自动指纹分类方法   0    0

本发明公开了一种自动指纹分类方法。本发明把指纹分为六类：左箕型、右箕型、斗型、拱型、尖拱型和无法判断。本指纹分类依赖于指纹块方向图特征和指纹奇异点（中心点和三角点）数目和位置。分析训练指纹图像块方向场，生成分类数据库（4方向块数、方向块4方向位置，方向块8方向位置，无法判定数据库）。对测试指纹图像方向场，根据分类数据库进行分类。本发明方法不易受指纹质量的影响，对无法判定的指纹图像，根据奇异点数量、位置及分类数据库，再次判定。

1.一种自动指纹分类方法，其特征在于该自动指纹分类方法包括训练过程和测试过程，具体步骤为：
(1)人工将训练用指纹图像分为六类，所述六类为左箕型、右箕型、斗型、拱型、尖拱型和无法判断，对判为前五类的指纹进行训练，将H×W的指纹图像划分为16像素×16像素大小的块，其中H为所述指纹图像高度，W为所述指纹图像宽度，图像共有bi×bj块，计算块方向图特征，即4方向块数、方向块8方向位置，将块方向图特征及指纹类型存入特征数组feature中，14列，第1～4列分别表示：方向1块数，方向2块数，方向3块数，方向4块数，第5～
13列存放各块质心的8方向位置，第14列为指纹类型；
(2)取特征数组feature中块方向图特征即4方向块数及指纹类型，删除重复行，删除4方向块数相同但不同指纹类型的行，生成4方向块数数据库class_dire_num，5列，分别为方向1块数，方向2块数，方向3块数，方向4块数，指纹类型；
(3)取特征数组feature，删除按4方向块数可以分类的行，根据方向块8方向位置，计算出方向块4方向位置即象限，删除重复行，删除4方向块数、方向块4方向位置相同但指纹类型不同的行，生成方向块4方向位置数据库class_dire4，14列，第1～4列分别表示：方向1块数，方向2块数，方向3块数，方向4块数，第5～13列存放各块质心的4方向位置，第14列为指纹类型；
(4)取特征数组feature，删除按4方向块数、方向块4方向位置可以分类的行，删除重复行，删除4方向块数、方向块8方向位置相同但指纹类型不同的行，生成方向块8方向位置数据库class_dire8，14列，第1～4列分别表示：方向1块数，方向2块数，方向3块数，方向4块数，第5～13列存放各块质心的8方向位置，第14列为指纹类型，特征相同但指纹类型不同的行生成无法判定数据库cantjudge，格式同class_dire8，所述特征即4方向块数、方向块8方向位置；
(5)对测试指纹进行预处理，计算块方向图特征即4方向块数、方向块8方向位置；
(6)以测试指纹的4方向块数搜索4方向块数数据库class_dire_num，如果找到，输出指纹类型，测试结束，否则执行步骤(7)；
(7)根据测试指纹的方向块8方向位置，计算出方向块4方向位置，以4方向块数和方向块4方向位置搜索方向块4方向位置数据库class_dire4，如果找到，输出指纹类型，测试结束，否则执行步骤(8)；
(8)以4方向块数和方向块8方向位置搜索方向块8方向位置数据库class_dire8，如果找到，输出指纹类型，测试结束，否则执行步骤(9)；
(9)以4方向块数和方向块8方向位置搜索无法判定数据库cantjudge，如果找到若干行，将可能指纹类型存入类型数组lx中，否则记类型数组lx(1)＝0，表示训练指纹中没有出现这种特征的指纹；
(10)寻找奇异点，记录奇异点所在块位置和个数；
(11)删除伪奇异点；
(12)如果没有找到奇异点，扩大范围尝试搜索一个中心点；
(13)按Henry分类方法即奇异点个数、位置及类型数组lx判断指纹类型，无法判断的判为无法判断；
所述步骤(1)中块方向图特征的计算包括以下步骤：
a.使用梯度法计算块方向图dirbo，分块计算掩码fmsk；
b.取四个方向特征，将块方向图dirbo改为块四方向图dir4，方法是
c.由四方向图dir4生成方向图1，用半径为1的圆盘型结构元素腐蚀方向图1，计算腐蚀后方向图1的连接分量，计算连接分量的质心的8方向位置pos8，用1-8表示，当连接分量中像素的数目小于等于4时忽略此块；分别计算方向图2、3、4的块数和质心位置，存储在特征数组feature中，每个指纹一行；
所述步骤(3)中根据方向块8方向位置pos8计算方向块4方向位置pos4，用1～4表示，分别表示1～4象限，方法是
所述步骤(10)中奇异点包括中心点和三角点，包括以下步骤：
a.奇异点中心点个数singularcore和三角点个数singulardelta初始化为0；
b.对指纹块方向图dirbo中的除图像边缘外的每一个方块，计算方向旋转的变化量总和Poincare：
△dk＝dk－d(k+1) mod 8，k＝0,1……7；
如果△dk≥90，△dk＝△dk－180；
如果△dk≤－90，△dk＝△dk+180；
c.如果块(i，j)、块(i-1，j)，块(i-1，j-1)，块(i，j-1)的Poincare值均为180，块(i，j)是前景块，且其3×3邻域有5块以上是前景块，则中心点个数singularcore加1，将位置i,j记录在位置数组xx1和yy1中；
d.如果块(i，j)、块(i-1，j)或块(i-1，j-2)，块(i-1，j-1)，块(i，j-1)的Poincare值均为-180，块(i，j)是前景块，且其3×3邻域有5块以上是前景块，三角点个数singulardelta为0或singulardelta为1且与前一个三角点间距离大于3，则三角点个数singulardelta加
1，将位置记录i,j在位置数组xx2和yy2中；
所述步骤(11)中删除伪奇异点方法如下：
a.对每个含有中心点的块，如果其5×5的领域中含有Poincare值为-180的块，则该块中的中心点为伪中心点，中心点个数singularcore减1，删除位置数组xx1及yy1中记录的相应位置；
b.对每个含有三角点的块，如果其5×5的领域中含有Poincare值为180的块，则该块中的三角点为伪三角点，三角点个数singulardelta减1，删除位置数组xx2及yy2中记录的相应位置；
所述步骤(12)搜索一个中心点，方法如下：
对所述步骤(10)结果中Poincare值为180且不在图像边缘的块(i，j)，所述图像边缘即第1,2行，倒数1,2行，第1,2列，倒数1,2列，按5×5邻域计算方向旋转的变化量总和Poincare：
△dk＝dk-d(k+1) mod 8，k＝0,1……7；
如果△dk≥90，△dk＝△dk-180；
如果△dk≤-90，△dk＝△dk+180；
如果Poincare(i，j)＝180，中心点个数singularcore＝1，将位置i,j记录在位置数组xx1和yy1中，执行步骤(13)；
所述步骤(13)的分类方法如下：a.如果中心点个数singularcore＝2或三角点个数singulardelta＝2，且类型数组lx中含有3或类型数组lx(1)＝0，判为斗型；
b.如果中心点个数singularcore＝1或三角点个数singulardelta＝1，类型数组lx有两个元素，且其中一个为4，则判为另一指纹类型；
c.如果中心点个数singularcore＝0且三角点个数singulardelta＝0，且类型数组lx中含有元素4，判为拱型；
d.如果中心点个数singularcore＝1且三角点个数singulardelta＝0，按以下方法判断：
如果中心点左下部分或右下部分前景小于5块，则不是拱型，但无法判断；
设s1为中心点左下部分除了左边界和下边界外，大于-90度且小于0度的块数，s2为中心点右下部分除了右边界和下边界外，大于0度且小于90度的块数；
如果s1＜2，且类型数组lx中含有1，判为左箕型；
如果s2＜2，且类型数组lx中含有2，判为右箕型；
如果s1-s2＞thre1，s2＜thre2，且类型数组lx中含有2，判为右箕型；
如果s2-s1＞thre3，s1＜thre4，且类型数组lx中含有1，判为左箕型；
如果s1＞thre5，s2＞thre5，且类型数组lx中含有3，判为斗型；
thre1，thre2，thre3，thre4，thre5为阈值；
e.如果中心点个数singularcore＝0且三角点个数singulardelta＝1，计算三角点位置在图中的相对位置yy2(1)/bj，所述bj为图像宽度，单位为块；
如果yy2/bj＞thre6，且类型数组lx中含有1，判为左箕型；
如果yy2/bj＜thre7，且类型数组lx中含有2，判为右箕型；
thre6，thre7为阈值；
f.如果中心点个数singularcore＝1且三角点个数singulardelta＝1，计算中心点与三角点连线与中线夹角 按以下方法判断：
如果π/12＞slope＞-π/12，且类型数组lx中含有5，判为尖拱型；
如果π/12＞slope＞-π/12，且类型数组lx中不含有5；
如果s1＜2，且类型数组lx中含有1，判为左箕型；
如果s2＜2，且类型数组lx中含有2，判为右箕型；
如果s1-s2＞thre1，s2＜thre2，且类型数组lx中含有2，判为右箕型；
如果s2-s1＞thre3，s1＜thre4，且类型数组lx中含有1，判为左箕型；
如果s1＞thre5，s2＞thre5，且类型数组lx中含有3，判为斗型；
thre1，thre2，thre3，thre4，thre5同步骤d，为阈值；
如果slope≥π/12，且类型数组lx中含有1，判为左箕型；
如果slope≤-π/12，且类型数组lx中含有2，判为右箕型；
g.当步骤(13)的前述步骤都未能判断指纹类型时，判为无法判断。