【摘要】 该数据由<>整理 。本发明公开了一种面向图像质量的指纹识别方法。它解决现了有指纹识别方法对理想和 非理想指纹图像兼顾性不好的缺点，其方法为： (1)读取的采集的指纹图像g(x，y)，其中g(x，y)为像素点(x，y)的灰度值； (2)对指纹图像进行质量特征提取，分别提取梯度一致性QT、频谱特征QF、灰度标准 差Qs共三个特征； (3)采用SVM支持向量机分类器对指纹图像的质量进行学习和分类，将其确定为已定义 的两种质量类型； (4)对质量较好、质量较差两种指纹，分别采用基于细节点的匹配算法和基于纹理的匹 配算法完成识别。 【专利类型】发明授权 【申请人】山东大学 【申请人类型】学校 【申请人地址】250061山东省济南市历下区经十路73号 【申请人地区】中国 【申请人城市】济南市 【申请人区县】历下区 【申请号】CN200810138117.0 【申请日】2008-07-01 【申请年份】2008 【公开公告号】CN100592323C 【公开公告日】2010-02-24 【公开公告年份】2010 【授权公告号】CN100592323C 【授权公告日】2010-02-24 【授权公告年份】2010.0 【发明人】尹义龙; 杨公平; 骆功庆; 张宇; 詹小四; 任春晓 【主权项内容】1.一种面向图像质量的指纹识别方法，其特征是，它的步骤为： (1)读取采集的指纹图像g(x，y)，其中g(x，y)为像素点(x，y)的灰度值； (2)对指纹图像进行质量特征提取，分别提取梯度一致性QT、频谱特征QF、灰度标准差Qs共三个特征；三个特征分别从不同的方面反映了质量的好坏，具体计算如下， r是前景块的总数， 为分块图像中一个块的梯度一致性，其计算公式为： 其中，j11，j12，j21，j22为梯度向量协方差矩阵J中的元素； 若图像分块大小为b*b，则块中所有b2个点的梯度向量协方差矩阵 其中b2为分块图像的大小，s为该块中的点，B为该块中所有像素点的集合，gs为点s的梯度向量，gsT为梯度向量的转置；最终整幅图像的质量特征为所有块的梯度一致性的均值； QF的计算公式为： 其中， 为能量强度函数， 为环r0-4＜＝r＜＝r0+4内像素点的数目，而 |G(u，v)|反映了傅里叶变换后的频域图像中点(u，v)处的能量强度，|G(u，v)|构成了频域的强度谱；设g(x，y)表示大小为N×N的数字图像中坐标为(x，y)像素点的灰度值，则g(x，y)的离散傅立叶变换G(u，v)定义为， QF通过对频谱图像中亮环带的能量进行计算，并用其大小来表示质量的好坏； Qs的计算公式为： 其中， 为分块图像中第个k块的标准差，g(x，y)为像素点(x，y)的灰度值，g(k)是第个k块灰度均值，w为分块图像的块边长；Qs通过对所有的分块图像的标准差求均值来表示整幅图像的质量； (3)采用SVM支持向量机分类器对指纹图像的质量进行学习和分类，将其确定为质量较好或质量较差两种质量类型； (4)对质量较好、质量较差两种指纹，分别采用基于细节点的匹配算法和基于纹理的匹配算法完成识别。 【当前权利人】山东大学 【当前专利权人地址】山东省济南市历下区经十路73号 【统一社会信用代码】12100000495570303U 【家族被引证次数】TRUE
