本發(fā)明涉及生物特征識(shí)別領(lǐng)域，特別涉及圖像處理和模式識(shí)別。

背景技術(shù)：
目前指紋識(shí)別被廣泛應(yīng)用于各種安全系統(tǒng)，包括正確率、速度在內(nèi)的識(shí)別性能都較為良好。然而不法分子卻可以利用各種材料制作假的指紋，通過(guò)指紋識(shí)別系統(tǒng)。真指紋也稱活體指紋，是指具有人體生物功能的手指，也就是活著的人體的手指。與其相對(duì)應(yīng)的假指紋也稱死體指紋，其中包括材料制成的指紋，如硅膠、粘土、印刷了指紋圖像的紙等，甚至是離開(kāi)人本身身體的手指都叫做死體指紋。假指紋的采集，從采集過(guò)程到采集到的圖像與真指紋的采集有所不同，利用這些不同之處，可以檢測(cè)采集到的指紋的真假。例如在采集指紋時(shí)檢測(cè)手指的溫度，如果遠(yuǎn)離人體溫度，則可判斷采集到的指紋為假指紋；也可以在采集過(guò)程中維持幾秒鐘，先后采集多次，手指流出的微量汗液會(huì)使前后采集到的圖像有所不同。然而這些方法都需要硬件的支持，改造成本較高且不利于推廣。因此直接檢測(cè)單張指紋圖像的真假，也就是完全軟件的檢測(cè)，仍然是亟待解決的問(wèn)題。值得指出的是，很多文獻(xiàn)指出的真假指紋的區(qū)別，如真指紋黑色條紋中間有白點(diǎn)（氣孔）、假指紋的黑色條紋有破損、假指紋的白色條紋中有黑色雜點(diǎn)、假指紋的黑白條紋間不清晰、真假指紋的條紋寬度不同等區(qū)別，在實(shí)際提取的真假指紋圖像中都有出現(xiàn)，評(píng)人眼辨識(shí)這些區(qū)別，根本無(wú)法判斷真假，真指紋圖像示例圖見(jiàn)圖2，假指紋圖像示例圖見(jiàn)圖3。經(jīng)過(guò)研究發(fā)現(xiàn)，假指紋與真指紋的不同，主要是肉眼不可分辨的一些統(tǒng)計(jì)特性、頻域特性，利用這些不同之處，可以檢測(cè)采集到的指紋的真假。區(qū)分真假屬于分類問(wèn)題，主成分分析（PCA）是常用的降維手段，能大大縮短訓(xùn)練時(shí)間，支持向量機(jī)和稀疏表示是很成熟的分類方法，在運(yùn)算速度快的同時(shí)能得到很好的分類正確率。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明提供了一種在不改動(dòng)指紋采集硬件的前提下、以較小的代價(jià)判斷指紋的真假，本發(fā)明提供一種能以軟件實(shí)現(xiàn)的假指紋檢測(cè)方法。為了實(shí)現(xiàn)上述目的本發(fā)明采用以下技術(shù)方案：一種基于SVM和稀疏表示的假指紋檢測(cè)方法，其特征在于：進(jìn)行檢測(cè)之前的訓(xùn)練工作，包括步驟1～步驟5：步驟1：采集真、假指紋圖像，作為訓(xùn)練使用；步驟2：對(duì)訓(xùn)練使用的指紋圖像提取特征數(shù)據(jù)；步驟3：對(duì)訓(xùn)練使用的特征數(shù)據(jù)進(jìn)行歸一化；步驟4：對(duì)歸一化的特征數(shù)據(jù)進(jìn)行支持向量機(jī)訓(xùn)練得到支持向量機(jī)的分類模型；步驟5：對(duì)訓(xùn)練使用的指紋圖像訓(xùn)練稀疏表示字典步驟6：對(duì)需要進(jìn)行檢測(cè)的指紋提取圖像；對(duì)需要進(jìn)行檢測(cè)的指紋進(jìn)行的操作，包括步驟6～步驟11：步驟7：對(duì)需要進(jìn)行檢測(cè)的指紋的圖像提取特征數(shù)據(jù)；步驟8：對(duì)需要進(jìn)行檢測(cè)的指紋的特征數(shù)據(jù)進(jìn)行歸一化；步驟9：對(duì)歸一化的需要進(jìn)行檢測(cè)的指紋的特征數(shù)據(jù)，使用上述SVM的分類模型進(jìn)行分類，得到“真”或“假”的SVM分類結(jié)果；步驟10：對(duì)需要進(jìn)行檢測(cè)的指紋圖像提取6個(gè)子圖，分別使用稀疏表示字典進(jìn)行稀疏表示，判斷該子圖像為“真子圖”或“假子圖；步驟11：綜合決策得出綜合決策分類結(jié)果。上述技術(shù)方案中，步驟2和步驟7所述的提取特征數(shù)據(jù)需要在有效區(qū)域內(nèi)進(jìn)行，所述有效區(qū)域的選擇方法為在圖形內(nèi)搜索最大內(nèi)接矩形，具體步驟是：步驟2.1：使用Otsu法對(duì)指紋圖進(jìn)行二值化處理，對(duì)得到的二值圖使用半徑為10的disk結(jié)構(gòu)元素進(jìn)行閉操作，得到完整、光滑的指紋覆蓋的區(qū)域；步驟2.2：利用質(zhì)心公式求指紋覆蓋區(qū)域的質(zhì)心，過(guò)質(zhì)心做傾角θ=30°～75°共46條直線，每條直線與指紋覆蓋區(qū)域交于兩點(diǎn)，記兩點(diǎn)之間線段長(zhǎng)度為L(zhǎng)i(θ)，以該直線為對(duì)角線的矩形i的面積為其中Mi＝min{Li(θ),Li(θ+π/2)}為矩形是否完整的必要條件，最大矩形為對(duì)應(yīng)矩形就是選擇得到的有效區(qū)域。上述技術(shù)方案中，步驟2和步驟7所述的特征數(shù)據(jù)包括：統(tǒng)計(jì)特征、頻域特征、共生矩陣特征、特征曲線。上述技術(shù)方案中，步驟4所述的訓(xùn)練過(guò)程中，需要對(duì)指紋進(jìn)行分類，至少要按真、假指紋要分為兩類，而對(duì)于假指紋的不同材料，將假指紋再分為幾類，對(duì)于檢測(cè)結(jié)果，即判斷需要檢測(cè)的指紋屬于哪一類，其分類結(jié)果若為“真”，則認(rèn)為檢測(cè)結(jié)果為“真”，分類結(jié)果若為其它結(jié)果，不管是哪一種材料的假指紋結(jié)果，都認(rèn)為檢測(cè)結(jié)果為“假”。上述技術(shù)方案中，步驟5所述的訓(xùn)練稀疏表示字典的具體步驟為：步驟5.1：在指紋圖像的有效區(qū)域中盡量分散且不靠近邊緣地隨機(jī)選取6個(gè)白色像素，它們都分別位于白色紋線的中間部位，具體地，可以隨機(jī)選取6個(gè)白色像素，分別對(duì)它們的5*5鄰域內(nèi)的白色像素進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)每個(gè)白色像素的5*5鄰域內(nèi)的所有像素值的和，選取擁有最大和的像素；分別對(duì)這6個(gè)白色像素的每一個(gè)，在其16*16鄰域，使用所述梯度公式得到其紋線的方向，根據(jù)紋線的方向?qū)χ讣y圖像進(jìn)行旋轉(zhuǎn)，使得這個(gè)白色像素周邊局部的紋線方向變成水平方向，再以這個(gè)白色像素為中心，從旋轉(zhuǎn)后的指紋圖像中提取出60*60的子圖像，若子圖像包含了指紋圖像有效區(qū)域以外的部分，則重新選取這個(gè)白色 像素，再次計(jì)算方向、旋轉(zhuǎn)指紋圖像、提取子圖像；步驟5.2：使用步驟5.1所述的方法對(duì)每幅指紋圖像提取得到6個(gè)子圖像；步驟5.3：對(duì)每個(gè)子圖像，將每一列像素連接在上一列的末尾，得到3600*1的子圖像列向量，對(duì)真、假指紋的若干個(gè)3600*1的子圖像列向量構(gòu)成的矩陣進(jìn)行主成分分析（PCA），將3600維的特征降至20維以內(nèi)，再輸入稀疏表示字典訓(xùn)練算法構(gòu)造字典，訓(xùn)練得到真、假指紋的稀疏表示字典。上述技術(shù)方案中，步驟5所述的訓(xùn)練稀疏表示字典過(guò)程中，指紋的分類至少要按真、假指紋要分為兩類，而對(duì)于假指紋的不同材料，將假指紋再分為幾類，對(duì)每一類訓(xùn)練得到其稀疏表示字典；對(duì)于子圖的判斷，不管是判斷為哪一種材料的子圖，都判斷為“假子圖”。上述技術(shù)方案中，步驟10所述的具體步驟為：對(duì)需要進(jìn)行檢測(cè)的指紋的圖像，使用步驟5.1～5.3所述的方法得到6個(gè)子圖像列向量，將3600維降維至與步驟5.3中相同的維數(shù)，對(duì)它們分別使用真、假指紋的稀疏表示字典進(jìn)行稀疏表示，以分別獲得每個(gè)子圖像在真、假指紋的稀疏表示字典上的重構(gòu)誤差，若在真指紋的稀疏表示字典上的重構(gòu)誤差最小，則判斷該子圖像為“真子圖”，反之為“假子圖”。上述技術(shù)方案中，步驟11所述的綜合決策的具體步驟為：定義SVM分類結(jié)果為“真”和“假”分別對(duì)應(yīng)SVM分類結(jié)果值為1和0，定義子圖的判斷結(jié)果為“真子圖”和“假子圖”分別對(duì)應(yīng)子圖判斷結(jié)果值為1和0；綜合分類結(jié)果值=a*SVM分類結(jié)果值+b*6個(gè)子圖判斷結(jié)果值的和，其中a和b是權(quán)重，都大于0，且滿足a+6b=1，取經(jīng)驗(yàn)值a=0.4，b=0.1；若綜合分類結(jié)果值小于0.5，則綜合分類結(jié)果為“假”，否則為“真”。上述技術(shù)方案中，所述頻域特征的具體的計(jì)算方法是：使用傅里葉變換將指紋圖像的空域圖像轉(zhuǎn)換至頻域：公式中u,v是fft的坐標(biāo)，x,y是圖像的坐標(biāo)，j是模為1的復(fù)數(shù)，M、N分別是nImg(x,y)的行、列數(shù)，為對(duì)圖像進(jìn)行標(biāo)準(zhǔn)化后得到標(biāo)準(zhǔn)化的圖像，其中每個(gè)像素的平均灰度值其中subimg(x,y)是有效區(qū)域中的(x,y)坐標(biāo)處的圖像灰度值，validCount是有效區(qū)域的像素總數(shù)，方差頻域其中fft.rows為loc(u,v)的行數(shù)，fft.cols為loc(u,v)的列數(shù)；其中的符號(hào)“[]”表示取整，頻域loc(u,v)共有fft.cols*fft.rows個(gè)，計(jì)算每一個(gè)的值，統(tǒng)計(jì)取相同值的個(gè)數(shù)，表示成fpcount(i)，就是取值為i的loc(u,v)的個(gè)數(shù)，這里i取0～180；計(jì)算計(jì)算i取0～180，在i取1～180的整數(shù)時(shí)分別計(jì)算fpn(i)=min(sumfp(i))，i取1～180；在i取1～181時(shí)得到181個(gè)頻域特征fpn(i)。上述技術(shù)方案中，所述特征曲線提取方法如下：將一副指紋圖分割為若干個(gè)小的正方形區(qū)塊，在每個(gè)區(qū)塊中使用梯度公式 得到分塊的方向，沿每個(gè)區(qū)塊指紋方向的切線采樣，將二維圖形轉(zhuǎn)化為一維的指紋紋線，使用一維的指紋紋線來(lái)表征每個(gè)區(qū)塊的指紋紋路特征，具體方法為在每個(gè)區(qū)塊內(nèi)，每間隔0.5個(gè)像素生成共32條平行于指紋圖方向的直線，每條直線所經(jīng)過(guò)的像素，進(jìn)行加權(quán)平均，得到32個(gè)采樣數(shù)據(jù)，由32個(gè)離散的數(shù)據(jù)構(gòu)成該區(qū)塊中指紋的切向紋線，將每個(gè)區(qū)塊中提取的指紋紋線做一維傅里葉變換，將變換得到的頻率域數(shù)據(jù)按幅度-相位分開(kāi)，計(jì)算各頻率對(duì)應(yīng)的幅度值，濾除掉超過(guò)均值+3*標(biāo)準(zhǔn)差部分的指紋圖像，之后分別對(duì)幅度和相位量化至32個(gè)數(shù)之后提取各頻率值對(duì)應(yīng)的幅度眾數(shù)和相位眾數(shù)，重新組合這一系列幅度眾數(shù)和相位眾數(shù)，即可將整幅指紋幾百個(gè)區(qū)塊的紋線篩選、重新組合為一個(gè)特征曲線，對(duì)其值進(jìn)行歸一化：對(duì)于相位，取最大幅度值所對(duì)應(yīng)的相位為主頻率相位，通過(guò)時(shí)域平移在頻率域變化的對(duì)應(yīng)關(guān)系，將主頻率的相位置為0，其他頻率做出與主頻率相位相同的修正，傅里葉反變換后，得到的曲線為近似余弦相位的曲線；對(duì)于幅度值，取波峰和波谷的幅度分別置為1和0，按比例將特征曲線歸一化至[0,1]。本發(fā)明的有益效果是：不改動(dòng)指紋采集硬件，僅以軟件實(shí)現(xiàn)，計(jì)算代價(jià)小，識(shí)別正確率高。附圖說(shuō)明圖1為假指紋檢測(cè)流程圖；圖2為真指紋圖像示例圖；圖3為假指紋圖像示例圖；圖4為指紋圖像分塊示意圖；圖5為圖4中的一個(gè)分塊放大后的圖像；圖6為指紋方向圖的示例圖；圖7為一個(gè)指紋紋線示例圖；圖8為一個(gè)特征曲線示例圖；圖9為指紋圖像的子圖像示例圖。具體實(shí)施方式下面將對(duì)本發(fā)明加以詳細(xì)說(shuō)明，應(yīng)指出的是，所描述的圖像特征中部分是圖像處理領(lǐng)域常用的特征，并不限定其具體計(jì)算方法，包括公式和參數(shù)；所描述的實(shí)施例僅旨在便于對(duì)本發(fā)明的理解，而對(duì)其不起任何限定作用。假指紋檢測(cè)流程圖見(jiàn)圖1，圖中虛線以上的步驟1～步驟5是進(jìn)行檢測(cè)之前的訓(xùn)練工作，虛線以下的步驟6～步驟11是對(duì)需要進(jìn)行檢測(cè)的指紋進(jìn)行的操作。假指紋檢測(cè)的過(guò)程為執(zhí)行以下步驟：步驟1：采集數(shù)百?gòu)堈妗⒓僦讣y圖像：在指紋采集過(guò)程中，真人手指或材料制成的假手指正常按在采集器表面，不需刻意小心，也不應(yīng)用力過(guò)大或過(guò)小，采集到的指紋應(yīng)具有一般性，將嚴(yán)重模糊和嚴(yán)重虛白等不能參與指紋識(shí)別的圖像排除。步驟2：對(duì)訓(xùn)練使用的指紋圖像提取特征數(shù)據(jù)：由于采集得到的原始圖像一般為矩形，指紋位于中間或充滿圖像，指紋周圍可能有純白色的背景以及噪聲存在，會(huì)影響特征數(shù)據(jù)，所以需要進(jìn)行有效區(qū)域的選擇，方法是在圖形內(nèi)搜索最大內(nèi)接矩形：首先使用Otsu法對(duì)指紋圖進(jìn)行二值化處理，對(duì)得到的二值圖使用半徑為10的disk結(jié)構(gòu)元素進(jìn)行閉操作，從而得到完整、光滑的指紋覆蓋的區(qū)域。之后利用質(zhì)心公式求指紋覆蓋區(qū)域的質(zhì)心：其中，m，n分別為指紋覆蓋區(qū)域水平像素?cái)?shù)和豎直像素?cái)?shù)，xi，yi為豎直和水平坐標(biāo)。過(guò)質(zhì)心做傾角θ=30°～75°共46條直線，每條直線與指紋覆蓋區(qū)域交于兩點(diǎn)，記兩點(diǎn)之間線段長(zhǎng)度為L(zhǎng)i(θ)，以該直線為對(duì)角線的矩形i的面積為其中Mi＝min{Li(θ),Li(θ+π/2)}為矩形是否完整的必要條件，最 大矩形為對(duì)應(yīng)矩形，也就是選擇得到的有效區(qū)域。統(tǒng)計(jì)特征：每個(gè)像素的平均灰度值其中subimg(x,y)是有效區(qū)域中的(x,y)坐標(biāo)處的圖像灰度值，validCount是有效區(qū)域的像素總數(shù)。方差計(jì)算直方圖能量：其中hist(i)表示灰度為i的像素總數(shù)，validHist是256個(gè)灰度級(jí)當(dāng)中像素個(gè)數(shù)不為0的灰度級(jí)的數(shù)量，其值一定不大于256。計(jì)算熵：計(jì)算偏度：計(jì)算峰度：計(jì)算方差系數(shù)：對(duì)圖像進(jìn)行標(biāo)準(zhǔn)化得到標(biāo)準(zhǔn)化的圖像nImg，每個(gè)像素的計(jì)算為：其中M0是預(yù)設(shè)的期望灰度值，取最大灰度值255的一半128，VAR0是預(yù)設(shè)的期望方差大小，取經(jīng)驗(yàn)值4000。使用二維傅里葉變換將空域圖像轉(zhuǎn)換至頻域，將頻域圖像的中心移動(dòng)至中心后，每個(gè)以中心為圓心的圓環(huán)都代表了一個(gè)頻率。量化每個(gè)像素點(diǎn)所代表的頻率，將相同頻率的點(diǎn)的幅度值取均值，得到不同頻率的特征。一種頻域特征的具體的計(jì)算方法是：傅里葉變換這里u,v是fft的坐標(biāo)，x,y是圖像的坐標(biāo)，j是模為1的復(fù)數(shù)，M、N分別是nImg(x,y)的行、列數(shù)，頻域其中fft.rows為loc(u,v)的行數(shù)，fft.cols為loc(u,v)的列數(shù)，符號(hào)“[]”表示取整頻域loc(u,v)共有fft.cols*fft.rows個(gè)，計(jì)算每一個(gè)的值，統(tǒng)計(jì)取相同值的個(gè)數(shù)，表示成fpcount(i)，就是取值為i的loc(u,v)的個(gè)數(shù)，這里i取0～180；計(jì)算計(jì)算i取0～180，在i取1～181的整數(shù)時(shí)分別計(jì)算fpn(i)=min(sumfp(i),2000)，i取1～181，在i取1～181時(shí)得到181個(gè)頻域特征fpn(i)；共生矩陣特征：共生矩陣是圖像處理領(lǐng)域常用的工具，矩陣表示為[r(i,j,θ,d)]，矩陣中的元素r(i,j,θ,d)表示方向?yàn)棣?，間隔為d的共生矩陣的第i行第j列的元素，對(duì)于四個(gè)方向：0°、45°、90°、135°，分別取長(zhǎng)度4、5、6、7獲取共16個(gè)共生矩陣。計(jì)算共生矩陣的能量、熵、對(duì)比度、相關(guān)性：共生矩陣能量共生矩陣對(duì)比度共生矩陣熵共生矩陣相關(guān)性其中Ng為共生矩陣的行數(shù)共生矩陣均勻度特征曲線提?。簩⒁桓敝讣y圖分割為若干個(gè)16*16像素大小的區(qū)塊，指紋圖像分塊示意圖見(jiàn)圖4，在每個(gè)分塊中，指紋圖像可以近似認(rèn)為是直線，一個(gè)分塊放大后的圖像見(jiàn)圖5。在每個(gè)區(qū)塊中，使用梯度公式：式中(i,j)是區(qū)塊中左上角像素的坐標(biāo)，代表整個(gè)區(qū)塊；是對(duì)坐標(biāo)為(x,y)的像素求x的偏導(dǎo)數(shù)（數(shù)字圖像中也可叫做一階差分），是對(duì)坐標(biāo)為(x,y)的像素求y的偏導(dǎo)數(shù)?？梢缘玫椒謮K的方向θ(i,j)，由此可以得到指紋的近似走勢(shì)，即指紋方向圖，其示例圖見(jiàn)圖6。提取指紋切向紋線：沿每個(gè)區(qū)塊指紋方向的切線采樣，可以將二維圖形轉(zhuǎn)化為一維的指紋紋線，可以使用一維的指紋紋線來(lái)表征每個(gè)區(qū)塊的指紋紋路特征。具體方法為在每個(gè)區(qū)塊內(nèi)，每間隔0.5個(gè)像素生成共32條平行于指紋圖方向的直線，每條直線所經(jīng)過(guò)的像素，進(jìn)行加權(quán)平均，得到32個(gè)采樣數(shù)據(jù)，由32個(gè)離散的數(shù)據(jù)構(gòu)成該區(qū)塊中指紋的切向紋線，一個(gè)真指紋紋線示例圖見(jiàn)圖7，一個(gè)假指紋紋線示例圖見(jiàn)圖8。指紋紋線的篩選與指紋特征曲線的獲取：將每個(gè)區(qū)塊中提取的指紋紋線做一維傅里葉變換，將變換得到的頻率域數(shù)據(jù)按幅度-相位分開(kāi)，計(jì)算各頻率對(duì)應(yīng)的幅度值，濾除掉超過(guò)均值+3*標(biāo)準(zhǔn)差部分的指紋圖像。之后分別對(duì)幅度和相位量化至32個(gè)數(shù)之后提取各頻率值對(duì)應(yīng)的幅度眾數(shù)和相位眾數(shù)，重新組合這一系列幅度眾數(shù)和相位眾數(shù)，即可將整幅指紋幾百個(gè)區(qū)塊的紋線篩選、重新組合為一個(gè)特征曲線，特征曲線示例圖見(jiàn)圖8。特征曲線的歸一化：每幅指紋提取到的特征曲線的相位、幅度值會(huì)有很大不同，在進(jìn)行比對(duì)前應(yīng)對(duì)其進(jìn)行歸一化。對(duì)于相位，取最大幅度值所對(duì)應(yīng)的相位為主頻率相位，通過(guò)時(shí)域平移在頻率域變化的對(duì)應(yīng)關(guān)系，將主頻率的相位置為0，其他頻率做出與主頻率相位相同的修正，傅里葉反變換后，得到的曲線為近似余弦相位的曲線。對(duì)于幅度值，取波峰和波谷的幅度分別置為1和0，按比例將特征曲線歸一化至[0,1]。對(duì)數(shù)百?gòu)堈?、假指紋圖像按照步驟2分別提取特征后，執(zhí)行步驟3：對(duì)訓(xùn)練使用的特征數(shù)據(jù)進(jìn)行歸一化：歸一化是把數(shù)值范圍不同的特征的值，拉伸到同樣的數(shù)值范圍，通常拉伸到[0,1]或[-1,1]區(qū)間，例如拉伸到[-1,1]的計(jì)算方法是：歸一化后的值=(原始值-這一類特征中的最小值)/(這一類特征中的最大值-這一類特征中的最小值)*2-1。步驟4：對(duì)歸一化的特征數(shù)據(jù)進(jìn)行支持向量機(jī)(SVM)訓(xùn)練得到SVM的分類模型：SVM是模式識(shí)別領(lǐng)域中很成熟的分類工具，工程應(yīng)用中可以直接使用開(kāi)源代碼，具體方法不再贅述。這里需要指出的是，指紋的分類至少要按真、假指紋要分為兩類，而對(duì)于假指紋的不同材料，可將假指紋再分為幾類；而對(duì)于檢測(cè)結(jié)果，即判斷需要檢測(cè)的指紋屬于哪一類，其分類結(jié)果若為“真”，則認(rèn)為檢測(cè)結(jié)果為“真”，分類結(jié)果若為其它結(jié)果，不管是哪一種材料的假指紋結(jié)果，都認(rèn)為檢測(cè)結(jié)果為“假”。本發(fā)明的研究過(guò)程中，將每一種材料的假指紋單獨(dú)分為一類，可以得到更好的檢測(cè)正確率，但在指紋采集器不同（會(huì)導(dǎo)致特征數(shù)據(jù)不同）以及特征提取方法有所變動(dòng)的情況下，將所有用于訓(xùn)練的指紋數(shù)據(jù)按照真、假來(lái)分為兩類，也可能得到更好的檢測(cè)正確率。步驟5：對(duì)訓(xùn)練使用的指紋圖像訓(xùn)練稀疏表示字典：步驟5.1：在指紋圖像的有效區(qū)域中盡量分散且不靠近邊緣地隨機(jī)選取6個(gè)白色像素，它們都分別位于白色紋線的中間部位，具體地，可以隨機(jī)選取6個(gè)白色像素，分別對(duì)它們的5*5鄰域內(nèi)的白色像素進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)每個(gè)白色像素的5*5鄰域內(nèi)的所有像素值的和，選取擁有最大和的像素；分別對(duì)這6個(gè)白色像素的每一個(gè)，在其16*16鄰域，使用所述梯度公式得到其紋線的方向，根據(jù)紋線的方向?qū)χ讣y圖像進(jìn)行旋轉(zhuǎn)，使得這個(gè)白色像素周邊局部的紋線方向變成水平方向，再以這個(gè)白色像素為中心，從旋轉(zhuǎn)后的指紋圖像中提取出60*60的 子圖像，子圖像示例圖見(jiàn)圖9，若子圖像包含了指紋圖像有效區(qū)域以外的部分，則重新選取這個(gè)白色像素，再次計(jì)算方向、旋轉(zhuǎn)指紋圖像、提取子圖像；步驟5.2：使用步驟5.1所述的方法對(duì)每幅指紋圖像提取得到6個(gè)子圖像；步驟5.3：對(duì)每個(gè)子圖像，將每一列像素連接在上一列的末尾，得到3600*1的子圖像列向量，對(duì)真、假指紋的若干個(gè)3600*1的子圖像列向量構(gòu)成的矩陣進(jìn)行主成分分析（PCA），將3600維的特征降至20維以內(nèi)，再輸入稀疏表示字典訓(xùn)練算法構(gòu)造字，訓(xùn)練得到真、假指紋的稀疏表示字典；需要指出的是，指紋的分類至少要按真、假指紋要分為兩類，而對(duì)于假指紋的不同材料，可將假指紋再分為幾類，對(duì)每一類訓(xùn)練得到其稀疏表示字典；對(duì)于子圖的判斷，不管是判斷為哪一種材料的子圖，都判斷為“假子圖”。步驟6：對(duì)需要進(jìn)行檢測(cè)的指紋提取圖像。步驟7：對(duì)需要進(jìn)行檢測(cè)的指紋的圖像使用步驟2中所述的方法提取特征數(shù)據(jù)。步驟8：對(duì)需要進(jìn)行檢測(cè)的指紋的特征數(shù)據(jù)進(jìn)行歸一化。步驟9：對(duì)歸一化的需要進(jìn)行檢測(cè)的指紋的特征數(shù)據(jù)，使用上述SVM的分類模型進(jìn)行分類，得到“真”或“假”的SVM分類結(jié)果。步驟10：對(duì)需要進(jìn)行檢測(cè)的指紋圖像使用步驟5中所述的方法提取6個(gè)子圖，分別使用稀疏表示字典進(jìn)行稀疏表示，判斷該子圖像為“真子圖”或“假子圖，具體地，對(duì)需要進(jìn)行檢測(cè)的指紋的圖像，使用步驟5.1～5.3所述的方法得到6個(gè)子圖像列向量，將3600維降維至與步驟5.3中相同的維數(shù)，對(duì)它們分別使用真、假指紋的稀疏表示字典進(jìn)行稀疏表示，以分別獲得每個(gè)子圖像在真、假指紋的稀疏表示字典上的重構(gòu)誤差，若在真指紋的稀疏表示字典上的重構(gòu)誤差最小，則判斷該子圖像為“真子圖”，反之為“假子圖”。步驟11：綜合決策得出綜合決策分類結(jié)果：定義SVM分類結(jié)果為“真”和“假”分別對(duì)應(yīng)SVM分類結(jié)果值為1和0，定義子圖的判斷結(jié)果為“真子圖”和“假子圖”分別對(duì)應(yīng)子圖判斷結(jié)果值為1和0；綜合分類結(jié)果值=a*SVM分類結(jié)果值+b*6個(gè)子圖判斷結(jié)果值的和，其中a和b是權(quán)重，都大于0，且滿足a+6b=1，取經(jīng)驗(yàn)值a=0.4，b=0.1；若綜合分類結(jié)果值小于0.5，則綜合分類結(jié)果為“假”，否則為“真”。一個(gè)具體實(shí)施例：為了評(píng)價(jià)本發(fā)明的假指紋檢測(cè)方法，提取了895個(gè)真指紋圖像，195個(gè)明膠制成的假指紋圖像，195個(gè)橡膠制成的假指紋圖像，247個(gè)橡皮泥制成的假指紋圖像，220個(gè)印刷指紋圖像。實(shí)驗(yàn)中對(duì)真指紋和4種材料的假指紋圖像取其前60%和后60%分別訓(xùn)練兩次，并分別檢測(cè)其后40%和前40%的指紋圖像，也就是沒(méi)有參與訓(xùn)練的圖像。準(zhǔn)確率會(huì)因指紋圖像質(zhì)量而異，由于實(shí)驗(yàn)條件允許，實(shí)驗(yàn)使用的指紋圖像質(zhì)量都很好，目測(cè)真、假指紋圖像非常接近，觀察不出本質(zhì)區(qū)別，真指紋檢測(cè)平均正確率在97%以上，假指紋檢測(cè)平均正確率在94%以上。以上所述僅為本發(fā)明之較佳實(shí)施例而已，并非用以限定本發(fā)明的申請(qǐng)專利范圍以及特定使用方式，其他未脫離本發(fā)明所揭示的精神下所完成的等效改變或修飾，均應(yīng)包含在本發(fā)明的保護(hù)范圍內(nèi)。