指紋描述子的壓縮方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種指紋描述子的壓縮方法及系統(tǒng)，其中，壓縮方法包括以下步驟：獲取訓(xùn)練指紋圖像的姿態(tài)信息；根據(jù)姿態(tài)信息利用指紋姿態(tài)估計算法進行姿態(tài)校正；提取校正后的訓(xùn)練指紋圖像的多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC以統(tǒng)計細(xì)節(jié)點在指紋的指紋圖像上的分布規(guī)律；根據(jù)分布規(guī)律對細(xì)節(jié)點描述子MCC進行壓縮，并根據(jù)壓縮后的細(xì)節(jié)點描述子MCC進行指紋識別。根據(jù)本發(fā)明實施例的指紋描述子的壓縮方法，通過訓(xùn)練指紋圖像統(tǒng)計細(xì)節(jié)點在指紋圖像上的分布規(guī)律，且根據(jù)分布規(guī)律對細(xì)節(jié)點描述子MCC進行壓縮，以進行指紋識別，去除了冗余特征，提高了空間效率和時間效率，既保證了指紋識別精度，又提高了指紋識別效率。
【專利說明】指紋描述子的壓縮方法及系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及指紋特征描述【技術(shù)領(lǐng)域】，特別涉及一種指紋描述子的壓縮方法及系統(tǒng)。
【背景技術(shù)】
[0002]由于指紋具有唯一性、普遍性和終生不變性等重要性質(zhì)，利用指紋圖像進行身份識別已經(jīng)有了很長的歷史。尤其是在公安刑偵領(lǐng)域，自20世紀(jì)初期以來，指紋逐漸成為了執(zhí)法機構(gòu)逮捕和判定罪犯有罪的最重要的證據(jù)之一。近年來，自動指紋識別技術(shù)的發(fā)展與成熟使得指紋識別被廣泛地應(yīng)用于公安刑偵、出入境、門禁系統(tǒng)和重要設(shè)備的權(quán)限控制等應(yīng)用中。
[0003]具體地，常用的指紋特征大致可分為三類:一級特征，包括指紋的方向場、周期圖及奇異點；二級特征，主要指細(xì)節(jié)點；三級特征，包括汗孔、脊線輪廓、永久性的皺紋和疤痕，它們通常只能在高分辨率指紋圖像內(nèi)才能穩(wěn)定提取。其中，細(xì)節(jié)點特征由于提取較為穩(wěn)定、存儲空間小、包含信息量豐富等原因在指紋識別算法中應(yīng)用最為廣泛。
[0004]在相關(guān)技術(shù)中，基于細(xì)節(jié)點特征的指紋識別系統(tǒng)通常是將提取得到的細(xì)節(jié)點以平面上的二維點集的形式進行存儲，然后對兩幅指紋圖像的細(xì)節(jié)點集一一進行匹配，再尋找令匹配細(xì)節(jié)點對數(shù)最多的圖像對齊方式，并以此作為兩幅指紋圖像的匹配結(jié)果。然而，現(xiàn)有的細(xì)節(jié)點描述子MCC(Minutiae Cylinder Code,細(xì)節(jié)點圓柱型碼)由于編碼方式較為冗余，包含了很多無用的指紋特征，導(dǎo)致模板太大，空間效率和時間效率都有待提高，需要進行改進。

【發(fā)明內(nèi)容】

[0005]本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。為此，本發(fā)明的一個目的在于提出一種既能減少原有MCC編碼中的冗余信息，又可以在保證指紋識別精度的前提下，降低指紋特征的時間和空間復(fù)雜度的指紋描述子的壓縮方法。
[0006]本發(fā)明的另一個目的在于提出一種指紋描述子的壓縮系統(tǒng)。
[0007]為達(dá)到上述目的，本發(fā)明一方面實施例提出了一種指紋描述子的壓縮方法，包括以下步驟:獲取訓(xùn)練指紋圖像的姿態(tài)信息；根據(jù)所述姿態(tài)信息利用指紋姿態(tài)估計算法對所述訓(xùn)練指紋圖像進行姿態(tài)校正；提取所述校正后的訓(xùn)練指紋圖像的多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC ;根據(jù)所述多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC統(tǒng)計所述細(xì)節(jié)點在指紋的指紋圖像上的分布規(guī)律；以及根據(jù)所述分布規(guī)律對所述細(xì)節(jié)點描述子MCC進行壓縮，并根據(jù)壓縮后的細(xì)節(jié)點描述子MCC進行指紋識別。
[0008]根據(jù)本發(fā)明實施例的指紋描述子的壓縮方法，通過利用指紋姿態(tài)估計算法對訓(xùn)練指紋進行姿態(tài)校正，并提取校正后的訓(xùn)練指紋圖像的多個細(xì)節(jié)點描述子MCC，以統(tǒng)計細(xì)節(jié)點在指紋圖像上的分布規(guī)律，且根據(jù)分布規(guī)律對細(xì)節(jié)點描述子MCC進行壓縮，再根據(jù)壓縮后的細(xì)節(jié)點描述子MCC進行指紋識別，減少了原有MCC編碼中的冗余信息，提高了空間效率和時間效率，在保證指紋識別精度的前提下，學(xué)習(xí)了指紋特征的分布規(guī)律，降低了指紋特征的時間和空間的復(fù)雜度，更好地進行指紋識別。
[0009]另外，根據(jù)本發(fā)明上述實施例的指紋描述子的壓縮方法還可以具有如下附加的技術(shù)特征:
[0010]在本發(fā)明的一個實施例中，所述根據(jù)所述分布規(guī)律對所述細(xì)節(jié)點描述子MCC進行壓縮具體包括:根據(jù)所述多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC獲取細(xì)節(jié)點的MCC編碼序列中各個位的信息熵；提取MCC編碼序列中信息熵大于預(yù)設(shè)值的位以對細(xì)節(jié)點進行編碼，以分別根據(jù)所述細(xì)節(jié)點的位置采取不同的編碼方式。
[0011]進一步地，在本發(fā)明的一個實施例中，根據(jù)所述多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC獲取所述細(xì)節(jié)點的MCC編碼序列中各個位的信息熵，進一步包括:獲取預(yù)設(shè)區(qū)域內(nèi)多個細(xì)節(jié)點的集合；分別對集合中每個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC進行統(tǒng)計，以得到所述細(xì)節(jié)點的MCC編碼序列中各個位的信息熵。
[0012]優(yōu)選地，在本發(fā)明的一個實施例中，所述細(xì)節(jié)點描述子MCC可以為二值MCC描述子。
[0013]本發(fā)明另一方面實施例提出了一種指紋描述子的壓縮系統(tǒng)，包括:獲取模塊，用于獲取訓(xùn)練指紋圖像的姿態(tài)信息；校正模塊，用于根據(jù)所述姿態(tài)信息利用指紋姿態(tài)估計算法對所述訓(xùn)練指紋圖像進行姿態(tài)校正；提取模塊，用于提取所述校正后的訓(xùn)練指紋圖像的多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC;計算模塊，用于根據(jù)所述多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC統(tǒng)計所述細(xì)節(jié)點在指紋的指紋圖像上的分布規(guī)律；以及壓縮模塊，用于根據(jù)所述分布規(guī)律對所述細(xì)節(jié)點描述子MCC進行壓縮，并根據(jù)所述壓縮后的細(xì)節(jié)點描述子MCC進行指紋識別。
[0014]根據(jù)本發(fā)明實施例的指紋描述子的壓縮系統(tǒng)，通過利用指紋姿態(tài)估計算法對訓(xùn)練指紋進行姿態(tài)校正，并提取校正后的訓(xùn)練指紋圖像的多個細(xì)節(jié)點描述子MCC，以統(tǒng)計細(xì)節(jié)點在指紋圖像上的分布規(guī)律，且根據(jù)分布規(guī)律對細(xì)節(jié)點描述子MCC進行壓縮，再根據(jù)壓縮后的細(xì)節(jié)點描述子MCC進行指紋識別，減少了原有MCC編碼中的冗余信息，提高了空間效率和時間效率，在保證指紋識別精度的前提下，學(xué)習(xí)了指紋特征的分布規(guī)律，降低了指紋特征的時間和空間的復(fù)雜度，更好地進行指紋識別。
[0015]另外，根據(jù)本發(fā)明上述實施例的指紋描述子的壓縮系統(tǒng)還可以具有如下附加的技術(shù)特征:
[0016]在本發(fā)明的一個實施例中，所述壓縮模塊包括:獲取子模塊，用于根據(jù)所述多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC獲取所述細(xì)節(jié)點的MCC編碼序列中各個位的信息熵；提取子模塊，用于提取MCC編碼序列中信息熵大于預(yù)設(shè)值的位以對細(xì)節(jié)點進行編碼，以分別根據(jù)所述細(xì)節(jié)點的位置采取不同的編碼方式。
[0017]進一步地，在本發(fā)明的一個實施例中，所述獲取子模塊包括:獲取單元，用于獲取預(yù)設(shè)區(qū)域內(nèi)所述多個細(xì)節(jié)點組成的集合；計算單元，用于分別對集合中每個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC進行統(tǒng)計，以得到所述細(xì)節(jié)點的MCC編碼序列中各個位的信息熵。
[0018]優(yōu)選地，在本發(fā)明的一個實施例中，所述細(xì)節(jié)點描述子MCC可以為二值MCC描述子。
[0019]本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到?！緦＠綀D】

【附圖說明】
[0020]本發(fā)明上述的和/或附加的方面和優(yōu)點從下面結(jié)合附圖對實施例的描述中將變得明顯和容易理解，其中:
[0021]圖1為根據(jù)本發(fā)明實施例的指紋描述子的壓縮方法的流程圖；
[0022]圖2為根據(jù)本發(fā)明一個實施例的具有標(biāo)準(zhǔn)指紋姿態(tài)的指紋圖像示意圖；
[0023]圖3為根據(jù)本發(fā)明一個實施例的二值MCC描述子的示意圖；
[0024]圖4為根據(jù)本發(fā)明一個實施例的指紋描述子的壓縮方法的流程圖；
[0025]圖5為根據(jù)本發(fā)明另一個實施例的指紋描述子的壓縮方法的流程圖；
[0026]圖6為根據(jù)本發(fā)明一個實施例的網(wǎng)格采樣點的示意圖；
[0027]圖7為根據(jù)本發(fā)明一個實施例的二值MCC編碼序列中各個位信息熵的分布示意圖；
[0028]圖8為根據(jù)本發(fā)明一個實施例的壓縮編碼的方式示意圖；
[0029]圖9為根據(jù)本發(fā)明實施例的指紋描述子的壓縮系統(tǒng)的結(jié)構(gòu)示意圖；以及
[0030]圖10為根據(jù)本發(fā)明一個具體實施例的指紋描述子的壓縮系統(tǒng)的結(jié)構(gòu)示意圖。
【具體實施方式】
[0031]下面詳細(xì)描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，僅用于解釋本發(fā)明，而不能解釋為對本發(fā)明的限制。
[0032]下文的公開提供了許多不同的實施例或例子用來實現(xiàn)本發(fā)明的不同結(jié)構(gòu)。為了簡化本發(fā)明的公開，下文中對特定例子的部件和設(shè)置進行描述。當(dāng)然，它們僅僅為示例，并且目的不在于限制本發(fā)明。此外，本發(fā)明可以在不同例子中重復(fù)參考數(shù)字和/或字母。這種重復(fù)是為了簡化和清楚的目的，其本身不指示所討論各種實施例和/或設(shè)置之間的關(guān)系。此夕卜，本發(fā)明提供了的各種特定的工藝和材料的例子，但是本領(lǐng)域普通技術(shù)人員可以意識到其他工藝的可應(yīng)用于性和/或其他材料的使用。另外，以下描述的第一特征在第二特征之“上”的結(jié)構(gòu)可以包括第一和第二特征形成為直接接觸的實施例，也可以包括另外的特征形成在第一和第二特征之間的實施例，這樣第一和第二特征可能不是直接接觸。
[0033]在本發(fā)明的描述中，需要說明的是，除非另有規(guī)定和限定，術(shù)語“安裝”、“相連”、“連接”應(yīng)做廣義理解，例如，可以是機械連接或電連接，也可以是兩個元件內(nèi)部的連通，可以是直接相連，也可以通過中間媒介間接相連，對于本領(lǐng)域的普通技術(shù)人員而言，可以根據(jù)具體情況理解上述術(shù)語的具體含義。
[0034]下面在描述根據(jù)本發(fā)明實施例提出的指紋描述子的壓縮方法及系統(tǒng)之前，先來簡單描述一下相關(guān)技術(shù)中的細(xì)節(jié)點描述子MCC。
[0035]在相關(guān)技術(shù)中，細(xì)節(jié)點描述子MCC將細(xì)節(jié)點鄰域內(nèi)其它細(xì)節(jié)點的相對位置、方向信息以三維的圓柱型碼表示。其中，圓柱型碼可分為多層，每層分別對應(yīng)著一個方向差異值，而每層又可劃分為小格。進一步地，在建立圓柱型碼時，每個小格的值由鄰域細(xì)節(jié)點在中心細(xì)節(jié)點上的投影累積而成。具體地，投影值(或鄰域細(xì)節(jié)點對中心細(xì)節(jié)點的貢獻(xiàn))由兩個因素決定:空間信息(兩個細(xì)節(jié)點的距離有多近)和方向信息(兩個細(xì)節(jié)點的方向差異與不同層上對應(yīng)方向差異之間的相似程度)。細(xì)節(jié)點描述子MCC主要刻畫了指紋細(xì)節(jié)點與其鄰域內(nèi)的其它細(xì)節(jié)點間的結(jié)構(gòu)特征，對圖像的旋轉(zhuǎn)平移具有不變性，包含的信息較為豐富，因此應(yīng)用在指紋識別算法中精度較高。然而，相關(guān)技術(shù)中的細(xì)節(jié)點描述子MCC仍然存在著不足，例如由于編碼方式較為冗余，包含了很多無用的指紋特征，導(dǎo)致模板太大，降低了空間效率和時間效率，需要進行改進。
[0036]本發(fā)明正是基于上述問題，而提出了一種指紋描述子的壓縮方法與一種指紋描述子的壓縮系統(tǒng)。
[0037]下面就參照附圖來描述根據(jù)本發(fā)明實施例提出的指紋描述子的壓縮方法及系統(tǒng)，首先將參照附圖描述根據(jù)本發(fā)明實施例提出的指紋描述子的壓縮方法。
[0038]圖1為根據(jù)本發(fā)明實施例的指紋描述子的壓縮方法的流程圖。參照圖1所示，該指紋描述子的壓縮方法包括以下步驟:
[0039]S101，獲取訓(xùn)練指紋圖像的姿態(tài)信息。
[0040]在本發(fā)明的一個實施例中，本發(fā)明實施例的方法主要包括細(xì)節(jié)點分布規(guī)律的學(xué)習(xí)和編碼調(diào)整方式兩個階段。其中，在細(xì)節(jié)點分布規(guī)律的學(xué)習(xí)時，考慮訓(xùn)練指紋的采集姿勢可能不標(biāo)準(zhǔn)，因此，本發(fā)明實施例的方法首先獲取訓(xùn)練指紋圖像的姿態(tài)信息，以判斷訓(xùn)練指紋圖像是否具有標(biāo)準(zhǔn)姿態(tài)。
[0041]S102，根據(jù)姿態(tài)信息利用指紋姿態(tài)估計算法對訓(xùn)練指紋圖像進行姿態(tài)校正。
[0042]進一步地，在本發(fā)明的一個實施例中，當(dāng)判斷訓(xùn)練指紋圖像不具有標(biāo)準(zhǔn)姿態(tài)時，本發(fā)明實施例根據(jù)姿態(tài)信息利用指紋姿態(tài)校正算法對訓(xùn)練指紋圖像進行姿態(tài)校正，以得到具有標(biāo)準(zhǔn)姿態(tài)的訓(xùn)練指紋圖像。
[0043]具體地，參照圖2所示，指紋姿態(tài)校正算法通常是指將指紋圖像調(diào)整到統(tǒng)一的坐標(biāo)系下，使之具有標(biāo)準(zhǔn)的位置和方向，例如圖2所示的具有標(biāo)準(zhǔn)姿態(tài)的指紋圖像，經(jīng)過姿態(tài)校正之后，指紋圖像在相同坐標(biāo)位置具有相同的特征。在本發(fā)明的另一個實施例中，本發(fā)明實施例可以通過成對的具有標(biāo)準(zhǔn)姿態(tài)的指紋圖像示例為例，經(jīng)過姿態(tài)校正之后，成對的指紋圖像在相同坐標(biāo)位置具有相同特征，因此，具有標(biāo)準(zhǔn)姿態(tài)的訓(xùn)練指紋圖像更易于對細(xì)節(jié)點分布規(guī)律進行統(tǒng)計。
[0044]S103，提取校正后的訓(xùn)練指紋圖像的多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC。
[0045]優(yōu)選地，在本發(fā)明的一個實施例中，細(xì)節(jié)點描述子可以為二值MCC描述子。其中，參照圖3所示，細(xì)節(jié)點描述子優(yōu)選為二值MCC描述子時，MCC編碼序列中的每一位取值都只能是O或1，例如圖3為圖2中細(xì)節(jié)點a的二值MCC描述子示意圖，該描述子將方向差異平均分為6層，分別為{±5 π /6，土 π /2，土 π /6}，每一層以圖2中細(xì)節(jié)點a為中心，描述其周圍黑色圓圈所示區(qū)域內(nèi)的細(xì)節(jié)點分布情況。其中，每一層還細(xì)分為8X8個小格，距離中心細(xì)節(jié)點a較遠(yuǎn)的小格視為無效位(圖中以灰色表示)，其余小格以白色或黑色表示該位置是存在/不存在細(xì)節(jié)點。在本發(fā)明實施例中，MCC編碼序列通過將每一層的有效小格的值按位置順序連接起來得到。進一步地，以圖3的描述子為例，按位置順序得到細(xì)節(jié)點a的編碼序列維度為6 X (8X8-12) = 312。
[0046]S104，根據(jù)多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC統(tǒng)計細(xì)節(jié)點在指紋的指紋圖像上的分
布規(guī)律。
[0047]在本發(fā)明的一個實施例中，指紋的紋理在不同位置的有一定分布規(guī)律，遠(yuǎn)離奇異點區(qū)域的地方脊線較為平坦，因而細(xì)節(jié)點在這些位置的分布也會有一定的規(guī)律。受奇異點影響，細(xì)節(jié)點周圍會存在較多與該細(xì)節(jié)點方向差異較大(約定相互垂直差異最大，方向相同或相反差異最小)的細(xì)節(jié)點。本發(fā)明實施例通過統(tǒng)計細(xì)節(jié)點在指紋的指紋圖像上的分布規(guī)律，學(xué)習(xí)指紋特征的分布規(guī)律，降低了指紋特征的時間和空間的復(fù)雜度。
[0048]S105，根據(jù)分布規(guī)律對細(xì)節(jié)點描述子MCC進行壓縮，并根據(jù)壓縮后的細(xì)節(jié)點描述子MCC進行指紋識別。
[0049]進一步地，在本發(fā)明的一個實施例中，參照圖4所示，根據(jù)分布規(guī)律對細(xì)節(jié)點描述子MCC進行壓縮具體包括以下步驟:
[0050]S401，根據(jù)多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC獲取細(xì)節(jié)點的MCC編碼序列中各個位
的信息熵。
[0051]其中，在本發(fā)明的一個具體實施例中，參照圖5所示，根據(jù)多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC獲取細(xì)節(jié)點的MCC編碼序列中各個位的信息熵具體包括以下步驟:
[0052]S501，獲取預(yù)設(shè)區(qū)域內(nèi)多個細(xì)節(jié)點組成的集合。
[0053]在本發(fā)明的一個實施例中，參照圖6所示，本發(fā)明實施例設(shè)置間隔為(dx，dy)的網(wǎng)格采樣點，統(tǒng)計每個采樣點周圍的二值MCC描述子的分布，即獲取預(yù)設(shè)區(qū)域內(nèi)例如位于采樣點周圍四個(與位于圖像邊緣的采樣點相鄰的網(wǎng)格數(shù)可能少于4個)網(wǎng)格的多個細(xì)節(jié)點組成的集合。其中，圖6為dx = dy = 64pixels時的網(wǎng)格采樣點示意圖，其中圓點即網(wǎng)格的每個交點為采樣點標(biāo)識。
[0054]S502，分別對集合中每個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC進行統(tǒng)計，以得到細(xì)節(jié)點的MCC編碼序列中各個位的信息熵。
[0055]具體地，在本發(fā)明的一個具體實施例中，統(tǒng)計方式為:對于MCC編碼序列中每個位，統(tǒng)計細(xì)節(jié)點集合中每個細(xì)節(jié)點描述子MCC編碼序列在這個位值(對于二值MCC描述子，每個位的值為O或I)的分布。具體地，記第k個細(xì)節(jié)點集合中有Nk個細(xì)節(jié)點(以圖6為例，k = 1,2,…，72)，其中有η」」個細(xì)節(jié)點描述子在MCC編碼序列中第i位上取值為1，剩余的Nk-1ilu個細(xì)節(jié)點描述子在該位上取值為0，則第k個細(xì)節(jié)點集合MCC編碼序列中第i位的信
息熵為
【權(quán)利要求】
1.一種指紋描述子的壓縮方法，其特征在于，包括以下步驟: 獲取訓(xùn)練指紋圖像的姿態(tài)信息； 根據(jù)所述姿態(tài)信息利用指紋姿態(tài)估計算法對所述訓(xùn)練指紋圖像進行姿態(tài)校正； 提取所述校正后的訓(xùn)練指紋圖像的多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC ; 根據(jù)所述多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC統(tǒng)計所述細(xì)節(jié)點在指紋的指紋圖像上的分布規(guī)律；以及 根據(jù)所述分布規(guī)律對所述細(xì)節(jié)點描述子MCC進行壓縮，并根據(jù)壓縮后的細(xì)節(jié)點描述子MCC進行指紋識別。
2.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述分布規(guī)律對所述細(xì)節(jié)點描述子MCC進行壓縮具體包括: 根據(jù)所述多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC獲取細(xì)節(jié)點的MCC編碼序列中各個位的信息熵； 提取MCC編碼序列中信息熵大于預(yù)設(shè)值的位以對細(xì)節(jié)點進行編碼，以分別根據(jù)所述細(xì)節(jié)點的位置采取不同的編碼方式。
3.如權(quán)利要求2所述的方法，其特征在于，根據(jù)所述多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC獲取所述細(xì)節(jié)點的MCC編碼序列中各個位的信息熵，進一步包括: 獲取預(yù)設(shè)區(qū)域內(nèi)多個細(xì)節(jié)點組成的集合； 分別對集合中每個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC進行統(tǒng)計，以得到所述細(xì)節(jié)點的MCC編碼序列中各個位的信息熵。
4.如權(quán)利要求3所述的方法，其特征在于，所述細(xì)節(jié)點描述子MCC為二值MCC描述子。
5.一種指紋描述子的壓縮系統(tǒng)，其特征在于，包括: 獲取模塊，用于獲取訓(xùn)練指紋圖像的姿態(tài)信息； 校正模塊，用于根據(jù)所述姿態(tài)信息利用指紋姿態(tài)估計算法對所述訓(xùn)練指紋圖像進行姿態(tài)校正； 提取模塊，用于提取所述校正后的訓(xùn)練指紋圖像的多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC; 計算模塊，用于根據(jù)所述多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC統(tǒng)計所述細(xì)節(jié)點在指紋的指紋圖像上的分布規(guī)律；以及 壓縮模塊，用于根據(jù)所述分布規(guī)律對所述細(xì)節(jié)點描述子MCC進行壓縮，并根據(jù)所述壓縮后的細(xì)節(jié)點描述子MCC進行指紋識別。
6.如權(quán)利要求5所述的系統(tǒng)，其特征在于，所述壓縮模塊包括: 獲取子模塊，用于根據(jù)所述多個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC獲取細(xì)節(jié)點的MCC編碼序列中各個位的信息熵； 提取子模塊，用于提取MCC編碼序列中信息熵大于預(yù)設(shè)值的位以對細(xì)節(jié)點進行編碼，以分別根據(jù)所述細(xì)節(jié)點的位置采取不同的編碼方式。
7.如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述獲取子模塊包括: 獲取單元，用于獲取預(yù)設(shè)區(qū)域內(nèi)多個細(xì)節(jié)點組成的集合； 計算單元，用于分別對集合中每個細(xì)節(jié)點的細(xì)節(jié)點描述子MCC進行統(tǒng)計，以得到所述細(xì)節(jié)點的MCC編碼序列中各個位的信息熵。
8.如權(quán)利要求7所述的系統(tǒng)，其特征在于，所述細(xì)節(jié)點描述子MCC為二值MCC描述子。
【文檔編號】G06K9/62GK103942566SQ201410151428
【公開日】2014年7月23日 申請日期:2014年4月15日 優(yōu)先權(quán)日:2014年4月15日
【發(fā)明者】周杰, 馮建江, 蘇毅婧 申請人:清華大學(xué)