[發明專利]基于統計方法的指紋識別方法

無效

• 申請號: 200710035239.2
• 申請日: 2007-06-28
• 公開（公告）號: CN101079102A
• 公開（公告）日: 2007-11-28
• 發明（設計）人: 鄧宏貴;曹祥
• 申請（專利權）人: 中南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 中南大學專利中心
• 代理人: 胡燕瑜

1.基于統計方法的指紋識別方法，其特征為：對采集到的指紋圖像進行分割，提取出指紋圖像中可以通過增強算法恢復的區域，分割采用基于閾值的方法，對紋線的灰度梯度和梯度方向一致性設置閾值進行分割，步驟如下：

(1)利用Sobel算子計算每個像素的x方向梯度G_x與y方向梯度G_y，計算出該像素的梯度 G ( i , j ) = ( G x 2 + G y 2 ) , ]]>并對梯度矩陣進行N×N的均值濾波，N取8-13；

(2)對梯度取對數G(i，j)＝50*log₂(G(i，j)+1)，并且將梯度矩陣取整數；

(3)計算圖像方向一致性參數 coh = | ΣΣ G → 2 | ΣΣ | G → 2 | = | ΣΣ ( G x 2 - G y 2 ) + jΣΣ ( 2 G x G y ) | ΣΣ | ( G x 2 - G y 2 ) + j 2 G x G y | ; ]]>

(4)梯度閾值采用OTSU方法動態設定，方向一致性閾值設置為0.39，將梯度與方向一致性與對應閾值比較，若小于閾值，則為背景，相反，就為有效區域；

計算分割得到有效區域的點方向圖， Orient = π 2 - an tan 2 ( V y , V x ) , ]]>并將他量化0～255；

計算紋線的平均周期，步驟如下：

(1)以橫縱坐標為16倍數的像素為中心，選取以矩形區域，矩形的寬l為32，垂直與該像素對應的紋線方向，高h為16，計算在寬上投影在同一個點的所以像素的灰度和：

x [ l ] = Σ h = - 8 7 S ( l , h ) ]]>其中h為h-l坐標系內坐標

= Σ d = - 8 7 S ( i - ( l - 8 ) sin ( θ ) + h cos ( θ ) , j + ( l - 8 ) cos ( θ ) + h sin ( θ ) ) ( 2.3 - 14 ) ]]>

其中l＝0，2，3…，31

(2)計算x[l]的均值，將x[l]減去它的均值，得到新的x′[l]；

(3)計算 F ( k ) = Σ k = 0 31 x ′ ( k ) e - j 2 πnk / N , ]]>在F(k)中，下表0～N/2找出幅值最大值的下表m，則該處紋線的周期 T m = N m , ]]>其中N＝256；

(4)求出各個位置的周期，計算所用周期落在5～22范圍內的周期和，求其平均值，就得到指紋圖像的平均紋線周期；

(5)將指紋的平均周期存入模板庫，將所有在有效區域，坐標為4的倍數處的方向存入模板庫；

生成濾波矩陣，對指紋圖像進行濾波增強，根據指紋圖像的周期，生成16個方向周期為紋線周期的濾波矩陣：

h ( i , j , θ , T ) = exp [ - 1 2 ( ( i cos ( θ ) + y sin ( θ ) ) 2 + ( - i sin ( θ ) + j cos ( θ ) ) 2 4 T ) ] cos ( 2 π ( i cos ( θ ) + y sin ( θ ) ) T ) ]]>

其中θ取16個量化方向為：0°，11.2500°，22.5°，33.75°，45°，56.25°，67.5°，78.75°，90°，101.25°，112.5°，123.75°，135°，146.25°，157.5°，168.75°；

對增強后的指紋圖像利用OTSU方法進行二值化，查表的方法進行細化，利用查表的方法細化指紋紋線，表格內容為：TABLE1[256]＝{0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，0，0，0，0，0，1，1，0，1，0，0，0，0，0，0，0，0，0，0，0，0，1，1，0，1，0，0，0，0，1，0，0，0，1，0，0，0，1，1，0，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，1，0，1，0，0，0，0，1，0，0，0，1，0，0，0，1，1，0，0，1，0，0，0，0，0，0，0，0，0，0，0，1，1，0，1，0，0，0，0，1，0，0，0，1，0，0，0，1，1，0，0，1，0，0，0}TABLE2[256]＝{0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，1，1，1，0，1，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，1，1，0，1，1，0，0，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，1，1，0，0，1，1，0，0，1，1，0，0，1，1，0，0，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，1，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，0，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0}

利用統計的方法進行細節特征匹配，以及紋線周期和全局方向結構特征匹配，匹配的步驟為：

(1)將輸入指紋細節特征向量集I′＝{i′₁，i′₂，…，i_n}中任意兩個向量對，與模板庫中指紋細節特征向量集I＝{i₁，i₂，…，i_m}中的任意兩個向量對進行比對，若匹配，計算有它們確定的平移旋轉參數(Δx，Δy，Δα)，將該校正向量存入序列ΔP中；

(2)統計校正向量序列ΔP中的向量落在某個區域的頻數，確定頻數大的區間，計算該區間上校正向量的加權平均值，以該值作為校正參數對模板的細節特征向量和方向特征向量進行平移旋轉校正；

(3)將校正后的模板特征向量集中的細節特征向量集I＝{i₁，i₂，…，i_m}與輸入指紋的細節特征向量集I′＝{i′₁，i′₂，…，i_n}進行比對，如果匹配的點數大于等于8個，則進行方向場匹配，否則認為不是來自同一個指紋；

(4)將模板庫中的校正后方向特征向量集O＝{o₁，o₂…，o_n}與指紋圖像對應坐標出方向進行比對，若方向差絕對值小于π/16，或方向差絕對值小于與π的差絕對值小于π/16，則對應點處的方向是一致的，統計不一致點數，如果不一致點數與比較總點數小于0.045，整體方向場是匹配，判斷兩個指紋是來自同一個指頭。