一种基于多分块多尺度lbp的假指纹检测方法
【技术领域】
[0001] 本发明属于图像处理、特征提取、机器学习和模式识别领域，尤其是一种假指纹检 测方法。
【背景技术】
[0002] 随着指纹识别技术的逐渐成熟，各种指纹认证系统被广泛应用于各种领域。然而 一些不法分子通过某些手段获取到用户的指纹信息，然后利用这些指纹信息和一些特殊材 料，伪造用户的注册指纹，可以通过当前不少指纹认证系统。
[0003] 真指纹也称活体指纹，是指具有人体生物功能，也就是活着的人体的手指。与其相 对应的假指纹也称为死体指纹，其中包括某些特殊材料制作的指纹，如硅胶、粘土、印刷了 指纹图像的纸等，甚至是离开人本身身体的手指都叫做死体指纹。
[0004] 假指纹检测技术是判断指纹样本是否来自活体指纹的方法。检测方法可分为两 类：第一类用手指温度、皮肤导电性和脉搏血氧等特性，这些特性可以通过在指纹采集仪上 加入额外的硬件设备来检测从而来判断指纹的真假，但是会增加采集仪的成本，这类方法 称为基于硬件的假指纹检测方法。第二类方法利用真假指纹在指纹图像中所含纹理特征的 区别，对图像进行处理和特征提取等一系列步骤，最后根据所得到的特征来检测指纹的真 假，这类方法称为基于软件的假指纹检测方法。第二类基于软件的假指纹检测方法包括静 态和动态的两种方法。静态的方法是从一张或多张图像中提取得到特征（手指一次或多次 放到采集仪上进行采集），动态的方法从多幅指纹图像帧中提取得到特征（手指放在采集 仪上一段时间，获取一段图像序列进行分析）。基于软件的方法成本低，对用户的侵入性较 小，且能适用于现有的指纹采集仪。
【发明内容】
[0005] 为了克服现有假指纹检测方法的计算代价大、识别正确率较低的不足，本发明提 供了一种计算代价小、识别正确率高的基于多分块多尺度LBP的假指纹检测方法。
[0006] 本发明解决其技术问题所采用的技术方案是：
[0007] -种基于多分块多尺度LBP假指纹检测方法，所述检测方法包括如下步骤：
[0008] 步骤1 :对指纹图像进彳丁有效区域切割；
[0009] 步骤2 :对步骤1得到的图像进行小波去噪；
[0010] 步骤3 :对步骤2得到的图像进行多分块；
[0011] 步骤4 :在不同的尺度下，对分块后的每一小块图像进行LBP特征提取；
[0012] 步骤5 :对每一小块图像不同尺度下得到的LBP特征进行归一化；
[0013] 步骤6 :对步骤5得到的特征进行串联，得到最终的特征向量；
[0014] 步骤7 :用交叉验证方法确定步骤4中的尺度大小；
[0015] 步骤8 :对真假指纹特征进行SVM训练，获得SVM分类器；
[0016] 步骤9 :对要测试的指纹图像进行步骤1~步骤6的操作，然后再根据步骤8得到 的SVM分类器进行指纹真假判断。
[0017] 进一步，在所述步骤4和步骤9中，在不同的尺度下，对分块后的每一小块图像进 行LBP特征提取，所述的特征提取的过程如下：
[0018] 整个模型的中心是各个尺度下LBP的中心点，实线圆的圆心是样本所在的位置， 在每个尺度下的样本数都是K，rn表示在尺度n下实线圆的边缘离模型中心的最大距离， A为给定的参数，:Tn由以下公式计算得到：
【主权项】
1. 一种基于多分块多尺度LBP的假指纹检测方法，其特征在于；所述假指纹检测方法 包括如下步骤： 步骤1;对指纹图像进行有效区域切割； 步骤2;对步骤1得到的图像进行小波去噪； 步骤3 ;对步骤2得到的图像进行多分块； 步骤4 ;在不同的尺度下，对分块后的每一小块图像进行LBP特征提取； 步骤5 ;对每一小块图像不同尺度下得到的LBP特征进行归一化； 步骤6 ;对步骤5得到的特征进行串联，得到最终的特征向量； 步骤7 ;用交叉验证方法确定步骤4中的尺度大小； 步骤8 ;对真假指纹特征进行SVM训练，获得SVM分类器； 步骤9 ;对要测试的指纹图像进行步骤1~6的操作，然后再根据步骤8得到的SVM分 类器进行指纹真假判断。
2. 根据权利要求1所述的基于多分块多尺度LBP的假指纹检测方法，其特征在于：在 所述步骤4和步骤9中，在不同的尺度下，对分块后的每一小块图像进行LBP特征提取，所 述的特征提取的过程如下： 整个模型的中屯、是各个尺度下LBP的中屯、点，实线圆的圆屯、是样本所在的位置，在每 个尺度下的样本数都是K，r。表示在尺度n下实线圆的边缘离模型中屯、的最大距离，r1为 给定的参数，r。由W下公式计算得到：
LBP半径R。由W下公式计算得到：
对样本所在实线圆进行均值滤波处理，得到样本点的灰度值。
3. 根据权利要求1或2所述的基于多分块多尺度LBP的假指纹检测方法，其特征在于： 在所述步骤5和步骤9中，对每一小块图像不同尺度下得到的LBP特征进行归一化，所述的 归一化的公式为：
其中，Xi为归一化前特征，X/为归一化后的特征。
4. 根据权利要求1或2所述的基于多分块多尺度LBP的假指纹检测方法，其特征在于： 在所述步骤6和步骤9中，对步骤5得到的特征进行串联，得到最终的特征向量，所述的串 联的公式为： r=(X|i,為，...，x,i,,.yf,.苗，...，為，...，坏，.谭，...，.诗）"V!eN+ 其中，和表示j尺度下第i个特征，Y表示串联后的特征。
5. 根据权利要求1或2所述的基于多分块多尺度LBP的假指纹检测方法，其特征在于： 在所述步骤1和步骤9中，对指纹图像进行有效区域切割，所述的有效区域切割的方法即是 求指纹区域的外接矩形，具体步骤是： 步骤1. 1 ;对指纹图像的每一行计算平均值，记下平均值最小的行Lmi。;再对每一列计 算平均值，记下平均值最小的列Cmi。，记前面得到的行Lmi。与列Cmi。为指纹图像的初始分割 线； 步骤1. 2 ;统计指纹图像中灰度值小于Ti的像素的个数； 步骤1. 3 ;从初始分割线出发，水平的分割线Lmi。垂直向上W间距为Ni个像素点进行移 动，统计移动前后间隔的Ni行中灰度值小于T1的个数，然后求它与步骤1. 2得到的比值，若 比值小于T,，则停止移动，否则继续；然后分别对其他S个方向进行同样操作，最终得到指 纹有效区域的外接矩形。
6. 根据权利要求1所述的基于多分块多尺度LBP的假指纹检测方法，其特征在于：在 所述步骤2和步骤9中，对步骤1得到的图像进行小波去噪，所述的小波去噪的具体步骤 是： 步骤2. 1 ;对切割后的指纹图像f(x，y)进行二维离散小波变换，得到一个低频部分h(x,y)和六个高频部分gk(x,y),kG{1，2, 3, 4, 5, 6}，其中X，y是指纹图像的横坐标和纵 坐标，W图像左下角为原点，向右为X轴正方向，向上为Y轴正方向时； 步骤2. 2 ;对变换后得到的六个高频部分用双曲收缩法去噪
其中g'k(x，y)是去噪后的高频部分，sgnO是符号函数，0+是括号内的数和0中的较 大值，N是gk(x，y)的信号长度，0是由变换分解得到的第一层的3个高频部分的标准偏 差； 步骤2. 3 ;根据步骤2. 2得到的六个高频部分g'k(X，y)，kG(1，2, 3, 4, 5, 6}和之前的 低频部分h(x，y)进行小波重构，得到去噪后的图像f'（x，y)。
7.根据权利要求1或2所述的基于多分块多尺度LBP的假指纹检测方法，其特征在于： 在所述步骤3和步骤9中，对步骤2得到的图像进行多分块，所述的多分块的过程为；对步 骤2得到的图像进行如下方式分块，分别对其进行SiXSi，S2XS2,S3XS3的分块，总共得到 S' =SiXSi+S2+S2+S3XS3个小图像块。
【专利摘要】一种基于多分块多尺度LBP的假指纹检测方法，对指纹图像进行有效区域切割；对上一步得到的图像进行小波去噪；对上一步得到的图像进行多分块；在不同的尺度下，对分块后的每一小块图像进行LBP特征提取；对每一小块图像不同尺度下得到的LBP特征进行归一化；对上一步得到特征进行串联，得到最终的特征向量；用交叉验证的方法确定之前提到的尺度大小；对真假指纹特征进行SVM训练，获得SVM分类器；对要检测的指纹图像进行前面特征提取操作，然后再根据上一步得到的SVM分类器进行指纹真假判断。本发明不需要对采集指纹的硬件进行改造，计算速度快且正确率高，对提高指纹识别系统的安全性有重要应用价值。
【IPC分类】G06K9-00
【公开号】CN104794440
【申请号】CN201510176128
【发明人】张永良, 谢瑜, 陆洋, 周冰
【申请人】杭州景联文科技有限公司
【公开日】2015年7月22日
【申请日】2015年4月15日