點。
6. 按照權(quán)利要求5所述的融入全局信息的指紋細節(jié)點匹配方法，其特征在于，在中心 點提取過程中，通過復(fù)數(shù)濾波提取中心點候選點后，對于找到多于一個中心點候選點的情況，采用如下的附加檢驗條件去除偽中心點，具體包括(1).與中心點方向相反的區(qū)域都有較大的曲率，因此認為對應(yīng)小曲率的候選點是偽中 心點；計算候選點對應(yīng)的曲率大小D的方法如下首先生成一個半徑為R的半圓型結(jié)構(gòu)該半圓結(jié)構(gòu)水平放置，弧線在上；沿半圓結(jié)構(gòu)的 圓心垂直向下定義為半圓結(jié)構(gòu)的主方向；以半圓結(jié)構(gòu)的圓心為旋轉(zhuǎn)中心，分別將圓心兩側(cè) 的水平半徑向上旋轉(zhuǎn)角度e ;旋轉(zhuǎn)經(jīng)過的兩個扇形區(qū)域定義為區(qū)域R。半圓結(jié)構(gòu)內(nèi)不包含 于區(qū)域&的剩余扇形區(qū)域定義為區(qū)域R2 ;然后對該半圓結(jié)構(gòu)進行平移旋轉(zhuǎn)變換，使得半圓結(jié)構(gòu)的圓心與塊方向場中候選點的位 置重合，且半圓結(jié)構(gòu)的主方向與候選點的方向保持一致；最后用下面的公式來計算曲率的大小D :<formula>formula see original document page 4</formula>其中，R'工和R' 2分別是與變換后的半圓結(jié)構(gòu)中區(qū)域I^和R2重合的塊方向場中的區(qū) 域，0u是候選點坐標(k， 1)處的方向，9 。是候選點的方向；如果曲率D小于某一個閾值DT，即D < DT，則認為這個候選點是偽中心點并去除；(2) . —些螺旋形的或者低質(zhì)量的指紋圖像會檢測到兩個相似的候選點；由于中心點 定義為指紋最內(nèi)層脊線的頂點，所以兩個相似的候選點中指向另一個候選點的候選點就被判定為偽中心點并去除。判斷兩個候選點相似的規(guī)則為滿足以下條件i) 、(ea-eb)<Thri，2) A2(ea_eab) <Thr2，3) A2(9b-9ab) 〈Thiv其中，93和9b表示候選點a和b 的方向，、b表示連接a和b的直線的方向，Th巧、ThivThr3分別是三個條件的閾值，而函 數(shù)、()和入2()可分別表示如下，其中e為一角度值&⑨二 ^;r - M 其它情況A W = 1 ;r - |叫 其它情況(3) .如果候選點的個數(shù)仍多于兩個，則繼續(xù)執(zhí)行下面的操作如果任意兩個候選點之 間的方向差大于某一閾值，就意味著二者的方向近似相反，于是選擇這一對候選點作為最 后選定的中心點，否則，所有的候選點都被認為是偽中心點并去除。
7.按照利要求3所述的融入全局信息的指紋細節(jié)點匹配方法，其特征在于，所述確定細節(jié)點旋向性的具體步驟包括(1) .計算細節(jié)點相連脊線的高度；令A(yù) = pnl，C = Pn2表示脊線采樣點集合P中的兩個末端采樣點，AC表示連接采樣點A和采樣點C的直線；用B來表示采樣點集合P中與直線 AC距離最大的點，D表示采樣點B在直線AC上的投影；細節(jié)點相連脊線的高度就定義為采 樣點集合P中的采樣點與直線AC的最大距離，即采樣點B到投影點D的距離|BD| ;(2) .如果細節(jié)點相連脊線的高度|BD大于某一閾值Un)， HTh 是采樣點數(shù)n的 單調(diào)遞增函數(shù)，就認為采樣點集合P所表示的細節(jié)點相連脊線足夠彎曲，那么就通過采樣 點集合P來確定細節(jié)點旋向性，確定方法如下對于三角形AABC，通過下式求面積S,艦工B 站=— 2U)( /C 一 2M) 一 — ")(W — M)，其中，xA， yA， xB， yB， xc， yc分別表示采樣點A、 B、 C的水平和垂直坐標。如果SAABC < 0 則細節(jié)點旋向性為右旋，SAABC > 0則細節(jié)點旋向性為左旋；(3) .如果細節(jié)點相連脊線的高度|BD|小于閾值IW(n)，說明采樣點集合P所表示的 細節(jié)點相連脊線的彎曲度不夠；這種情況下不能通過相連脊線采樣點集合P確定細節(jié)點的 旋向性，而是考慮參考點的位置；如果沒有檢測到參考點，則細節(jié)點旋向性直接置為無旋；(4) .如果細節(jié)點相連脊線的高度|BD|小于閾值IW(n)，且存在參考點，就通過細節(jié)點 與參考點的相對位置關(guān)系來確定細節(jié)點的旋向性，具體方法如下令i 二 {。'=(巧，^);^o表示參考點集合R，其中{Xj， yj}是第j個參考點fj的坐標，nr表示參考點的數(shù)量；如果參考點集合R和直線AC的最小距離或者細節(jié)點和參考點集 合R的最小距離小于閾值，則認為細節(jié)點旋向性為無旋，因為噪聲會影響參考點的位置并 導(dǎo)致錯誤的細節(jié)點旋向性；否則，對每一個參考點E = rj，脊線采樣點A、參考點E和脊線采 樣點C構(gòu)成一個三角形A AEC ;SAAEe的符號顯示了參考點E和直線AC的相對位置；如果所 有的參考點都在直線AC的同一側(cè)，那么對應(yīng)的所有三角形都有相同的符號，細節(jié)點的旋向性可以通過參考點集來確定如果對所有的參考點E = rj都有SAAEC > O，則細節(jié)點旋向性 為右旋；如果對所有的參考點E = rj都有SAAEe > O，則細節(jié)點旋向性為左旋；否則為無旋。
8. 按照權(quán)利要求3所述的融入全局信息的指紋細節(jié)點匹配方法，其特征在于，所述注 冊指紋特征和輸入指紋特征具有相同的組成部分，包括指紋細節(jié)點信息、細節(jié)點旋向性以 及細節(jié)點局部方向描述，表示如下]x"^， ，^,mj,Q^j^，其中，Xj， yj， 9 j， tj， nij， a」分別表示第j個細節(jié)點的橫縱坐標、方向、類型、細節(jié)點旋向性和局部方向描述；N表示指紋 特征中包含的細節(jié)點數(shù)量。
9. 按照利要求3所述的融入全局信息的指紋細節(jié)點匹配方法，其特征在于，輸入指紋 特征中的指紋細節(jié)點和模板指紋特征中的指紋細節(jié)點之間的相似度由它們的細節(jié)點旋向 性和細節(jié)點局部方向描述來計算；首先根據(jù)細節(jié)點旋向性檢驗細節(jié)點是否匹配，不同類型 的細節(jié)點旋向性之間的匹配規(guī)則為當兩個細節(jié)點的旋向性一個為左旋而另一個為右旋 時，認為細節(jié)點匹配失敗，則直接將兩個細節(jié)點的相似度置為0 ;對于相似度不為0的兩個 細節(jié)點，再根據(jù)細節(jié)點局部方向描述來計算細節(jié)點的相似度，細節(jié)點相似度Sab的計算公式 可以表示如下_J 0 如果細節(jié)點旋向性匹配失敗 & 二i艦朋0(A(c^,A,/》)其它情況其中，ciu和Pu分別表示兩個細節(jié)點的局部方向描述中第l個同心圓上的第k個采樣點的方向，A (ciu， 是ciu和Pu之間的方向差值，s(A (au， 1^,》)是關(guān)于A (au， 的相似度函數(shù)。
全文摘要
本發(fā)明提出一種融入全局信息的指紋細節(jié)點匹配方法和系統(tǒng)。本系統(tǒng)利用圖像采集單元、圖像預(yù)處理單元、特征提取單元、模板存儲單元和特征匹配單元來實現(xiàn)整個匹配過程。在特征提取單元提出了包含全局信息的特征——細節(jié)點旋向性，并將細節(jié)點旋向性和細節(jié)點信息、以及細節(jié)點局部方向描述作為特征來表示指紋；由細節(jié)點旋向性和細節(jié)點局部方向描述來衡量細節(jié)點之間的相似度；選取相似度最大的幾對細節(jié)點作為初始點對；以每一組初始點對為參照，對指紋特征進行配準并得到相應(yīng)的匹配分數(shù)；選擇各匹配分數(shù)中最大的匹配分數(shù)作為最終的匹配分數(shù)。根據(jù)最終匹配分數(shù)的大小判斷輸入指紋特征與模板指紋特征是否來源于同一個手指，從而完成指紋的細節(jié)點匹配。
文檔編號G06K9/64GK101777128SQ20091024153
公開日2010年7月14日 申請日期2009年11月25日 優(yōu)先權(quán)日2009年11月25日
發(fā)明者曹凱, 楊鑫, 田捷, 臧亞麗 申請人:中國科學(xué)院自動化研究所