專利名稱：面向圖像質量的指紋識別方法
技術領域：
發明涉及一種指紋識別方法，尤其涉及一種面向圖像質量的指紋識別方法。
背景技術：
目前在自動指紋識別技術中，圖像質量的好壞是影響識別性能的一個重要因素。在現有 的指紋識別處理方法中，通常是通過獲取指紋圖像的細節點來進行匹配，但這種方法對于質 量較差的圖像，性能下降明顯。而其它一些識別方法，如基于紋線的和基于紋理的識別方法 雖然對質量較差的圖像有一定的效果，但對于質量較好的圖像，不僅性能提高不大，而且占 用的資源和時間復雜度相對較大。因此，迫切需要一種區分圖像質量的指紋識別方法，既保 證達到一定的識別準確率，又能夠較大限度的節省資源。
發明內容
本發明的目的是為了解決現有指紋識別方法對理想和非理想指紋圖像兼顧性不好的缺點 而提出的一種面向圖像質量的指紋識別方法。它是一種基于圖像質量判斷的處理方法，將指 紋圖像分為質量較好、質量較差兩種類型，進而采用不同的識別算法進行指紋識別。
為實現上述目的，本發明采用如下技術方案-
(1) 讀取的采集的指紋圖像g (x, y),其中g (x， y)為像素點(x， y)的灰度值；
(2) 對指紋圖像進行質量特征提取，分別提取梯度一致性2p頻譜特征0F、灰度標準 差&共三個特征；
(3) 采用SVM支持向量機分類器對指紋圖像的質量進行學習和分類，將其確定為已定義 的兩種質量類型；
(4) 對質量較好、質量較差兩種指紋，分別采用基于細節點的匹配算法和基于紋理的匹 配算法完成識別。
所述步驟(2)中，三個特征分別從不同的方面反映了質量的好壞，具體計算如下，
"， r是前景塊的總數，A為分塊圖像中一個塊的梯度一致性，其計算公式為
f =(力,一 )22)2+4^2,其中,ju， jl2，jM為梯度向量協方差矩陣J中的元素。若圖像分塊大小為b*b，則塊中所有V個點的梯度向量協方差矩陣J = /ll 力2 721 力2,V為分塊圖像的大小，s為該塊中的點，B為該塊中所有像素點的集合，gs為點s的梯度向量，g 為梯度向量的轉置；最終整幅圖像的質量特征為所有塊的梯度一致性的均值。1 ro+4^"S, ,4 S』ia^的計算公式為 W°-4 ，其中， ffC"",*C, 為能量強度函數，1為環(ro^《r《ro+4)內像素點的數目，而iq^)l反映了傅里葉變換后的頻域圖像中點("，v)處的能量強度，IG(—I構成了頻域的強度 譜。設g(Jc,力表示大小為WxiV的數字圖像中坐標為O，力像素點的灰度值，則g(;c，力的離散傅立葉變換(DFT) G("，V)定義為，AM AM<formula>formula see original document page 5</formula>仏通過對頻譜圖像中亮環帶的能量進行計算，并用其大小來表示質量的好壞。込的計算公式為 ,其中，^-J^rl!!^":^)—g(")"為分塊圖像中第個k塊的標準差，gOc,力為像素點(^，>0的灰度值，g(A)是第個k塊灰度均值，W為分塊圖像的塊邊長。a通過對所有的分塊圖像的標準差求均值來表示整幅圖像的質量。所述步驟(4)中，所采用的基于細節點的匹配算法和基于紋理的匹配算法都為經典的算法。本發明處理方法中分塊圖像的塊大小為8X8。本發明的有益效果由于上述的處理方法綜合指紋圖像空間域、頻率域等多方面的特征，可以很好地區分指紋圖像質量，從而使得基于細節點的匹配算法和基于紋理的匹配算法具有
更好的適應性。
圖1為本發明的識別方法流程圖。
具體實施例方式
下面結合附圖與實施例對本發明做進一步說明。
圖l中， 一種面向圖像質量的指紋識別方法，它的步驟為-
(1) 讀取的采集的指紋圖像g (x, y),其中g (x, y)為像素點(x， y)的灰度值；
(2) 對指紋圖像進行質量特征提取，分別提取梯度一致性2^、頻譜特征0F、灰度標準
差j2i共三個特征；
(3) 步驟(2)中提取出的三個特征指標形成三維特征向量，作為支持向量機的輸入向 量；采用SVM支持向量機分類器對指紋圖像的質量進行學習和分類，將其確定為已定義的兩 種質量類型；
(4) 對質量較好、質量較差兩種指紋，分別采用基于細節點的匹配算法和基于紋理的匹 配算法完成識別。
所述步驟(2)中，三個特征分別從不同的方面反映了質量的好壞，具體計算如下， 1 ;
r '=1, r是前景塊的總數(這里r=40) , it為分塊圖像中一個塊的梯度一致性，
其計算公式為"(力',一 A)2，，其中,j21,j22為梯度向量協方差矩陣J中的元
C/n+_/22)
素。塊中所有點的梯度向量協方差矩陣/ = g,gf s
圖像的大小，s為該塊中的點，B為該塊中所有像素點的集合，gs為點s的梯度向量，g為 梯度向量的轉置；最終整幅圖像的質量特征為所有塊的梯度一致性的均值。
0F的計算公式為 r=/"°-4，其中， ffC>(".*Cr 為能量強度函數，
^~為環(r0-4 <= r <= r0+4)內像素點的數目)，而
7ll 力2 力l 乂22
,這里b、64,即分塊JV-1W—i ^-I G("力1= !2^(g(w) co(2;r < "，力("v) > /+ sin(—2;r < "力("，v) > / A/))2 IG(u,v)l反映了傅里葉變換后的頻域圖像中點("，v)處的能量強度，IG(u,"l構成了頻域的強度 譜。設g0c，力表示大小為ATxW的數字圖像中坐標為O;，力像素點的灰度值，則g(x，力的離散傅立葉變換(DFT) G(m，v)定義為， i w-i"("，v) 一乙乙g(f產jc=0 "0w)(cos62^〈(a力(^ v) > /AO+ysin^^^x^X^ v) > / iV)) gf通過對頻譜圖像中亮環帶的能量進行計算，并用其大小來表示質量的好壞。1 wg,的計算公式為 4二7Di;(g"力-g(")2為分塊圖像中第個k塊的標準差，g(x，力為像素點(x，:V)的灰度值，g(A:)是第個k塊灰度均值，巧為分塊圖像的塊邊長(這里^=8)。 &通過對所有的分塊圖像的標準差求均值來表示整幅圖像的質量。所述步驟(4)中，所采用的基于細節點的匹配算法和基于紋理的匹配算法都為經典的算法。
權利要求
1.一種面向圖像質量的指紋識別方法，其特征是，它的步驟為(1)讀取采集的指紋圖像g(x，y)，其中g(x，y)為像素點(x，y)的灰度值；(2)對指紋圖像進行質量特征提取，分別提取梯度一致性QT、頻譜特征QF、灰度標準差Qs共三個特征；(3)采用SVM支持向量機分類器對指紋圖像的質量進行學習和分類，將其確定為質量較好或質量較差兩種質量類型；(4)對質量較好、質量較差兩種指紋，分別采用基于細節點的匹配算法和基于紋理的匹配算法完成識別。
2. 如權利要求1所述的面向圖像質量的指紋識別方法，其特征是，所述步驟(2)中，三 個特征分別從不同的方面反映了質量的好壞，具體計算如下，"'=1，r是前景塊的總數，A:為分塊圖像中一個塊的梯度一致性，其計算公式為 f =""2)2+，,其中，J; jl2, J21, J22為梯度向量協方差矩陣J中的元素；若圖像分塊大小為b*b,則塊中所有62個點的梯度向量協方差矩陣，其中b2為分塊圖像的大小，s為該塊中的點，B為該塊中所<formula>formula see original document page 2</formula>有像素點的集合，gs為點S的梯度向量，gj"為梯度向量的轉置；最終整幅圖像的質量特征為 所有塊的梯度一致性的均值；<formula>formula see original document page 2</formula>仏的計算公式為 <formula>formula see original document page 2</formula>為能量強度函數，1為環(r<r4<=r<=r0+4)內像素點的數目，而IG(一l反映了傅里葉變換后的頻域圖像中點("，v)處的能量強度，|G( ,V) l構成了頻域的強度 譜；設g"力表示大小為ATxW的數字圖像中坐標為(:c,力像素點的灰度值，則g(:c,力的離散傅立葉變換v)定義為，<formula>formula see original document page 3</formula>2F通過對頻譜圖像中亮環帶的能量進行計算，并用其大小來表示質量的好壞; 込的計算公式為 ，其中<formula>formula see original document page 3</formula>(A^為分塊圖像中第個k塊的標準差，g(;c，力為<formula>formula see original document page 3</formula>像素點(x，7)的灰度值，g(k)是第個k塊灰度均值，W為分塊圖像的塊邊長；a通過對所有的分塊圖像的標準差求均值來表示整幅圖像的質量。
3.如權利要求1所述的面向圖像質量的指紋識別方法，其特征是，所述步驟(4)中，所 采用的基于細節點的匹配算法和基于紋理的匹配算法都為經典的算法。
全文摘要
本發明公開了一種面向圖像質量的指紋識別方法。它解決現了有指紋識別方法對理想和非理想指紋圖像兼顧性不好的缺點，其方法為(1)讀取的采集的指紋圖像g(x，y)，其中g(x，y)為像素點(x，y)的灰度值；(2)對指紋圖像進行質量特征提取，分別提取梯度一致性Q<sub>T</sub>、頻譜特征Q<sub>F</sub>、灰度標準差Q<sub>s</sub>共三個特征；(3)采用SVM支持向量機分類器對指紋圖像的質量進行學習和分類，將其確定為已定義的兩種質量類型；(4)對質量較好、質量較差兩種指紋，分別采用基于細節點的匹配算法和基于紋理的匹配算法完成識別。
文檔編號G06K9/64GK101303728SQ20081013811
公開日2008年11月12日 申請日期2008年7月1日 優先權日2008年7月1日
發明者任春曉, 尹義龍, 宇 張, 楊公平, 詹小四, 駱功慶 申請人:山東大學