[发明专利]一种结合细节点和细线结构的指纹识别方法

说明书

本发明公开了一种结合细节点和细线结构的指纹识别方法。本发明包括以下步骤：步骤1、采集所有注册用户的手指指纹图像，并分别对指纹图像进行预处理和特征提取，得到细节点和细线结构特征，并分别保存到数据库中，建立手指指纹数据库；步骤2、采集待识别用户的手指指纹图像，并对指纹图像进行预处理和特征提取，得到待识用户的手指指纹图像的细节点特征和细线结构特征；步骤3、对待识用户的手指指纹图像进行匹配。本发明充分利用细节点周围的方向场信息，使得细节点有较强的鉴别能力，降低了虚假细节点对匹配的影响；并且细节点特征可以快速的提取出两指纹的匹配参考点，减少快指纹匹配的时间。

技术领域

本发明属于生物特征识别及信息安全技术领域，特别涉及一种结合细节点和细线结构的指纹识别方法。

背景技术

指纹识别技术是一种生物特征识别技术，因其安全性高，稳定性高，普遍性强，兼容性强以及采集设备便捷成为国外学者的研究热点。手指指纹识别技术主要包括采集手指指纹图像，图像预处理，提取特征和匹配识别。目前，对于高质量指纹图像，指纹识别系统有着近乎完美的性能，高精度、高效率、性能稳定。在实际采集指纹图像时，由于采集设备、环境的影响，无法完全得到高质量指纹图像，其中的部分指纹存在图像残缺，纹理断裂的指纹质量差的问题。低质量指纹图像存在大量干扰噪声，有效信息量小，导致单一特征识别的准确率较低。因此，如何针对低质量指纹，小面积指纹，扭曲指纹，潜在指纹的特点，提高指纹识别的准确率和效率成为目前研究的难点。

目前自动指纹识别系统中最基础、应用最广的匹配方法基于指纹细节点的匹配方式，即点模式匹配。但细节点特征模式存在一些不足：一是细节点分布不均匀，在指纹的有些区域细节点特征很少，特别是当该区域占据指纹图像的主要区域时，用细节点特征来识别指纹常常会导致错误的匹配；二是低质量区域容易提取到较多虚假的细节点，而现有的指纹预处理算法，在该区域虚假细节点远多于正确细节点时很难精确的区分，要么保留较多虚假细节点，要么连少数正确细节点都去掉，从而降低了指纹识别准确性；三是在严重扭曲的指纹中，细节点的位置和方向都会发生较大的变化，虽然一些匹配算法能适应指纹形变的问题，但是在降低错误拒绝率的同时会使错误接受率增大。

综上所述，由于细节点特征存在一些不足，使得在低质量、小面积、严重扭曲等情况下识别率很难达到满意的效果。在指纹识别过程中，细线结构也是指纹重要特征，从细线结构上来说，细节点代表了细线结构的突变特征，即细线突然发生中断或者分叉，这种特征是显著的，便于区别不同指纹，但是又不太稳定。一方面在没有细线改变的区域就没有细节点，另一方面由于采集图像的过程导致有的区域与实际指纹不同而产生了错误的改变进而提取错误的节点；指纹图像的基本形状、纹路走向等特征是由细线结构决定的，从而具有更可靠性。但如果单纯利用细线结构匹配，由于细线结构基准点对又难以确定，影响细线结构对齐，对于指纹匹配的时间会增加。

发明内容

本发明的目的是针对现有技术的不足，对于低质量指纹，小面积指纹，扭曲指纹以及潜在指纹，单一细节点模式匹配很难满足自动指纹识别系统的要求，提供了一种结合细节点和细线结构的指纹识别方法。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1、采集所有注册用户的手指指纹图像，并分别对指纹图像进行预处理和特征提取，得到细节点和细线结构特征，并分别保存到数据库中，建立手指指纹数据库；

步骤2、采集待识别用户的手指指纹图像，并对指纹图像进行预处理和特征提取，得到待识用户的手指指纹图像的细节点特征和细线结构特征；

步骤3、对待识用户的手指指纹图像进行匹配：

步骤1具体实现如下：

1-1.采集注册用户的手指指纹图像，对指纹图像灰度处理，得到指纹图像的原始灰度图像；

1-2.通过基于梯度的方向场计算方法得到原始灰度图像的方向场，并对原始灰度图像进行分割，获取指纹纹线区域图像；