專(zhuān)利名稱(chēng)：一種指紋圖像相似度評(píng)價(jià)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及指紋識(shí)別，尤其涉及一種指紋圖像相似度評(píng)價(jià)方法。屬于數(shù)字圖像處
理技術(shù)領(lǐng)域。
背景技術(shù)：
指紋匹配技術(shù)在自動(dòng)指紋識(shí)別系統(tǒng)中是最為核心的技術(shù)。在自動(dòng)指紋識(shí)別系統(tǒng)中，對(duì)指紋匹配方法的精度和速度要求都十分高。 現(xiàn)階段研究人員對(duì)指紋匹配算法研究已越來(lái)越精細(xì)，目前很多方法都結(jié)合指紋圖像中的各種特征，如細(xì)節(jié)點(diǎn)特征、脊線(xiàn)特征、方向場(chǎng)特征及奇異點(diǎn)特征等來(lái)設(shè)計(jì)指紋匹配算法。 現(xiàn)有的基于細(xì)節(jié)點(diǎn)特征的匹配算法一般包括局部匹配與全局?jǐn)U展兩部分。這類(lèi)算法的缺點(diǎn)主要包含兩個(gè)方面 (1)對(duì)局部匹配的結(jié)果直接用于全局?jǐn)U展，而在實(shí)際應(yīng)用中局部匹配通常包含大
量虛假的匹配點(diǎn)對(duì)，如果不對(duì)這部分點(diǎn)對(duì)進(jìn)行剔除，將直接影響后續(xù)算法的準(zhǔn)確性，同時(shí)由
于缺乏先驗(yàn)知識(shí)，單從局部相似度的角度來(lái)篩除虛假匹配點(diǎn)對(duì)十分困難； (2)在全局?jǐn)U展過(guò)程中，這類(lèi)算法一般假設(shè)圖像各個(gè)局部的形變參數(shù)相同，形變參
數(shù)通常包含平移、旋轉(zhuǎn)、尺度變換這幾類(lèi)。由于指紋采集是一個(gè)從二維到三維的投影過(guò)程，
勢(shì)必帶入非線(xiàn)性形變。因此對(duì)于實(shí)際的指紋圖像而言，不同的局部對(duì)應(yīng)的形變參數(shù)也不相同。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)中存在的問(wèn)題，提出一種改進(jìn)的用于自動(dòng)指紋識(shí)別的指紋圖像相似度評(píng)價(jià)方法。 本發(fā)明的核心是一種基于指紋圖像細(xì)節(jié)點(diǎn)的匹配算法，其特征簡(jiǎn)單，操作方便，魯棒性強(qiáng)。所述細(xì)節(jié)點(diǎn)作為指紋圖像重要特征被廣泛應(yīng)用于匹配算法。指紋圖像細(xì)節(jié)點(diǎn)一般有兩種類(lèi)型端點(diǎn)和分叉點(diǎn)。通常細(xì)節(jié)點(diǎn)由其位置及其方向來(lái)描述。 為降低背景技術(shù)所述兩方面的不利影響，本發(fā)明設(shè)計(jì)了一種新的快速指紋圖像相似度評(píng)價(jià)方法，此方法首先將原來(lái)的算法的兩個(gè)部分?jǐn)U充為三部分，即局部匹配；相容性篩選；和全局?jǐn)U展。從而在原有算法的基礎(chǔ)上提高了匹配精度。其次，本發(fā)明方法提出了一種新的分局部擴(kuò)展方法作為對(duì)現(xiàn)有的全局?jǐn)U展方法的改進(jìn)，進(jìn)一步提高了匹配精度。
除算法流程的創(chuàng)新外，本發(fā)明在相容性篩選和分局部擴(kuò)展中都引入一些獨(dú)創(chuàng)性的技術(shù)，充分利用指紋細(xì)節(jié)點(diǎn)的結(jié)構(gòu)特征，在保證了算法準(zhǔn)確度的基礎(chǔ)上，時(shí)間效率也控制得很好，是一種效率與速率都理想的指紋匹配算法。
總的來(lái)說(shuō)，本發(fā)明方法包括下列步驟 a.提取指紋圖像A和B中的細(xì)節(jié)點(diǎn)，分別得到點(diǎn)集Al和Bl ;b.對(duì)點(diǎn)集Al和Bl進(jìn)行局部匹配，分別得到局部匹配點(diǎn)集A2和B2，其中A2和B2
4中的點(diǎn)一一對(duì)應(yīng)構(gòu)成點(diǎn)對(duì)； c.計(jì)算A2中的任意兩點(diǎn)和B2中的相應(yīng)兩點(diǎn)之間的d， a禾P 13的差值，以所述差 值均小于設(shè)定閾值的點(diǎn)分別組成相容點(diǎn)集A3和B3，其中d， a和|3分別表示兩點(diǎn)間距，兩 點(diǎn)的方向的夾角，和一點(diǎn)的方向和兩點(diǎn)連線(xiàn)之間的夾角； d.基于A3和B3進(jìn)行全局?jǐn)U展，計(jì)算指紋圖像A和B之間的相似度。
其中，步驟d具體可以包括 i.在A3中選擇一點(diǎn)作為區(qū)域中心，在該中心的設(shè)定距離范圍內(nèi)將距離最近的另 一點(diǎn)并入該區(qū)域，同時(shí)調(diào)整區(qū)域中心； ii.以調(diào)整后的區(qū)域中心重復(fù)步驟i，直至設(shè)定距離范圍內(nèi)沒(méi)有點(diǎn)，由此得到一個(gè) 分區(qū)域； iii.另選一點(diǎn)重復(fù)步驟i和ii得到另一區(qū)域，直至A3中的所有點(diǎn)均納入某一分 區(qū)域，由此得到一個(gè)或多個(gè)分區(qū)域； iv.對(duì)所述一個(gè)或多個(gè)分區(qū)域分別進(jìn)行對(duì)準(zhǔn)，得到最終的匹配結(jié)果； v.按式(II)計(jì)算A和B的相似度
<formula>formula see original document page 5</formula>
其中similarity表示相似度，nmatehed表示匹配的點(diǎn)對(duì)數(shù)；n" n2分別表示Al和Bl
的點(diǎn)個(gè)數(shù)。
另外，步驟b具體可以包括 i.為點(diǎn)集A1和B1中的每個(gè)點(diǎn)提取特征向量<formula>formula see original document page 5</formula>其中Vp表示
點(diǎn)P的特征向量，Qi， Q2，... ， Qk表示點(diǎn)P周?chē)O(shè)定范圍內(nèi)的k個(gè)點(diǎn)<formula>formula see original document page 5</formula>其中"唯為點(diǎn)P與點(diǎn)Qi之間的距離，"唯為點(diǎn)P的方向與點(diǎn)Qi的方向的夾 角，"m為點(diǎn)P的方向與PQi連線(xiàn)的夾角；ii.計(jì)算Al中的每個(gè)點(diǎn)和Bl中的每個(gè)點(diǎn)之間的相似度，得到相似度矩陣，相似度
通過(guò)式(I)計(jì)算
<formula>formula see original document page 5</formula>
其中bi表示距離閾值<formula>formula see original document page 5</formula>W表示權(quán)重值；
iii.選擇相似度超過(guò)設(shè)定閾值的點(diǎn)對(duì)，所述點(diǎn)對(duì)分別構(gòu)成A2和B2。 下面具體說(shuō)明本發(fā)明相對(duì)于現(xiàn)有技術(shù)的改進(jìn)點(diǎn) 1.相容性篩選
步驟b所述的局部匹配得到一組局部相似度較大的點(diǎn)對(duì)集合A2和B2。在現(xiàn)有技
術(shù)的方法中，基于這些局部匹配得到的點(diǎn)對(duì)進(jìn)行全局?jǐn)U展，從而得到更多的點(diǎn)對(duì)集合。但是的內(nèi)在相似性，一些并非真實(shí)對(duì)應(yīng)的局部區(qū)域也可能十分相似，因此在局部匹配 中會(huì)引入一些虛假的匹配點(diǎn)對(duì)，因此本發(fā)明在全局?jǐn)U展之前對(duì)局部匹配點(diǎn)對(duì)進(jìn)行篩選得到 更精準(zhǔn)的匹配點(diǎn)對(duì)。對(duì)于兩幅指紋圖像，通過(guò)局部匹配，可以找到多個(gè)局部對(duì)應(yīng)點(diǎn)對(duì)，如果 兩幅圖像中多個(gè)鄰近的局部匹配點(diǎn)對(duì)之間的變換形式也相似，則這些匹配點(diǎn)對(duì)為真實(shí)匹配 點(diǎn)對(duì)的可能性越大，反之，如果兩幅圖像中多個(gè)鄰近匹配點(diǎn)對(duì)之間的變換形式差異過(guò)大，則 這些匹配點(diǎn)對(duì)為真實(shí)匹配點(diǎn)對(duì)的可能性越小。相容性篩選的提出給出了多組點(diǎn)對(duì)之間變換 形式差異的度量。 在本發(fā)明中，發(fā)明人根據(jù)實(shí)驗(yàn)數(shù)據(jù)庫(kù)的數(shù)據(jù)特征，定義一種兩組點(diǎn)對(duì)之間的相容 性。在實(shí)驗(yàn)數(shù)據(jù)中，假設(shè)所有采集圖像的旋轉(zhuǎn)角度范圍在90。以?xún)?nèi)。假定指紋圖像中兩個(gè) 點(diǎn)a， b之間距離為d，兩點(diǎn)對(duì)應(yīng)的方向夾角為a ，點(diǎn)a的方向與直線(xiàn)ab的夾角為P ，輸入 圖像中分別與a，b對(duì)應(yīng)的點(diǎn)a' ，b'之間的距離為d'，兩點(diǎn)對(duì)應(yīng)的方向夾角為a '，點(diǎn)a' 的方向與直線(xiàn)a' b'的夾角為P'，則當(dāng)點(diǎn)對(duì)a， a'與點(diǎn)對(duì)b，b'滿(mǎn)足如下式(III)時(shí)認(rèn) 為是相容的
Ac = d _ ' < fi 0
JAa = a-a'<a。 ，d。， a。和P。分別為設(shè)定的閾值
(III)
否則，認(rèn)為兩點(diǎn)對(duì)不相容。如圖2所示。
通過(guò)定義點(diǎn)對(duì)之間兩兩的相容性，可以保留一組最大數(shù)量的相容的匹配點(diǎn)對(duì)集

合。這些彼此相容的匹配點(diǎn)對(duì)為真實(shí)匹配點(diǎn)對(duì)的可能性更大。因此，將用于最后的全局?jǐn)U展。 2.分局部擴(kuò)展 通過(guò)局部匹配和相容性篩選得到的匹配點(diǎn)對(duì)，將進(jìn)行全局?jǐn)U展。在以往的方法中， 全局?jǐn)U展通?；谇懊娌襟E所得到的所有匹配點(diǎn)，計(jì)算一個(gè)單一的形變參數(shù)，然后對(duì)準(zhǔn)兩 幅圖像，從而找到更多匹配點(diǎn)對(duì)的方法。使用這類(lèi)方法的一個(gè)前提是假設(shè)兩幅圖像在采集 過(guò)程中只存在線(xiàn)性變換。但實(shí)際上本發(fā)明發(fā)明人基于實(shí)驗(yàn)數(shù)據(jù)發(fā)現(xiàn)，采集的圖像中一般存 在線(xiàn)性變換和非線(xiàn)性變換。因此，利用所得到的對(duì)應(yīng)點(diǎn)計(jì)算一個(gè)統(tǒng)一的變換參數(shù)得到的結(jié) 果誤差大。 為解決這一問(wèn)題，本發(fā)明提出一種新的思路，按照對(duì)應(yīng)點(diǎn)對(duì)的空間位置關(guān)系將圖 像劃分成若干局部區(qū)域，然后在局部區(qū)域內(nèi)進(jìn)行對(duì)準(zhǔn)并找到更多的匹配點(diǎn)對(duì)，本發(fā)明稱(chēng)之 為分局部擴(kuò)展。這種方法的依據(jù)是基于指紋圖像在局部范圍內(nèi)只存在線(xiàn)性變換，而在全局 范圍內(nèi)存在非線(xiàn)性變換的假設(shè)，而這種假設(shè)在指紋圖像中是合理的。 分局部擴(kuò)展類(lèi)似于聚類(lèi)，其過(guò)程包括從指紋圖像中選擇一個(gè)匹配點(diǎn)作為第一個(gè) 聚類(lèi)中心，然后在設(shè)定的距離范圍內(nèi)搜索下一個(gè)與聚類(lèi)中心距離最近的點(diǎn)，并加入到此集 合中，并調(diào)整聚類(lèi)中心的位置，如此循環(huán)直到?jīng)]有其它的點(diǎn)加入；然后以剩下的點(diǎn)集合為基 礎(chǔ)重復(fù)上述過(guò)程，直到所有的匹配點(diǎn)都找到相應(yīng)的局部集合。圖6顯示了兩圖像對(duì)應(yīng)的多 個(gè)局部區(qū)域。 在所找到的多個(gè)局部區(qū)域中，利用兩圖像的對(duì)應(yīng)點(diǎn)對(duì)求得線(xiàn)性變換參數(shù)對(duì)準(zhǔn)兩圖 像中的局部區(qū)域，從而在一定范圍內(nèi)找到更多匹配點(diǎn)對(duì)。
6
和現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)勢(shì)在于 1.本發(fā)明通過(guò)修改一般匹配算法的流程，在局部匹配與全局?jǐn)U展步驟中增加相容 性篩選過(guò)程，提高全局?jǐn)U展候選點(diǎn)對(duì)的可靠性，從而提高匹配算法的正確率；
2.本發(fā)明考慮指紋圖像中存在的非線(xiàn)性形變，對(duì)全局?jǐn)U展步驟進(jìn)行改進(jìn)，通過(guò)對(duì) 圖像進(jìn)行分區(qū)域擴(kuò)展減少非線(xiàn)性形變對(duì)匹配算法的影響，從而提高匹配算法的正確率；
3.本發(fā)明操作簡(jiǎn)單，與現(xiàn)有一些處理非線(xiàn)性形變的算法相比，效率高。


圖1表示細(xì)節(jié)點(diǎn)局部特征示意圖。 圖2表示兩組對(duì)應(yīng)點(diǎn)對(duì)之間的相容示意圖。 圖3表示局部匹配結(jié)果示意圖。 圖4表示篩選不相容匹配點(diǎn)對(duì)示意圖。 圖5表示圖像劃分為多個(gè)局部區(qū)域示意圖。 圖6表示分區(qū)域擴(kuò)展后結(jié)果示意圖。
具體實(shí)施例方式
下面通過(guò)具體實(shí)施例結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述。 本實(shí)施例提供一種基于本發(fā)明指紋圖像相似度評(píng)價(jià)方法的指紋匹配方法，包括下 列步驟 a.通過(guò)現(xiàn)有的自動(dòng)指紋細(xì)節(jié)點(diǎn)提取算法，得到待匹配指紋圖像和模板指紋圖像各
自的細(xì)節(jié)點(diǎn)，細(xì)節(jié)點(diǎn)的特征包括其位置和方向。 b.構(gòu)造細(xì)節(jié)點(diǎn)局部特征 對(duì)每一細(xì)節(jié)點(diǎn)尋找其一定范圍內(nèi)的k個(gè)點(diǎn)與之構(gòu)成一個(gè)星形結(jié)構(gòu)，并提取星形結(jié) 構(gòu)中的旋轉(zhuǎn)平移不變量(下述特征向量Vp)作為細(xì)節(jié)點(diǎn)的旋轉(zhuǎn)平衡特征。如圖l所示。
圖中P為當(dāng)前細(xì)節(jié)點(diǎn)，Qi為其第i個(gè)近鄰點(diǎn)，從星形結(jié)構(gòu)中提取特征向量
^ —M,柩,…M)。其中？^ = (^2,唯,/^)， i = 1，2，…k，且^。,為細(xì)節(jié)點(diǎn)P與Qi之
間的距離；"Pe,為細(xì)節(jié)點(diǎn)P的方向與Qi的方向的夾角；"W為細(xì)節(jié)點(diǎn)的P方向與PQi連線(xiàn)之 間的夾角。 c.定義兩幅圖像中每對(duì)點(diǎn)對(duì)之間的相似度，得到相似度矩陣。對(duì)于一對(duì)特征向量
M,f^;，其相似度度量如下式(I)所示
w附
風(fēng)兩=
(I) 其中bl表示距離閾值，用于去除不可能的匹配點(diǎn)對(duì)，且
z^(^;,^;)=『f^g-f7^1 ， w表示權(quán)重值，用于根據(jù)特征中每個(gè)元素的重要程度調(diào)
7節(jié)大小。
d.局部匹配 在求得兩幅圖像細(xì)節(jié)點(diǎn)對(duì)兩兩之間相似度后，得到相似度矩陣。在相似度矩陣中
取一閾值Theshold，大于此閾值的點(diǎn)對(duì)將被選作局部匹配點(diǎn)對(duì)，用于后續(xù)計(jì)算。 e.篩選無(wú)效局部匹配點(diǎn)對(duì) 由局部匹配得到的匹配點(diǎn)對(duì)兩兩之間可能并不相容，存在如圖3所示的情況，即兩兩點(diǎn)對(duì)之間的形變參數(shù)誤差過(guò)大。在這個(gè)階段，需要通過(guò)一定的原則篩選出一組或多組相容的點(diǎn)對(duì)。本實(shí)施例假設(shè)在圖像采集過(guò)程中沒(méi)有出現(xiàn)旋轉(zhuǎn)超過(guò)90。的圖像。在此前提下，提出一種保序最大子串算法，得到一組或多組相容的點(diǎn)對(duì)
具體算法如下 1)已知匹配點(diǎn)對(duì)集合A二 (ai，a2，…a。與A' = (a/ ， a2' ， ."ak') 2)對(duì)A按其縱坐標(biāo)從小到大排序得到b2，…bk)，則對(duì)應(yīng)點(diǎn)對(duì)集合A'的順序
則成為(V ，V ，…V ) 3)在(bplv…K)串找出按縱坐標(biāo)從小到大排序最長(zhǎng)的子串及其對(duì)應(yīng)子串(Cl，c2，…Ck)與(c/ ，c2' ， ...Ck')即為所求 4)同時(shí)保證細(xì)節(jié)點(diǎn)(Cl， c2，…q)之間距離與細(xì)節(jié)點(diǎn)(c/ ，c2'，…q')之間是相容的，相容性定義見(jiàn)公式(III)。對(duì)圖3進(jìn)行相容性算法后得到圖4。
f.分區(qū)域擴(kuò)展 由篩選算法得到的相容的匹配點(diǎn)對(duì)進(jìn)行分區(qū)域擴(kuò)展，具體方法如下 1)將模板圖像的所有匹配點(diǎn)設(shè)定為"未訪(fǎng)問(wèn)"，從中讀入一點(diǎn)pOq， y》，將中心C^
設(shè)置為Oq，y》，并標(biāo)記當(dāng)前細(xì)節(jié)點(diǎn)為〃 已訪(fǎng)問(wèn)〃 。 2)掃描模板圖像中所有未訪(fǎng)問(wèn)的細(xì)節(jié)點(diǎn)，如距離(^最近的點(diǎn)q(Xi，yi)至lj(^0q，y》的距離〈閾值sl，則更改聚類(lèi)中心的位置為(^Oq， y》=((Xl+x2)/2， (yi+y2)/2)，同時(shí)將q點(diǎn)標(biāo)記為〃 已訪(fǎng)問(wèn)〃 。 3)重復(fù)步驟2，直到距離最近的點(diǎn)到的距離^閾值sl為止； 4)基于所有未訪(fǎng)問(wèn)的點(diǎn)重復(fù)步驟1-步驟3，直到找到所有聚類(lèi)中心。 上述算法可以從圖像中找到一組或多組聚類(lèi)中心，因此可以將圖像劃分為一個(gè)或
多個(gè)不同的局部區(qū)域，如圖5所示。 然后對(duì)這些局部區(qū)域分別進(jìn)行對(duì)準(zhǔn)，即以每個(gè)區(qū)域中已得到的中心點(diǎn)為基準(zhǔn)點(diǎn)求得兩個(gè)指紋圖像之間的平移變化參數(shù)，在此區(qū)域中的其他點(diǎn)依照此旋轉(zhuǎn)平移變化參數(shù)進(jìn)行相應(yīng)變換，從而得到更多可以匹配的點(diǎn)對(duì)。最終的匹配結(jié)果為這些局部區(qū)域中所有匹配點(diǎn)對(duì)的總集。 g.相似度評(píng)價(jià) 按下式(II)計(jì)算兩指紋圖像之間的相似度。
57'mz7anXy 二 加w氺 她w * i qq
"J"2
(II) 其中r^t。hed為最終的匹配點(diǎn)對(duì)數(shù)；rv化分別表示兩幅圖像中最初提取的細(xì)節(jié)點(diǎn)的個(gè)數(shù)，即步驟a中提取的點(diǎn)數(shù)。
兩圖像之間的相似度數(shù)值越高，則匹配的可能性越大，通過(guò)設(shè)定一個(gè)經(jīng)驗(yàn)閾值，便可得到兩圖像是否匹配的最終結(jié)論。 發(fā)明人在實(shí)驗(yàn)過(guò)程中通過(guò)計(jì)算四個(gè)數(shù)據(jù)庫(kù)DB1_A， DB2_A， DB3_A， DB4_A(FVC2004)上的等錯(cuò)誤率(錯(cuò)誤拒絕率=錯(cuò)誤接受率)評(píng)價(jià)了本發(fā)明和多種算法之間的優(yōu)劣，表l給出了比較結(jié)果，其中，E.E.表示本發(fā)明算法；Triangle表示基于三角結(jié)構(gòu)的算法；TPS表示基于薄板樣條模型算法；LRLED表示匹配誤差估計(jì)算法。在下表中，等錯(cuò)誤率越低則算法越有效。 表l.多種算法的優(yōu)劣比較
DB1_ADB2ADB3_ADB4_A
E.E.0.05810.07830.06590.0921
Triangle0.11520.1240.11360.1880
TPSO.l腦0.13730.14320.2041
LRLED0.10310.18300.11450.1881
9
權(quán)利要求
一種指紋圖像相似度評(píng)價(jià)方法，其特征在于，包括下列步驟a.提取指紋圖像A和B中的細(xì)節(jié)點(diǎn)，分別得到點(diǎn)集A1和B1；b.對(duì)點(diǎn)集A1和B1進(jìn)行局部匹配，分別得到局部匹配點(diǎn)集A2和B2，其中A2和B2中的點(diǎn)一一對(duì)應(yīng)構(gòu)成點(diǎn)對(duì)；c.計(jì)算A2中的任意兩點(diǎn)和B2中的相應(yīng)兩點(diǎn)之間的d，α和β的差值，以所述差值均小于設(shè)定閾值的點(diǎn)分別組成相容點(diǎn)集A3和B3，其中d，α和β分別表示兩點(diǎn)間距，兩點(diǎn)的方向的夾角，和一點(diǎn)的方向和兩點(diǎn)連線(xiàn)之間的夾角；d.基于A3和B3進(jìn)行全局?jǐn)U展，計(jì)算指紋圖像A和B之間的相似度。
2. 如權(quán)利要求1所述的指紋圖像相似度評(píng)價(jià)方法，其特征在于，步驟d包括i. 在A3中選擇一點(diǎn)作為區(qū)域中心，在該中心的設(shè)定距離范圍內(nèi)將距離最近的另一點(diǎn)并入該區(qū)域，同時(shí)調(diào)整區(qū)域中心；ii. 以調(diào)整后的區(qū)域中心重復(fù)步驟i，直至設(shè)定距離范圍內(nèi)沒(méi)有點(diǎn)，由此得到一個(gè)分區(qū)域；iii. 另選一點(diǎn)重復(fù)步驟i和ii得到另一區(qū)域，直至A3中的所有點(diǎn)均納入某一分區(qū)域，由此得到一個(gè)或多個(gè)分區(qū)域；iv. 對(duì)所述一個(gè)或多個(gè)分區(qū)域分別進(jìn)行對(duì)準(zhǔn)，得到最終的匹配結(jié)果；v. 按式(II)計(jì)算A和B的相似度細(xì)7"鄉(xiāng)=敏m~* 100^承w2(n)其中similarity表示相似度，nmatehed表示匹配的點(diǎn)對(duì)數(shù)；ni，n2分別表示Al和Bl的點(diǎn)個(gè)數(shù)。
3. 如權(quán)利要求2所述的指紋圖像相似度評(píng)價(jià)方法，其特征在于，步驟i按下列方式調(diào)整區(qū)域中心以新并入的點(diǎn)和原區(qū)域中心之間的中點(diǎn)作為調(diào)整后的區(qū)域中心。
4. 如權(quán)利要求l-3任意一項(xiàng)所述的指紋圖像相似度評(píng)價(jià)方法，其特征在于，步驟b包括i. 為點(diǎn)集Ai和Bi中的每個(gè)點(diǎn)提取特征向量fp=^^,:^,—^^，其中VP表示點(diǎn)P的特征向量，Q2， . . . ， Qk表示點(diǎn)P周?chē)O(shè)定范圍內(nèi)的k個(gè)點(diǎn)，^ = (^a，Q;Pa,AQ.)， i^，2,…,k，其中^^為點(diǎn)P與點(diǎn)Qi之間的距離，a^為點(diǎn)P的方向與點(diǎn)Qi的方向的夾角，"m為點(diǎn)P的方向與PQi連線(xiàn)的夾角；ii. 計(jì)算A1中的每個(gè)點(diǎn)和B1中的每個(gè)點(diǎn)之間的相似度，得到相似度矩陣，相似度通過(guò)式(I)計(jì)算:<formula>formula see original document page 2</formula>(!)其中bi表示距離閾值，zxy( g,^;卜r ^;-F^; ，w表示權(quán)重值；iii.選擇相似度超過(guò)設(shè)定閾值的點(diǎn)對(duì)，所述點(diǎn)對(duì)分別構(gòu)成A2和B2。
全文摘要
本發(fā)明公開(kāi)了一種指紋圖像相似度評(píng)價(jià)方法，屬于數(shù)字圖像處理技術(shù)領(lǐng)域。本發(fā)明方法包括a.提取指紋圖像A和B中的細(xì)節(jié)點(diǎn)，分別得到點(diǎn)集A1和B1；b.對(duì)點(diǎn)集A1和B1進(jìn)行局部匹配，分別得到局部匹配點(diǎn)集A2和B2，其中A2和B2中的點(diǎn)一一對(duì)應(yīng)構(gòu)成點(diǎn)對(duì)；c.計(jì)算A2中的任意兩點(diǎn)和B2中的相應(yīng)兩點(diǎn)之間的d，α和β的差值，以所述差值均小于設(shè)定閾值的點(diǎn)分別組成相容點(diǎn)集A3和B3，其中d，α和β分別表示兩點(diǎn)間距，兩點(diǎn)的方向的夾角，和一點(diǎn)的方向和兩點(diǎn)連線(xiàn)之間的夾角；d.基于A3和B3進(jìn)行全局?jǐn)U展，計(jì)算指紋圖像A和B之間的相似度。本發(fā)明可用于自動(dòng)指紋識(shí)別等。
文檔編號(hào)G06K9/64GK101777130SQ201010100149
公開(kāi)日2010年7月14日 申請(qǐng)日期2010年1月22日 優(yōu)先權(quán)日2010年1月22日
發(fā)明者封舉富, 樊冬進(jìn) 申請(qǐng)人:北京大學(xué)