基于图像空域特征的指纹核点精确定位方法
【技术领域】
[0001] 本发明属于生物特征识别及信息安全的技术领域，特别设及一种基于图像空域特 征的指纹核点精确定位方法。
【背景技术】
[0002] 生物特征识别技术因为生物特征（指纹、虹膜、脸像等等）自身固有的特性使得 它超越和替代传统的身份识别技术成为现实的可能，并且已经在一些国家和地区的特定应 用领域开始被推广和使用。其中指纹识别在身份识别各的项指标上如，普遍性、唯一性、可 采集性、用户接受性等达到了很好的平衡，使得其成为研究的热点；加之指纹采集设备技术 成熟、价格低廉W及指纹模板的存储对空间要求低等优势，使得其占据了全球生物特征市 场份额的主导地位。但是，仍有一些问题亟待解决，指纹奇异点检测便是其中之一。根据 Henry的定义，奇异点分为核点一一最内部弯曲脊线的最高点；W及S角点一一S条脊线 交汇成的=角形区域的中屯、点。对于现有的指纹识别技术，大多数奇异点检测方法都是基 于块级方向场的，因此检测到的奇异点的精度及一致性都受限于块的尺寸，具体表现为：其 一，无法将奇异点精确定位至某一个像素；其二，当两个奇异点彼此相隔很近时（在同一个 块内），会出现漏检的情况。对于后续的识别会带来两个主要的问题：其一，降低W奇异点 为基准的指纹图像对齐方法的效率；其二，增大指纹分类方法的错误率。
[0003] 基于像素级方向场的奇异点检测方法是解决上述问题的途径之一，该种方法不仅 能够检测彼此相隔很近的奇异点对，还能够将奇异点定位至像素级。但是该种方法检测到 的核点同Henry定义的核点依然存在一定的偏移，并且当核点附近脊线曲率越高时偏移越 严重。产生偏移的主要原因是方向场估计不够精确一一为了去噪而引入的低通滤波器将高 曲率区域的方向场一并平滑了。想要进一步提高方向场估计的精度是很困难的，试图保留 高曲率区域势必会引入更多的噪声。因而，我们想到利用指纹图像空域特征作为辅助W精 确定位核点。
[0004] 目前已经公开的文献资料，还没有关于基于指纹图像空域信息进行核点精确定位 等相关方面的研究。
【发明内容】
[0005] 本发明的目的就是针对现有指纹识别技术在推向大规模实际应用中遇到的问题， 提出了一种基于图像空域特征的指纹核点精确定位方法。
[0006] 本发明具体包括如下步骤：
[0007] 步骤1、用梯度法求出指纹图像的像素级方向场0 ;
[000引步骤2、用庞加莱索引法在方向场0中提取出每一个粗核点位置。(CX。cy;);
[0009] 步骤3、用短时傅里叶变换法计算出指纹图像的二值化图像I;
[0010] 步骤4、将方向场0、粗核点位置。(CX。cy;)和二值化图像I输入分叉聚合提取模 块，提取出粗核点位置。(CX。cyi)附近aXb矩形范围内的所有分叉点fc和聚合点化，并 存储在矩阵FJi中；
[0011] 步骤5、将矩阵FJi输入到去噪模块W除去矩阵FJi所有的伪分叉点、伪聚合点，得 到矩阵/乂?；
[0012] 步骤6、将去噪后得到的矩阵输入至弧提取模块得到所有的弧，并将得到的弧 存储于矩阵化中；
[0013] 步骤7、将矩阵化输入到精确定位模块得到核点定位的最终结果。
[0014] 所述的聚合提取模块包括如下四个子模块：
[001引 4-1.子模块1生成纹线宽度矩阵&、纹线类型矩阵YSi和纹线数量矩阵Z
[0016]4-1-1.用现有算法计算出粗核点开口方向的幅角主值01，具体如下：
[0017]
【主权项】
1. 基于图像空域特征的指纹核点精确定位方法，其特征在于包括如下步骤： 步骤1、用梯度法求出指纹图像的像素级方向场O ; 步骤2、用庞加莱索引法在方向场O中提取出每一个粗核点位置Ci (CXi，Cyi); 步骤3、用短时傅里叶变换法计算出指纹图像的二值化图像I ; 步骤4、将方向场0、粗核点位置Ci (CXi，Cyi)和二值化图像I输入分叉聚合提取模块， 提取出粗核点位置Ci (CXi，Cyi)附近aXb矩形范围内的所有分叉点fc和聚合点jh，并存储 在矩阵FJ i* ; 步骤5、将矩阵FJi输入到去噪模块以除去矩阵FJ^有的伪分叉点、伪聚合点，得到矩 阵可； 步骤6、将去噪后得到的矩阵巧；输入至弧提取模块得到所有的弧，并将得到的弧存储 于矩阵Hu中； 步骤7、将矩阵Hu输入到精确定位模块得到核点定位的最终结果。
2. 如权利要求1所述的基于图像空域特征的指纹核点精确定位方法，其特征在于步骤 4所述的聚合提取模块包括如下四个子模块： 4-1.子模块1生成纹线宽度矩阵Ep纹线类型矩阵YSjP纹线数量矩阵Z i; 4-1-1.用现有算法计算出粗核点开口方向的幅角主值θ,_，具体如下：
其中，0Mf (x，y)表示核点的参考方向场块，尺寸为25X25,由公式2计算得出；OiUy) 表示以粗核点Ci(CXpcyi)为中心，在方向场0上截图的尺寸为25X25的方向场块；θ Μ?为 参考方向场块〇Mf (X，y)的开口方向的幅角主值；
其中，^V(M)为中间变量，〇Mf(x，y)为所求的参考方向场块； 4-1-2.根据粗核点位置Ci (CXi，Cyi)以及对应的幅角主值Qi，在二值图像I上作一条 长为k像素、宽为单像素的线段L1，使得粗核点位置Ci (CXi，Cyi)位于该线段L1上靠近上方 的三等分点的位置；以线段L 1上的每一个像素点为中点，作k条与线段L i垂直，且长度为1 个像素的单像素宽的线段L2，从而得到一个尺寸为kXl的矩形；以粗核点开口方向的幅角 主值Θ 正下方，从左往右依次记录每条线段1^2穿过的每一指纹纹线的宽度，得到纹线宽 度矩阵Ei;同时记录穿过每条纹线的类型，1表示谷线、-1表示脊线，得到纹线类型矩阵YSi; 分别记录每一行穿过的纹线的总数得到纹线数量矩阵Zi;所述的EpYSi的尺寸均为kXl fj， 其中、为z i中元素的最大值；z ^勺尺寸为kx 1; 4-2.计算获得子模块2即边缘补偿子模块，以纹线宽度矩阵EJP纹线类型矩阵YS ^乍 为输入，对边缘补偿因子CWd、CW1进行赋值； CYSi= YS Jj+1，I) XYSi (j，1)(公式 3) 若CYSi> 0,则直接输出结果cwQ- 0、cw广O ;否则计算ΔΕ i= E i(j+l, D-EiU, 1)， 如果AEi多0,则输出结果cw I、cw广0,否则输出结果cw 0、cw广I ; 其中，CYSjP ΛE 为中间变量，j为正整数； 4-3.计算获得子模块3即分叉类型判别子模块，
其中，j为正整数，Wtl= w+cw Q+aQ、W1= w+cw ^a1, w为正整数； 以纹线宽度矩阵Ep纹线数量矩阵Zp边缘补偿因子CWt^pcwi、分叉提取算子CZ(l(j，w)、 跳跃因子的累加值％和a ^乍为输入，对分叉类型fc以及其对应的跳跃因子ty i进行赋值； 4-3-1.对中间变量be(!和c Q进行赋值，be 0、c cz (!+Ei (j+1, Wi+2)然后计算中间 变量g(ll和gQ2;
其中，j为正整数，Wtl= w+cw Q+aQ、W1= w+cw ^a1, w为正整数； 4-3-2.如果 gQ1< g Q2或者 w M+Zbc。〉Z i (j+1，I)，则直接输出结果 fc - 2bcQ+2、 2bc。+2,跳出该子模块；否则be。一 be。+1后，重复步骤4_3_1 ; 4-4.计算获得子模块4即聚合类型判别子模块，
其中，j为正整数，Wtl= w+cw Q+aQ、W1= w+cw ^a1, w为正整数； 以纹线宽度矩阵Ep纹线数量矩阵Zp边缘补偿因子CWt^pcwi、分叉提取算子CZl(j，w)、 跳跃因子的累加值％和a ^乍为输入，对聚合类型jh、以及对应的跳跃因子ty ^进行赋值； 4-4-1.对中间变量beJP c i进行赋值，be广0、c广cz JEi (j, wQ+2)然后计算中间变 里 Sll和 g 12;
其中，j为正整数，Wtl= w+cw Q+aQ、W1= w+cw ^a1, w为正整数； 4-4-2.如果 gn彡 g 12或者 w Q+4+2bCl> Z i (j，I)，则直接输出结果 jh - 2bCl+2、 tyQ- 2bc i+2,跳出该子模块；否则bq- be i+1后，重复步骤4_4_1 ; 步骤4所述的分叉点fc和聚合点jh的提取和存储具体如下： 4-5.将方向场0、粗核点位置Ci (CXi，Cyi)和二值化图像I输入到子模块1以求出Ep YSp Zi;然后设置一个与E i尺寸相同的零矩阵FJ i;并对正整数j赋初始值，j - 0 ; 4-6. j - j+1后，通过边缘补偿子模块，计算Ei对应的边缘补偿因子cw dP cw 1;并对跳 跃因子的累加值Sc^Pa1、正整数w赋初值，aQ- (Ka1^ 0、w - 1