专利名称：指纹采集图像库的可处理性分析评估方法和系统的制作方法
技术领域：
本发明涉及指纹图像库的分析评估领域，尤其涉及指纹采集图像库的可处 理性分析评估方法和系统。
背景技术：
生物识别作为安全应用，由于其易用性和一定程度上的不可伪造性，具有 广阔的市场前景。指纹采集方便，可用于识别的信息量大，具有极大的应用价 值。指纹识别系统主要由指纹采集传感器和指纹图像识别算法构成，前者从指 纹获得数字图像，后者依据图像进行指纹特征提取和识别，以实现识别手指的 功能。巨大的产业前景， 一方面推动了指纹采集传感器的发展，另一方面推动 针对指纹采集图像的指纹图象识别算法的研究和发展。作为指纹识别系统的基 本组成部件，两者互为条件和依存，传感器应以采集适宜于算法处理的图像为
目标，同时算法须针对传感器特性和采集过程造成的问题进行优化。但是，两 者各自的研究发展目前还比较孤立，难以互相融合，其中最重要的原因，就是 缺乏公认的指纹采集图像的评估方法，以指出两者各自的设计责任。
作为一种典型的模式聚类问题，不同原理、体系、实现约束的指纹图像识 别算法，其性能的检验都基于测试集，即指纹图像库。把指纹库中属于相同手 指的图像标记为同一组，与识别结果进行比较，就能对拒真率、识假率进行统 计，从而对算法性能获得大致的了解。但是，不同的算法对应于不同的图像问 题和图像对问题各有优劣，不分离这些因素各自造成的影响，就无法准确的评 价指纹图像识别算法的性能。这正是使用不同指纹库生成的算法评价结果的不 稳定性产生的原因。对指纹库进行分析评估，指出了将基于大量指纹库得到的 算法评价结果进行融合的方式将一次得到的算法性能评价定义为问题坐标上
的算法性能，综合不同问题坐标同一算法表现的性能差异，就能对算法性能有
了全面的准确的评价。
另一方面，目前尚未有行之有效的指纹采集传感器的性能评价标准，往往 采用简单的图像性质统计，但这并不等价于评价该传感器在组成指纹识别系统 时价值如何。基于对指纹库评估和指纹图像识别算法性能评价的关系的认识， 以某传感器所采集的大量图像相对于指纹图像识别算法的可处理性，作为该传 感器在组成指纹识别系统时表现出的性能的评价。为屏蔽采集过程和手指特性 分布不同造成的不确定因素，需要通过图像处理和筛选归一化与传感器无关的 仅由于采集过程差异造成的不一致因素，以实现对传感器性能的正确评价。
以上功能基于本发明的必要模块所提供的，对指纹库可处理性进行的评 估，并由本发明的扩展部分完成。
为避免理解上的差异，对重要术语定义和描述如下
指纹识别系统通过采集手指指纹，识别该指纹图像，以达到识别该手指 以及该生物人的电子系统。主要由指纹采集、指纹图像识别两部分功能组成。
指纹采集传感器若无特别声明，简称为"传感器"。依据手指皮肤电、 磁、声、光、热、压等物理性质的差异，从手指直接采集以获得带有指纹纹理 信息的数字图像。
手指对传感器的适宜性若无特别声明，简称为"适宜性"。由于不同手 指皮肤的物理性质差异程度的不同，不同的手指，甚至同一手指的不同时期， 使用不同原理的传感器采集时采集效果各不相同。
面传感器词时采集整个手指指纹的传感器。除声学传感器以外，均以面 板接触采集为特征，故称为面传感器。
线传感器传感器阵列为宽度远小于长度的矩形，采集时手指需接触并沿 宽度方向移动，以图像拼接方法将逐次采集的图像拼接为手指指纹图像的传感 器、采集方法和图像拼接过程的总和。之所以把图像拼接过程认为线传感器的 一部分，是为了遵循传感器从手指到指纹图像的转换的定义。
指纹采集图像若无特别声明，简称为"图像"。指由指纹采集传感器从 手指上直接采集得到的反映手指真实指纹信息的数字化灰度图像。
图像前景若无特别声明，简称为"前景"。采集到指纹信息的传感器部 分所形成的图像局部，反映了指纹信息。
图像背景若无特别声明，简称为"背景"。没有采集到指纹信息的传感
器部分形成的图像局部。
图像问题因手指污染或破损、传感器缺陷、数字量化过程等因素引入的 噪声，并因适宜性、采集过程接触程度、手指变形等因素造成指纹信息的失真 和损失，统称为图像问题。
指纹采集图像库若无特别声明，简称为"指纹库"。图像的集合及其标 注该标注将相同手指的采集图像归为一组，将不同手指的采集图像归入不同 组，以作为指纹图像识别算法识别、拒识别和误识别的判断依据。
指纹库群 一组有关联的指纹库，比如，采集自同一款传感器。
图象重叠区域若无特别声明，简称为"重叠区域"。采集自同一手指的 不同图像，其前景部分共同包含的对应于相同手指表面的区域。
非线性变形采集自同一手指的不同图像，由手指表面受压力和切力造成 的，与旋转平移无关的相对变形。
图像对问题指纹库中的图像对的相互性质，影响算法进行有效识别的。 主要包括重叠区域信息总量大小和非线性变形程度，以及不同手指采集的指纹 图像的相似程度。
绝对可处理性各种已知图像问题和图像对问题的总和。
绝对可处理性空间各种图像问题和图像对问题的程度作欧氏积得到的欧 氏空间。
指纹图像识别算法若无特别声明，简称为"算法"。指一个计算过程，
其输入为指纹图像对，而输出为"同一手指"或"不同手指"的逻辑判断。 识别算法将采自同一手指的不同图像判决为"同一手指"。 拒识别算法将采自同一手指的不同图像判决为"不同手指"。 误识别算法将采自不同手指的图像判决为"同一手指"。 拒真率拒识别次数占同 一手指不同图像对输入个数的比率。 识假率误识别次数占不同手指图像对输入个数的比率。 算法性能评价以指纹库中的图像对作为输入，得到的拒真率和识假率水
平。如果算法对相似程度分析结果进行硬门限判决得到拒真率和识假率，那么
体现为两者关于门限的曲线。
相对可处理性一个指纹库中的指纹对作为某算法输入得到的算法性能评
价中，体现目标指纹识别系统要求的部分。
发明内容
为了解决上述的技术问题，提供了一种指纹库的可处理性分析评估方法和 系统。其目的在于，适应指纹采集传感器和指纹识别算法的性能评价需求，推 动传感器和算法研究发展，和指纹识别系统的整体设计。
本发明提供了指纹采集图像库的可处理性分析评估系统，包括
指纹图像库，指纹采集传感器，绝对可处理性分析模块，相对可处理性分 析模块，以及指纹图像识别算法模块；
指纹传感器，与指纹图像库连接；
指纹图像库，还分别与绝对可处理性分析模块、相对可处理性分析模块和
指纹图像识别算法模块连接；
指纹图像识别算法模块，还与相对可处理性分析模块连接； 绝对可处理性分析模块，用于对指纹图像库进行分析，输出指纹图像库的
绝对可处理性；
相对可处理性分析模块，用于对指纹图像库和指纹图像库经指纹图像识别 算法得到的识别性能评价进行分析，输出指纹图像库的相对可处理性。 还包括同传感器综合模块和同算法综合模块；
同算法综合模块，分别与相对可处理性分析模块和绝对可处理性分析模块 连接，用于依据指纹图像库的绝对可处理性和指纹图像库的相对可处理性输出 算法性能评价；
同传感器综合模块，分别与相对可处理性分析模块、绝对可处理性分析模 块以及同算法综合模块连接，用于依据指纹图像库的绝对可处理性、指纹图像 库的相对可处理性以及算法性能评价输出传感器性能评价。
绝对可处理性分析模块包括
全局统计性质分析模块，用于采集区域大小、分辨率、分辨率一致性、以 及灰度等级；
局部统计性质分析模块，用于采集图像前景背景可分离性，前景面积，前 景灰度统计分布，前景对比度统计分布和前景空频统计分布；
图像问题分析模块，用于依据前景背景分离得到的前景图像计算前景局部
频率集中程度，并依据前景背景分离得到的前景图像计算脊线方向场的平滑程
度分布；
图像对问题分析模块，用于依据前景图像计算重叠区域信息量分布以及非 线性变形程度分布。
相对可处理性分析模块包括
测试评估模块，用于基于指纹图像库对指纹识别算法性能进行测试评估； 评估结果提取模块，用于从评估结果中提取符合预设条件的评估结果。 同算法综合模块包括
离散函数建立模块，用于将绝对可处理性作为向量自变量，将指纹图像库 相对于所选择的算法的相对可处理性作为函数值，建立定义在绝对可处理性空 间里的离散函数；
离散函数拟合模块，用于将离散函数拟合成为连续函数。
同传感器综合模块包括
绝对可处理性分布密度函数建立模块，用于将同一款传感器采集不同类型
手指得到的指纹图像库群分别进行绝对可处理性分析，以统计该传感器釆集的
指纹图像库的绝对可处理性分布密度函数；
相对可处理性分布函数建立模块，用于依据指纹图像库的绝对可处理性分
布密度函数和所选择的算法性能评价函数，将绝对可处理性分布密度函数经算
法性能评价函数映射得到相对可处理性分布函数。
本发明提供了指纹采集图像库的可处理性分析评估方法，包括 步骤71，对指纹图像库进行分析，输出指纹图像库的绝对可处理性； 步骤72，对指纹图像库和指纹图像库经指纹图像识别算法得到的识别性
能评价进行分析，输出指纹图像库的相对可处理性。 还包括
步骤73，依据指纹图像库的绝对可处理性和指纹图像库的相对可处理性 输出算法性能评价；
步骤74，依据指纹图像库的绝对可处理性、指纹图像库的相对可处理性 以及算法性能评价输出传感器性能评价。
步骤71包括
步骤91，采集区域大小、分辨率、分辨率一致性、以及灰度等级；
步骤92，采集图像前景背景可分离性，前景面积，前景灰度统计分布， 前景对比度统计分布和前景空频统计分布；
步骤93，依据前景背景分离得到的前景图像计算前景局部频率集中程度， 并依据前景背景分离得到的前景图像计算脊线方向场的平滑程度分布；
步骤94，依据前景图像计算重叠区域信息量分布以及非线性变形程度分布。
步骤72包括
步骤101，基于指纹图像库对指纹识别算法性能进行测试评估； 步骤102，从评估结果中提取符合预设条件的评估结果。 步骤73包括
步骤lll，将绝对可处理性作为向量自变量，将指纹图像库相对于所选择 的算法的相对可处理性作为函数值，建立定义在绝对可处理性空间里的离散函 数；
步骤112，将离散函数拟合成为连续函数。 步骤74包括
步骤121，将同一款传感器采集不同类型手指得到的指纹图像库群分别进 行绝对可处理性分析，以统计该传感器采集的指纹图像库的绝对可处理性分布 密度函数；
步骤122，依据指纹图像库的绝对可处理性分布密度函数和所选择的算法 性能评价函数，将绝对可处理性分布密度函数经算法性能评价函数映射得到相 对可处理性分布函数。
本发明避免了使用专有指纹库评价算法性能时，因为采集人群的特殊性和 传感器特性导致图像问题和图像对问题的偏向性造成的评价结果不稳定，通过 分析指纹库本身校正该评价结果。
本发明提出了把不同指纹库作为测试集的算法性能评价进行融合的可行 道路，通过分析得到各指纹库的绝对可处理性坐标，将算法性能评价和绝对可 处理性空间建立映射，从而得到对算法性能的深入全面的评价。
本发明以相对可处理性来评估指纹库，这等价于评价采集该指纹库的传感 器相对于目标算法的性能。相比直接对图像进行简单分析统计，对指纹识别系 统的构建有更直接的意义。本发明采用开放的分级的系统架构，一方面可以吸纳算法研究和传感器研 究的最新进展，使评估系统始终保持可用性，另一方面促进更多的个人、企业、 机构参与到指纹库评估方法的研究中来。
图1是本发明提供的指纹采集图像库的可处理性分析评估系统流程图。
图2是本发明提供的指纹库统计性质分析原理图。
图3是本发明提供的指纹库图像问题分析原理图。
图4是本发明提供的指纹库图像对问题分析原理图。
图5是本发明提供的相对可处理性分析原理图。
图6是本发明提供的指纹图像识别算法性能分析原理图。
图7是本发明提供的指纹采集传感器性能分析原理图。
具体实施例方式
本发明通过对指纹库进行分析和可处理性评估，以达到评价指纹图像识别 算法、活体指纹采集传感器以及他们所组合构成的活体指纹识别系统性能的目 的。
如图1所示。粗实线框内为本系统的必要部分即分析部分，包括绝对可处 理性分析模块和相对可处理性分析模块，粗虚线框内为本系统扩展部分即综合
部分，包括同算法综合模块和同传感器综合模块。工作流程为 步骤l，指纹图像库由指纹采集传感器采集指纹。
步骤2，指纹图像库为绝对可处理性分析模块的输入，绝对可处理性分析 模块的输出为纹图像库的绝对可处理性。
步骤3，指纹图像库和指纹图像库经指纹图像识别算法得到的识别性能评
价，是相对可处理性分析模块的输入，相对可处理性分析模块的输出为指纹图 像库的相对可处理性。
步骤4，绝对可处理性、相对可处理性作为同算法综合模块的输入，输出 为算法性能评价。
步骤5，绝对可处理性、相对可处理性和算法性能评价函数作为同传感器 综合模块的输入，输出为传感器性能评价。 绝对可处理性分析模块，分析指纹库本身固有的与具体算法无关的影响指 纹图像识别算法性能的因素，其处理步骤如下 步骤a，分析全局统计性质
包括采集区域大小、分辨率、分辨率一致性、灰度等级。面式采集器采集 的图像全局统计性质由传感器固有性质决定，线式传感器采集的图像受手指刮 擦长度、方向、接触程度变化以及拼接方法的影响，需进行统计。
步骤b，分析局部统计性质
包括图像前景背景可分离性，前景面积，前景灰度统计分布，前景对比度 统计分布，前景空频统计分布。前景背景可分离性就是各自的局部统计性质的 差异程度；前景面积指有效指纹图像的总面积；前景灰度统计分布指有效指纹 图像区域的灰度统计分布；前景对比度统计分布指有效指纹图像区域以合理的 尺度分块，块对比度的分布；前景空频统计分布指有效指纹图像区域以合理的 尺度分块，块短时频率分布的分布。
步骤c，分析图像问题-
影响特征提取的图像问题，表示了指纹图像中指纹信息和噪声的比例关 系，包括前景局部频率集中程度，脊线方向场的平滑程度分布。前景局部频率 集中程度从前景空频统计分布分析得到；从指纹图像提取脊线方向场并平滑 之，平滑前后的差异就是脊线方向场的平滑程度。
步骤d，分析图像对问题
影响特征匹配的图像对的相关性的问题，包括重叠区域信息量分布，非线 性变形程度分布。用人工或软件进行指纹图像匹配，匹配结果就表明了两幅图 像的重叠区域和相对非线性变形。重叠区域信息量由重叠区域面积和重叠区域 包含的有效特征数量和质量决定。
相对可处理性分析模块，分析指纹库使某具体算法在指定性能指标上达到 的水平，反应指纹识别系统某一方面的性能。实现分两个步骤
步骤I，基于指纹图像库对指纹识别算法性能进行测试评估。 步骤II，从评估结果中提取相当于指纹识别系统所要求指标的的评估结果 形式。
同算法综合模块，将不同指纹库的绝对可处理性评估和相对于同一个算法 的相对可处理性评估，综合为定义在绝对可处理性空间里的算法性能评价函
数，以反映算法面对不同的绝对可处理性指标组合所达到的性能。其实现分两 个步骤
步骤l)，将指纹库的绝对可处理性的4个方面作为向量自变量，将指纹 库相对于某算法的相对可处理性作为函数值，建立定义在绝对可处理性空间里 的离散函数。
步骤2)，将离散函数拟合成为连续函数，就是算法的性能评价函数。其 预测了当输入指纹库具有某特定绝对可处理性组合时，以之为测试集算法所能 达到的性能。
同传感器综合模块，通过评价采集自同一款传感器的指纹库来评价该传感 器作为活体指纹识别系统指纹图像采集输入的价值。其实现分两个步骤-
步骤(1)，将同一款传感器采集不同类型手指得到的指纹库群分别进行绝 对可处理性分析，以统计该传感器采集指纹库的绝对可处理性分布密度函数。 该分布密度函数就是传感器的绝对性能评价。反映了传感器采集图像绝对可处 理性程度和稳定程度。
步骤(2)，若传感器采集指纹库的绝对可处理性分布密度函数已知，同时 某算法性能评价函数已知，该绝对可处理性分布密度函数经算法评价函数映射 得到的相对可处理性分布函数，就是传感器的相对性能评价。反映了该传感器 与选定算法构成活体指纹识别系统时，系统性能所达到的程度和稳定程度。
分析部分，分为四个模块。
1. 统计性质分析模块
如图2所示，由基本的图像处理方法按一定流程组合。面传感器全局统计 性质是固有性质，由手工输入。线传感器全局统计性质经软件统计得到。局部 统计性质，先将指纹图像分块，统计各分块的灰度、对比度和频率分布，依据 指纹库特性选择一种或多种的融合作为前景背景分离的依据，前景背景在该统 计性质上的差异程度作为可分离性的评估。分离出前景块后，依据之前的统计， 计算前景面积、灰度分布、对比度分布、空频分布。
前景背景可分离性决定了前景提取的准确度，原理上会影响一切后续处理 的准确程度。但鉴于目前的指纹采集传感器采集图像一般都可以相当准确的提 取出前景，故仅当库图像前景背景可分离度较低时，才予以考虑。
2. 图像问题分析模块
如图3所示。前景局部频率集中程度的分析以统计性质分析模块输出的前 景空频分布作为输入。指纹图像脊线方向场平滑程度的评估，需调用两个指纹 图像处理中的基本方法脊线方向场判定和脊线方向场平滑。依据前景背景分 离从指纹图像上得到前景图像，判定前景脊线方向场，并对方向场进行平滑， 平滑前后脊线方向场的差异程度就是原指纹图像脊线方向场的平滑程度。
指纹图像脊线方向场平滑程度分析的准确程度，完全取决于所调用的脊线 方向场判定和脊线方向场平滑模块的性能。由于指纹图像处理方法的多样性， 且正处于发展中，本系统对其实现算法不指定。
3. 图像对问题分析模块
如图4所示。依据前景背景分离从指纹图像上得到前景图像，通过指纹图 像匹配算法进行匹配，便得到重叠区域面积和非线性变形程度的分析。指纹图 像匹配是指纹图像识别的主要部分，用于识别时仅使用其输出中对图像相似度 的评估。在本系统中使用其对重叠区域的判断，和非线性变形的判断。
图像对问题评估的准确程度，完全取决于所调用的指纹图像匹配算法在重 叠区域判断和非线性变形判断上的性能。由于指纹图像匹配方法的多样性，且 正处于发展中，本系统对其实现算法不指定。
4. 相对可处理性分析模块
如图5所示。先以基于测试集对指纹图像识别算法进行性能评价的方法， 以被测指纹库作为测试集，得到某算法的性能评价。该评价符合标准方法所要 求的所有评价信息。依据指纹识别系统所要求的性能指标，提取出对应的评价 数据，作为相对可处理性。
测试的标准方法参照.FVC2006等通行的测试方法，由于本模块功能是分 析指纹的相对可处理性，故对测试结果中有关算法运行效率的不予关心。最终 系统所要求的性能指标因应用而异，例如活体指纹识别系统用作锁具时，要求 指标一般为万分之一 (或百万分之一)识假率对应的拒真率，则针对锁具应用 就应以此要求来提取相对可处理性。
综合部分，分为两个模块
1.同算法综合
如图6所示。绝对可处理性中，两个图像问题和两个图像对问题作为绝对
可处理性空间的坐标基，分别是前景局部频率集中程度、指纹图像脊线方向
场平滑程度、重叠区域面积分布、非线性变形程度分布。并以相对可处理性 为定义在绝对可处理性坐标的函数。这样不同指纹库相对于某算法的可处理性 评估就成为了一个定义在绝对可处理性空间上的离散点上的函数。对该离散函 数进行高维函数拟合，得到的连续函数就是同算法综合得到的算法性能评价函 数。该拟合函数评价算法性能的意义在于，量化描述了以指纹库的绝对可处理 性和以指纹库为测试集所得到的算法性能评价之间的关系，当指纹库绝对可处 理性可预测，则算法表现出的性能可预测。
高维函数拟合是一种经典方法，显式函数拟合主要用于经验公式拟合，分 段函数拟合则是数值计算中的一般方法。这个方法是可选的，故不指定。
2.同传感器综合
如图7所示。统计某款传感器所采集的大量指纹库通过分析部分得到的绝 对可处理性坐标分布，该分布就是该传感器的绝对性能评价，指出了该传感器 在采集过程中造成的图像问题和图像对问题的程度和稳定性。若某算法的性能 评价函数已知，并覆盖了该传感器的绝对性能评价，那么该绝对可处理性坐标 分布通过算法性能评价函数映射得到的函数值分布就是该传感器相对于该算 法的相对性能评价，表示了这两者组合成为指纹识别系统时的性能评价。
由于算法性能评价函数的表示方法由所选择的拟合过程决定，且该表示方 法直接定义了映射过程，故映射过程不进行指定，而由选择高维函数拟合方法 时选择其对应的函数映射方法。
本领域的技术人员在不脱离权利要求书确定的本发明的精神和范围的条 件下，还可以对以上内容进行各种各样的修改。因此本发明的范围并不仅限于 以上的说明，而是由权利要求书的范围来确定的。
权利要求
1.指纹采集图像库的可处理性分析评估系统，其特征在于，包括指纹图像库，指纹采集传感器，绝对可处理性分析模块，相对可处理性分析模块，以及指纹图像识别算法模块；指纹传感器，与指纹图像库连接；指纹图像库，还分别与绝对可处理性分析模块、相对可处理性分析模块和指纹图像识别算法模块连接；指纹图像识别算法模块，还与相对可处理性分析模块连接；绝对可处理性分析模块，用于对指纹图像库进行分析，输出指纹图像库的绝对可处理性；相对可处理性分析模块，用于对指纹图像库和指纹图像库经指纹图像识别算法得到的识别性能评价进行分析，输出指纹图像库的相对可处理性。
2. 如权利要求1所述的可处理性分析评估系统，其特征在于，还包括同 传感器综合模块和同算法综合模块；同算法综合模块，分别与相对可处理性分析模块和绝对可处理性分析模块 连接，用于依据指纹图像库的绝对可处理性和指纹图像库的相对可处理性输出 算法性能评价；同传感器综合模块，分别与相对可处理性分析模块、绝对可处理性分析模 块以及同算法综合模块连接，用于依据指纹图像库的绝对可处理性、指纹图像 库的相对可处理性以及算法性能评价输出传感器性能评价。
3. 如权利要求1或2所述的可处理性分析评估系统，其特征在于，绝对 可处理性分析模块包括全局统计性质分析模块，用于采集区域大小、分辨率、分辨率一致性、以 及灰度等级；局部统计性质分析模块，用于采集图像前景背景可分离性，前景面积，前 景灰度统计分布，前景对比度统计分布和前景空频统计分布；图像问题分析模块，用于依据前景背景分离得到的前景图像计算前景局部 频率集中程度，并依据前景背景分离得到的前景图像计算脊线方向场的平滑程 度分布； 图像对问题分析模块，用于依据前景图像计算重叠区域信息量分布以及非 线性变形程度分布。
4. 如权利要求3所述的可处理性分析评估系统，其特征在于，相对可处理性分析模块包括测试评估模块，用于基于指纹图像库对指纹识别算法性能进行测试评估；评估结果提取模块，用于从评估结果中提取符合预设条件的评估结果。
5. 如权利要求3所述的可处理性分析评估系统，其特征在于，同算法综 合模块包括离散函数建立模块，用于将绝对可处理性作为向量自变量，将指纹图像库 相对于所选择的算法的相对可处理性作为函数值，建立定义在绝对可处理性空间里的离散函数；离散函数拟合模块，用于将离散函数拟合成为连续函数。
6. 如权利要求3所述的可处理性分析评估系统，其特征在于，同传感器 综合模块包括绝对可处理性分布密度函数建立模块，用于将同一款传感器采集不同类型 手指得到的指纹图像库群分别进行绝对可处理性分析，以统计该传感器采集的指纹图像库的绝对可处理性分布密度函数；相对可处理性分布函数建立模块，用于依据指纹图像库的绝对可处理性分 布密度函数和所选择的算法性能评价函数，将绝对可处理性分布密度函数经算 法性能评价函数映射得到相对可处理性分布函数。
7. 指纹采集图像库的可处理性分析评估方法，其特征在于，包括: 步骤71，对指纹图像库进行分析，输出指纹图像库的绝对可处理性; 步骤72，对指纹图像库和指纹图像库经指纹图像识别算法得到的识别性能评价进行分析，输出指纹图像库的相对可处理性。
8. 如权利要求7所述的可处理性分析评估方法，其特征在于，还包括 步骤73，依据指纹图像库的绝对可处理性和指纹图像库的相对可处理性输出算法性能评价；步骤74，依据指纹图像库的绝对可处理性、指纹图像库的相对可处理性 以及算法性能评价输出传感器性能评价。
9. 如权利要求7或8所述的可处理性分析评估方法，其特征在于，步骤 71包括步骤91，采集区域大小、分辨率、分辨率一致性、以及灰度等级；步骤92，采集图像前景背景可分离性，前景面积，前景灰度统计分布， 前景对比度统计分布和前景空频统计分布；步骤93，依据前景背景分离得到的前景图像计算前景局部频率集中程度， 并依据前景背景分离得到的前景图像计算脊线方向场的平滑程度分布；步骤94，依据前景图像计算重叠区域信息量分布以及非线性变形程度分布。
10. 如权利要求9所述的可处理性分析评估方法，其特征在于，步骤72 包括步骤101，基于指纹图像库对指纹识别算法性能进行测试评估； 步骤102，从评估结果中提取符合预设条件的评估结果。
11. 如权利要求9所述的可处理性分析评估方法，其特征在于，步骤73 包括步骤lll，将绝对可处理性作为向量自变量，将指纹图像库相对于所选择 的算法的相对可处理性作为函数值，建立定义在绝对可处理性空间里的离散函 数；步骤112，将离散函数拟合成为连续函数。
12. 如权利要求9所述的可处理性分析评估方法，其特征在于，步骤74 包括步骤121，将同一款传感器采集不同类型手指得到的指纹图像库群分别进 行绝对可处理性分析，以统计该传感器采集的指纹图像库的绝对可处理性分布 密度函数；步骤122，依据指纹图像库的绝对可处理性分布密度函数和所选择的算法 性能评价函数，将绝对可处理性分布密度函数经算法性能评价函数映射得到相 对可处理性分布函数。
全文摘要
本发明涉及指纹采集图像库的可处理性分析评估方法和系统。该系统包括指纹传感器，与指纹图像库连接；指纹图像库，还分别与绝对可处理性分析模块、相对可处理性分析模块和指纹图像识别算法模块连接；指纹图像识别算法模块，还与相对可处理性分析模块连接；绝对可处理性分析模块，用于对指纹图像库进行分析，输出指纹图像库的绝对可处理性；相对可处理性分析模块，用于对指纹图像库和指纹图像库经指纹图像识别算法得到的识别性能评价进行分析，输出指纹图像库的相对可处理性。本发明把不同指纹库作为测试集的算法性能评价进行融合，得到对算法性能的深入全面的评价；以相对可处理性来评估指纹库，对指纹识别系统的构建有更直接的意义。
文档编号G06K9/00GK101373516SQ20081022216
公开日2009年2月25日 申请日期2008年9月10日 优先权日2008年9月10日
发明者李扬渊 申请人:成都方程式电子有限公司