[发明专利]用于指纹识别的特征选择方法

说明书

本发明公开了用于指纹识别的特征选择方法，涉及指纹特征选择，包括指纹样本图像，还包括以下步骤：S1，进行图像去噪处理后，对所述指纹样本图像进行图像信息统计，获得基本统计特征集；S2，获取基于图像自身属性的特征点集；S3，获取区域定义的特征点集；S4，依据S1‑S3获取的特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征，作为指纹的特征参数。本发明通过选择合适的特征，能够有效提高指纹特征选择的稳定性、精确性及实时性；能够综合考虑不同条件下的特征有效性，提高图像特征的抗干扰能力。

技术领域

本发明涉及指纹特征选择，具体涉及用于指纹识别的特征选择方法。

背景技术

指纹，由于其具有终身不变性、唯一性和方便性，已几乎成为生物特征识别的代名词。指纹是指人的手指末端正面皮肤上凸凹不平产生的纹线。纹线有规律的排列形成不同的纹型。纹线的起点、终点、结合点和分叉点，称为指纹的细节特征点。目前指纹图像存在干扰项多，难以选择良好识别特征的问题。

发明内容

本发明所要解决的技术问题是目前指纹图像存在干扰项多，难以选择良好识别特征的问题，目的在于提供用于指纹识别的特征选择方法，解决上述问题。

本发明通过下述技术方案实现：

用于指纹识别的特征选择方法，包括指纹样本图像，还包括以下步骤：

S1，进行图像去噪处理后，对所述指纹样本图像进行图像信息统计，获得基本统计特征集；

S2，获取基于图像自身属性的特征点集；

S3，获取区域定义的特征点集；

S4，依据S1-S3获取的特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征，作为指纹的特征参数。

进一步地，所述区域定义的特征点集，包括LOG算子、Forstner算子、SIFT算子。

进一步地，所述基于自身属性的特征点集，包括边缘点、角点、交叉点。

进一步地，所述基本统计特征，包括亮度、重心、灰度直方图。

进一步地，所述特征压缩方法采用最小方差排名的前6项中，排名为奇数的特征与其后一位的特征相乘，形成新的特征。

本发明与现有技术相比，具有如下的优点和有益效果：

1、本发明用于指纹识别的特征选择方法，通过选择合适的特征，能够有效提高指纹特征选择的稳定性、精确性及实时性；

2、本发明用于指纹识别的特征选择方法，能够综合考虑不同条件下的特征有效性，提高图像特征的抗干扰能力。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

本发明用于指纹识别的特征选择方法，包括指纹样本图像，还包括以下步骤：

S1，进行图像去噪处理后，对所述指纹样本图像进行图像信息统计，获得基本统计特征集；

S2，获取基于图像自身属性的特征点集；

S3，获取区域定义的特征点集；

S4，依据S1-S3获取的特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征，作为指纹的特征参数。