基于曲波紋理分析和svm-knn分類的假指紋檢測算法
【專利摘要】本發(fā)明公開了基于曲波紋理分析和SVM-KNN分類的假指紋檢測算法，其包括以下步驟：曲波變換；曲波重構(gòu)；曲波系數(shù)特征提取，系數(shù)能量、熵等特征提取以及系數(shù)一階統(tǒng)計量提?。患y理特征提取，一階統(tǒng)計量、灰度共生矩陣、MRF特征等的提??；分類器訓(xùn)練；分類器性能評估；假指紋檢測：利用已經(jīng)訓(xùn)練好的分類器對樣本進(jìn)行測試。本發(fā)明適用于分辨率為500dpi的各類指紋采集儀，分別對圖像高頻噪聲信息以及去噪后的紋理信息進(jìn)行分析，量化真假指紋之間的噪聲以及紋理差異。
【專利說明】基于曲波紋理分析和SVM-KNN分類的假指紋檢測算法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理、模式識別等相關(guān)【技術(shù)領(lǐng)域】，尤其是涉及一種基于曲波紋理分析和SVM-KNN分類的假指紋檢測算法，旨在對指紋進(jìn)行檢測以辨別真假。
【背景技術(shù)】
[0002]假指紋一般意義上指的是用硅膠、乳膠、橡皮泥等材料制成的模仿人體指紋紋理的指紋，算法主要步驟包括圖像處理、特征提取、分類器訓(xùn)練和圖像分類等重要環(huán)節(jié)。
[0003]隨著經(jīng)濟(jì)和社會的發(fā)展，生物特征識別技術(shù)，特別是指紋技術(shù)得到了越來越廣泛的應(yīng)用。但一些廉價材料制作的假指紋的出現(xiàn)，及其制作技術(shù)的提高，卻為指紋特征識別帶來了安全隱患。有研究表明可以根據(jù)用戶留下的指紋，利用硅膠、明膠、橡皮泥等廉價材料制成假指紋膜騙過傳統(tǒng)的指紋采集儀。用含有授權(quán)用戶身份信息的假指紋，試圖創(chuàng)造未經(jīng)授權(quán)的訪問，被稱為欺騙。當(dāng)人們希望隱瞞真實身份或者獲得已授權(quán)用戶的特權(quán)時，經(jīng)常采用這類針對采集儀的攻擊方法。為了抵抗假指紋對指紋識別系統(tǒng)的攻擊，假指紋檢測技術(shù)應(yīng)運(yùn)而生。假指紋檢測技術(shù)是判斷指紋樣本是否來自活體指紋的方法，檢測方法可分為兩類:第一類用手指溫度、皮膚導(dǎo)電性、脈搏血氧等特性，這些特性可以通過在指紋采集儀上加入額外的硬件設(shè)備來檢測得到，但是會增加采集儀的成本，稱為基于硬件的假指紋檢測方法；第二類方法為了檢測指紋圖像的活性信息，對指紋樣本圖片做額外的處理，比如灰度級分析、紋理特征分析等，這類方法稱為基于軟件的方法?；谲浖姆椒òo態(tài)和動態(tài)特性的檢測方法，靜態(tài)特性從一張或多張圖像中提取得到(手指一次或多次放到采集儀上進(jìn)行采集)，動態(tài)特性從多幅指紋圖像幀中提取得到(手指放在采集儀上一段時間，獲取一段圖像序列進(jìn)行分析)。基于軟件的方法成本低，對用戶的侵入性較小，且能用于現(xiàn)有的指紋采集儀。因此對基于軟件的假指紋檢測方法的研究，具有重大的實用價值和推廣意義。
[0004]由于指紋脊線谷線交替，使指尖表面呈現(xiàn)一定模式的粗糙度，Moon提出了一種分析高分辨率指尖圖像表面粗糙程度的假指紋檢測方法。這種方法只對高分辨率采集儀(1000dpi及以上)有效，對于市面上流行的普通的500dpi采集儀適用性不高。由于汗孔的存在和汗液現(xiàn)象，真指紋脊線灰度級變化明顯，而人造材料如明膠和硅膠制作的假指紋，脊線灰度級變化緩慢?；谏鲜鏊枷耄琋ikam和Agrwal提出了一種基于紋理的方法，用指紋像素相關(guān)的灰度級分析指紋圖像的活性。這種方法在中心點(diǎn)(core point)準(zhǔn)確定位時表現(xiàn)出了良好的性能，然而現(xiàn)有的中心點(diǎn)檢測算法在處理低質(zhì)量圖像和太干或太濕的指紋圖像時性能不佳。Abhyankar和Schuckers提出了一種基于多分辨率紋理分析和紋路頻率分析的方法，用不同的紋理特性量化物理結(jié)構(gòu)變化時灰度級分布變化。但此方法在實際應(yīng)用中有一定的局限性，因為局部脊線頻率的計算會受天氣影響，也與不同的皮膚狀況有關(guān)。
[0005]目前紋理分析是假指紋檢測的主流方法，紋理分析之前一般都會先對指紋圖像進(jìn)行濾波去噪，常用的紋理特征包含一階統(tǒng)計量、Local Binary Pattern (LBP)等。但LBP算子有小空間支撐區(qū)域的限制，并且進(jìn)行單純的紋理分析，而摒棄對真假指紋由于材料不同所造成的采集圖像噪聲差異的分析也是不可取的。
【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的就是為了解決上述問題，提供一種基于曲波紋理分析和SVM-KNN分類的假指紋檢測算法，該算法適用于分辨率為500dpi的各類指紋采集儀，分別對圖像高頻噪聲信息以及去噪后的紋理信息進(jìn)行分析，量化真假指紋之間的噪聲以及紋理差異，相較于LBP算法能更好地表現(xiàn)由于假指紋制作材料引起的與真指紋的噪聲分布間的微小偏差。
[0007]本發(fā)明的技術(shù)構(gòu)思為:目前假指紋檢測的主流方法是紋理分析，比如T.0jala的“A comparative study of texture measures with classification based on featureddistributions” 一文中對于利用Local Binary Pattern(LBP)特征進(jìn)行假指紋檢測做了相關(guān)分析，LBP是一種有效的紋理描述算子，度量和提取圖像局部的紋理信息，對光照具有不變性，而真假指紋紋理之間沒有明顯的差異，紋理表現(xiàn)形式有細(xì)微的差別，通過提取LBP特征對指紋圖像進(jìn)行量化分析以辨別真假指紋，該算法的測試結(jié)果顯示平均錯誤接受率為14.85%，但LBP算子有小空間支撐區(qū)域的限制，并且進(jìn)行單純的紋理分析，而摒棄對真假指紋由于材料不同所造成的采集圖像噪聲差異的分析也是不可取的；因為假指紋材質(zhì)與人體皮膚有異，通常采集得到的指紋圖像的噪聲分布會有較大差別，本發(fā)明提出一種利用曲波系數(shù)特征及曲波重構(gòu)圖像紋理特征進(jìn)行SVM-KNN分類的假指紋檢測算法。先對指紋圖像進(jìn)行曲波變換提取各尺度各方向域的系數(shù)特征，曲波系數(shù)可以劃分成為多個尺度層，最內(nèi)層也就是第一層稱為Coarse尺度層，是由低頻系數(shù)組成的一個的矩陣，最外層也稱為Fine尺度層，是由高頻系數(shù)組成的一個矩陣，中間的幾層稱為Detail尺度層，每層系數(shù)是由中高頻系數(shù)組成的矩陣，其中Fine層與Detail層中的高頻以及中高頻系數(shù)包含了圖像的噪聲信息；重構(gòu)指紋圖像并提取一階統(tǒng)計量、灰度共生矩陣(GLCM)和馬爾科夫隨機(jī)場(MRF)等紋理特征與系數(shù)特征組成特征向量；然后通過SVM進(jìn)行訓(xùn)練，由于SVM對超平面附近的樣本分類存在不穩(wěn)定性，引入SVM-KNN分類對假指紋進(jìn)行檢測。
[0008]為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案:
[0009]基于曲波紋理分析和SVM-KNN分類的假指紋檢測算法，該假指紋檢測算法包括如下步驟:
[0010]S1.曲波變換
[0011]對目標(biāo)圖像利用Wrap算法進(jìn)行離散曲波變換得到曲波系統(tǒng)c (j，1，k)；
[0012]S2.曲波重構(gòu)
[0013]于曲波變換之前，先進(jìn)行去噪處理，而后進(jìn)行曲波重構(gòu)得到重構(gòu)圖像f ；
[0014]S3.系數(shù)特征提取
[0015]對曲波系數(shù)c(j，I, k)提取系數(shù)特征，其包括如下過程:
[0016]S3.1.曲波系數(shù)被劃分成多個尺度層，最內(nèi)層也就是第一層稱為Coarse尺度層，是由低頻系數(shù)組成的一個矩陣；最外層，也稱為Fine尺度層，是由高頻系數(shù)組成的一個矩陣；中間的幾層稱為Detail尺度層，每層系數(shù)是由中高頻系數(shù)組成的矩陣；其中，F(xiàn)ine層與Detail層中的高頻以及中高頻系數(shù)包含了圖形噪聲信息，對Fine層與Detail層提取系數(shù)特征，統(tǒng)計每層系統(tǒng)的能量E、最大值MAX、最小值MIN、均值Mean、方差Var，其中，計算每層系數(shù)的絕對值的平方和作為能量；
[0017]S3.2.對每層系數(shù)進(jìn)行一階統(tǒng)計量特征提取，其中一階計量包括:[0018]能量:
【權(quán)利要求】
1.基于曲波紋理分析和SVM-KNN分類的假指紋檢測算法，其特征在于，該假指紋檢測算法包括如下步驟: s1.曲波變換 對目標(biāo)圖像利用Wrap算法進(jìn)行離散曲波變換得到曲波系統(tǒng)c(j，1，k)； s2.曲波重構(gòu) 于曲波變換之前，先進(jìn)行去噪處理，而后進(jìn)行曲波重構(gòu)得到重構(gòu)圖像f ; s3.系數(shù)特征提取 對曲波系數(shù)c(j，l，k)提取系數(shù)特征，其包括如下過程: S3.1.曲波系數(shù)被劃分成多個尺度層，最內(nèi)層也就是第一層稱為Coarse尺度層，是由低頻系數(shù)組成的一個矩陣；最外層，也稱為Fine尺度層，是由高頻系數(shù)組成的一個矩陣；中間的幾層稱為Detail尺度層，每層系數(shù)是由中高頻系數(shù)組成的矩陣；其中，F(xiàn)ine層與Detail層中的高頻以及中高頻系數(shù)包含了圖形噪聲信息，對Fine層與Detail層提取系數(shù)特征，統(tǒng)計每層系統(tǒng)的能量E、最大值MAX、最小值MIN、均值Mean、方差Var，其中，計算每層系數(shù)的絕對值的平方和作為能量； s3.2.對每層系數(shù)進(jìn)行一階統(tǒng)計量特征提取，其中一階計量包括:
【文檔編號】G06K9/00GK103942540SQ201410143345
【公開日】2014年7月23日 申請日期:2014年4月10日 優(yōu)先權(quán)日:2014年4月10日
【發(fā)明者】張永良, 方珊珊, 謝瑜 申請人:杭州景聯(lián)文科技有限公司