基于子带特征融合的活体指纹滑移缺陷检测方法

摘要

本发明提供的是一种基于子带特征融合的活体指纹滑移缺陷检测方法。主要包括纹理特征提取和滑移区域检测部分。在纹理特征提取的过程中，利用对称小波分解的子带系数与灰度共协矩阵相互融合，得到能够区分正常指纹纹理和缺陷区域纹理的特征向量。在滑移区域检测的过程中，使用遗传神经网络分类器对大面积滑移区域进行检测定位，使用离散余弦变换分解技术对小面积滑移区域进行检测定位。本发明能够准确、有效地解决当前指纹图像采集过程中存在的不可避免的滑移难题。本发明在实际应用中具有重要意义和适用价值。

主权项

一种基于子带特征融合的活体指纹滑移缺陷检测方法，其特征是：对采集得到的活体指纹图像，首先进行特征提取，包括基于对称小波变换提取的低频特征子向量和基于灰度共协矩阵提取的高频特征子向量，然后对所提取的特征子向量进行特征融合，通过增强型遗传神经网络分类器对指纹图像进行大面积滑移缺陷区域检测，同时对输入指纹图像进行离散余弦变换，提取相应的高频分量进行小面积滑移缺陷区域检测，如果在结合大、小面积滑移区域检测后均未发现滑移缺陷区域，则继续指纹采集过程；如果发现指纹图像中存在滑移缺陷区域，则对缺陷区域的像素点进行标注和显示，提醒系统重新采集指纹；所述的特征提取的步骤如下：(1)基于对称小波变换的低频波段子向量特征提取(a)利用对称小波将指纹图像进行多重二维分解，直到获取64个空间频率子带；(b)将指纹图像划分成尺寸为90x90的非重叠图像子块；(c)对于划分得到的每一个90x90的图像子块，计算子带波段范围在4‑19的小波系数的能量和均值，分别记为向量E和M；(d)将E和M作为90x90的图像子块所对应的一组低频特征子向量；(2)基于灰度共协矩阵的高频子向量特征提取(e)将步骤(1)中划分得到的每一个90x90大小的图像子块进一步划分成9个30x30大小互不重叠的图像子块；(f)对于划分得到的每一个30x30的图像子块，计算灰度共协矩阵所衍生出的3个特征值，包括角二阶矩、对比度、反差分矩；(g)重复步骤(f)，直到得出同一个90x90图像子块中9个30x30的图像子块的所有27个特征值，记为向量G；(h)将G作为90x90的图像子块所对应的一组高频特征子向量。