基于sift变换的指纹识别方法
【技术领域】
[0001] 本发明涉及一种指纹识别方法，尤其涉及一种基于SIFT变换的指纹识别方法。
【背景技术】
[0002] 指纹识别技术具有不会丢失、不会遗忘、唯一性、不变性、防伪性能好和使用方便 等优点，已经逐步在门禁、考勤、金融、公共安全和电子商务等领域得到应用，尤其最近在考 务领域中考生身份验证场合，指纹识别技术主要包括指纹特征提取和指纹特征匹配两个步 骤。
[0003] 但是因为人的指头是个立体柔性物体，现有的主要指纹识别算法都把人的指头假 设为刚性平面物体，但是在进行指纹采集时，每次采集用力大小、用力方向和采集位置都 会有所不同，造成指纹的各种变形，使指纹特征点的相对位置发生较大偏移，从而很难对 各特征点做到精确定位。另外，指头表面是一个三维曲面，而获取的指纹图像却是一个二 维平面，这种从立体向平面的转化也会造成指纹的变形。更为主要的是，以上因素造成的 指纹变形往往是不确定的、随机的，很难用确定的数学模型去描述，这给后继的指纹匹配 造成了严重的干扰。
[0004] 现在常见的指纹识别技术主要存在下述缺点：指纹特征点提取的查全率低；指纹 特征点位置参数精度低；指纹特征描述的完备性和精确度不高；指纹匹配速度慢
【发明内容】
[0005] 本发明的目的就在于为了解决上述问题而提供一种基于SIFT变换的指纹识别方 法。
[0006] 本发明通过以下技术方案来实现上述目的：
[0007] 一种基于SIFT变换的指纹识别方法，包括以下步骤：
[0008] (1)指纹库预处理：基于SIFT变换提取大样本指纹库中的指纹的主特征分量，再 将主特征分量经MD5散列生产散列值，并将库中所有指纹生成散列表；
[0009] (2)现场指纹录入与处理：对在进行身份验证时录入的指纹进行与步骤（1)同样 的处理，使其生成一个MD5散列值；
[0010] ⑶指纹匹配：将步骤⑵中生成的散列值与步骤⑴中的散列表进行对比，查找 到大样本指纹库中与步骤（2)中实时录入的指纹想匹配的样本指纹。
[0011] 具体地，步骤（1)中主特征分量的提取方法包括以下步骤：
[0012] (a)基于尺度空间对指纹关键特征点进行提取；
[0013] (b)基于泰勒级数对指纹关键特征点的精确度进行提升；
[0014] (c)对关键特征点的纹理描述子进行提取；
[0015] (d)基于PCA变换对指纹主特征分量进行提取。
[0016] 具体地，步骤（a)包括以下步骤：
[0017] (al)利用高斯核将指纹的原始图像进行尺度变换，得到指纹图像多尺度下的尺度 空间表示序列；
[0018] L(x,y, 〇) = G(x,y, 〇)*I(x,y)
[0019] 式中：L(x，y，〇 )为尺度空间〇下的指纹图像，G(x，y，〇 )为尺度可变高斯函数， I(x，y)为指纹二值图像
[0020] (a2)通过高斯差分算子得到指纹图像尺度空间差分序列；
[0021 ] D (x, y, 〇 ) = (G (x, y, k 〇 ) -G (x, y, 〇 )) *1 (x, y) = L (x, y, k 〇 ) -L (x, y, 〇 )
[0022] 式中：D(x，y，〇 )为尺度空间下的指纹图像差分序列
[0023] (a3)从尺度空间差分序列中提取局部极值点，即为指纹图像中的关键特征点。
[0024] 具体地，步骤（b)为在步骤（a2)中的指纹图像尺度空间差分序列中通过泰特级数 对关键特征点进行曲线拟合，得到精确的局部极值点，即精确的关键特征点；
[0025] 泰勒级数：
[0026] 式中：Z表示（x，y，〇)T，D⑵为尺度空间差分序列，
为D(Z)的一阶导数具 体地，步骤（c)包括以下步骤：
[0027] (cl)确定计算每个关键特征点纹理描述子所需的图案半径区域；
[0028] (c2)将坐标移至关键特征点主方向；
[0029] (c3)在图像半径区域内对每个像素进行计算，求其梯度幅值和方向，并生成方向 直方图；
[0030] (c4)计算每个2X2区域内每个像素方向直方图，并计算每个梯度方向的累价值， 即生成一个种子点；
[0031] (C5)由16个不同区域的种子点构成关键特征点的纹理描述子。
[0032] 具体地，步骤（d)包括以下步骤：
[0033] (dl)将一枚指纹中的多个纹理描述子排成高维特征矩阵；
[0034] (d2)对该高维特征矩阵进行PCA，提取该指纹的主特征分量；
[0035] 优选地，所述高维特征矩阵的维数为千维级。
[0036] 本发明的有益效果在于：
[0037] 本发明基于SIFT变换的指纹识别方法通过用SIFT变换来检测与描述指纹图像中 的局部性特征，并且在空间尺度中寻找关键特征点，提取出关键特征点的描述子，并通过指 纹的描述子提取主特征分量，在一定程度上解决了指纹特征提取时因指头变形、旋转等因 素造成的指纹特征提取的鲁棒性问题。
【具体实施方式】
[0038] 下面对本发明作进一步说明：
[0039] 本发明基于SIFT变换的指纹识别方法，包括以下步骤：
[0040] (1)指纹库预处理：基于 SIFT 变换（Scale-invariant feature transform，尺度 不变特征转换）对大样本指纹库中的指纹进行关键特征点、关键特征点的纹理描述子和指 纹主特征分量进行提取，再将主特征分量经MD5散列生产散列值，并将库中所有指纹生成 散列表；
[0041] (2)现场指纹录入与处理：对在进行身份验证时录入的指纹进行与步骤⑴同样 的处理，使其生成一个MD5散列值；
[0042] (3)将步骤⑵中生产的散列值与步骤⑴中的散列表进行对比，查找到大样本指 纹库中与步骤（2)中实时录入的指纹想匹配的样本指纹。
[0043] 关键特征点、关键特征点的纹理描述子和指纹主特征分量的提取算法具体如下：
[0044] 1、基于尺度空间的指纹特征点提取算法
[0045] 本算法不需要进行图像切割，可以有效地避免了因图像切割造成指纹特征点丢失 的问题，大幅度提高了指纹特征点提取的查全率，同时通过泰勒级数对局部极值点进行曲 线拟合，可得到精确的局部极值点，可以有效地减小因指头形变造成指纹特征点的位置偏 差，大幅度地提高匹配特征点在位置上对准的精度。
[004