6] (1)利用高斯核将指纹的原始图像进行尺度变换，得到指纹图像多尺度下的尺度 空间表示序列；
[0047] L(x,y, 〇) =G(x,y, 〇)*I(x,y))
[0048] (2)通过高斯差分算子得到指纹图像尺度空间差分序列；
[0049] D(x,y, 〇 ) =(G(x,y,k〇 )-G(x,y, 〇 )) *1 (x,y) =L(x,y,k〇 )-L(x,y, 〇 )
[0050] (3)从尺度空间差分序列中提取局部极值点，即为指纹图像中的关键特征点。
[0051] (4)指纹图像尺度空间差分序列中通过泰特级数对关键特征点进行曲线拟合，得 到精确的局部极值点，即精确的关键特征点；泰勒级数：
[0052]2、基于特征点纹理梯度的高维特征向量提取算法
[0053] 该算法精确地描述了特征点周围的纹理特征，大幅度提高了指纹特征描述的完备 性和精确度。在基于SIFT变换的指纹特征提取算法中指纹特征点的描述子一般由位置、尺 度、方向和纹理特征构成，其中指纹纹理是指纹关键点周围对其有贡献的像素点构成的纹 理图案，它是用来作为目标匹配的关键依据。
[0054] (1)确定计算每个关键特征点纹理描述子所需的图案半径区域；
[0055] (2)将坐标移至关键特征点主方向；
[0056] (3)在图像半径区域内对每个像素进行计算，求其梯度幅值和方向，并生成方向直 方图；
[0057] (4)计算每个2X2区域内每个像素方向直方图，并计算每个梯度方向的累价值， 即生成一个种子点；
[0058] (5)由16个不同区域的种子点构成关键特征点的纹理描述子。
[0059] 3、基于PCA变换的指纹主特征分量提取算法
[0060] 该算法有效地将降低了指纹特征描述子中的噪声分量和描述子之间的相关性，把 一枚指纹特征的维数由千维级降低到百维级，由于一枚指纹图像中特征点之间、特征点描 述子内部都有一定的相关性，通过PCA (Principal Component Analysis，主成分分析）后可 以有效地提取反映指纹主要特征的主特征向量，压缩原有数据矩阵的规模，大幅度降低特 征向量的维数。
[0061] (1)将一枚指纹中的多个纹理描述子排成高维特征矩阵（维数一般为千维级）；
[0062] (2)对该高维特征矩阵进行PCA，提取该指纹的主特征分量；
[0063] 本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做 出的技术变形，均落入本发明的保护范围之内。
【主权项】
1. 一种基于SIFT变换的指纹识别方法，其特征在于，包括W下步骤： (1) 指纹库预处理；提取大样本指纹库中的指纹的主特征分量，再将主特征分量经MD5 散列生产散列值，并将库中所有指纹生成散列表； (2) 现场指纹录入与处理：对在进行身份验证时录入的指纹进行与步骤（1)同样的处 理，使其生成一个MD5散列值； (3) 指纹匹配；将步骤（2)中生成的散列值与步骤（1)中的散列表进行对比，查找到大 样本指纹库中与步骤（2)中实时录入的指纹想匹配的样本指纹。2. 根据权利要求1所述的基于SIFT变换的指纹识别方法，其特征在于，步骤（1)中主 特征分量的提取方法包括W下步骤： (a)基于尺度空间对指纹关键特征点进行提取； 化）基于泰勒级数对指纹关键特征点的精确度进行提升； (C)对关键特征点的纹理描述子进行提取； (d)基于PCA变换对指纹主特征分量进行提取。3. 根据权利要求2所述的基于SIFT变换的指纹识别方法，其特征在于，步骤（a)具体 包括W下步骤： (al)利用高斯核将指纹的原始图像进行尺度变换，得到指纹图像多尺度下的尺度空间 表不序列； L(x,y, 〇) =G(x,y, 〇)*I(x,y) 式中；L(x，y，0)为尺度空间0下的指纹图像，G(x，y，0)为尺度可变高斯函数，I(x，y)为指纹二值图像 (a2)通过高斯差分算子得到指纹图像尺度空间差分序列； D(x,y,0) =(G(x,y,k0)-G(x,y, 〇 )) (x,y) =L(x,y,k〇 )-L(x,y, 〇 ) 式中；D(x，y，0)为尺度空间下的指纹图像差分序列 (a3)从尺度空间差分序列中提取局部极值点，即为指纹图像中的关键特征点。4. 根据权利要求3所述的基于SIFT变换的指纹识别方法，其特征在于，步骤化）为在 步骤（a2)中的指纹图像尺度空间差分序列中通过泰特级数对关键特征点进行曲线拟合， 得到精确的局部极值点，即精确的关键特征点； 泰勒级数式中；Z表示（x，y，〇)t，D狂）为尺度空间差分序列，为D狂）的一阶导数。 oZ5. 根据权利要求4所述的基于SIFT变换的指纹识别方法，其特征在于，步骤（C)具体 包括W下步骤： (cl)确定计算每个关键特征点纹理描述子所需的图案半径区域； (c2)将坐标移至关键特征点主方向； (c3)在图像半径区域内对每个像素进行计算，求其梯度幅值和方向，并生成方向直方 图； (c4)计算每个2X2区域内每个像素方向直方图，并计算每个梯度方向的累价值，即生 成一个种子点. (c5)由16个不同区域的种子点构成关键特征点的纹理描述子。6. 根据权利要求5所述的基于SIFT变换的指纹识别方法，其特征在于，步骤（d)具体 包括W下步骤： (dl)将一枚指纹中的多个纹理描述子排成高维特征矩阵； (d2)对该高维特征矩阵进行PCA，提取该指纹的主特征分量。7. 根据权利要求6所述的基于SIFT变换的指纹识别方法，其特征在于，所述高维特征 矩阵的维数为千维级。
【专利摘要】本发明公开了一种基于SIFT变换的指纹识别方法，包括以下步骤：基于SIFT变换提取大样本指纹库中的指纹的主特征分量，再将主特征分量经MD5散列生产散列值，并将库中所有指纹生成散列表；对在进行身份验证时录入的指纹进行同样的处理，使其生成一个MD5散列值；将验证时散列值与散列表进行对比，在大样本指纹库中查找与之匹配的指纹。本发明基于SIFT变换的指纹识别方法通过用SIFT变换来检测与描述指纹图像中的局部性特征，并且在尺度空间中寻找关键特征点，提取出关键特征点的描述子，并通过指纹的描述子提取主特征分量，在一定程度上解决了指纹特征提取时因指头变形、旋转等因素造成的指纹特征提取的鲁棒性问题。
【IPC分类】G06K9/00
【公开号】CN104933407
【申请号】CN201510280748
【发明人】胡年福, 寇健
【申请人】成都佳发安泰科技股份有限公司
【公开日】2015年9月23日
【申请日】2015年5月28日