本发明涉及指纹特征选择，具体涉及用于指纹识别的特征选择方法。
背景技术：
指纹，由于其具有终身不变性、唯一性和方便性，已几乎成为生物特征识别的代名词。指纹是指人的手指末端正面皮肤上凸凹不平产生的纹线。纹线有规律的排列形成不同的纹型。纹线的起点、终点、结合点和分叉点，称为指纹的细节特征点。目前指纹图像存在干扰项多，难以选择良好识别特征的问题。
技术实现要素：
本发明所要解决的技术问题是目前指纹图像存在干扰项多，难以选择良好识别特征的问题，目的在于提供用于指纹识别的特征选择方法，解决上述问题。
本发明通过下述技术方案实现：
用于指纹识别的特征选择方法，包括指纹样本图像，还包括以下步骤：
s1，进行图像去噪处理后，对所述指纹样本图像进行图像信息统计，获得基本统计特征集；
s2，获取基于图像自身属性的特征点集；
s3，获取区域定义的特征点集；
s4，依据s1-s3获取的特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征，作为指纹的特征参数。
进一步地，所述区域定义的特征点集，包括log算子、forstner算子、sift算子。
进一步地，所述基于自身属性的特征点集，包括边缘点、角点、交叉点。
进一步地，所述基本统计特征，包括亮度、重心、灰度直方图。
进一步地，所述特征压缩方法采用最小方差排名的前6项中，排名为奇数的特征与其后一位的特征相乘，形成新的特征。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明用于指纹识别的特征选择方法，通过选择合适的特征，能够有效提高指纹特征选择的稳定性、精确性及实时性；
2、本发明用于指纹识别的特征选择方法，能够综合考虑不同条件下的特征有效性，提高图像特征的抗干扰能力。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例
本发明用于指纹识别的特征选择方法，包括指纹样本图像，还包括以下步骤：
s1，进行图像去噪处理后，对所述指纹样本图像进行图像信息统计，获得基本统计特征集；
s2，获取基于图像自身属性的特征点集；
s3，获取区域定义的特征点集；
s4，依据s1-s3获取的特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征，作为指纹的特征参数。
所述区域定义的特征点集，包括log算子、forstner算子、sift算子。
所述基于自身属性的特征点集，包括边缘点、角点、交叉点。
所述基本统计特征，包括亮度、重心、灰度直方图。
所述特征压缩方法采用最小方差排名的前6项中，排名为奇数的特征与其后一位的特征相乘，形成新的特征。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
1.用于指纹识别的特征选择方法，包括指纹样本图像，其特征在于，还包括以下步骤：
s1，进行图像去噪处理后，对所述指纹样本图像进行图像信息统计，获得基本统计特征集；
s2，获取基于图像自身属性的特征点集；
s3，获取区域定义的特征点集；
s4，依据s1-s3获取的特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征，作为指纹的特征参数。
2.根据权利要求1所述的用于指纹识别的特征选择方法，其特征在于，所述区域定义的特征点集，包括log算子、forstner算子、sift算子。
3.根据权利要求1所述的用于指纹识别的特征选择方法，其特征在于，所述基于自身属性的特征点集，包括边缘点、角点、交叉点。
4.根据权利要求1所述的用于指纹识别的特征选择方法，其特征在于，所述基本统计特征，包括亮度、重心、灰度直方图。
5.根据权利要求1所述的用于指纹识别的特征选择方法，其特征在于，所述特征压缩方法采用最小方差排名的前6项中，排名为奇数的特征与其后一位的特征相乘，形成新的特征。