[發明專利]一種基于SVM和隨機森林的指紋圖像質量判斷方法

在審

• 申請號: 201711103387.3
• 申請日: 2017-11-10
• 公開（公告）號: CN107992800A
• 公開（公告）日: 2018-05-04
• 發明（設計）人: 羅美美;楊波
• 申請（專利權）人: 杭州晟元數據安全技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 杭州千克知識產權代理有限公司33246
• 代理人: 趙芳,張瑜

1.一種基于SVM和隨機森林的指紋圖像質量判斷方法，其特征在于：包括樣本訓練和樣本預測，樣本訓練步驟包括：

挑選質量相對較好的圖像作為訓練用正樣本，挑選質量較差的圖像作為訓練用負樣本；

對訓練用正樣本和訓練用負樣本進行方差、脊谷對比度、方向一致性、Gabor特征值、HOG特征和LBP特征的提取，將這些特征組成特征向量并進行歸一化處理；

將歸一化后的特征向量輸入到LIBSVM進行訓練得到SVM模型；

將歸一化后的特征向量輸入到隨機森林模型進行訓練得到隨機森林模型；

樣本預測步驟包括：

對待預測樣本進行特征提取和特征向量歸一化處理；

將歸一化的待預測樣本的特征向量分別代入SVM模型和隨機森林模型獲得相應的質量分數；

將SVM模型得到的質量分數與隨機森林模型得到的質量分數求均值，并將其作為最終的預測結果。

2.根據權利要求1所述的一種基于SVM和隨機森林的指紋圖像質量判斷方法，其特征在于：訓練用正樣本為不同傳感器的不同手指采集的相對質量較好的圖像。

3.根據權利要求1所述的一種基于SVM和隨機森林的指紋圖像質量判斷方法，其特征在于：訓練用負樣本為不同傳感器采集的無手指圖像和質量很差的有手指圖像。

4.根據權利要求1所述的一種基于SVM和隨機森林的指紋圖像質量判斷方法，其特征在于：樣本預測步驟中提取的特征與樣本訓練步驟中提取的特征是一致的。

5.根據權利要求1所述的一種基于SVM和隨機森林的指紋圖像質量判斷方法，其特征在于：樣本預測步驟中歸一化處理方法與樣本訓練步驟中歸一化處理方法是一致的。

6.根據權利要求1～5之一所述的一種基于SVM和隨機森林的指紋圖像質量判斷方法，其特征在于：樣本預測步驟和樣本訓練步驟中特征提取方法如下：

a)先計算整幅指紋圖像的均值，將每個像素點的灰度值與均值的差值的平方累加起來，再除以像素點的個數，得到該圖像的方差；

b)先計算整幅圖像的均值，然后統計整幅圖像中大于均值的像素點個數和小于均值的像素點個數，最后將二者相除，得到脊谷對比對；

c)首先計算整幅圖像所有像素點的梯度向量協方差矩陣，然后計算該協方差矩陣的特征值a1和a2，根據計算得到的特征值a1和a2，方向一致性(coh)可表示為：

coh＝((a1-a2)*(a1-a2))/((a1+a2)*(a1+a2))；

d)Gabor特征值的提取方法為將圖像與不同尺度和方向的模板卷積得到多個Gabor特征值，繼續計算上述Gabor特征值的標準差，該標準差即為組成特征向量所需要的特征；

e)HOG特征的提取方法為計算每個像素點處的梯度幅值和方向，并將同方向像素點的梯度幅值累加起來；找出最大梯度幅值對應的方向和其反方向，并將這兩個方向對應的梯度幅值作為最終提取的特征。

f)將圖像中每個像素與周圍的8個像素進行比較，若周圍像素值大于中心像素值，則該像素點的位置被標記為1，否則為0，這樣3*3鄰域內的8個點經比較可產生8位二進制數，即得到窗口中心像素點的十進制LBP值；統計每個十進制LBP值出現的頻率，生成直方圖并進行歸一化，該歸一化后的直方圖即為所需提取的LBP特征。

7.根據權利要求6所述的一種基于SVM和隨機森林的指紋圖像質量判斷方法，其特征在于：SVM模型包括訓練所采用的核函數、懲罰系數、支持向量機的個數、支持向量和判別函數的偏置項。

8.根據權利要求6所述的一種基于SVM和隨機森林的指紋圖像質量判斷方法，其特征在于：隨機森林模型包括組成隨機森林的決策樹的個數、決策樹的節點分裂屬性和節點決策函數，其輸出的結果是通過多數投票對比分析完成。