专利名称：基于主成分分析的指纹图像质量评价方法
技术领域：
本发明属于生物特征识别领域，尤其是一种基于主成分分析的指纹图像质量判断方法。
背景技术：
指纹识别技术是通过取像设备读取指纹图像，然后用计算机识别软件提取指纹的特征数据，最后通过匹配识别算法得到识别结果，以确定指纹所有人身份的生物特征识别技术。它主要涉及指纹图像采集、指纹图像处理、特征提取、保存数据、特征值的比对与匹配等过程。伴随着计算机技术和信息处理与识别技术的不断进步，指纹识别技术得到了迅猛的发展，现已成为最成熟、最可接受的一种生物特征识别技术，是可以在公安、网络管理、银行、社保、雇员证明、海关身份鉴定、电子门禁等许多领域广泛深入应用的技术，具有重要的理论研究意义和市场应用价值。指纹图像质量的自动评测在自动指纹识别系统中有着重要的实际价值。影响自动指纹识别系统水平的最重要的因素之一是在注册和辨识过程中对那些采集质量差的指纹的判别及处理能力。一个较好的指纹识别系统应要求用户在登记指纹时多次获取指纹，然后，把最好的指纹或每次获得的指纹的综合的结果作为注册的指纹。同时，为了得到较好的识别率，在匹配之前有必要对质量较差的指纹图像先进行特殊的图像预处理，然后再进行辨识。为实现这个目标，需要设计一个适合、有效的指纹图像质量自动评测方法。指纹图像质量判断广义上可以被分为两类基于全局特征的指纹质量判断方法和基于局部特征的指纹质量判断方法。基于全局特征的指纹质量判断方法把指纹看成一个整体，提取一个或多个全局特征，然后利用这些全局特征，得到输入指纹图像的全局质量。最经典和常用的基于全局特征的判断方法是NFIQ(NIST Fingerprint Image Quality)。NFIQ 算法从输入指纹中提取了 11类全局特征，然后使用人工神经网络预测指纹图像质量。基于局部特征的指纹质量判断方法通常把指纹进行分块，提取块特征，然后利用提取的图像块的特征获得图像块质量。该方法要优于基于全局特征的指纹质量判断方法。因为图像块的特征更具有区分行，不同的图像块都应该具有不同的特性。另外，任何时候都可以从块质量分数获得全局质量分数。但是如何获得具有可区分行的图像块的特征仍然是一个挑战性问题。
发明内容
为了解决上述技术问题，本发明提出一种基于主成分分析的指纹图像质量评价方法。不同于以前基于图像块的指纹图像质量评价方法，本方法提取块中每个像素的邻域信息组成块样本矩阵，然后采用主成分分析的方法获得块样本矩阵的内在特征，进而获得具有可区分行的图像块的特征。为达成所述目的，本发明提出的一种基于主成分分析的指纹图像质量评价方法， 包括以下步骤
步骤A，对输入指纹图像进行分块，得到多个图像块；步骤B，对每个图像块中的每一个像素点，获取其邻域像素信息，组成块样本矩阵；步骤C，采用主成分分析方法(PCA)获取每个块样本矩阵的投影矩阵和特征值向量；步骤D，从投影矩阵和特征值向量中计算用于图像块质量判断的特征圆分布特征和主方向特征值残差特征；步骤E，将步骤D得到的用于图像块质量判断的两个特征相乘，得到图像块的局部块质量；步骤F，基于图像块的局部块质量，结合图像块Harris强度，得到输入指纹图像的
全局质量。本发明的有益效果是本发明提出了一种基于主成分分析的指纹图像质量判断方法。不同于以前基于图像块的指纹图像判断方法，本方法提取了块中每个像素的领域信息组成块样本矩阵，然后采用主成分分析的方法分析块样本矩阵的内在特性，进而获得具有可区分行的图像块的特征。该方法简单，结果直观，且能够准确定量反映输入指纹图像质量，保证了自动指纹识别技术的高性能。
图1是基于主成分分析的指纹图像质量评价方法流程图。图2是不同指纹特征图像块的PCA投影图以及特征值分布图。图3是原始指纹图像及其Harris强度图像。图4是不同质量的指纹图像示例。
具体实施例方式为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。图1是本发明所提出的基于主成分分析的指纹图像质量评价方法流程图。如图1 所示，该方法包括以下步骤步骤A，对输入指纹图像进行分块，得到多个图像块；对于一幅输入的指纹图像I，把输入指纹图像分成大小为WXW(W = 16)的图像块 &(x，y)，其中x，y e {0，...，W-1}，k = 1，...，N，N表示图像块的数目。对于一幅输入指纹图像，分块的规则是从左到右，从上到下，最后不足WX W的图像块，不足的部分使用0来补齐°步骤B，对每个图像块中的每一个像素点，获取其邻域像素信息，组成块样本矩阵；对于图像块&(x，y)中的每一个像素点(X，y)，以其为中心点，将其MXM(M = 7) 邻域内的像素点组成一个向量。这样对于每一个图像块，可以得到具有256(WXW)个样本点，每个样本点49 (Μ X M)维，即259 X 49的块样本矩阵。步骤C，采用主成分分析方法获取每个块样本矩阵的投影矩阵和特征值向量；
采用主成分分析(PCA)方法对得到的第k(k = 1. . . N)个块样本矩阵进行降维，这里把MXM维降为2维，得到2维投影矩阵((WXW) *2维)记为{(xki,yki) i = 0. . . WXff-1} 以及特征值向量Kdkj)，j = 0. ..MXM-1}。以^d为横坐标，yki为纵坐标画图，得到第k块图像块的PCA投影图；以j为横坐标，‘为纵坐标画图，得到第k块图像块的特征值分布图。如图2所示，图2中第一列是指纹不同关键区域((a)前景，(b)背景，(c)分叉点，(d) 端点，(e)三角点，(f)中心点)的原始块图像，第二列是第一列块图像对应的PCA投影图， 第三列是第一列块图像对应的特征值分布图。步骤D，从投影矩阵和特征值向量中计算用于图像块质量判断的特征圆分布特征和主方向特征值残差特征；从图2第二列图像块的PCA投影图，可以分析得出，前景图像块(图2(a))具有最清晰的脊线纹理走向，所以得到的PCA投影图形成了最好的圆拓扑结构，而背景图像由于没有脊线纹理，形成的结构最杂乱无章，没有拓扑结构而言。指纹其他的特征区域形成的拓扑结构的规则程度则介于前景和背景块图像之间。从图2第三列图像块的特征值分布图， 可以分析得出，前景和其他指纹特征块图像，由于具有清晰的纹理图像，所以他们的特征值主要集中在前两个特征值上面，即具有两个主方向沿着纹理方向以及垂直纹理方向。而背景块图像，由于没有纹理，所以不具有主方向，特征值分布图也没有规律可言。根据上面的分析，本发明计算得出可区分第k块图像块质量的两个特征圆分布特征fkl以及主方向特征值残差特征fk2。其中，圆分布特征反映了 PCA投影图上图像点的分布趋势，前面分析到，纹理越清晰，形成的拓扑结构越接近于圆。首先采用圆拟合算法来拟合投影矩阵Kxki，yki)i = 0...WXW-1}，得出拟合的圆的中心位置(xk。，ykc)和半径&。以圆的中心位置(xk。，ykc)和半径&在？〔々投影图上面画一个圆周，如图2第二列图像所示。PCA投影图上面的点在圆周上面的分布情况，可以反映形成的拓扑结构的好坏。所以圆分布特征fkl如公式(1)所示。 fkl的值介于0 1。fkl的值越大，表示形成的拓扑结构越接近圆分布，图像质量越好。
/ /^f^ly -y |2 + Uki-XckI2 \\fkl = expl - -^--Ij I (1)主方向特征值残差特征fk2反映了图像纹理走势的一致性，纹理走势越一致，前两个特征值越大，所以可以使用前两个特征值占总体特征值的比例来反映块图像质量。fk2的值介于0 1。fk2的值越大，表示块图像质量越好。fk2的计算公式如公式(2)
Γ一 1 f - (dki + dk2) /ηΛrk2 -^MxMcJk.步骤Ε，将步骤D得到的用于图像块质量判断的两个特征相乘，得到图像块的局部块质量；得出第k块图像块质量的两个特征fkl和fk2后，采用乘规则计算第k块图像块的块质量BA，BAW值介于ο 1。BAW值越大，表示图像块的质量越高。第k块图像块的块质量由下式来计算BQk = fklXfk2(k = 1. . . N) (3)步骤F，基于图像块的局部块质量，结合图像块Harris强度，得到输入指纹图像的
6全局质量。基于图像块的局部块质量，使用Harris强度HCS作为权值，获得输入指纹图像的
全局质量。所述步骤F进一步包括以下步骤步骤Fl，计算第k块图像块的块Harris强度HCSk，计算公式如下
权利要求
1.一种基于主成分分析的指纹图像质量评价方法，其特征在于，包括以下步骤 步骤A，对输入指纹图像进行分块，得到多个图像块；步骤B，对每个图像块中的每一个像素点，获取其邻域像素信息，组成块样本矩阵； 步骤C，采用主成分分析方法(PCA)获取每个块样本矩阵的投影矩阵和特征值向量； 步骤D，从投影矩阵和特征值向量中计算用于图像块质量判断的特征圆分布特征和主方向特征值残差特征；步骤E，将步骤D得到的用于图像块质量判断的两个特征相乘，得到图像块的局部块质量；步骤F，基于图像块的局部块质量，结合图像块Harris强度，得到输入指纹图像的全局质量。
2.根据权利要求1所述的方法，其特征在于，所述步骤A进一步为将输入指纹图像分成N个大小为WXW，相互不交叠的图像块&(x，y)，其中，W为分块的块大小，W = 16，χ, y e {0，...，W-l}，k= 1，...，N，N 为图像块的数目。
3.根据权利要求1所述的方法，其特征在于，所述步骤B进一步为对于每一大小为 WXW的图像块中的每一个像素点(X，y)，以其为中心点，将其MXM邻域内的像素点组成一个向量，得到图像块的(WXW)*(MXM)维的块样本矩阵，其中，W表示分块的块的大小，W*W 表示图像块像素点的数目，M表示像素点邻域的大小，MXM表示特征维数。
4.根据权利要求1所述的方法，其特征在于，所述步骤C进一步为采用主成分分析将每个块样本矩阵从MXM维降为2维，得到2维投影矩阵{Uki，yki) i = 0... WXff-1}以及特征值向量{(dkj)，j =0...MXM-1}，其中k= 1，...，N，N为图像块的数目，W为分块的块的大小，M为像素点邻域的大小；以Xki为横坐标，yki为纵坐标画图，得到第k块图像块的PCA 投影图；以j为横坐标，dkJ为纵坐标画图，得到第k块图像块的特征值分布图。
5.根据权利要求4所述的方法，其特征在于，所述圆分布特征反映了PCA投影图上图像点的分布趋势，所述主方向特征值残差特征fk2反映了图像纹理走势的一致性。
6.根据权利要求5所述的方法，其特征在于，所述圆分布特征的计算包括首先，采用圆拟合算法来拟合投影矩阵{( ，yki)i =0...MXM-1}，得出拟合的圆的中心位置(xkc, ykc)和半径Rk ；然后利用下式来计算所述圆分布特征fkl 其中，W为分块的块的大小，M为像素点邻域的大小。
7.根据权利要求5所述的方法，其特征在于，利用下式来计算所述主方向特征值残差特征fk2 f = (dki + dk2) /其中，dkJ为第k个图像块的特征值向量，j = 0. . . MXM-1，M为.......
8.根据权利要求1所述的方法，其特征在于，所述步骤F进一步包括以下步骤 步骤F1，计算第k块图像块的块Harris强度HC& ；fki = expVMxM λ ‘ Z1J = I Clkj步骤F2，根据HC&计算输入指纹图像的全局质量GB。
9.根据权利要求8所述的方法，其特征在于，利用下式来计算第k块图像块的块 Harris 强度 HC&
10.根据权利要求8所述的方法，其特征在于，所述根据HC&计算输入指纹图像的全局质量GB为
全文摘要
本发明公开了一种基于主成分分析的指纹图像质量评价方法。该方法包括对输入指纹图像进行分块；对图像块中的每一个像素点，获取其领域像素信息，组成块样本矩阵；采用主成分分析方法获取块样本矩阵的投影矩阵和特征值向量；从投影矩阵和特征值向量中计算用于图像块质量判断的特征；采用乘规则，得到图像块的局部块质量；结合块Harris强度，得到输入指纹图像的全局质量。本发明方法简单，结果直观，且能够准确定量反映输入指纹图像质量，保证了自动指纹识别技术的高性能。
文档编号G06T7/00GK102567993SQ20111041981
公开日2012年7月11日 申请日期2011年12月15日 优先权日2011年12月15日
发明者杨鑫, 田捷, 陶训强 申请人:中国科学院自动化研究所