[发明专利]小面积指纹图像特征提取方法、系统、终端及存储介质

权利要求书

1.一种小面积指纹图像特征提取方法，应用于小面积指纹特征信息提取，其特征在于，包括以下步骤：

步骤S1、获取指纹图像；

步骤S2、指纹图像预处理，分离指纹图像的前景区域和背景区域，获取前景区域的数据信息，并根据前景区域的数据信息对指纹图像进行分类滤波处理；

步骤S3、关键特征点提取，对指纹图像进行区块划分，根据对应区块中的指纹图像前景区域的数据信息挑选出关键特征点，所述指纹图像前景区域的数据信息包括像素点的曲率信息；

其中，关键特征点提取，具体包括以下步骤：

步骤S301、计算灰度图像像素点I（x,y）处的最大主曲率maxC和最小主曲率minC；

步骤S302、定义灰度图像深层次语义表达信息描述为：

；

步骤S303、将灰度图像划分为若干面积为M*M的局部区域，M大于或等于1，单位为像素，挑选出所述局部区域中中的极大值点作为关键特征点；

步骤S4、关键特征点的筛选，通过比较分析筛选出稳定性好的关键特征点。

2.根据权利要求1所述的小面积指纹图像特征提取方法，其特征在于：所述步骤S2、指纹图像预处理，具体包括以下步骤：

步骤S201、将指纹图像转换为灰度图像，计算所述灰度图像的梯度场，根据梯度场信息完成灰度图像的前景区域和背景区域的划分；

步骤S202、获取所述前景区域的灰度直方图，根据灰度直方图计算前景区域的灰度均值和方差；

步骤S203、将指纹图像分为干燥图像、潮湿图像以及正常图像三种状况，根据前景区域的数据信息对指纹图像进行分类；

步骤S204、根据指纹图像的分类情况选择对应的滤波机制对指纹图像进行滤波处理。

3.根据权利要求2所述的小面积指纹图像特征提取方法，其特征在于：所述步骤S201中，计算所述灰度图像梯度场之前先对灰度图像进行区块划分，再计算每个块的梯度值。

4.根据权利要求2所述的小面积指纹图像特征提取方法，其特征在于：所述步骤S203中，根据前景区域的数据信息对指纹图像进行分类的具体方法包括采用机器学习来训练一个分离器。

5.根据权利要求2所述的小面积指纹图像特征提取方法，其特征在于：所述步骤S203中，根据前景区域的数据信息对指纹图像进行分类的具体方法包括采用根据前景区域的灰度方差，计算灰度方差均值来给图像质量打分，指纹图像的评分公式如下：

，

其中Var是输入的指纹图像前景区域的方差，VarBase是统计后正常指纹图像前景区域的方差均值，Range是允许在正常指纹图像方差值附近变化大小的绝对值，Score是对指纹图像的评分，评分越高，图像质量越好；根据Score的值挑选出正常图像，根据Score和方差均值判别干燥图像或潮湿图像。

6.根据权利要求1所述的小面积指纹图像特征提取方法，其特征在于：所述步骤S4中，关键特征点的筛选，具体包括以下步骤：

步骤S401、初步筛选，对指纹图像进行划分，将指纹图像划分成多个图像块，所述图像块的面积为N*N ，且N大于M，比较所述图像块中极大值点的大小，筛除极大值最小的多个关键特征点；

步骤S402、次级筛选，以初步筛选中得到的关键特征点为中心进行区块划分，比较所述关键特征点周围图像块信息，获取所述关键特征点的稳定性概率，剔除稳定性概率低的关键特征点。