[发明专利]一种基于脊线特征和TPS形变模型的指纹图像拼接方法

说明书

本发明属于数字图像处理技术领域，公开了一种基于脊线特征和TPS形变模型的指纹图像拼接方法，分别提取两幅待拼接的小面积指纹图像中的细节点，细节点两两配准后，获得相似度分数最高的细节点对；计算获得初次配准的旋转平移参数，得到初次拼接的指纹图像；求取两幅待拼接的小面积指纹图像的细化图；通过N邻域块法寻找细化图的重叠区域的匹配脊线，寻找匹配的脊线对；引入TPS形变模型，从脊线对特征层面修正指纹图像的弹性形变，然后进行二次配准，得到二次拼接的指纹图像的最终结果。本发明利用细节点进行初次配准，通过N邻域块法寻找重叠区域的匹配脊线，从而减少错误匹配细节点带来的拼接误差。

技术领域

本发明属于数字图像处理技术领域，尤其涉及一种基于脊线特征和TPS形变模型的指纹图像拼接方法及自动指纹识别系统。

背景技术

在众多生物特征识别中，基于指纹的认证是一项重要的生物识别技术，在军事和民用领域都有广泛的应用，由于在实际应用中需要充分考虑可靠性和安全性，指纹识别在过去的几年中受到越来越多的关注。指纹识别普及的另外一个原因是指纹传感器的价格较低，可以很容易的集成到PC键盘、手机和各种智能卡中。在指纹识别领域，指纹细节点是最具差异性和可靠性的特征，也是指纹识别中最常用的特征，其中最突出的是脊线端点和分叉点。传统基于细节点模式的指纹配准算法对细节点的数量有一定要求，当指纹图像形变过大，或者有效匹配面积过小时会有较大的识别精度损失。小面积指纹只包含少量的细节点，将细节点作为指纹配准或者拼接的唯一信息时，识别精度会有较大幅度的降低；在指纹的采集过程中，指纹的3D表面需要被平压在传感器上，这种3D 转2D的方式会带来非线性失真，而且每次手指按压力度的大小都会造成不同程度的弹性形变。

目前已有小面积指纹拼接大多采用刚性变换进行处理，没有考虑指纹的弹性形变，而在小面积指纹图像中，指纹的弹性形变是影响最终识别率的重要因子，所以传统的未考虑弹性形变的小面积拼接算法难以得到准确的拼接结果及较高的识别率。因此，当前对于小面积指纹识别领域突出的问题在于：

1、小面积指纹图像包含的细节点数量少，传统的细节点匹配算法和拼接算法没有引入脊线特征，识别精度不高；

2、传统的细节点拼接算法没有纠正指纹非线性失真和弹性形变导致的误差，使得拼接效果差。

综上所述，现有技术没有考虑到指纹采集过程中的形变问题，且将细节点作为指纹配准或者拼接的唯一信息，造成拼接效果较差，当拼接图像用作后续指纹识别的模板时，识别率较低。本发明提出的方法考虑了指纹采集时带来的弹性形变问题，找到初步配准参数后进一步消除了形变，得到清晰度更高的拼接图像，同时提高了识别率。

发明内容

针对现有技术存在的问题，本发明提供了一种基于脊线特征和TPS形变模型的指纹图像拼接方法及自动指纹识别系统。

本发明是这样实现的，一种基于脊线特征和TPS形变模型的指纹图像拼接方法，所述基于脊线特征和TPS形变模型的指纹图像拼接方法，包括：

分别提取两幅待拼接的小面积指纹图像中的细节点，细节点两两配准后，获得相似度分数最高的细节点对；

计算获得初次配准的旋转平移参数，根据旋转平移参数得到初次拼接的指纹图像；

求取两幅待拼接的小面积指纹图像的细化图；

通过N邻域块法寻找细化图的重叠区域的匹配脊线，并分别对两幅细化图重叠区域的脊线进行编号，寻找匹配的脊线对；

引入TPS形变模型，从脊线对特征层面修正指纹图像的弹性形变，然后进行二次配准，得到二次拼接的指纹图像的最终结果。

进一步，所述基于脊线特征和TPS形变模型的指纹图像拼接方法具体包括：