专利名称：基于方向场分布的指纹校正方法
技术领域：
本发明涉及指纹识别领域，尤其涉及一种基于方向场分布的指纹校正方法。
背景技术：
由于指纹具有唯一性、普遍性和终生不变性等重要性质，利用指纹图像进行身份识别已经有了很长的历史。在公安刑侦领域，自20世纪初期以来，指纹逐渐成为了执法机构逮捕和判定罪犯有罪的最重要的证据之一。近年来，自动指纹识别技术的发展与成熟使得指纹识别被广泛地应用于公安刑侦、出入境、门禁系统和重要设备的权限控制中。在公安刑侦领域，指纹识别的主要对象是从犯罪现场通过多种方法(比如特定的化学试剂或光学仪器等)采集的指纹。由于这类指纹通常是犯罪分子无意中遗留在某些物体上的，指纹可能残缺不全，且存在复杂的背景纹理干扰。在使用自动指纹识别系统识别这些指纹之前，指纹鉴定人员必须手工地将它们切割出来，校正到标准的姿势(指纹中心位于图像中央，指纹方向为竖直)。这个过程非常繁琐耗时。另一方面，在进行活体指纹采集时(包括公安和民用在内的各种指纹识别应用)，容易产生采集姿势不标准的指纹，即采集的指纹按捺位置不在图像中央、角度不是竖直的。要识别这些姿势不标准的指纹，指纹匹配算法不得不考虑各种可能的空间变换，导致运算复杂度很高。本发明要解决的是采集姿势不标准及复杂背景下指纹的自动检测和校正问题。现有的技术主要基于灰度方差和灰度梯度一致性等局部特征来分割指纹区域，这些特征在图像背景干净时具有良好的性能，但在背景较复杂时几乎没有效果，且它们只能估计图像的局部区域是否为指纹，无法估计整个指纹的方向和中心，因而无法校正姿势不正确的指纹，更无法从低质量的犯罪现场指纹中检测出指纹。由于现有技术的不足，在有人值守的指纹识别系统中，指纹的检测和校正通常是由工作人员手工完成的，费时费力。在无人值守的指纹识别系统中，姿势不正确的指纹只能由指纹匹配算法来解决，运算复杂度很高，而且容易导致错误匹配。因此，迫切需要一种指纹自动检测和校正技术，减少人工介入，提高自动化程度，提升采集姿势不标准及复杂背景下指纹识别的速度和精度。
发明内容
本发明旨在至少在一定程度上解决上述技术问题之一或至少提供一种有用的商业选择。为此，本发明的一个目的在于提出一种提高识别效率高、自动化程度高的基于方向场分布的指纹校正方法。根据本发明实施例的基于方向场分布的指纹校正方法，包括:A.离线阶段，所述离线阶段仅进行一次，建立了方向场模板库；和&在线阶段，所述在线阶段将对输入的现场指纹图片提取方向特征，与所述方向场模板库进行比较，估计指纹的位置和方向，然后进行校正。进一步地，所述步骤A进一步包括A1.对训练指纹图像进行基准方向场的标定，将图像划分为大小相同互不重叠的图像块，定义每个图像块包含的指纹脊线和指纹谷线的方向作为该块的方向，所有图像块的方向组成了所述图像的方向场；A2.对所述基准方向场进行提取，获得基准方向场模板;A3.对所述基准方向场模板进行聚类并对每类模板在指纹的不同位置出现的概率分布进行估计4PA4.建立所述基准方向场模板与参考点分布的映射。进一步地，所述步骤A2包括得到基准方向场以后，提取Na组大小为dXd图像块的基准方向场模板，其中，第n组模板表示的是以从正上方为初始方向逆时针旋转nX (360/Na)度以后的方向作为基准方向的方向场模板，其中Na、d和n为正整数。进一步地，所述步骤A3中，所述聚类为K-中心聚类。进一步地，所述步骤B进一步包括B1.对所述输入的现场指纹图片进行初始方向场提取；B2.对提取到的初始方向场进行参考点和参考方向的估计；和133.基于所述参考点和参考方向的估计结果，对所述现场指纹图片进行校正。进一步地，所述步骤BI进一步包括B11.手工标记出所述输入的现场指纹图片中的指纹所在的前景区；B12.将所述前景区分割为多个互不重叠的DXD像素前景区块，对于每个区块进行二维短时傅里叶变换，并提取在变换结果的频域中响应最强的两个方向作为该区块的代表方向，其中D为正整数；和B13.所有所述前景区块的代表方向构成了所述现场指纹的初始方向场。进一步地，所述步骤B2进一步包括B21.按照所述初始方向场的大小构造Na组空的投票格子，对于第n组投票格子，取大小为dX d个格子的滑动窗W，按照从左到右、从上到下的顺序在初始方向场上滑动；B22.每滑动到一个位置(x，y)，将该窗内的dXdX2的方向场取出来作为候选方向场，然后将本组的k个基准方向场模板依次与候选方向场求相似度，最终可以获得k个基准方向场与候选方向场的相似度，选择其中相似度最大者kmg_，认为位置(x，y)处对应的候选方向场就是基准方向场kmgmax ;B23.将kmgmax对应的投票分布以(x，y)为中心叠加到参考点位置分布的投票格子上，当滑动窗扫描完整个初始方向场时，所有位置对应的候选方向场对参考点位置的贡献就全部叠加了起来，参考点位置的分布投票格子中概率最高者，概率记为voten，表示在第n组模板的投票下，参考点可能的所在位置(xn，yn)。由于第n组模板的基准方向是以正上方为初始方向旋转nX360/Na度，因此点(xn, yn)表示前景区域中在位置(xn，yn)处可能有参考方向为nX360/Na的参考点；和B24.当Na个参考点均求出来以后，比较各参考点对应的概率Voten，概率最高者对应的位置和基准方向就是要求的参考点和参考方向。进一步地，所述步骤B3进一步包括根据校正后指纹的中心点和参考点的位置估计平移向量，由校正后的指纹正方向与参考方向估计旋转向量，再通过所述平移向量和所述旋转向量进行正交变换，完成指纹的校正。本发明提供了一种基于方向场分布的指纹校正方法，该方法通过聚类学习的方式对指纹脊线方向的局部模式和空间分布进行了统计，通过局部模式对比的方式寻找目标图像中与指纹模式类似的区域，再结合各局部模式的空间位置分布消除出现在不合理位置的局部模式的影响，最终估计指纹的位置和方向，并依据位置和方向信息对指纹进行校正。本发明与以往指纹检测方法的最大的不同在于它考虑了指纹脊线方向的局部模式及其空间分布，在检测中考虑了指纹本身的自然特性，加入了先验信息。传统的指纹检测方法只考虑指纹图像中孤立分割的图像块内统计信息及局部的兼容性约束，有很大的限制首先，只考虑统计信息在背景比较复杂的情况下无法区分背景和指纹图像；只考虑局部兼容性约束则只能保证图像块的分类在局部不冲突，却无法保证在图像块出现在其位置的可信度。本方法利用局部区域纹理信息自动分析和提取最佳的局部匹配模式，再结合指纹局部模式的空间分布，投票产生指纹的参考点和参考方向，以指示指纹所在的位置和方向，完成对指纹位置和方向的检测。接下来，算法将依据该参考点和参考方向对指纹进行坐标系归一化，即以参考点为指纹中心，以参考方向为正上方将指纹图像进行正交变换。本发明可以极大地减少目前复杂背景下的指纹检测中的人工干预，减轻指纹鉴定人员工作量，提高识别效率，提升指纹识别系统的自动化程度。本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中图1为本发明的基于方向场分布的指纹校正方法的流程2为基准方向场的标定示意3为方向场校正示意4为方向场模板及其位置分布示意5为方向场模板及其投票分布示意6为参考点位置估计示意7为多方向指纹检测与校正示意图
具体实施例方式下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底” “内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。本发明的目的是解决采集姿势不标准及复杂背景下的指纹检测和校正问题，以提高指纹比对和查询时的效率。为了解决上述技术问题，本发明提供了一种基于方向场分布的指纹检测和校正方法，该方法通过聚类学习的方式对指纹脊线方向的局部模式和空间分布进行了统计，通过局部模式对比的方式寻找目标图像中与指纹模式类似的区域，再结合各局部模式的空间位置分布消除出现在不合理位置的局部模式的影响，最终估计指纹的位置和方向，并依据位置和方向信息对指纹进行校正。为使本领域技术人员更好地理解本文，现对部分符号说明如下F标定阶段的基准指纹图像R基准指纹图像的有效区域O基准指纹图像的方向场S将O进行坐标系校正后的基准方向场IOF待求图像的初始方向场发明中主要涉及的算法包括离线阶段和在线阶段两个主要阶段。A离线阶段这一阶段的主要工作是建立方向场模板库，只需要进行一次。这一阶段主要包括下面几个主要步骤Al、基准方向场的标定—般意义的方向场包括两种，一种是像素方向场，一种是图像块方向场，本技术说明中其他部分所有提到的方向场都是指图像块方向场，即将指纹图像划分为DXD像素大小且互不重叠的图像块，以每个块包含的指纹脊线和谷线的方向作为该块的方向，所有图像块的方向组成了该指纹的方向场(如图3中白色短线所示)。本指纹检测系统的在线阶段需要基于一组基准方向场模板完成。为了保证基准方向场模板具有良好的代表性，能体现指纹方向场的真实分布，基准方向场通过手工标定一组真实的训练指纹的方向场来获取。对于每一个指纹F (以图2为例)，首先通过手工标定指纹图像质量比较高(足以辨别方向)的有效区域R，然后手工标定有效区域内指纹图像的方向场O (如图3原始指纹中的白色短线)，再标定该指纹的参考点和参考方向。其中，参考点(如图2中r点)定义为两个点连线的中点，其一为从指纹左半部进入并从指纹右半部离开的完整脊线中位于指纹上半部分的最低一条脊线的最高点(如图2中a点)，其二为位于指纹下半部分的最高一条脊线的中点(如图2中b点)；而参考方向由从b点到a点的连线确定。确定了参考点和参考方向以后，以参考点为中心，参考方向为正上方将标定的方向场进行坐标系校正，即进行旋转和平移并通过方向插值的方式确定新的坐标系中的方向场，以此作为基准方向场如图3校正后指纹中的白色短线)。A2、基准方向场模板提取得到基准方向场以后，本方法将提取Na组(例如Na取72)大小为dXd方向块(例如d取4)的基准方向场模板,其中，每组模板表不的是以从正上方为初始方向旋转360/Na度以后的方向作为基准方向的方向场模板，具体方案为:对于第η组(n e (1，Na))，将基准方向场&旋转nX 360/Na度，然后取大小为dX d个格子的滑动窗W，按照从左到右、从上到下的顺序在5上滑动。每滑动到一个位置(x，y)，若当前窗W包含的方向场全部在有效区域以内，那么把该窗内的dXd的方向场记录下来作为一个模板向量Vi,并记录该窗中心位置与参考点的相对位置(dx” (Iyi)(即(Ixi = X-X1^dyi=y_yMf，其中(XMf，Yref )为参考点的坐标)。A3、基准方向场模板聚类及分布估计将前两步应用在所有的训练指纹上可以提取大量的模板向量及其与参考点的相对位置，在这一歩中，对于每一组模板，采用K-中心聚类方法对这些模板向量进行聚类，具体方案为:预设聚类数目为k (k取200)，从模板向量集合中随机选取k个向量作为聚类中心，然后按照如下步骤进行:(I)计算每个模板向量到所有聚类中心的距离，并将其分到距离最近的类中去；(2)在每个类中，依次选取每个向量作为类中心，计算类中所有向量到它的距离之和，然后选择与最小的距离对应 的向量作为该类的新中心。这样，每个类的中心就经过了一次更新；(3)聚类中心更新后，返回步骤1)，直到这k个聚类中心不再发生改变为止。通过上述方法可得k个聚类中心，并且所有的模板向量都被分到了某个类中，将这k个聚类中心定义为基准方向场模板，即用每个聚类中心来代表该类中的所有的模板。接下来估计各基准方向场模板的位置分布，具体方案为:对于基准方向场模板ki;首先准备空的投票格子，大小为dx e (-Wd, wd),dy e (_hd,hd)(取wd = hd = 20)。扫描该类中的所有模板与参考点的相对位置,对于((Ixi,(Iyi),若满足(Ixi e (-wd, wd)且(Iyi e (_hd, hd),则在投票格的((Ixi, (Iyi)处投一票。扫描完成以后，将所得票数除以参与投票的指纹个数(即类别h的成员个数)，再利用高斯掩模对投票进行平滑，即可得基准方向场模板h相对于参考点的空间概率分布(如图4所示，左侧为某基准方向场模板，右侧为其相对于参考点的空间概率分布，其中参考点位于右图中心)。A4、基准方向场模板与参考点分布的映射上一步得到了 Na组基准方向场模板及其相对于参考点的空间分布，S卩如果已知参考点和方向场模板，可以预测该模板的位置及相应的概率。反过来，如果已知方向场模板及其位置，同样能预测参考点的位置及相应的概率。对于基准方向场模板ki;将它相对于参考点的空间分布以参考点位置为中心进行中心对称映射即可得已知基准方向场模板h的情形下参考点的空间分布，称为基准方向场模板h的投票分布(如图5所示)。B在线阶段
在建立完成方向场模板库以后，输入指纹图片，可以通过在线阶段来估计指纹的位置和方向，然后进行校正。这一阶段主要包括下面几个主要步骤:B1、初始方向场提取对于现场指纹，需要手工标记出图像中的指纹所在的大体区域(称为前景区)，因为下一阶段参考点和参考方向的估计本质上是一个搜索过程，繁杂的背景区域将大大增加搜索时间，降低效率；由于库指纹的背景很简单，可以用图像块傅里叶变换后频域最强波和次强波的幅值比作为特征，很快地按阈值划分出前景区，因而不需要任何手工标注。将前景区分割为DXD像素且互不重叠的图像块，对于每一个块，将其看作二维表面波，对其进行二维短时傅里叶变换，然后寻找频域中最强的两个响应，通过其相对于频域中心的角度，提取每个块中响应最强的两个方向。所有前景区块的两个方向构成了初始方向场10F。B2、参考点和参考方向的估计本技术的离线阶段已经提取了 Na组基准方向场模板，每组模板各代表了一个方向，下面以第η组为示例介绍参考点和参考方向的估计方法:首先初始化参考点位置的分布，即按照IOF的大小构造空的投票格子。取大小为dX d方向块的滑动窗W，按照从左到右、从上到下的顺序在初始方向场IOF上滑动。每滑动到一个位置(x，y)，将该窗内的dXdX2的方向场取出来作为候选方向场，然后将本组的k个基准方向场模板依次与候选方向场求相似度，具体计算方法为:取一个基准方向场，它在每个位置上的方向与2个候选方向对应,如果其中某个候选方向与基准方向的差异小于一定的阈值(取10度)，那么就认为该位置匹配成功，最终在dXd个位置上可以求出匹配成功的位置数ns，那么该基准方向场和候选方向场的相似度为ns/(dXd)。最终可以获得k个基准方向场与候选方向场的相似度，选择其中最大者kargmax,认为位置(X，y)处对应的候选方向场就是基准方向场kargmax。接下来，由于离线阶段已经求出了基准方向场kargmax与参考点的位置分布关系，将kargmax对应的投票分布以(x, y)为中心叠加到参考点位置分布的投票格子上。当滑动窗扫描完整个IOF时，所有位置对应的候选方向场对参考点位置的贡献就全部叠加了起来。此时，参考点位置的分布投票格子中概率最高者(概率记为voten)就表示在第η组模板的投票下，参考点可能的所在位置(xn，yn)。由于第η组模板的基准方向是以正上方为初始方向旋转nX360/Na度，因此点(xn，yn)表示前景区域中在位置(xn, yn)处可能有参考方向为ηX 360/Na的参考点。图6显示了在n=Na时(即旋转角度为O度)的投票示意图，即在寻找各图像块处最相似的方向场模板，然后叠加构成最终的参考点位置概率分布图。当Na个参考点均求出来以后，比较各参考点对应的概率Voten (n e (I, Na))，概率最高者对应的位置和基准方向就是要求的参考点和参考方向。B3、基于参考点和参考方向对指纹进行校正上面提取的参考点和参考方向估计出了指纹所在的位置及方向，因此，由校正后指纹的中心点(预先指定大小的图像中心)和参考点的位置可以估计平移向量，由校正后的指纹正方向(竖直向上)与参考方向可以估计旋转向量，再通过这两者进行正交变换即完成了指纹的校正。图7展示了本技术用于一幅图中拥有多个不同方向指纹的处理结果。其中，最上面是原始图片，中部展示了在3个方向下指纹参考点存在的位置概率分布图，通过阈值划分，可得原始图片中3个指纹的参考点和参考方向，然后最下面显示了依据参考点和参考方向对指纹进行校正和分割的结果。与现有技术相比，本发明的一个或多个实施例可以具有如下优点本发明与以往指纹检测方法的最大的不同在于它考虑了指纹脊线方向的局部模式及其空间分布，在检测中考虑了指纹本身的自然特性，加入了先验信息。传统的指纹检测方法只考虑指纹图像中孤立分割的图像块内统计信息及局部的兼容性约束，有很大的限制首先，只考虑统计信息在背景比较复杂的情况下无法区分背景和指纹图像；只考虑局部兼容性约束则只能保证图像块的分类在局部不冲突，却无法保证在图像块出现在其位置的可信度。本方法利用局部区域纹理信息自动分析和提取最佳的局部匹配模式，再结合指纹局部模式的空间分布，投票产生指纹的参考点和参考方向，以指示指纹所在的位置和方向，完成对指纹位置和方向的检测。接下来，算法将依据该参考点和参考方向对指纹进行坐标系归一化，即以参考点为指纹中心，以参考方向为正上方将指纹图像进行正交变换。本指纹自动检测和校正技术可以极大地减少目前复杂背景下的指纹检测中的人工干预，减轻指纹鉴定人员工作量，提高识别效率，提升指纹识别系统的自动化程度。流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
权利要求
1.一种基于方向场分布的指纹校正方法，其特征在于，包括: A.离线阶段，所述离线阶段仅进行一次，建立了方向场模板库；和 B.在线阶段，所述在线阶段将对输入的现场指纹图片提取方向特征，与所述方向场模板库进行比较，估计指纹的位置和方向，然后进行校正。
2.如权利要求1所述的方法，其特征在于，所述步骤A进一步包括: Al.对训练指纹图像进行基准方向场的标定，将图像划分为大小相同互不重叠的图像块，定义每个图像块包含的指纹脊线和指纹谷线的方向作为该块的方向，所有图像块的方向组成了所述图像的方向场； A2.对所述基准方向场进行提取，获得基准方向场模板； A3.对所述基准方向场模板进行聚类并对每类模板在指纹的不同位置出现的概率分布进行估计；和 A4.建立所述基准方向场模板与参考点分布的映射。
3.如权利要求2所述的方法，其特征在于，所述步骤A2包括:得到基准方向场以后，提取Na组大小为dXd图像块的基准方向场模板，其中，第n组模板表示的是以从正上方为初始方向逆时针旋转nX (360/Na)度以后的方向作为基准方向的方向场模板，其中Na、d和n为正整数。
4.如权利要求3所述的方法，其特征在于，所述步骤A3中，所述聚类为K-中心聚类。
5.如权利要求1-4任一项所述的方法，其特征在于，所述步骤B进一步包括: B1.对所述输入的 现场指纹图片进行初始方向场提取； B2.对提取到的初始方向场进行参考点和参考方向的估计；和 B3.基于所述参考点和参考方向的估计结果，对所述现场指纹图片进行校正。
6.如权利要求5所述的方法，其特征在于，所述步骤BI进一步包括: Bll.手工标记出所述输入的现场指纹图片中的指纹所在的前景区； B12.将所述前景区分割为多个互不重叠的DXD像素前景区块，对于每个区块进行二维短时傅里叶变换，并提取在变换结果的频域中响应最强的两个方向作为该区块的代表方向，其中D为正整数；和 B13.所有所述前景区块的代表方向构成了所述现场指纹的初始方向场。
7.如权利要求6所述的方法，其特征在于，所述步骤B2进一步包括: B21.按照所述初始方向场的大小构造Na组空的投票格子，对于第n组投票格子，取大小为dXd个格子的滑动窗W，按照从左到右、从上到下的顺序在初始方向场上滑动； B22.每滑动到一个位置(X，y )，将该窗内的dX dX 2的方向场取出来作为候选方向场，然后将本组的k个基准方向场模板依次与候选方向场求相似度，最终可以获得k个基准方向场与候选方向场的相似度，选择其中相似度最大者kmg_，认为位置(x，y)处对应的候选方向场就是基准方向场kmgmax ； B23.将kmg_对应的投票分布以(x，y)为中心叠加到参考点位置分布的投票格子上，当滑动窗扫描完整个初始方向场时，所有位置对应的候选方向场对参考点位置的贡献就全部叠加了起来，参考点位置的分布投票格子中概率最高者，概率记为Voten，表示在第n组模板的投票下，参考点可能的所在位置(xn，yn)。由于第n组模板的基准方向是以正上方为初始方向旋转nX360/Na度，因此点(xn, yn)表示前景区域中在位置(xn，yn)处可能有参考方向为nX360/Nj^参考点；和 B24.当Na个参考点均求出来以后，比较各参考点对应的概率Voten，概率最高者对应的位置和基准方向就是要求的参考点和参考方向。
8.如权利要求7所述的方法，其特征在于，所述步骤B3进一步包括:根据校正后指纹的中心点和参考点的位置估计平移向量，由校正后的指纹正方向与参考方向估计旋转向量，再通过所述平移向量和所 述旋转向量进行正交变换，完成指纹的校正。
全文摘要
本发明提供了一种基于方向场分布的指纹校正方法，该方法通过聚类学习的方式对指纹脊线方向的局部模式和空间分布进行了统计，通过局部模式对比的方式寻找目标图像中与指纹模式类似的区域，再结合各局部模式的空间位置分布消除出现在不合理位置的局部模式的影响，最终估计指纹的位置和方向，并依据位置和方向信息对指纹进行切割和校正。本发明可以将采集姿势不标准的指纹校正为标准姿势的指纹，以提高指纹比对和查询时的效率；还可以从包含多个指纹的背景复杂的现场指纹图像中自动检测和切割出所有指纹，并将其姿势进行校正，具有计算效率高，准确率高的优点。
文档编号G06K9/00GK103077377SQ20121059286
公开日2013年5月1日 申请日期2012年12月31日 优先权日2012年12月31日
发明者周杰, 冯建江, 杨霄 申请人:清华大学