专利名称：一种基于信息融合技术的指纹识别方法及装置的制作方法
技术领域：
本发明涉及模式识别和信息处理技术领域，特别涉及指纹识别技术，尤其涉及一 种基于信息融合技术的指纹识别方法及装置。
背景技术：
随着计算机图像处理和模式识别技术的发展，生物识别技术正得到越来越多的关 注和应用。由于指纹、虹膜、掌纹、人脸、声纹等生物特征具有唯一性和稳定性、便于采样及 可靠性高的优点，已经成为个人身份认证的最有效的手段之一，其中的指纹识别技术更是 生物识别技术的热点，具有很高的实用性和可行性，其识别结果，具有法律效力。
图1所示为指纹识别过程包含的基本步骤，主要涉及步骤101指纹图像采集、步骤 102指纹图像处理、步骤103指纹特征提取、步骤104指纹特征匹配，最后得到识别结果(匹 配或不匹配)。其中，步骤104指纹特征匹配就是用指纹匹配算法对指纹特征参数进行匹配 运算，运算结果就是识别结果。现有技术已经发展出多种指纹匹配算法，不同的指纹匹配算法基于指纹图像的不 同特征的，例如基于点模式的指纹匹配算法、基于局部纹理的指纹匹配算法、基于混合特征 的指纹匹配算法和基于图的指纹匹配算法等。图2为现有技术的指纹识别方法在指纹特征匹配阶段的示意图。在特征提取阶段 提取的某一类指纹特征由单一的匹配算法进行匹配运算得到识别结果。图2所示的指纹识 别方法的可靠性只由单一指纹匹配算法决定。由于不同的指纹匹配算法是基于指纹图像的 不同特征，故不同的指纹匹配算法都具有自己的特点，适用于不同尺寸、质量和形变的指纹 图像，并在可靠性、速度和抗干扰性方面有不同的优势和劣势。单一指纹匹配算法所涵盖的信息显然不如多个指纹匹配算法所涵盖的信息全面、 丰富、准确；另外，单一指纹匹配结果的误报风险大、可靠性和容错性低的缺陷，也使前者无 法和后者相提并论。如果能通过信息融合技术将多种指纹特征匹配算法结合起来，发展出一种可靠的 融合多种指纹特征匹配算法特点的指纹识别方法，能够合理地结合不同的指纹特征指纹匹 配算法的特点，突出和保留算法的优势，减少和去除算法的劣势，将各种指纹匹配算法的效 能发挥到最大，这将对指纹识别技术的发展起到较大的推动作用。所谓信息融合技术，是综合协调各子源信息，提高和改善信息处理系统性能的新 兴技术。它通过多方位、多角度、多时空、多频段、多机理的技术处理，减少各子源信息的矛 盾成份，强化共性因素，克服单源性能的局限性，利用子源信息间的竞争性、冗余性和互补 性，有效地整合和管理信息，为决策者的认知过程提供真实、清晰、完整的素材，从而得出高 度准确、可靠的决策信息。D-S证据理论是一种重要的信息融合算法。该理论是由Dempster于1967年最初 提出，后经他的学生Shafer在1976年进一步发展、完善形成的一种不确定性推理的人工智 能方法。由于D-S证据理论为不确定性信息的表达和合成提供了自然而强有力的方法，具
8有独特的优势，这使得它在信息融合、智能决策系统以及专家系统等多个领域中应用的效 果比较显著。D-S证据理论能较好地考虑和处理各子源本身性能对融合中心的影响和特点， 可以合理地模仿人脑对各种信息加工整合的过程，较好地发挥注意过程和自组织过程各自 的作用，有利于提高最终决策的准确性和可靠性。且其无需知道先验概率，根据数据本身提 供的信息，就能进行证据组合。但D-S证据理论也存在着不少问题，主要体现在如下三个方面(1)、证据组合条件严格，要求证据彼此间独立，且要求识别框架能够识别证据的 相互作用；(2)、容易引起焦元数目急剧增加，计算量呈指数增长，这是D-S证据理论实际应 用的难题之一；(3)、组合规则无法处理冲突，并无法分辨证据所在子集的大小以实现按不同的权
重聚焦。对于第一个方面的问题，已有不少专家和研究者进行了探讨，如提出相关证据的 概念，对D-S证据理论组合进行了适当地修改。第二个方面的问题，是妨碍D-S证据理论在信息融合领域更加广泛运用的最主要 原因。目前大多数的研究工作试图通过减少焦元个数，采用近似计算的方法来解决此问题。 如用一致性近似的方法、“修剪D-S算法”等。但都存在一定的缺点，如一致性近似方法 虽利于证据的表达，但计算误差大；“修剪”D-S算法虽减少了计算量，提高了算法的自适应 性，但证据合成的次序对运算结果有影响等。对于第三个方面的问题，国内外专家、学者提出了诸多改进的方法，如采用非归 一化的摒弃冲突法、Yager的冲突信息归入全集法、Toshiyuki的折中法、平均法、证据加权 组合法、吸收法等。这些改进方法也存在一定的缺点摒弃冲突法，虽然避免了冲突，但得到的结果却是不全面、有损失的，因为它丢弃 冲突部分的信度；冲突信息归入全集法，在避免了冲突的同时，又没有放弃冲突，但此法却增强了组 合后的不确定性，加大了最终决策的难度；折中法虽然克服了 D-S证据理论和冲突信息归入全集法的缺陷，包容了二者的优 点，但如何得到最佳的折中值，是一个比较困难的问题，选择的过程也较麻烦，这是该方法 存在的明显不足；平均法没有区分冲突和不冲突信息，对所有证据都进行平均处理，没有起到压缩 和减少错误信息及加强有用、正确信息的作用；证据加权组合法起到了组合结果不确定性减少，信息量增加的作用，但对冲突信 息的处理仍然没有解决好，另外，最佳权值的确定也是个难点；吸收法是将冲突指派分配给基本概率分配函数(BPAF，Basic Probability Assignment Function)最大的焦元，不常考虑冲突对其他焦元的影响。综上所述，依靠现有的这些改进型D-S证据理论进行基于信息融合技术的指纹识 别，仍然在准确性和可靠性方面存在各种各样的问题，必须针对指纹识别的具体应用情况， 对其进行改进。
发明内容
本发明提供了一种基于信息融合技术的指纹识别方法及装置，可以相对于现有技 术进一步提高指纹识别的准确性和可靠性。本发明实施例提出一种基于信息融合技术的指纹识别方法，包括如下步骤A、对于同一现场指纹图像，提取出N类互不相同的指纹特征，N为大于或等于2的 自然数；B、采用N种指纹特征匹配算法，分别基于这N类指纹特征对现场指纹图像和库指 纹图像进行匹配，得到N个匹配分数序列；C、采用改进型D_S证据理论对所述N个匹配分数序列进行信息融合，得到指纹识 别结果。较佳地，所述步骤B之后且在步骤C之前，进一步包括对所述N个匹配分数序列 进行决策层融合前的基于数据配准的信息筛选，得到筛选后的匹配分数序列。较佳地，所述N等于2，步骤B所述N种指纹特征匹配算法为算法A和算法B ；
所述采用N种指纹特征匹配算法分别对这N类指纹特征进行处理，得到N个匹配 分数序列包括用算法A对现场指纹图像和η幅库指纹图像分别进行匹配后得到的匹配分数序列 为SA1, SA2,…SAn，用算法B对现场指纹图像和η幅库指纹图像分别进行匹配后得到的匹 配分数序列为SB1, SB2, '"SBn，其中1，2，···!!是η幅库指纹图像对应的标号。较佳地，所述对所述N个匹配分数序列进行决策层融合前的基于数据配准的信息 筛选，得到筛选后的匹配分数序列包括对算法A和算法B得到的匹配分数序列进行数据配准，即计算用算法A和算
法B对现场指纹图像和同一幅库指纹图像进行匹配后得到的匹配分数序列的平均值
权利要求
一种基于信息融合技术的指纹识别方法，其特征在于，包括如下步骤A、对于同一现场指纹图像，提取出N类互不相同的指纹特征，N为大于或等于2的自然数；B、采用N种指纹特征匹配算法，分别基于这N类指纹特征对现场指纹图像和库指纹图像进行匹配，得到N个匹配分数序列；C、采用改进型D_S证据理论对所述N个匹配分数序列进行信息融合，得到指纹识别结果。
2.根据权利要求1所述的方法，其特征在于，所述步骤B之后且在步骤C之前，进一步 包括对所述N个匹配分数序列进行决策层融合前的基于数据配准的信息筛选，得到筛选 后的匹配分数序列。
3.根据权利要求2所述的方法，其特征在于，所述N等于2，步骤B所述N种指纹特征 匹配算法为算法A和算法B;所述采用N种指纹特征匹配算法分别对这N类指纹特征进行处理，得到N个匹配分数 序列包括用算法A对现场指纹图像和η幅库指纹图像分别进行匹配后得到的匹配分数序列为 SA1, SA2,…SAn，用算法B对现场指纹图像和η幅库指纹图像分别进行匹配后得到的匹配分 数序列为SB1, SB2, '"SBn，其中1，2，···!!是η幅库指纹图像对应的标号。
4.根据权利要求3所述的方法，其特征在于，所述对所述N个匹配分数序列进行决策层 融合前的基于数据配准的信息筛选，得到筛选后的匹配分数序列包括对算法A和算法B得到的匹配分数序列进行数据配准，即计算用算法A和算 法B对现场指纹图像和同一幅库指纹图像进行匹配后得到的匹配分数序列的平均值 s SA1SBl 2按降序对匹配分数序列的平均值Sai进行排序，保留前u (u < η)个匹配分数的平均值 Sai所对应的匹配分数SAj和匹配分数SBj,并将匹配分数SAj和匹配分数SBj按照对应的 匹配分数平均值Sai的降序顺序排列，得到筛选后的匹配分数序列SA1; SA2,…SAl^n SB1, SB2, -SBu;创建一个长度为u的数组Num□，数组中的任意元素Num[i]表示的是筛选后的匹配分 数序列中的第i个匹配分数在信息筛选之前的标号，i = 1,2,…U。
5.根据权利要求3所述的方法，其特征在于，所述步骤C包括Cl、由算法A和算法B分别得到证据E1, E2,证据E1表示用算法A对现场指纹图像和库 指纹图像的匹配程度进行判断的情况，证据E2表示用算法B对现场指纹图像和库指纹图像 的匹配程度进行判断的情况，命题Si表示现场指纹图像与第i幅库指纹图像匹配，将u个 命题组成集合Ω = (S1, S2,…，SJ作为用于表示现场指纹图像与库指纹图像的匹配情况 的辨识框架；《[Ω且m{Sj乒0，称命题SiSm的一个焦元；m为辨识框架Ω上的基本概 率分配函数BPAF ；m (A ) = SA>C2、利用公式1、“亡、/计算证据E1下每个命题的基本可信度；以及利用公式
6.根据权利要求5所述的方法，其特征在于，所述步骤Cl包括将两种证据E1和E2对现场指纹图像与第i幅库指纹图像的匹配结果的基本可信度， 分别表示为Hi1 (Si), i = 1，2，…2ω和Hi2(Si), i = 1，2，"·2Ω，其中m为辨识框架Ω上的 BPAF ；并且是满足下述两个条件的映射
7.根据权利要求4所述的方法，其特征在于，所述步骤C3包括C3-1、利用公式
8.根据权利要求5所述的方法，其特征在于，步骤C4包括将步骤C3得到的BPAF砵為融合后得到新的BPAF为m°，焦元集为{Ck，k=l，2，…，
9.一种基于信息融合技术的指纹识别的装置，其特征在于，包括特征提取模块，用于对于同一现场指纹图像，提取出N类互不相同的指纹特征，N为大 于或等于2的自然数；匹配模块，用于采用N种指纹特征匹配算法，分别基于这N类指纹特征对现场指纹图像 和库指纹图像进行匹配，得到N个匹配分数序列；信息融合模块，用于采用改进型D_S证据理论对所述N个匹配分数序列进行信息融合， 得到指纹识别结果。
10.根据权利要求9所述的装置，其特征在于，该装置进一步包括筛选模块，用于对所述匹配模块得到的N个匹配分数序列进行基于数据配准的信息筛 选，并将筛选后的N个匹配分数序列输出至信息融合模块。
11.根据权利要求10所述的装置，其特征在于，所述N等于2，匹配模块采用的N种指 纹特征匹配算法为算法A和算法B ；所述匹配模块包括第一匹配单元，用于用算法A对现场指纹图像和η幅库指纹图像分别进行匹配后得到 的匹配分数序列为SA1, SA2,…SAn ；第二匹配单元，用于用算法B对现场指纹图像和η幅库指纹图像分别进行匹配后得到 的匹配分数序列为SB1, SB2, -SBn ；其中1，2，···!!是η幅库指纹图像对应的标号。
12.根据权利要求11所述的装置，其特征在于，所述筛选模块进一步包括数据配准单元，用于对算法A和算法B得到的匹配分数序列进行数据配准，即计算用算 法A和算法B对现场指纹图像和同一幅库指纹图像进行匹配后得到的匹配分数序列的平均值
13.根据权利要求3所述的装置，其特征在于，所述信息融合模块包括第一处理单元，用于由算法A和算法B分别得到证据E1, E2,证据E1表示用算法A对现 场指纹图像和库指纹图像的匹配程度进行判断的情况，证据E2表示用算法B对现场指纹图 像和库指纹图像的匹配程度进行判断的情况，命题Si表示现场指纹图像与第i幅库指纹图 像匹配，将u个命题组成集合Ω = (S1, S2,…，SJ作为用于表示现场指纹图像与库指纹图 像的匹配情况的辨识框架；S1 e Ω且m{Sj Φ 0，称命题Si为m的一个焦元；m为辨识框架 Ω上的基本概率分配函数BPAF ； 第二处理单元，用于利用公式
14.根据权利要求13所述的装置，其特征在于，所述第一处理单元进一步用于将两种 证据E1和E2对现场指纹图像与第i幅库指纹图像的匹配结果的基本可信度，分别表示为 Hi1(Si),! = 1,2, ...2ω 和 Hi2(Si)J = 1,2, -·2Ω，其中 m 为辨识框架 Ω 上的 BPAF ；并且是满足下述两个条件的映射2Ω —
,
15.根据权利要求13所述的装置，其特征在于，所述第三处理单元进一步包括 单独信息容量子单元，用于利用公式<爲)=Σ罾计算使用单独使用算法A以及μ FMI单独使用算法B得出的单独证据Ei的能量信息容量e (Ei) =Si^ Φ， = 1，2，式中，IlSiII 是焦元集Si的基数，g(S》是焦元集的个数；联合信息容量子单元，用于计算使用算法A和算法B分别得出的证据EpE2中相关焦元所含的能量信息容量e(尽，尽)=叾Σ 式中，Rij是相关焦元集，表示由证据E1支持的焦元Si和由证据E2支持的焦元Sj相关；IIRijII是Rij的基数，g(Rij)是 Rij的个数；相关影响系数子单元，用于根据单独信息容量子单元和联合信息容量子单元的计算结果，计算出证据仏对氏的相关影响系数A2 =e(E,) + e(E2) e(E2)>证据Ej^E1的相关影响系数#<Ελ,Ε2) e(E2)21 = ,Λ : π,、· ‘ BPAF更新子单元，用于对于算法A mmi B分别对应的iiE据EpE2在同一识别框架Ω下的BPAF分别为W, , W2，焦元集分别为(Ai，i = 1,2,…，u}， {Bi; i = 1,2,…，u}，根据所述相关影响系数子单元得到的相关影响系数将其进行重新改 写，得到新的BPAF为m, (A1)^2(B1)=Mi(Ai)(I-Ru),A.关Q叫(4)(1 一代 2) + i ,2, Ai=QM2(Bi)(I-R21),5, φΩm.iBXl-R^ + R^, B1=Q
16.根据权利要求14所述的方法，其特征在于，所述第四处理单元用于将第三处理单 元得到的BPAF却，成融合后得到新的BPAF为m°，焦元集为{Ck，k=l，2，-,u} m (Ck)= Yj m, (A1 )m2 (Bf) + )，灰=1，2,... M ；上式中，
全文摘要
本发明提供了一种基于信息融合技术的指纹识别方法，包括如下步骤A、对于同一现场指纹图像，提取出N类互不相同的指纹特征，N为大于或等于2的自然数；B、采用N种指纹特征匹配算法，分别基于这N类指纹特征对现场指纹图像和库指纹图像进行匹配，得到N个匹配分数序列；C、采用改进型D_S证据理论对所述N个匹配分数序列进行信息融合，得到指纹识别结果。本发明还提供了一种基于信息融合技术的指纹识别装置。本发明可以相对于现有技术进一步提高指纹识别的准确性和可靠性。
文档编号G06K9/00GK101957913SQ20101051957
公开日2011年1月26日 申请日期2010年10月19日 优先权日2010年10月19日
发明者刘馨靖, 张博, 张洁, 景晓军, 李剑峰 申请人:北京邮电大学