(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210504420.8 (22)申请日 2022.05.10 (71)申请人 昆明理工大 学 地址 650093 云南省昆明市五华区学府路 253号 (72)发明人 孟志　马琨　杨晨　陈厚创　 薛宇轩　 (74)专利代理 机构 昆明隆合知识产权代理事务 所(普通合伙) 53220 专利代理师 龙燕 (51)Int.Cl. G06V 40/12(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/24(2022.01)G06V 10/48(2022.01) G06V 10/75(2022.01) (54)发明名称 一种针对低质量指纹、 残缺指纹的识别方法 (57)摘要 本发明公开一种针对低质量、 残 缺指纹的识 别方法， 属于图像处理技术领域。 首先对获取的 低质量、 残缺指纹进行预处理， 接着利用二维傅 里叶变换及Hough变换对指纹图像进行校正， 将 校正的低质量、 残缺指纹与数据库中的指纹进行 相位相关性计算， 设定阈值， 当相位相关系数高 于阈值时， 将数据库中的该指纹图像 保存在临时 数据库中， 用区域匹配的方法找到小面积模板在 临时数据库中的大致位置并向四周扩展T像素， 将扩展后的指纹图像保存在临时数据库1中； 最 后用爬山搜索 的方法计算小面积模板与临时数 据库1中每张待匹配指纹的相位相关性， 找到最 优解， 以此判断出低质量、 残缺指纹的来源。 本发 明能有效地提高低质量， 残缺指纹的相位相关函 数峰值及识别率， 从而降低误识风险。 权利要求书3页 说明书6页 附图2页 CN 114898412 A 2022.08.12 CN 114898412 A 1.一种针对低质量、 残缺指纹的识别方法， 其特 征在于， 具体包括以下几个步骤： (1)对获取的低质量、 残缺指纹进行图像分割、 增 强处理： 分别计算获取的指纹图像信 息的强度场、 梯度场、 方向场、 频率场， 根据计算的强度场和梯度场确定指纹图像， 将确定的 指纹图像从背景中分割 出来， 对指纹图像进行均衡化处理； 根据局部纹线方向和纹线频率 构造相应的Gabor滤波器， 并对局部指纹图像进行滤波， 则滤波器的通带正好与局部纹线方 向和频率分布重合， 可以在增强局部纹线方向和频率信息的同时滤掉其他噪声信号， 从而 实现指纹图像增强； (2)利用二维傅里叶变换及Hough变换对步骤(1)所 得指纹图像进行 校正； (3)将步骤(2)中校正的低质量、 残缺指纹与数据库中的指纹图像进行相位相关性计 算； (4)初筛： 在步骤(3)的计算过程中， 设定阈值为t， 即最小相位相关系数为t， 当相位相 关系数大于t时， 自动将此指纹图像存 入临时数据库中， 直至遍历完数据库； (5)根据低质量、 残缺指纹的具体情况， 对校正后的低质量、 残缺指纹进行小面积模板 的选取； (6)用区域匹配的方法找到小面积模板在临时数据库中的大致位置， 以该位置为中心， 向四周扩展T像素， 扩展后的指纹即为待匹配的指纹， 将待匹配的指纹图像保存在临 时数据 库1中； (7)用改进的爬山搜索法计算小面积模板与临时数据库1中每张待匹配指纹图像的最 大相位相关系数， 找到最优解， 以此判断出低质量、 残缺指纹的来源。 2.根据权利要求1针对低质量、 残缺指纹的识别方法， 其特征在于： 步骤( 2)中对步骤 (1)所得指纹图像进行 校正， 具体包括以下步骤： 假设原指纹图像为f(x,y)， 尺寸为M ×N， 坐标范围为： x＝0,1,2 …M‑1， y＝0,1,2 …N‑1； 则原指纹图像的傅里叶变换图为： 其中， M、 N分别为原指纹图像的宽与高， u、 v分别为与x、 y所对应的频率变量。 然后对式(1)进行Hough变换， 具体步骤如下： 在直角坐标系O ‑xy中， 假设有一条这样的直线， 它与原点O的距离为l， 方向角为θ， 现设 A点坐标为(x,y)， 过A点作垂直于x轴且与x轴交于B点的直线， 过B点作垂直于OA且与OA相交 于C点的直线， 于是有： OC＝xcosθ,CA＝ysi nθ                     (2) 则： l＝OC+CA＝xcosθ +ysi nθ                   (3) 设D(x1,y1)为直线上的另一坐标点， 过D点作垂直于AB的直线且与AB相交于E点， 过E点 作垂直于AD的直线且与AD交于F点， 则有： EF＝(y‑y1)sinθ ＝(x1‑x)cosθ                  (4) 即： l＝xcosθ +ysi nθ ＝x1cosθ +y1sinθ                 (5)权　利　要　求　书 1/3 页 2 CN 114898412 A 2也就是说直线上的每一 点都满足方程(5)， 由(4)可知： 所以原指纹图像的倾 斜角度为： 之后根据计算出的倾斜角度θ对原指纹图像进行旋转校正即可得到矫正后的指纹图 像。 3.根据权利要求1针对低质量、 残缺指纹的识别方法， 其特征在于： 将步骤(2)中校正的 低质量、 残缺指纹与数据库中的指纹图像进行相位相关性计算， 具体步骤如下： 设指纹图像f(x,y)与g(x,y)的大小为M ×N， 坐标范围为:x＝0,1,2,Λ,M ‑1， y＝0,1,2, Λ,N‑1； 若F(u,v)与G(u,v)分别为f(x,y)与g(x,y)的二维傅里叶变换， 则有： 其中， M、 N分别为原指纹图像的宽与高， u、 v分别为与x、 y对应的频率变量， θG、 θF为相位 角， AF(u,v)， AG(u,v)为幅值； j为 为虚数； 则f(x,y)与g(x,y)在空域的相位相关频谱为： θ(u,v)＝θF(u,v)‑θG(u,v)                         (11) 其中， G(u,v)*为G(u,v)的复共 轭， θ(u,v)为相位差； 若f(x,y)与g(x,y)来源于同一幅指纹图像， 则(10)式表示两幅指纹图像f(x,y)和g(x, y)的相位差与互功率谱的相位相等； 对式(10)进行傅里叶反变换， 则有相位相关函数为： 即： rfg(x,y)＝ δ(x ‑x0， y‑y0)                        (13) 而 式(13)中rfg(x,y)是位于(x0,y0)的冲击函数， 若两幅指纹图像相似时， 则他们的相位相 关函数就会出现明显的尖 峰系数， 将尖峰系数称为最大相位相关系 数， 若两幅图像不相似 时， 相位相关系数就很不明显， 判断指纹图像是否匹配的标准是判断相位相关系数的高度； 通过相位相关系数的位置还可以找到(x0,y0)的位置， 进一步增加或缩减位移量， 以减小由 于峰值带来的轻微 误差。权　利　要　求　书 2/3 页 3 CN 114898412 A 3