[发明专利]一种基于细节点和纹理特征的指纹图像识别方法

权利要求书

1.一种基于细节点和纹理特征的指纹图像识别方法，其步骤包括：

进行指纹图像的细节点特征提取；

在每个细节点周围一定半径范围内的区域提取纹理特征作为细节点的附加信息；

将细节点和相应的纹理特征与模板上匹配的细节点和纹理特征进行拓扑比对，得到比对分数，当比对分数大于设定阈值，则认为该指纹图像与模板来自同一手指，当比对分数小于设定阈值，则认为该指纹图像与模板来自不同手指；其中，特征比对包括：先用基于细节点的指纹图像比对方法寻找匹配细节点对，将提取的细节点与模板中的所有细节点配准在相同坐标系下，进行拓扑比对，找到匹配的细节点对，得出比对分数；继续匹配所有细节点的纹理特征，每匹配成功一对纹理特征，则比对分数加分，否则减分；纹理特征包括关键点的个数、关键点的坐标、关键点的主方向与辅方向和关键点描述子，其匹配步骤包括：

进行粗匹配，采用穷举方式，利用关键点的描述子信息进行最优匹配排序，生成最优匹配对；

进行精匹配，在粗匹配基础上，采用GFC和GSC两种编码方式，进一步对纹理特征的内部和交叉的位置关系进行过滤，滤除不符合内联关系的关键点对；其中GSC编码为：纹理特征中的每个关键点与其他关键点在其主方向上的投影最大值；GFC编码为：纹理特征的每个关键点与其他关键点在其主方向分别偏离4个角度的投影的相对比较值；

进行仿射关系验证，通过穷举每3组关键点进行仿射变换，并记录每次变换后，符合内联关系的关键点对数、误差和关键点对，最后，返回符合内联关系关键点对数最多且误差最小的仿射变换所对应的关键点对和仿射变换矩阵；

进行相似度验证，对于匹配成功的关键点对，继续验证关键点对所在图像周围区域的相似度，若相似度高于设定阈值，则通过验证，否则未通过验证；

得出最终纹理特征匹配结果，统计匹配成功的关键点对数，当匹配成功的关键点对数的比例大于设定阈值，则该纹理特征匹配成功，否则匹配失败；

将比对分数大于设定阈值的指纹图像融合进模板。

2.根据权利要求1所述的一种基于细节点和纹理特征的指纹图像识别方法，其特征在于：纹理特征的提取包括关键点检测、计算关键点主方向与辅方向和计算关键点描述子，其提取的步骤包括：

构建高斯金字塔，在下采样的基础上加上了高斯滤波，一幅图像可以产生几组图像，一组图像包括3～5层图像；

构建DOG金字塔，将相邻尺度高斯平滑后的图像相减；

进行关键点检测，关键点是由DOG空间的局部极值点组成，寻找DOG空间的极值点，每个像素点都要与它所有的相邻点比较，看其是否比它的图像域和尺度域的相邻点大或者小；

进行虚假关键点剔除，剔除对比度较低的不稳定极值点和有较强边缘响应的关键点；

计算关键点主方向和辅方向，计算关键点周围每个像素点的梯度幅值和方向，并将同方向所有像素点的梯度幅值累加起来，得到梯度方向直方图，梯度方向直方图主峰值所对应的方向为关键点主方向，当梯度方向直方图中存在另一个相当于主峰值80％能量的峰值时，则认为该方向为关键点的辅方向；

计算关键点描述子，对关键点周围一定区域内所有像素点计算其梯度幅值和方向，然后对每个梯度幅值乘以高斯权重参数，生成方向直方图。

3.根据权利要求2所述的一种基于细节点和纹理特征的指纹图像识别方法，其特征在于：虚假关键点剔除步骤中先利用DOG函数在尺度空间的Taylor展开式，剔除对比度较低的不稳定极值点；后利用关键点周围一定区域的主曲率，剔除有较强边缘响应的关键点。

4.根据权利要求1所述的一种基于细节点和纹理特征的指纹图像识别方法，其特征在于：模板上特征融合包括：将细节点的坐标和方向平移旋转至与模板相同的坐标系下，同时也将纹理特征中每个关键点的坐标、主方向与辅方向和描述子平移旋转至与模板相同的坐标系下。

5.根据权利要求1～4之一所述的一种基于细节点和纹理特征的指纹图像识别方法，其特征在于：细节点特征提取前进行指纹图像预处理。

6.根据权利要求5所述的一种基于细节点和纹理特征的指纹图像识别方法，其特征在于：纹理特征为HOG特征、LBP特征、Harris角点特征和SIFT特征中的一种或多种。