【技术实现步骤摘要】
本专利技术涉及自动指纹识别领域，具体地说是提出了。
技术介绍
指纹匹配是自动指纹识别算法三个处理阶段(指纹采集、指纹预处理以及指纹匹配)的最后一个阶段，是决定算法性能的关键步骤之一。指纹匹配要解决的问题是对从两幅给定的指纹图像提取的特征信息进行相似度度量，最终判断这两枚指纹是否来自同一个手指。指纹匹配算法的实现与性能均与选取的指纹特征紧密相关。指纹特征通常可以分成全局特征，局部特征和细微特征。全局特征如纹理信息、中心点(俗称Core点)以及三角点(俗称Delta点)，局部特征包括端点、分叉点(Bifurcation)、孤立点、环、岛、毛刺以及桥等，细微特征如在从高分辨率传感器上得到的指纹图像上提取的指纹上的毛孔等特征。依据选取的特征不同，指纹匹配主要归为图匹配、纹理匹配、纹线匹配以及细节点匹配等。其中细节点匹配方法表达方式简单，充分利用了指纹图像在细节特征上的差异，匹配准确度较高，因而得到了广泛应用。尽管如此，现有细节点匹配算法仍有一些问题需要解决完善。在现有指纹细节点匹配方法中，特征选择时大都利用细节点的位置、方向、类型以及细节点密度等信息，构造能够表征细节点特性的特征向量或邻域结构，进而将指纹的匹配问题转化为特征向量或邻域结构的相似度度量问题。其中，影响细节点匹配性能的一个关键因素就是指纹图像的非线性形变问题。具体体现在由于指纹存在非线性形变，当以一对细节点为参考点对时，离参考点对越远的细节点对的位置差异和方向差异越大，当差异达到一定程度时，原本可以匹配的细节点对可能由于差距过大而无法满足匹配条件，从而可能造成拒识。现有大部分指纹细节点匹配算法均忽略...
【技术保护点】
１．一种基于多参考点对的指纹匹配方法，其特征在于包括步骤：１）确定模板指纹和输入指纹；２）采用基于三值特征向量的指纹匹配算法获得模板指纹和输入指纹所有细节点对匹配得分；３）将所有细节点对按匹配得分降序排列，选取得分靠前的ｍ个作为初始参考点对；４）计算初始参考点对的旋转平移参数，根据一致性选取正确匹配的细节点对为参考点对；５）以每对参考点对为基准，进行模板指纹和输入指纹的全局匹配，获得匹配细节点对集合；６）采用投票融合策略，融合所有匹配细节点对集合信息，获得最终匹配细节点对数；７）根据最终匹配细节点对数计算匹配得分；８）根据匹配得分和匹配阈值，判断模板指纹和输入指纹是否匹配。
【技术特征摘要】
1.一种基于多参考点对的指纹匹配方法，其特征在于包括步骤1)确定模板指纹和输入指纹；2)采用基于三值特征向量的指纹匹配算法获得模板指纹和输入指纹所有细节点对匹配得分；3)将所有细节点对按匹配得分降序排列，选取得分靠前的m个作为初始参考点对；4)计算初始参考点对的旋转平移参数，根据一致性选取正确匹配的细节点对为参考点对；5)以每对参考点对为基准，进行模板指纹和输入指纹的全局匹配，获得匹配细节点对集合；6)采用投票融合策略，融合所有匹配细节点对集合信息，获得最终匹配细节点对数；7)根据最终匹配细节点对数计算匹配得分；8)根据匹配得分和匹配阈值，判断模板指纹和输入指纹是否匹配。2.如权利要求1所述的一种基于多参考点对的指纹匹配方法，其特征在于，所述步骤4)中计算初始参考点对的旋转平移参数为在初始参考点对中，首先设模板指纹的一细节点T (XT, Yt, θ τ)，其中&表示模板指纹细节点在指纹图像上的横坐标，Yt表示模板指纹细节点在指纹图像上的纵坐标，θ τ表示模板指纹细节点在指纹图像上的方向，且θτε (0， JI)，再设输入指纹一细节点I (X1, Y1, θ》，其中&表示输入指纹细节点在指纹图像上的横坐标，Y1表示输入指纹细节点在指纹图像上的纵坐标，θ χ表示输入指纹细节点在指纹图像上的方向，且(0，π)；则细节点对(Τ，I)的旋转平移参数为(ΔΧ，ΔY, Δ Θ)，其中 (ΔΧ, ΔΥ)表示输入指纹细节点相对于模板指纹细节点在横纵坐标上的位置偏移，Δ θ表示输入指纹细节点相对于模板指纹细节点方向偏移，旋转平移参数的各项分量计算公式如下Δ θ = Oi-Ot(5)AX = XIXcos(A 0)+YIX...
【专利技术属性】
技术研发人员：史智臣，张宏伟，
申请(专利权)人：山东志华信息科技股份有限公司，
类型：发明
国别省市：37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。