基于圖像空域特征的指紋核點精確定位方法
【技術領域】
[0001] 本發明屬于生物特征識別及信息安全的技術領域，特別設及一種基于圖像空域特 征的指紋核點精確定位方法。
【背景技術】
[0002] 生物特征識別技術因為生物特征（指紋、虹膜、臉像等等）自身固有的特性使得 它超越和替代傳統的身份識別技術成為現實的可能，并且已經在一些國家和地區的特定應 用領域開始被推廣和使用。其中指紋識別在身份識別各的項指標上如，普遍性、唯一性、可 采集性、用戶接受性等達到了很好的平衡，使得其成為研究的熱點；加之指紋采集設備技術 成熟、價格低廉W及指紋模板的存儲對空間要求低等優勢，使得其占據了全球生物特征市 場份額的主導地位。但是，仍有一些問題亟待解決，指紋奇異點檢測便是其中之一。根據 Henry的定義，奇異點分為核點一一最內部彎曲脊線的最高點；W及S角點一一S條脊線 交匯成的=角形區域的中屯、點。對于現有的指紋識別技術，大多數奇異點檢測方法都是基 于塊級方向場的，因此檢測到的奇異點的精度及一致性都受限于塊的尺寸，具體表現為：其 一，無法將奇異點精確定位至某一個像素；其二，當兩個奇異點彼此相隔很近時（在同一個 塊內），會出現漏檢的情況。對于后續的識別會帶來兩個主要的問題：其一，降低W奇異點 為基準的指紋圖像對齊方法的效率；其二，增大指紋分類方法的錯誤率。
[0003] 基于像素級方向場的奇異點檢測方法是解決上述問題的途徑之一，該種方法不僅 能夠檢測彼此相隔很近的奇異點對，還能夠將奇異點定位至像素級。但是該種方法檢測到 的核點同Henry定義的核點依然存在一定的偏移，并且當核點附近脊線曲率越高時偏移越 嚴重。產生偏移的主要原因是方向場估計不夠精確一一為了去噪而引入的低通濾波器將高 曲率區域的方向場一并平滑了。想要進一步提高方向場估計的精度是很困難的，試圖保留 高曲率區域勢必會引入更多的噪聲。因而，我們想到利用指紋圖像空域特征作為輔助W精 確定位核點。
[0004] 目前已經公開的文獻資料，還沒有關于基于指紋圖像空域信息進行核點精確定位 等相關方面的研究。
【發明內容】
[0005] 本發明的目的就是針對現有指紋識別技術在推向大規模實際應用中遇到的問題， 提出了一種基于圖像空域特征的指紋核點精確定位方法。
[0006] 本發明具體包括如下步驟：
[0007] 步驟1、用梯度法求出指紋圖像的像素級方向場0 ;
[000引步驟2、用龐加萊索引法在方向場0中提取出每一個粗核點位置。(CX。cy;);
[0009] 步驟3、用短時傅里葉變換法計算出指紋圖像的二值化圖像I;
[0010] 步驟4、將方向場0、粗核點位置。(CX。cy;)和二值化圖像I輸入分叉聚合提取模 塊，提取出粗核點位置。(CX。cyi)附近aXb矩形范圍內的所有分叉點fc和聚合點化，并 存儲在矩陣FJi中；
[0011] 步驟5、將矩陣FJi輸入到去噪模塊W除去矩陣FJi所有的偽分叉點、偽聚合點，得 到矩陣/乂?；
[0012] 步驟6、將去噪后得到的矩陣輸入至弧提取模塊得到所有的弧，并將得到的弧 存儲于矩陣化中；
[0013] 步驟7、將矩陣化輸入到精確定位模塊得到核點定位的最終結果。
[0014] 所述的聚合提取模塊包括如下四個子模塊：
[001引 4-1.子模塊1生成紋線寬度矩陣&、紋線類型矩陣YSi和紋線數量矩陣Z
[0016]4-1-1.用現有算法計算出粗核點開口方向的幅角主值01，具體如下：
[0017]
【主權項】
1. 基于圖像空域特征的指紋核點精確定位方法，其特征在于包括如下步驟： 步驟1、用梯度法求出指紋圖像的像素級方向場O ; 步驟2、用龐加萊索引法在方向場O中提取出每一個粗核點位置Ci (CXi，Cyi); 步驟3、用短時傅里葉變換法計算出指紋圖像的二值化圖像I ; 步驟4、將方向場0、粗核點位置Ci (CXi，Cyi)和二值化圖像I輸入分叉聚合提取模塊， 提取出粗核點位置Ci (CXi，Cyi)附近aXb矩形范圍內的所有分叉點fc和聚合點jh，并存儲 在矩陣FJ i* ; 步驟5、將矩陣FJi輸入到去噪模塊以除去矩陣FJ^有的偽分叉點、偽聚合點，得到矩 陣可； 步驟6、將去噪后得到的矩陣巧；輸入至弧提取模塊得到所有的弧，并將得到的弧存儲 于矩陣Hu中； 步驟7、將矩陣Hu輸入到精確定位模塊得到核點定位的最終結果。
2. 如權利要求1所述的基于圖像空域特征的指紋核點精確定位方法，其特征在于步驟 4所述的聚合提取模塊包括如下四個子模塊： 4-1.子模塊1生成紋線寬度矩陣Ep紋線類型矩陣YSjP紋線數量矩陣Z i; 4-1-1.用現有算法計算出粗核點開口方向的幅角主值θ,_，具體如下：
其中，0Mf (x，y)表示核點的參考方向場塊，尺寸為25X25,由公式2計算得出；OiUy) 表示以粗核點Ci(CXpcyi)為中心，在方向場0上截圖的尺寸為25X25的方向場塊；θ Μ?為 參考方向場塊〇Mf (X，y)的開口方向的幅角主值；
其中，^V(M)為中間變量，〇Mf(x，y)為所求的參考方向場塊； 4-1-2.根據粗核點位置Ci (CXi，Cyi)以及對應的幅角主值Qi，在二值圖像I上作一條 長為k像素、寬為單像素的線段L1，使得粗核點位置Ci (CXi，Cyi)位于該線段L1上靠近上方 的三等分點的位置；以線段L 1上的每一個像素點為中點，作k條與線段L i垂直，且長度為1 個像素的單像素寬的線段L2，從而得到一個尺寸為kXl的矩形；以粗核點開口方向的幅角 主值Θ 正下方，從左往右依次記錄每條線段1^2穿過的每一指紋紋線的寬度，得到紋線寬 度矩陣Ei;同時記錄穿過每條紋線的類型，1表示谷線、-1表示脊線，得到紋線類型矩陣YSi; 分別記錄每一行穿過的紋線的總數得到紋線數量矩陣Zi;所述的EpYSi的尺寸均為kXl fj， 其中、為z i中元素的最大值；z ^勺尺寸為kx 1; 4-2.計算獲得子模塊2即邊緣補償子模塊，以紋線寬度矩陣EJP紋線類型矩陣YS ^乍 為輸入，對邊緣補償因子CWd、CW1進行賦值； CYSi= YS Jj+1，I) XYSi (j，1)(公式 3) 若CYSi> 0,則直接輸出結果cwQ- 0、cw廣O ;否則計算ΔΕ i= E i(j+l, D-EiU, 1)， 如果AEi多0,則輸出結果cw I、cw廣0,否則輸出結果cw 0、cw廣I ; 其中，CYSjP ΛE 為中間變量，j為正整數； 4-3.計算獲得子模塊3即分叉類型判別子模塊，
其中，j為正整數，Wtl= w+cw Q+aQ、W1= w+cw ^a1, w為正整數； 以紋線寬度矩陣Ep紋線數量矩陣Zp邊緣補償因子CWt^pcwi、分叉提取算子CZ(l(j，w)、 跳躍因子的累加值％和a ^乍為輸入，對分叉類型fc以及其對應的跳躍因子ty i進行賦值； 4-3-1.對中間變量be(!和c Q進行賦值，be 0、c cz (!+Ei (j+1, Wi+2)然后計算中間 變量g(ll和gQ2;
其中，j為正整數，Wtl= w+cw Q+aQ、W1= w+cw ^a1, w為正整數； 4-3-2.如果 gQ1< g Q2或者 w M+Zbc。〉Z i (j+1，I)，則直接輸出結果 fc - 2bcQ+2、 2bc。+2,跳出該子模塊；否則be。一 be。+1后，重復步驟4_3_1 ; 4-4.計算獲得子模塊4即聚合類型判別子模塊，
其中，j為正整數，Wtl= w+cw Q+aQ、W1= w+cw ^a1, w為正整數； 以紋線寬度矩陣Ep紋線數量矩陣Zp邊緣補償因子CWt^pcwi、分叉提取算子CZl(j，w)、 跳躍因子的累加值％和a ^乍為輸入，對聚合類型jh、以及對應的跳躍因子ty ^進行賦值； 4-4-1.對中間變量beJP c i進行賦值，be廣0、c廣cz JEi (j, wQ+2)然后計算中間變 里 Sll和 g 12;
其中，j為正整數，Wtl= w+cw Q+aQ、W1= w+cw ^a1, w為正整數； 4-4-2.如果 gn彡 g 12或者 w Q+4+2bCl> Z i (j，I)，則直接輸出結果 jh - 2bCl+2、 tyQ- 2bc i+2,跳出該子模塊；否則bq- be i+1后，重復步驟4_4_1 ; 步驟4所述的分叉點fc和聚合點jh的提取和存儲具體如下： 4-5.將方向場0、粗核點位置Ci (CXi，Cyi)和二值化圖像I輸入到子模塊1以求出Ep YSp Zi;然后設置一個與E i尺寸相同的零矩陣FJ i;并對正整數j賦初始值，j - 0 ; 4-6. j - j+1后，通過邊緣補償子模塊，計算Ei對應的邊緣補償因子cw dP cw 1;并對跳 躍因子的累加值Sc^Pa1、正整數w賦初值，aQ- (Ka1^ 0、w - 1