[发明专利]一种基于指纹词袋特征的快速搜索方法

权利要求书

1.一种基于指纹词袋特征的快速搜索方法，具体步骤如下：

(1)提取M张指纹图像，对每张图像提取其细节点的特征，并将每张图像的细节点特征中的任意两细节点建立拓扑关系，得到新的特征信息；

(2)将步骤(1)中获得的所有特征信息进行词汇树的建立；

(3)提取模板库中每个指纹图像的细节点信息并计算其拓扑结构的特征信息，并放到步骤(2)建立的词汇树中计算得到模板库中每个指纹图像的特征向量；

(4)根据步骤(3)得到的所有特征向量计算词汇树的每个节点的权重；

(5)提取待匹配指纹图像的细节点信息并计算其拓扑结构的特征信息，并放到步骤(2)建立的词汇树中计算得到待匹配指纹图像的特征向量；

(6)根据步骤(4)得到的每个节点的权重更新模板库中所有特征向量和待匹配指纹图像的特征向量；

(7)将步骤(6)得到的待匹配指纹图像的特征向量与步骤(6)得到的模板库中每个特征向量进行比对并分别得到比对分数，取得分低的前几位对应的模板库的指纹图像与待匹配指纹图像一一比对。

2.根据权利要求1所述的一种基于指纹词袋特征的快速搜索方法，其特征在于：步骤(1)中细节点的特征为[x,y,angle]，其中，(x,y)为该细节点的位置信息，angle为其方向信息。

3.根据权利要求2所述的一种基于指纹词袋特征的快速搜索方法，其特征在于：步骤(1)中新的特征信息的计算过程如下：

设第i张图共有Ni个细节点特征，将这Ni个细节点任意两点之间建立一种拓扑关系，设ra是细节点A的方向，rb是细节点B的方向，dis表示细节点A和B之间的欧氏距离，Ang表示两个细节点连线的方向，ra-Ang表示细节点A的方向与两点连线Ang夹角的差值，rb-Ang表示细节点B的方向与两点连线Ang夹角的差值，最后得到新的特征信息[dis,ra-Ang,rb-Ang]。

4.根据权利要求1所述的一种基于指纹词袋特征的快速搜索方法，其特征在于：步骤(2)的词汇树的建立过程如下：

建立一个L层的K叉树，第0层为根节点不作处理，第一层有K个节点，通过k-means的聚类算法，以欧氏距离为距离度量，将M张图像的所有特征信息进行分类，并且在每个树的节点记录该分类的聚类中心，然后对于每个节点所在的所有特征信息继续往下分类，一直到叶节点或者特征信息个数足够少的时候为止；并且记录每个节点的聚类中心，除去根节点后还有((K^L-1)/(K-1)-1)个节点，即最多有((K^L-1)/(K-1)-1)个聚类中心；将每个节点的位置信息以及聚类中心信息全部记录下来，并用数组保存。

5.根据权利要求1所述的一种基于指纹词袋特征的快速搜索方法，其特征在于：步骤(3)和步骤(5)中的特征向量的计算过程如下：

提取了指纹图像A，设特征向量数组为a，a的长度为训练出来树的节点数，并且初始化为0；假设指纹图像A有m个特征信息，xi是其中第i个特征信息，将xi放到词汇树中由上而下，每一层均选择与其距离最近的聚类中心的节点；每个经过的节点对应的数组a的位置进行加1，遍历所有的特征信息后得到记录个数的数组a，a即为指纹图像A的特征向量。

6.根据权利要求1所述的一种基于指纹词袋特征的快速搜索方法，其特征在于：步骤(4)中节点权重的计算过程如下：

设每个节点权重组成的向量为W，W的长度与节点数量保持一致并初始化为0；将模板库中每个特征向量取出，设si是第i个指纹图的特征向量，遍历该向量的每个位置，如果其第j个位置的值si[j]不为0，即模板库中指纹图像有特征信息经过该位置对应的词汇树的节点，则W在第j个位置进行加1；遍历所有的特征向量后得到更新后的W，每个位置记录经过其对应节点的模板库中指纹图像的数量；对W的每个位置的值进行重新计算，计算公式为：W[j]＝ln(S/(W[j]))，其中S为模板库中指纹图像的个数，W[j]为该位置有W[j]个指纹图像经过，如果分母W[j]为0，即没有模板图像经过该节点，定义该节点权重为0。