[發明專利]基于全局方向信息的指紋檢索方法

有效

• 申請號: 201710538778.1
• 申請日: 2017-07-04
• 公開（公告）號: CN109214246B
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 楊霄;司軒斌;郭振華;馮建江;夏樹濤
• 申請（專利權）人: 清華大學深圳研究生院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 深圳市鼎言知識產權代理有限公司 44311
• 代理人: 曾昭毅;鄭海威

1.一種基于全局方向信息的指紋檢索方法，其特征在于，包括：

步驟A、建立指紋全局方向信息特征表示模型；所述全局方向信息特征表示模型的輸入為包括梯度方向信息、蓋伯濾波響應信息和方向直方圖場信息的多維空間結構的全局方向信息，輸出為指紋圖像的類別；

步驟B、提取指紋數據庫的以及輸入的指紋圖像的包括梯度方向信息、蓋伯濾波響應信息和方向直方圖場信息的多維空間結構的全局方向信息，將所述多維空間結構的全局方向信息輸入至所述全局方向信息特征表示模型來提取所述全局方向信息特征表示模型倒數第二層的特征向量，然后比較輸入的指紋圖像的所述特征向量與指紋數據庫的指紋圖像的所述特征向量來進行檢索。

2.如權利要求1所述的方法，其特征在于，所述步驟A包括：

步驟A1、根據指紋類型、奇異點完整情況、脊線部位和噪聲情況從真實指紋數據庫中挑選指紋構成訓練數據庫；

步驟A2、對所述訓練數據庫進行標定和擴展，得到擴展后的指紋圖像族；

步驟A3、對所述指紋圖像族的類別進行指定；

步驟A4、對所述指紋圖像族的全局方向信息進行提取；

步驟A5、利用所述指紋圖像族的全局方向信息和類別進行特征表示模型的訓練。

3.如權利要求2所述的方法，其特征在于，所述步驟A2包括：

步驟A21、調整所述訓練數據庫中的每個指紋圖像的位置和方向；

步驟A22、對調整后的所述指紋圖像進行方向場標記；

步驟A23、基于多個角度對調整后的所述指紋圖像進行中心旋轉得到擴展圖像族。

4.如權利要求3所述的方法，其特征在于，所述步驟A3包括：

步驟A31、為所述訓練數據庫中的每個指紋指定一個類別；

步驟A32、對每一個類別的所有圖像進行K-中心聚類，得到最終類別；

步驟A33、以所述訓練數據庫中每個指紋的最終類別指定對應的所述擴展圖像族為同樣類別。

5.如權利要求4所述的方法，其特征在于，所述步驟A5包括：

步驟A51、按照所述全局方向信息的大小、期望的所述特征向量的大小和所述最終類別的總數分別建立卷積神經網絡結構；

步驟A52、基于所述全局方向信息和所述指紋圖像族的類別分別對所述卷積神經網絡進行訓練，得到特征表示模型。

6.如權利要求1-5任一項所述的方法，其特征在于，所述步驟B包括：

步驟B1、對實際應用中的指紋數據庫及輸入的指紋圖像進行位置校正；

步驟B2、對校正后的所述的指紋圖像的包括梯度方向信息、蓋伯濾波響應信息和方向直方圖場信息的多維空間結構的全局方向信息進行提取；

步驟B3、對所述全局方向信息進行特征表示，得到所述全局方向信息特征表示模型倒數第二層的特征向量；

步驟B4、利用所述特征向量進行比較輸入的指紋圖像的所述特征向量與指紋數據庫的指紋圖像的所述特征向量來進行指紋檢索。

7.如權利要求6所述的方法，其特征在于，所述步驟B1包括：

步驟B11、對所述指紋圖像提取梯度強度值圖和梯度方向一致性圖；

步驟B12、按照預設閾值劃分所述指紋圖像的前景區；

步驟B13、基于所述前景區的中心將所述指紋圖像調整到校正后的指紋圖像中心。

8.如權利要求6所述的方法，其特征在于，所述步驟B3包括：

步驟B31、將所述全局方向信息輸入所述特征表示模型；

步驟B32、提取卷積神經網絡輸出倒數第二層的特征表示向量；

步驟B33、將所述特征表示向量進行均方歸一化后，組合構成所述特征向量。

9.如權利要求6所述的方法，其特征在于，所述步驟B4中：所述指紋檢索通過計算特征向量的相似度完成，其中相似度采用不同的距離度量方式。