[发明专利]一种掌纹图像细节点特征匹配的方法

摘要

本发明公开了一种掌纹图像细节点特征匹配的方法，包括如下步骤：判断在以细节点为中心的设定区域内，细节点与设定区域内的细节点之间的方向一致性是否小于第一一致性阈值，若是则将细节点从掌纹图像中剔除；判断局部区域内细节点的方向一致性是否大于第二一致性阈值，若是则选择局部区域内的满足方向一致性的细节点；在掌纹模板中，利用迭代最近点算法找到与待测细节点集中的每一个细节点最近的细节点；通过迭代最近点算法求取目标函数的最小值，从而计算得到变换矩阵和平移矩阵；根据变换矩阵和平移矩阵计算新细节点集；计算新细节点集与掌纹模板的相似度。本发明可以提高掌纹识别的速度和精度。

主权项

1.一种掌纹图像细节点特征匹配的方法，其特征是，包括如下步骤：S1、针对掌纹图像中的任一细节点，判断在以任一细节点为中心的设定区域内，任一细节点与设定区域内的细节点之间的方向一致性是否小于第一一致性阈值，若是则将任一细节点从掌纹图像中剔除，得到初始细节点集；S2、在所述初始细节点集中，判断任一局部区域内细节点的方向一致性是否大于第二一致性阈值，若是则选择所述任一局部区域内的满足方向一致性的细节点，得到待测细节点集Q；S3、在掌纹模板T中，利用迭代最近点算法找到至待测细节点集中的每一个细节点最近的细节点；其中，以综合距离dfusion衡量细节点之间距离的远近：计算细节点(xi,yi)与细节点(xj,yj)之间的欧氏距离dij：计算细节点(xi,yi)与细节点(xj,yj)之间的角度距离dθij：dθij＝min(|θi‑θj|，360‑|θi‑θj|)，其中，θi和θj分别表示细节点(xi,yi)与细节点(xj,yj)的角度；计算细节点(xi,yi)与细节点(xj,yj)之间的综合距离dfusion：dfusion＝dθ′ij+d′ij，其中，其中dmin和dθmin分别指细节点之间的最小欧式距离和最小角度距离，dmax和dθmax分别指细节点之间的最大欧式距离和最大角度距离；S4、通过迭代最近点算法求取目标函数f的最小值，从而计算得到变换矩阵r和平移矩阵t，其中，Qi表示待测细节点集Q中第i个细节点，Ti表示掌纹模板T中与Qi对应的细节点，αi表示细节点Qi的权重系数，n表示待测细节点集Q中细节点的个数；S5、根据变换矩阵r和平移矩阵t计算新细节点集Q′：Q′＝Q*r+tS6、计算新细节点集Q′与掌纹模板T的相似度。