一种基于畸变校正的指纹识别方法与流程

1.本发明属于指纹图像处理技术领域，特别涉及一种基于畸变校正的指纹识别方法。


背景技术：

2.指纹是人体独一无二的，指纹的复杂度足以满足鉴别需要，且指纹的采集方便，因此指纹识别成为了最热门、最方便、最可靠的个人身份认证技术之一。指纹识别过程主要包括指纹图像采集、指纹图像预处理、指纹脊线获取、特征点提取、特征点比对以及匹配结果输出。
3.现有主流的指纹识别匹配技术，主要是基于指纹特征点的匹配。但在指纹图像采集过程中，由于指纹按压受力不均匀，会使采集得到的图像发生扭曲变形，得到畸变指纹图像，进而导致从图像中提取的指纹特征点的位置发生偏移或错位，这将对指纹的匹配性能产生较大影响。


技术实现要素：

4.针对现有技术的不足，本发明提供了一种基于畸变校正的指纹识别方法，通过建立指纹畸变模型，计算指纹特征图像的畸变参数，进而校正畸变指纹特征图像，实现指纹匹配度分析，有效解决了现有技术中由于按压不均匀产生指纹图像畸变，造成指纹特征点发生偏移，进而导致指纹匹配效果差的技术问题，大大提高指纹匹配性能的同时也保证了指纹匹配的准确度。
5.为实现上述目的，本发明采用的技术方案如下：本发明公开了一种基于畸变校正的指纹识别方法，包括以下步骤：s1：获取并预存标准指纹特征模板a的信息，所述标准指纹特征a具有m个指纹特征点，每个特征点信息包含有坐标值和方向值；s2：采集指纹特征b的信息，指纹特征b具有n个指纹特征点，每个特征点信息包含有坐标值和方向值；s3：在给定的指纹图像区域内，设置受力点参数，并建立指纹畸变校正模型；s4：根据畸变校正模型对于指纹特征b的指纹特征点进行校正，比较标准指纹特征模板a和经过畸变校正的指纹特征b，实现指纹匹配度分析。
6.作为一种技术方案，在上述步骤中，步骤s3所述的建立指纹畸变校正模型，具体包括：s3.1：在给定的指纹图像区域内预设r个受力点，每个受力点包括4个参数，即(xr, yr,, )，其中xr和yr为第r个受力点的位置坐标，和分别为水平方向受力分量和垂直方向受力分量，r∈[1，r]；s3.2：计算各个预设受力点对采集指纹特征b中的指纹特征点产生的畸变参数，即
采集指纹特征b中第j个指纹特征点在第r个受力点的影响下产生的畸变校正参数和，j∈[1，n]，r∈[1，r]；s3.3：利用畸变校正参数对于采集指纹特征b中的指纹特征点进行畸变校正，其中，第j个指纹特征点的总畸变校正参数为各个受力点畸变校正参数之和，即，。
[0007]
在上述技术方案中，畸变校正参数和的计算过程如下：s3.2.1：计算指纹特征b中的第j个指纹特征点到第r个受力点方向矢量的距离；s3.2.2：通过公式，计算得到系数；通过公式，计算得到系数；s3.2.3：如果第j个指纹特征点(xj,yj)处于第r个受力点的方向矢量(cr, dr)以(xr, yr)点逆时针旋转180
°
的范围区域，即方向矢量(cr，dr)的正半周方向，则畸变校正参数和分别为：，；如果第j个指纹特征点(xj, yj)处于第r个受力点的方向矢量(cr，dr)以(xr, yr)点顺时针旋转180
°
的范围区域，即方向矢量(cr，dr)的负半周方向，则畸变校正参数和分别为：，。
[0008]
作为一种技术方案，通过所述指纹畸变校正模型，根据畸变校正模型对于指纹特征b的指纹特征点进行校正，并比较标准指纹特征模板a和经过畸变校正的指纹特征b，具体包括：s4.1：使标准指纹特征模板a和采集指纹特征b两者的指纹图像中心重合，标准指纹特征模板a的信息包括(a
i a
, a
i x
, a
i y
)，i∈[1，m]；其中，a
i a
是标准指纹模板a的第i个特征点的方向值，a
i x
和a
i y
是第i个特征点的坐标值；采集指纹特征b的信息包括(b
j a
, b
j x
, b
j y
)，j∈[1，n]；其中，b
j a
是采集指纹特征b的第j个特征点的方向矢量，b
j x
和b
j y
是第j个特征点的位置坐标；s4.2：预设受力点和受力方向，根据指纹畸变校正模型，计算得到采集指纹特征b的各个指纹特征点的总畸变校正参数，并逐一进行畸变校正，得到畸变校正后采集指纹特征b”，其信息包括： (b”j a
, b”j x , b”j y
)，j∈[1，n]；其中，b”j a
是畸变校正后的采集指纹特征b”的第j个特征点的方向值，b”j x
和b”j y
是第j个特征点的坐标值；s4.3：将标准指纹特征模板a的信息 (a
i a
, a
i x
, a
i y
)与校正后的采集指纹特征b”的信息(b”ja
, b”j x
, b”j y
)逐点比较，获得匹配得分s。
[0009]
在上述技术方案中，使标准指纹特征模板a和采集指纹特征b两者的指纹图像中心
重合，具体可以将采集指纹特征b在平面内平移和/或旋转，进而实现标准指纹特征模板a和采集的指纹特征b两者的指纹图像中心的重合，在此过程中，对于采集指纹特征b的信息进行校正，得到 (b’j a
, b’j x
, b’j y
)，j∈(1，n)，其中，b’j a
是经平移旋转后的指纹特征b’的第j个特征点的方向值，b’j x
和b’j y
是经平移旋转后的第j个特征点的坐标值。
[0010]
进一步的，在上述技术方案中，平移和/或旋转后指纹特征b的校正计算，具体包括：b’j a
= b
j a
+p
3 ；b’j x
= (b
j y
+p
2-oy)sin(p3) + (b
j x
+p
1-o
x
)cos(p3)
ꢀ‑ꢀox ；b’j y
= (b
j y
+p
2-oy)cos(p3)
ꢀ‑ꢀ
(b
j x
+p
1-o
x
)sin(p3)
ꢀ‑ꢀ
oy；其中，o
x
是图像中心的x坐标值，oy是图像中心的y坐标值，p1是水平平移参数，p2是垂直平移参数，p3是旋转参数，b
j a
是采集的指纹特征b的第j个特征点的方向值，b
jx
是采集的指纹特征b的第j个特征点的x坐标值，b
j y 是采集的指纹特征b的第j个特征点的y坐标值，b’j a
是经平移旋转后的指纹特征b’的第j个特征点的方向值，b’j x
是经平移旋转后的指纹特征b’的第j个特征点的x坐标值，b’j y
是经平移旋转后的指纹特征b’的第j个特征点的y坐标值。
[0011]
指纹的匹配实际上是在某种相似度下，通过算法寻找两幅图像的共同点，以达到图像识别的目的。实际上，指纹畸变的受力点以及受力方向和大小是未知的，因此采用演化计算来寻求最优解。演化计算是根据自然界中生物进化的思想，运用于求解最优解的一种通用方法。研究表明，指纹图像的匹配可以通过演化计算的方法来处理，并且能够得到满意的匹配结果。因此，在上述技术方案中，可以随机设置两组或以上受力点参数，计算每组受力点参数下标准指纹特征模板a与畸变校正后的采集指纹特征b”匹配得分，利用演化算法进行迭代，进而计算分数最大的匹配得分s，从而判断标准指纹特征模板a和采集的指纹特征b的匹配度。
[0012]
进一步的，所述的演化算法包括但不限于郭涛算法。郭涛算法是在演化计算的基础上提出的一类基于子空间搜索和群体爬山法结合的群体随机搜索算法，采用了演化计算中的群体搜索策略，采用随机子空间中的随机搜索(多父体重组)策略，采用了“劣汰策略”，能够大大降低算法的计算量，常被用于指纹模板的匹配。具体地，随机设置h组受力点参数，并根据指纹畸变校正模型，计算得到每组受力点参数下指纹特征b的各个指纹特征点的总畸变校正参数，并逐一进行畸变校正，得到每组受力点参数下畸变校正后的采集指纹特征b”，其信息包括： (b”j a
, b”j x , b”j y
)h，j∈[1，n]，h∈[1，h]；其中，b”j a
是畸变校正后的采集指纹特征b”的第j个特征点的方向值，b”j x
和b”j y
是第j个特征点的坐标值，(b”j a
, b”j x , b”j y
)h是第h组受力点参数下畸变校正的采集指纹特征b”的信息；将标准指纹特征模板a的信息 (a
i a
, a
i x
, a
i y
)与每组受力点参数下畸变校正的采集指纹特征b”的信息(b”ja
, b”j x
, b”j y
)h逐点比较，计算得到匹配得分sh，利用演化算法进行迭代，进而计算分数最大的匹配得分s，从而判断标准指纹特征模板a和采集的指纹特征b的匹配度。郭涛算法的具体演化方法可参考《郭涛算法及其应用》（李艳,康卓,刘溥. 郭涛算法及其应用[j]. 武汉汽车工业大学学报,2000,22(3):101-104. doi:10.3963/j.issn.1007-144x.2000.03.026.）。
[0013]
本发明的有益效果：本发明提供一种基于畸变校正的指纹识别方法，通过建立指
纹畸变校正模型，比较预存标准指纹特征模板a（包括m个特征点）和经过畸变校正后采集的指纹特征b（包括n个细节点），实现指纹匹配度分析，有效解决了现有技术中由于按压不均匀产生指纹图像畸变，造成指纹特征点发生偏移，进而导致指纹匹配效果差的技术问题，大大提高指纹匹配性能的同时也保证了指纹匹配的准确度。
附图说明
[0014]
图1为本发明的一个实施例的方法流程示意图；图2-图5为本发明的一个实施例的指纹受力示意图；图6为本发明的一个实施例指纹特征点对比示意图；图7为本发明的一个实施例指纹特征点重合对比示意图；图8为本发明的又一个实施例指纹特征点对比示意图；图9为本发明的又一个实施例指纹特征点重合对比示意图。
具体实施方式
[0015]
以下结合附图对本发明的具体实施方式作了说明，但本领域技术人员应当理解，以下实施例仅是为了进行说明，而不是为了限制本发明的范围。本领域技术人员应当理解，可在不脱离本发明的范围和精神的情况下，对以下实施例进行修改。本发明的保护范围由所附的权利要求来限定。
[0016]
本发明的一个实施例，提供了一种基于畸变校正的指纹识别方法，该流程示意图如图1所示，具体包括：s1：获取并预存标准指纹特征模板a的信息，所述标准指纹特征a具有m个指纹特征点，每个特征点信息包含有坐标值和方向值；s2：采集指纹特征b的信息，指纹特征b具有n个指纹特征点，每个特征点信息包含有坐标值和方向值；s3：在给定的指纹图像区域内，设置受力点参数，并建立指纹畸变校正模型；s4：根据畸变校正模型对于指纹特征b的指纹特征点进行校正，比较标准指纹特征模板a和经过畸变校正的指纹特征b，实现指纹匹配度分析。
[0017]
在上述步骤中，步骤s3建立指纹畸变校正模型，具体包括：s3.1：在给定的指纹图像区域内预设r个受力点，每个受力点包括4个参数，即(xr, yr,，)，其中xr和yr为第r个受力点的位置坐标，和分别为水平方向受力分量和垂直方向受力分量，r∈[1，r]；s3.2：计算各个预设受力点对采集指纹特征b中的指纹特征点产生的畸变参数，即采集指纹特征b中第j个指纹特征点在第r个受力点的影响下产生的畸变校正参数和，j∈[1，n]，r∈[1，r]；s3.3：利用畸变校正参数对于采集指纹特征b中的指纹特征点进行畸变校正，其中，第j个指纹特征点的总畸变校正参数为各个受力点畸变校正参数之和，即，
。
[0018]
在上述技术方案中，畸变校正参数和的计算过程如下：s3.2.1：计算指纹特征b中的第j个指纹特征点到第r个受力点方向矢量的距离；s3.2.2：通过公式，计算得到系数；通过公式，计算得到系数；s3.2.3：如果第j个指纹特征点(xj,yj)处于第r个受力点的方向矢量(cr, dr)以(xr, yr)点逆时针旋转180
°
的范围区域，即方向矢量(cr，dr)的正半周方向，则畸变校正参数和分别为：，；如果第j个指纹特征点(xj, yj)处于第r个受力点的方向矢量(cr，dr)以(xr, yr)点顺时针旋转180
°
的范围区域，即方向矢量(cr，dr)的负半周方向，则畸变校正参数和分别为：，。
[0019]
作为优选，通过所述指纹畸变模型，根据畸变校正模型对于指纹特征b的指纹特征点进行校正，并比较标准指纹特征模板a和经过畸变校正的指纹特征b，具体包括：s4.1：将采集指纹特征b在平面内平移和/或旋转，实现标准指纹特征模板a和采集的指纹特征b两者的指纹图像中心的重合；s4.2：预设受力点和受力方向，根据指纹畸变校正模型，计算得到b的各个指纹特征点的总畸变校正参数，并逐一进行畸变校正，得到畸变校正后采集指纹特征b；s4.3：将标准指纹特征模板a的信息与校正后的采集指纹特征b的信息逐点比较，获得匹配得分s。
[0020]
在上述技术方案中，可以随机设置2组或以上受力点参数，计算每组受力点参数下标准指纹特征模板a与畸变校正后的采集指纹特征b的匹配得分，利用演化算法进行迭代，进而计算分数最大的匹配得分s，从而判断标准指纹特征模板a和采集的指纹特征b的匹配度。所述的演化算法包括但不限于郭涛算法，可以大大降低运算量。
[0021]
本发明的一个实施例，设有3个受力点和受力点方向，计算采集的指纹特征图像的总畸变校正参数，如图2-图5所示。图2是不受力的指纹图像，为了便于观察，图2左边为无畸变的方格图，图2右边为无畸变的指纹图像；图3-图5是受力指纹图像，每个图像中有3个受力点，受力点为图中黑点，受力点方向如图所示，为了便于观察，图3-图5左边为带有受力点的畸变方格图，图3-图5右边为带有受力点的畸变指纹图像。对图3-图5的指纹图像带入所建立的指纹畸变模型计算总畸变校正参数，得到图3的总畸变校正参数为（5，5，3，12，12，2，15，77，327，2，15，123，200，-9，-2）；得到图4的总畸变校正参数（5，-5，-5，12，112，2，-15，7，12，-2，-15，123，200，9，-2）；得到图5的总畸变校正参数（2，-5，-1，12，8，-1，-17，237，212，2，29，3，330，-9，11）。根据畸变校正参数，对畸变指纹图像逐一进行畸变校正，得到每组受力点参数下畸变校正后的指纹特征信息。本实施例仅作示意，实际计算中可能有数千组畸
变校正参数。将预存的标准指纹特征模板的信息与每组受力点参数下畸变校正的指纹特征信息逐点比较，计算得到匹配得分s，并利用演化算法进行迭代，最后选择与标准指纹模板匹配得分最大的那组畸变校正参数，判断采集的指纹特征图像与标准指纹特征模板的匹配度。
[0022]
本发明的一个实施例，分别计算了进行畸变校正后的指纹特征图像与标准指纹特征模板的匹配度以及未做畸变校正的指纹特征图像与标准指纹特征模板的匹配度。最终计算发现，进行畸变校正后的指纹特征图像与标准指纹特征模板的匹配度较高。通过本发明方法根据畸变校正模型对指纹特征进行畸变校正，进而用于指纹匹配度分析，可以大大提高指纹特征点的匹配度，并确保匹配结果的准确性。
[0023]
本发明的一个实施例，如图6、图7所示，图6中a是标准指纹特征模板图像，b是采集的畸变指纹特征图像，图7中c是未做畸变校正的b与a的特征点重合匹配示意图，d是对b进行畸变校正后与a的特征点重合匹配示意图，可以看出，通过本发明方法进行指纹特征的畸变校正，大大提高了指纹特征点的匹配准确度。
[0024]
本发明的又一个实施例，如图8、图9所示，图8中e是标准指纹特征模板图像，f是采集的畸变指纹特征图像，图9中g是未做畸变校正的f与e的特征点重合匹配示意图，h是对f进行畸变校正后与e的特征点重合匹配示意图，可以看出，通过本发明方法进行指纹特征的畸变校正，大大提高了指纹特征点的匹配准确度。