本发明属于生物特征识别技术领域，尤其涉及一种基于oct指纹图像的自动防伪方法及系统。
背景技术
生物特征识别技术在当前的信息时代中具有十分重要的意义。生物特征识别技术能够作为一种强且有效的身份认证手段。生物特征识别技术是基于人们身体或者行为特征统计和分析的。目前常见的生物特征包括了指纹，人脸，dna，虹膜，掌纹以及声音等。在众多的生物特征中，指纹是目前运用最广泛和最有效的生物特征。
如今自动指纹识别系统已经在商业、医疗以及金融等领域中被广泛使用，考虑到自动指纹识别系统的广泛普及使用，针对目前的自动指纹识别系统出现了多种不同的攻击方式，其中就包括指纹模仿。指纹模仿是复制一个人的指纹用来制作相同的指纹，以此欺骗自动指纹识别系统。这种人造指纹，包括厚指纹膜、薄指纹膜以及人造手指模型，并且目前主要使用明胶，硅胶以及树脂制作人造指纹。因为目前大多数自动指纹识别系统采集装置使用普通光学装置，因此使用这些人造指纹能够欺骗自动指纹识别系统，实现和其他人共享身份。因为自动指纹识别系统已经应用在各种日常场合，并且保护着个人的隐私以及财产。所以针对目前的常见的人造指纹攻击手段，使用新的指纹采集技术，如oct技术，并且提出有效的指纹防伪方法至关重要。并且目前也缺少实现利用自动化的oct技术采集指纹图像防伪方法。
技术实现要素：
本发明的目的在于提供一种基于oct指纹图像的自动防伪方法，旨在解决人造指纹能够欺骗自动指纹识别系统的技术问题。
本发明是这样实现的，一种基于oct指纹图像的自动防伪方法，所述自动防伪方法包括以下步骤：
s1、利用oct设备对预识别的指纹进行图像采集；
s2、选取预定值数量采集的指纹图像作为测试的数据集；
s3、对选取的指纹图像的测试数据集进行图像预处理；
s4、将预处理后的指纹图像计算一维深度信号；
s5、根据一维深度信号与预设的两种防伪特征对比判断测试指纹为真实手指或人造指纹。
本发明的进一步技术方案是：所述步骤s3还包括以下步骤：
s31、对采集的指纹图像进行消除噪声处理；
s32、对去除噪声的指纹图像的每列峰值检测结果进行拉直处理；
s33、对拉伸后的指纹图像使用非锐化掩蔽usm方法进行锐化；
s34、根据峰值检测结构对锐化的指纹图像进行区域划分并观察选取图像。
本发明的进一步技术方案是：所述步骤s4还包括以下步骤：
s41、对每列指纹图像进行累加求和计算处理。
本发明的进一步技术方案是：所述步骤s5中还包括以下步骤：
s51、计算具有双峰特征的一维深度信号图像占测试数据集的百分比；
s52、判断具有双峰特征图像的百分比是否大于阈值；如是，则执行下一步骤，如否，则判断采集样品为人造指纹并输出不通过；
s53、计算不具有单峰特征的一维深度信号图像占测试数据集的百分比；
s54、判断不具有单峰特征图像的百分比是否大于阈值；如是，则判断为真实手指并输出通过，如否，则判断采集样品为增加超薄透明附加层是我手指并输出不通过。
本发明的进一步技术方案是：所述步骤s51中还包括以下步骤：
s511、对测试数据集中每幅图像的一维深度信号进行平滑处理；
s512、计算平滑处理后的一维深度信号具有两个存在间距且大于均值的峰值特征的图像占测试数据集的百分比。
本发明的进一步技术方案是：所述步骤s53中还包括以下步骤：
s531、对测试数据集每幅图像的一维深度信号自信号开始至信号最大值进行截取；
s532、计算截取后的一维深度信号不具有单个大于均值的峰值特征的图像占测试数据集的百分比。
本发明的进一步技术方案是：所述步骤s2中作为测试的数据集图像占每次oct设备采集指纹图像的10％-25％。
本发明的进一步技术方案是：所述oct设备为高速sd-oct系统，通过测量样品的后向散射光的干涉信号，对生物组织的内部微观结构进行高分辨率层析成像。
本发明的进一步技术方案是：所述步骤s31中还包括以下步骤：
s311、对采集的指纹图像利用小波变换消除高频噪声；
s312、对消除高频噪声的指纹图像利用贝叶斯局部均值原理的方法消除散斑噪声。
本发明的另一目的在于提供一种基于oct指纹图像的自动防伪系统，所述自动防伪系统包括
采集模块，用于利用oct设备对预识别的指纹进行图像采集；
选取模块，用于选取预定值数量采集的指纹图像作为测试的数据集；
预处理模块，用于对选取的指纹图像的测试数据集进行图像预处理；
一维信号计算模块，用于将预处理后的指纹图像计算一维深度信号；
手指判断模块，用于根据一维深度信号与预设的两种防伪特征对比判断测试指纹为真实手指或人造指纹。
本发明的进一步技术方案是：所述预处理模块中还包括
去噪单元，用于对采集的指纹图像进行消除噪声处理；
拉直单元，用于对去除噪声的指纹图像的每列峰值检测结果进行拉直处理；
锐化单元，用于对拉伸后的指纹图像使用非锐化掩蔽usm方法进行锐化；
选图单元，根据峰值检测结构对锐化的指纹图像进行区域划分并观察选取图像。
本发明的进一步技术方案是：所述一维信号判断模块中还包括
累加求和单元，用于对每列指纹图像进行累加求和计算处理。
本发明的进一步技术方案是：所述手指判断模块中还包括
计算双峰特征百分比单元，用于计算具有双峰特征的一维深度信号图像占测试数据集的百分比；
判断双峰特征单元，用于判断具有双峰特征图像的百分比是否大于阈值；如是，则执行计算不具有单峰特征百分比单元，如否，则判断采集样品为人造指纹并输出不通过；
计算不具有单峰特征百分比单元，用于计算不具有单峰特征的一维深度信号图像占测试数据集的百分比；
判断不具有单峰特征单元，用于判断不具有单峰特征图像的百分比是否大于阈值；如是，则判断为真实手指并输出通过，如否，则判断采集样品为增加超薄透明附加层是我手指并输出不通过。
本发明的进一步技术方案是：所述计算双峰特征百分比单元中还包括平滑处理子模块，用于对测试数据集中每幅图像的一维深度信号进行平滑处理；
平滑峰值特征子模块，用于计算平滑处理后的一维深度信号具有两个存在间距且大于均值的峰值特征的图像占测试数据集的百分比。
本发明的进一步技术方案是：所述计算不具有单峰特征百分比单元中还包括
截取子模块，用于对测试数据集每幅图像的一维深度信号自信号开始至信号最大值进行截取；
截取峰值特征子模块，用于计算截取后的一维深度信号不具有单个大于均值的峰值特征的图像占测试数据集的百分比。
本发明的进一步技术方案是：所述去噪单元中还包括
高频去噪子模块，用于对采集的指纹图像利用小波变换消除高频噪声；
散斑去噪子模块，用于对消除高频噪声的指纹图像利用贝叶斯局部均值原理的方法消除散斑噪声。
本发明的进一步技术方案是：所述选取模块中作为测试的数据集图像占每次oct设备采集指纹图像的10％-25％。
本发明的进一步技术方案是：所述oct设备为高速sd-oct系统，通过测量样品的后向散射光的干涉信号，对生物组织的内部微观结构进行高分辨率层析成像。
本发明的有益效果是：该方法有效的解决了人造指纹的攻击问题，并且考虑了对手指包裹包含超薄附加层情况的防伪。该方法解决了人工干预，实现自动化基于oct指纹图像进行防伪判断。
附图说明
图1是本发明实施例提供的基于oct指纹图像的自动防伪方法的流程图。
图2是本发明实施例提供的所使用oct设备采集的真手指原图样张图。
图3是本发明实施例提供的对oct设备采集的真手指预处理后样张图。
图4是本发明实施例提供的双峰特征示意图。
图5是本发明实施例提供的单峰特征示意图。
具体实施方式
如图1所示，本发明提供的基于oct指纹图像的自动防伪方法，其详述如下：
步骤s1，利用oct(基于光学相干断层扫描技术)设备采集指纹图像。利用oct设备对预识别的手指进行采集指纹图像，在采集图像中是对整个手指的指纹全面采集的，其中，采集使用oct设备为高速sd-oct系统，并通过测量样品的后向散射光的干涉信号，对生物组织的内部微观结构进行高分辨率层析成像。
步骤s2，选取预定值数量采集的指纹图像作为测试的数据集；选取一定数量oct指纹图像作为测试数据集；oct设备每次采集得到400幅指纹横截面图像，选择10％与25％的数量图像作为数据集进行测试。
步骤s3，对选取的指纹图像的测试数据集进行图像预处理；在对测试数据集中的指纹图像进行预处理过程中，还有对指纹图像做以下处理，s31、对采集的oct指纹图像进行小波变换消除高频噪声，并且利用贝叶斯局部均值原理的方法消除散斑噪声；s32、根据每列峰值检测结果进行拉直处理；根据检测每一列最大值的峰值所在位置重置在新的图像上实现拉直操作；s33、对图像使用非锐化掩蔽(unsharpmasking)方法锐化；使用usm方法锐化图像使图像细节特征突出；s34、选取图像的感兴趣范围(regionofinterest)；根据峰值检测的结果进行左右区域划分，并且根据观察的阈值固定选取上下区域。经过以上步骤处理之后的结果，作为预处理结果输出。
步骤s4，将预处理后的指纹图像计算一维深度信号；计算步骤s3图像预处理后的图像的一维深度信号；本步骤将步骤s3得到的预处理之后的图像进行每一列累加求和，得到一维的深度结构信号。
步骤s5，根据一维深度信号与预设的两种防伪特征对比判断测试指纹为真实手指或人造指纹；根据所提出的两种防伪特征进行判断，并且将判断结果输出；本步骤中分为双峰特征计算判断与单峰特征计算判断，其中，双峰特征计算判断包括以下步骤：s511、对测试集每幅图像的一维深度信号进行平滑；s512、计算平滑之后的一维深度信号具有两个存在间距且大于均值的峰值特征的图像占数据集的百分比；s52、判断具有双峰特征图像的百分比是否大于阈值；如是，则执行下一步骤，如否，则判断采集样品为人造指纹，最终输出不通过。
其单峰特征计算判断包括以下步骤：s531、对测试集每幅图像的一维深度信号进行截取，截取范围为信号开始到信号最大值处；s532、计算截取之后的一维深度信号不具有单个大于均值的峰值特征的图像占数据集的百分比；s54、判断不具有单峰特征图像的百分比是否大于阈值；如是，则判断为真实手指，最终输出通过，如否，则判断采集样品为包括透明胶等超薄附加层手指，最终输出不通过。
本发明是基于oct指纹图像的自动防伪方法，测试了包括真手指，厚度1mm左至右的厚指纹膜，厚度约为0.5mm的薄指纹膜，人造手指模型3个以及透明胶包裹手指模拟超薄附加层包括手指3次。所述人造指纹膜以及人造手指模型都是利用硅胶制作，并且经过测试能够欺骗目前主流的自动指纹识别系统。本发明是基于oct指纹图像的自动防伪方法的测试结果，当选定阈值为85，对于厚指纹膜，薄指纹膜，人造手指以及透明胶包裹手指数据能够100％区分。
本发明的另一目的在于提供一种基于oct指纹图像的自动防伪系统，所述自动防伪系统包括
采集模块，用于利用oct设备对预识别的指纹进行图像采集；
选取模块，用于选取预定值数量采集的指纹图像作为测试的数据集；
预处理模块，用于对选取的指纹图像的测试数据集进行图像预处理；
一维信号计算模块，用于将预处理后的指纹图像计算一维深度信号；
手指判断模块，用于根据一维深度信号与预设的两种防伪特征对比判断测试指纹为真实手指或人造指纹。
所述预处理模块中还包括
去噪单元，用于对采集的指纹图像进行消除噪声处理；
拉直单元，用于对去除噪声的指纹图像的每列峰值检测结果进行拉直处理；
锐化单元，用于对拉伸后的指纹图像使用非锐化掩蔽usm方法进行锐化；
选图单元，根据峰值检测结构对锐化的指纹图像进行区域划分并观察选取图像。
所述一维信号判断模块中还包括
累加求和单元，用于对每列指纹图像进行累加求和计算处理。
所述手指判断模块中还包括
计算双峰特征百分比单元，用于计算具有双峰特征的一维深度信号图像占测试数据集的百分比；
判断双峰特征单元，用于判断具有双峰特征图像的百分比是否大于阈值；如是，则执行下一步骤，如否，则判断采集样品为人造指纹并输出不通过；
计算不具有单峰特征百分比单元，用于计算不具有单峰特征的一维深度信号图像占测试数据集的百分比；
判断不具有单峰特征单元，用于判断不具有单峰特征图像的百分比是否大于阈值；如是，则判断为真实手指并输出通过，如否，则判断采集样品为增加超薄透明附加层是我手指并输出不通过。
所述计算双峰特征百分比单元中还包括
平滑处理子模块，用于对测试数据集中每幅图像的一维深度信号进行平滑处理；
平滑峰值特征子模块，用于计算平滑处理后的一维深度信号具有两个存在间距且大于均值的峰值特征的图像占测试数据集的百分比。
所述计算不具有单峰特征百分比单元中还包括
截取子模块，用于对测试数据集每幅图像的一维深度信号自信号开始至信号最大值进行截取；
截取峰值特征子模块，用于计算截取后的一维深度信号不具有单个大于均值的峰值特征的图像占测试数据集的百分比。
所述去噪单元中还包括
高频去噪子模块，用于对采集的指纹图像利用小波变换消除高频噪声；
散斑去噪子模块，用于对消除高频噪声的指纹图像利用贝叶斯局部均值原理的方法消除散斑噪声。
所述选取模块中作为测试的数据集图像占每次oct设备采集指纹图像的10％-25％。
所述oct设备为高速sd-oct系统，通过测量样品的后向散射光的干涉信号，对生物组织的内部微观结构进行高分辨率层析成像。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。