專利名稱：指紋采集圖像庫的可處理性分析評估方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及指紋圖像庫的分析評估領(lǐng)域，尤其涉及指紋采集圖像庫的可處 理性分析評估方法和系統(tǒng)。
背景技術(shù)：
生物識別作為安全應用，由于其易用性和一定程度上的不可偽造性，具有 廣闊的市場前景。指紋采集方便，可用于識別的信息量大，具有極大的應用價 值。指紋識別系統(tǒng)主要由指紋采集傳感器和指紋圖像識別算法構(gòu)成，前者從指 紋獲得數(shù)字圖像，后者依據(jù)圖像進行指紋特征提取和識別，以實現(xiàn)識別手指的 功能。巨大的產(chǎn)業(yè)前景， 一方面推動了指紋采集傳感器的發(fā)展，另一方面推動 針對指紋采集圖像的指紋圖象識別算法的研究和發(fā)展。作為指紋識別系統(tǒng)的基 本組成部件，兩者互為條件和依存，傳感器應以采集適宜于算法處理的圖像為
目標，同時算法須針對傳感器特性和采集過程造成的問題進行優(yōu)化。但是，兩 者各自的研究發(fā)展目前還比較孤立，難以互相融合，其中最重要的原因，就是 缺乏公認的指紋采集圖像的評估方法，以指出兩者各自的設計責任。
作為一種典型的模式聚類問題，不同原理、體系、實現(xiàn)約束的指紋圖像識 別算法，其性能的檢驗都基于測試集，即指紋圖像庫。把指紋庫中屬于相同手 指的圖像標記為同一組，與識別結(jié)果進行比較，就能對拒真率、識假率進行統(tǒng) 計，從而對算法性能獲得大致的了解。但是，不同的算法對應于不同的圖像問 題和圖像對問題各有優(yōu)劣，不分離這些因素各自造成的影響，就無法準確的評 價指紋圖像識別算法的性能。這正是使用不同指紋庫生成的算法評價結(jié)果的不 穩(wěn)定性產(chǎn)生的原因。對指紋庫進行分析評估，指出了將基于大量指紋庫得到的 算法評價結(jié)果進行融合的方式將一次得到的算法性能評價定義為問題坐標上
的算法性能，綜合不同問題坐標同一算法表現(xiàn)的性能差異，就能對算法性能有
了全面的準確的評價。
另一方面，目前尚未有行之有效的指紋采集傳感器的性能評價標準，往往 采用簡單的圖像性質(zhì)統(tǒng)計，但這并不等價于評價該傳感器在組成指紋識別系統(tǒng) 時價值如何?；趯χ讣y庫評估和指紋圖像識別算法性能評價的關(guān)系的認識， 以某傳感器所采集的大量圖像相對于指紋圖像識別算法的可處理性，作為該傳 感器在組成指紋識別系統(tǒng)時表現(xiàn)出的性能的評價。為屏蔽采集過程和手指特性 分布不同造成的不確定因素，需要通過圖像處理和篩選歸一化與傳感器無關(guān)的 僅由于采集過程差異造成的不一致因素，以實現(xiàn)對傳感器性能的正確評價。
以上功能基于本發(fā)明的必要模塊所提供的，對指紋庫可處理性進行的評 估，并由本發(fā)明的擴展部分完成。
為避免理解上的差異，對重要術(shù)語定義和描述如下
指紋識別系統(tǒng)通過采集手指指紋，識別該指紋圖像，以達到識別該手指 以及該生物人的電子系統(tǒng)。主要由指紋采集、指紋圖像識別兩部分功能組成。
指紋采集傳感器若無特別聲明，簡稱為"傳感器"。依據(jù)手指皮膚電、 磁、聲、光、熱、壓等物理性質(zhì)的差異，從手指直接采集以獲得帶有指紋紋理 信息的數(shù)字圖像。
手指對傳感器的適宜性若無特別聲明，簡稱為"適宜性"。由于不同手 指皮膚的物理性質(zhì)差異程度的不同，不同的手指，甚至同一手指的不同時期， 使用不同原理的傳感器采集時采集效果各不相同。
面?zhèn)鞲衅髟~時采集整個手指指紋的傳感器。除聲學傳感器以外，均以面 板接觸采集為特征，故稱為面?zhèn)鞲衅鳌?br> 線傳感器傳感器陣列為寬度遠小于長度的矩形，采集時手指需接觸并沿 寬度方向移動，以圖像拼接方法將逐次采集的圖像拼接為手指指紋圖像的傳感 器、采集方法和圖像拼接過程的總和。之所以把圖像拼接過程認為線傳感器的 一部分，是為了遵循傳感器從手指到指紋圖像的轉(zhuǎn)換的定義。
指紋采集圖像若無特別聲明，簡稱為"圖像"。指由指紋采集傳感器從 手指上直接采集得到的反映手指真實指紋信息的數(shù)字化灰度圖像。
圖像前景若無特別聲明，簡稱為"前景"。采集到指紋信息的傳感器部 分所形成的圖像局部，反映了指紋信息。
圖像背景若無特別聲明，簡稱為"背景"。沒有采集到指紋信息的傳感
器部分形成的圖像局部。
圖像問題因手指污染或破損、傳感器缺陷、數(shù)字量化過程等因素引入的 噪聲，并因適宜性、采集過程接觸程度、手指變形等因素造成指紋信息的失真 和損失，統(tǒng)稱為圖像問題。
指紋采集圖像庫若無特別聲明，簡稱為"指紋庫"。圖像的集合及其標 注該標注將相同手指的采集圖像歸為一組，將不同手指的采集圖像歸入不同 組，以作為指紋圖像識別算法識別、拒識別和誤識別的判斷依據(jù)。
指紋庫群 一組有關(guān)聯(lián)的指紋庫，比如，采集自同一款傳感器。
圖象重疊區(qū)域若無特別聲明，簡稱為"重疊區(qū)域"。采集自同一手指的 不同圖像，其前景部分共同包含的對應于相同手指表面的區(qū)域。
非線性變形采集自同一手指的不同圖像，由手指表面受壓力和切力造成 的，與旋轉(zhuǎn)平移無關(guān)的相對變形。
圖像對問題指紋庫中的圖像對的相互性質(zhì)，影響算法進行有效識別的。 主要包括重疊區(qū)域信息總量大小和非線性變形程度，以及不同手指采集的指紋 圖像的相似程度。
絕對可處理性各種已知圖像問題和圖像對問題的總和。
絕對可處理性空間各種圖像問題和圖像對問題的程度作歐氏積得到的歐 氏空間。
指紋圖像識別算法若無特別聲明，簡稱為"算法"。指一個計算過程，
其輸入為指紋圖像對，而輸出為"同一手指"或"不同手指"的邏輯判斷。 識別算法將采自同一手指的不同圖像判決為"同一手指"。 拒識別算法將采自同一手指的不同圖像判決為"不同手指"。 誤識別算法將采自不同手指的圖像判決為"同一手指"。 拒真率拒識別次數(shù)占同 一手指不同圖像對輸入個數(shù)的比率。 識假率誤識別次數(shù)占不同手指圖像對輸入個數(shù)的比率。 算法性能評價以指紋庫中的圖像對作為輸入，得到的拒真率和識假率水
平。如果算法對相似程度分析結(jié)果進行硬門限判決得到拒真率和識假率，那么
體現(xiàn)為兩者關(guān)于門限的曲線。
相對可處理性一個指紋庫中的指紋對作為某算法輸入得到的算法性能評
價中，體現(xiàn)目標指紋識別系統(tǒng)要求的部分。

發(fā)明內(nèi)容
為了解決上述的技術(shù)問題，提供了一種指紋庫的可處理性分析評估方法和 系統(tǒng)。其目的在于，適應指紋采集傳感器和指紋識別算法的性能評價需求，推 動傳感器和算法研究發(fā)展，和指紋識別系統(tǒng)的整體設計。
本發(fā)明提供了指紋采集圖像庫的可處理性分析評估系統(tǒng)，包括
指紋圖像庫，指紋采集傳感器，絕對可處理性分析模塊，相對可處理性分 析模塊，以及指紋圖像識別算法模塊；
指紋傳感器，與指紋圖像庫連接；
指紋圖像庫，還分別與絕對可處理性分析模塊、相對可處理性分析模塊和
指紋圖像識別算法模塊連接；
指紋圖像識別算法模塊，還與相對可處理性分析模塊連接； 絕對可處理性分析模塊，用于對指紋圖像庫進行分析，輸出指紋圖像庫的
絕對可處理性；
相對可處理性分析模塊，用于對指紋圖像庫和指紋圖像庫經(jīng)指紋圖像識別 算法得到的識別性能評價進行分析，輸出指紋圖像庫的相對可處理性。 還包括同傳感器綜合模塊和同算法綜合模塊；
同算法綜合模塊，分別與相對可處理性分析模塊和絕對可處理性分析模塊 連接，用于依據(jù)指紋圖像庫的絕對可處理性和指紋圖像庫的相對可處理性輸出 算法性能評價；
同傳感器綜合模塊，分別與相對可處理性分析模塊、絕對可處理性分析模 塊以及同算法綜合模塊連接，用于依據(jù)指紋圖像庫的絕對可處理性、指紋圖像 庫的相對可處理性以及算法性能評價輸出傳感器性能評價。
絕對可處理性分析模塊包括
全局統(tǒng)計性質(zhì)分析模塊，用于采集區(qū)域大小、分辨率、分辨率一致性、以 及灰度等級；
局部統(tǒng)計性質(zhì)分析模塊，用于采集圖像前景背景可分離性，前景面積，前 景灰度統(tǒng)計分布，前景對比度統(tǒng)計分布和前景空頻統(tǒng)計分布；
圖像問題分析模塊，用于依據(jù)前景背景分離得到的前景圖像計算前景局部
頻率集中程度，并依據(jù)前景背景分離得到的前景圖像計算脊線方向場的平滑程
度分布；
圖像對問題分析模塊，用于依據(jù)前景圖像計算重疊區(qū)域信息量分布以及非 線性變形程度分布。
相對可處理性分析模塊包括
測試評估模塊，用于基于指紋圖像庫對指紋識別算法性能進行測試評估； 評估結(jié)果提取模塊，用于從評估結(jié)果中提取符合預設條件的評估結(jié)果。 同算法綜合模塊包括
離散函數(shù)建立模塊，用于將絕對可處理性作為向量自變量，將指紋圖像庫 相對于所選擇的算法的相對可處理性作為函數(shù)值，建立定義在絕對可處理性空 間里的離散函數(shù)；
離散函數(shù)擬合模塊，用于將離散函數(shù)擬合成為連續(xù)函數(shù)。
同傳感器綜合模塊包括
絕對可處理性分布密度函數(shù)建立模塊，用于將同一款傳感器采集不同類型
手指得到的指紋圖像庫群分別進行絕對可處理性分析，以統(tǒng)計該傳感器釆集的
指紋圖像庫的絕對可處理性分布密度函數(shù)；
相對可處理性分布函數(shù)建立模塊，用于依據(jù)指紋圖像庫的絕對可處理性分
布密度函數(shù)和所選擇的算法性能評價函數(shù)，將絕對可處理性分布密度函數(shù)經(jīng)算
法性能評價函數(shù)映射得到相對可處理性分布函數(shù)。
本發(fā)明提供了指紋采集圖像庫的可處理性分析評估方法，包括 步驟71，對指紋圖像庫進行分析，輸出指紋圖像庫的絕對可處理性； 步驟72，對指紋圖像庫和指紋圖像庫經(jīng)指紋圖像識別算法得到的識別性
能評價進行分析，輸出指紋圖像庫的相對可處理性。 還包括
步驟73，依據(jù)指紋圖像庫的絕對可處理性和指紋圖像庫的相對可處理性 輸出算法性能評價；
步驟74，依據(jù)指紋圖像庫的絕對可處理性、指紋圖像庫的相對可處理性 以及算法性能評價輸出傳感器性能評價。
步驟71包括
步驟91，采集區(qū)域大小、分辨率、分辨率一致性、以及灰度等級；
步驟92，采集圖像前景背景可分離性，前景面積，前景灰度統(tǒng)計分布， 前景對比度統(tǒng)計分布和前景空頻統(tǒng)計分布；
步驟93，依據(jù)前景背景分離得到的前景圖像計算前景局部頻率集中程度， 并依據(jù)前景背景分離得到的前景圖像計算脊線方向場的平滑程度分布；
步驟94，依據(jù)前景圖像計算重疊區(qū)域信息量分布以及非線性變形程度分布。
步驟72包括
步驟101，基于指紋圖像庫對指紋識別算法性能進行測試評估； 步驟102，從評估結(jié)果中提取符合預設條件的評估結(jié)果。 步驟73包括
步驟lll，將絕對可處理性作為向量自變量，將指紋圖像庫相對于所選擇 的算法的相對可處理性作為函數(shù)值，建立定義在絕對可處理性空間里的離散函 數(shù)；
步驟112，將離散函數(shù)擬合成為連續(xù)函數(shù)。 步驟74包括
步驟121，將同一款傳感器采集不同類型手指得到的指紋圖像庫群分別進 行絕對可處理性分析，以統(tǒng)計該傳感器采集的指紋圖像庫的絕對可處理性分布 密度函數(shù)；
步驟122，依據(jù)指紋圖像庫的絕對可處理性分布密度函數(shù)和所選擇的算法 性能評價函數(shù)，將絕對可處理性分布密度函數(shù)經(jīng)算法性能評價函數(shù)映射得到相 對可處理性分布函數(shù)。
本發(fā)明避免了使用專有指紋庫評價算法性能時，因為采集人群的特殊性和 傳感器特性導致圖像問題和圖像對問題的偏向性造成的評價結(jié)果不穩(wěn)定，通過 分析指紋庫本身校正該評價結(jié)果。
本發(fā)明提出了把不同指紋庫作為測試集的算法性能評價進行融合的可行 道路，通過分析得到各指紋庫的絕對可處理性坐標，將算法性能評價和絕對可 處理性空間建立映射，從而得到對算法性能的深入全面的評價。
本發(fā)明以相對可處理性來評估指紋庫，這等價于評價采集該指紋庫的傳感 器相對于目標算法的性能。相比直接對圖像進行簡單分析統(tǒng)計，對指紋識別系 統(tǒng)的構(gòu)建有更直接的意義。本發(fā)明采用開放的分級的系統(tǒng)架構(gòu)，一方面可以吸納算法研究和傳感器研 究的最新進展，使評估系統(tǒng)始終保持可用性，另一方面促進更多的個人、企業(yè)、 機構(gòu)參與到指紋庫評估方法的研究中來。


圖1是本發(fā)明提供的指紋采集圖像庫的可處理性分析評估系統(tǒng)流程圖。
圖2是本發(fā)明提供的指紋庫統(tǒng)計性質(zhì)分析原理圖。
圖3是本發(fā)明提供的指紋庫圖像問題分析原理圖。
圖4是本發(fā)明提供的指紋庫圖像對問題分析原理圖。
圖5是本發(fā)明提供的相對可處理性分析原理圖。
圖6是本發(fā)明提供的指紋圖像識別算法性能分析原理圖。
圖7是本發(fā)明提供的指紋采集傳感器性能分析原理圖。
具體實施例方式
本發(fā)明通過對指紋庫進行分析和可處理性評估，以達到評價指紋圖像識別 算法、活體指紋采集傳感器以及他們所組合構(gòu)成的活體指紋識別系統(tǒng)性能的目 的。
如圖1所示。粗實線框內(nèi)為本系統(tǒng)的必要部分即分析部分，包括絕對可處 理性分析模塊和相對可處理性分析模塊，粗虛線框內(nèi)為本系統(tǒng)擴展部分即綜合
部分，包括同算法綜合模塊和同傳感器綜合模塊。工作流程為 步驟l，指紋圖像庫由指紋采集傳感器采集指紋。
步驟2，指紋圖像庫為絕對可處理性分析模塊的輸入，絕對可處理性分析 模塊的輸出為紋圖像庫的絕對可處理性。
步驟3，指紋圖像庫和指紋圖像庫經(jīng)指紋圖像識別算法得到的識別性能評
價，是相對可處理性分析模塊的輸入，相對可處理性分析模塊的輸出為指紋圖 像庫的相對可處理性。
步驟4，絕對可處理性、相對可處理性作為同算法綜合模塊的輸入，輸出 為算法性能評價。
步驟5，絕對可處理性、相對可處理性和算法性能評價函數(shù)作為同傳感器 綜合模塊的輸入，輸出為傳感器性能評價。 絕對可處理性分析模塊，分析指紋庫本身固有的與具體算法無關(guān)的影響指 紋圖像識別算法性能的因素，其處理步驟如下 步驟a，分析全局統(tǒng)計性質(zhì)
包括采集區(qū)域大小、分辨率、分辨率一致性、灰度等級。面式采集器采集 的圖像全局統(tǒng)計性質(zhì)由傳感器固有性質(zhì)決定，線式傳感器采集的圖像受手指刮 擦長度、方向、接觸程度變化以及拼接方法的影響，需進行統(tǒng)計。
步驟b，分析局部統(tǒng)計性質(zhì)
包括圖像前景背景可分離性，前景面積，前景灰度統(tǒng)計分布，前景對比度 統(tǒng)計分布，前景空頻統(tǒng)計分布。前景背景可分離性就是各自的局部統(tǒng)計性質(zhì)的 差異程度；前景面積指有效指紋圖像的總面積；前景灰度統(tǒng)計分布指有效指紋 圖像區(qū)域的灰度統(tǒng)計分布；前景對比度統(tǒng)計分布指有效指紋圖像區(qū)域以合理的 尺度分塊，塊對比度的分布；前景空頻統(tǒng)計分布指有效指紋圖像區(qū)域以合理的 尺度分塊，塊短時頻率分布的分布。
步驟c，分析圖像問題-
影響特征提取的圖像問題，表示了指紋圖像中指紋信息和噪聲的比例關(guān) 系，包括前景局部頻率集中程度，脊線方向場的平滑程度分布。前景局部頻率 集中程度從前景空頻統(tǒng)計分布分析得到；從指紋圖像提取脊線方向場并平滑 之，平滑前后的差異就是脊線方向場的平滑程度。
步驟d，分析圖像對問題
影響特征匹配的圖像對的相關(guān)性的問題，包括重疊區(qū)域信息量分布，非線 性變形程度分布。用人工或軟件進行指紋圖像匹配，匹配結(jié)果就表明了兩幅圖 像的重疊區(qū)域和相對非線性變形。重疊區(qū)域信息量由重疊區(qū)域面積和重疊區(qū)域 包含的有效特征數(shù)量和質(zhì)量決定。
相對可處理性分析模塊，分析指紋庫使某具體算法在指定性能指標上達到 的水平，反應指紋識別系統(tǒng)某一方面的性能。實現(xiàn)分兩個步驟
步驟I，基于指紋圖像庫對指紋識別算法性能進行測試評估。 步驟II，從評估結(jié)果中提取相當于指紋識別系統(tǒng)所要求指標的的評估結(jié)果 形式。
同算法綜合模塊，將不同指紋庫的絕對可處理性評估和相對于同一個算法 的相對可處理性評估，綜合為定義在絕對可處理性空間里的算法性能評價函
數(shù)，以反映算法面對不同的絕對可處理性指標組合所達到的性能。其實現(xiàn)分兩 個步驟
步驟l)，將指紋庫的絕對可處理性的4個方面作為向量自變量，將指紋 庫相對于某算法的相對可處理性作為函數(shù)值，建立定義在絕對可處理性空間里 的離散函數(shù)。
步驟2)，將離散函數(shù)擬合成為連續(xù)函數(shù)，就是算法的性能評價函數(shù)。其 預測了當輸入指紋庫具有某特定絕對可處理性組合時，以之為測試集算法所能 達到的性能。
同傳感器綜合模塊，通過評價采集自同一款傳感器的指紋庫來評價該傳感 器作為活體指紋識別系統(tǒng)指紋圖像采集輸入的價值。其實現(xiàn)分兩個步驟-
步驟(1)，將同一款傳感器采集不同類型手指得到的指紋庫群分別進行絕 對可處理性分析，以統(tǒng)計該傳感器采集指紋庫的絕對可處理性分布密度函數(shù)。 該分布密度函數(shù)就是傳感器的絕對性能評價。反映了傳感器采集圖像絕對可處 理性程度和穩(wěn)定程度。
步驟(2)，若傳感器采集指紋庫的絕對可處理性分布密度函數(shù)已知，同時 某算法性能評價函數(shù)已知，該絕對可處理性分布密度函數(shù)經(jīng)算法評價函數(shù)映射 得到的相對可處理性分布函數(shù)，就是傳感器的相對性能評價。反映了該傳感器 與選定算法構(gòu)成活體指紋識別系統(tǒng)時，系統(tǒng)性能所達到的程度和穩(wěn)定程度。
分析部分，分為四個模塊。
1. 統(tǒng)計性質(zhì)分析模塊
如圖2所示，由基本的圖像處理方法按一定流程組合。面?zhèn)鞲衅魅纸y(tǒng)計 性質(zhì)是固有性質(zhì)，由手工輸入。線傳感器全局統(tǒng)計性質(zhì)經(jīng)軟件統(tǒng)計得到。局部 統(tǒng)計性質(zhì)，先將指紋圖像分塊，統(tǒng)計各分塊的灰度、對比度和頻率分布，依據(jù) 指紋庫特性選擇一種或多種的融合作為前景背景分離的依據(jù)，前景背景在該統(tǒng) 計性質(zhì)上的差異程度作為可分離性的評估。分離出前景塊后，依據(jù)之前的統(tǒng)計， 計算前景面積、灰度分布、對比度分布、空頻分布。
前景背景可分離性決定了前景提取的準確度，原理上會影響一切后續(xù)處理 的準確程度。但鑒于目前的指紋采集傳感器采集圖像一般都可以相當準確的提 取出前景，故僅當庫圖像前景背景可分離度較低時，才予以考慮。
2. 圖像問題分析模塊
如圖3所示。前景局部頻率集中程度的分析以統(tǒng)計性質(zhì)分析模塊輸出的前 景空頻分布作為輸入。指紋圖像脊線方向場平滑程度的評估，需調(diào)用兩個指紋 圖像處理中的基本方法脊線方向場判定和脊線方向場平滑。依據(jù)前景背景分 離從指紋圖像上得到前景圖像，判定前景脊線方向場，并對方向場進行平滑， 平滑前后脊線方向場的差異程度就是原指紋圖像脊線方向場的平滑程度。
指紋圖像脊線方向場平滑程度分析的準確程度，完全取決于所調(diào)用的脊線 方向場判定和脊線方向場平滑模塊的性能。由于指紋圖像處理方法的多樣性， 且正處于發(fā)展中，本系統(tǒng)對其實現(xiàn)算法不指定。
3. 圖像對問題分析模塊
如圖4所示。依據(jù)前景背景分離從指紋圖像上得到前景圖像，通過指紋圖 像匹配算法進行匹配，便得到重疊區(qū)域面積和非線性變形程度的分析。指紋圖 像匹配是指紋圖像識別的主要部分，用于識別時僅使用其輸出中對圖像相似度 的評估。在本系統(tǒng)中使用其對重疊區(qū)域的判斷，和非線性變形的判斷。
圖像對問題評估的準確程度，完全取決于所調(diào)用的指紋圖像匹配算法在重 疊區(qū)域判斷和非線性變形判斷上的性能。由于指紋圖像匹配方法的多樣性，且 正處于發(fā)展中，本系統(tǒng)對其實現(xiàn)算法不指定。
4. 相對可處理性分析模塊
如圖5所示。先以基于測試集對指紋圖像識別算法進行性能評價的方法， 以被測指紋庫作為測試集，得到某算法的性能評價。該評價符合標準方法所要 求的所有評價信息。依據(jù)指紋識別系統(tǒng)所要求的性能指標，提取出對應的評價 數(shù)據(jù)，作為相對可處理性。
測試的標準方法參照.FVC2006等通行的測試方法，由于本模塊功能是分 析指紋的相對可處理性，故對測試結(jié)果中有關(guān)算法運行效率的不予關(guān)心。最終 系統(tǒng)所要求的性能指標因應用而異，例如活體指紋識別系統(tǒng)用作鎖具時，要求 指標一般為萬分之一 (或百萬分之一)識假率對應的拒真率，則針對鎖具應用 就應以此要求來提取相對可處理性。
綜合部分，分為兩個模塊
1.同算法綜合
如圖6所示。絕對可處理性中，兩個圖像問題和兩個圖像對問題作為絕對
可處理性空間的坐標基，分別是前景局部頻率集中程度、指紋圖像脊線方向
場平滑程度、重疊區(qū)域面積分布、非線性變形程度分布。并以相對可處理性 為定義在絕對可處理性坐標的函數(shù)。這樣不同指紋庫相對于某算法的可處理性 評估就成為了一個定義在絕對可處理性空間上的離散點上的函數(shù)。對該離散函 數(shù)進行高維函數(shù)擬合，得到的連續(xù)函數(shù)就是同算法綜合得到的算法性能評價函 數(shù)。該擬合函數(shù)評價算法性能的意義在于，量化描述了以指紋庫的絕對可處理 性和以指紋庫為測試集所得到的算法性能評價之間的關(guān)系，當指紋庫絕對可處 理性可預測，則算法表現(xiàn)出的性能可預測。
高維函數(shù)擬合是一種經(jīng)典方法，顯式函數(shù)擬合主要用于經(jīng)驗公式擬合，分 段函數(shù)擬合則是數(shù)值計算中的一般方法。這個方法是可選的，故不指定。
2.同傳感器綜合
如圖7所示。統(tǒng)計某款傳感器所采集的大量指紋庫通過分析部分得到的絕 對可處理性坐標分布，該分布就是該傳感器的絕對性能評價，指出了該傳感器 在采集過程中造成的圖像問題和圖像對問題的程度和穩(wěn)定性。若某算法的性能 評價函數(shù)已知，并覆蓋了該傳感器的絕對性能評價，那么該絕對可處理性坐標 分布通過算法性能評價函數(shù)映射得到的函數(shù)值分布就是該傳感器相對于該算 法的相對性能評價，表示了這兩者組合成為指紋識別系統(tǒng)時的性能評價。
由于算法性能評價函數(shù)的表示方法由所選擇的擬合過程決定，且該表示方 法直接定義了映射過程，故映射過程不進行指定，而由選擇高維函數(shù)擬合方法 時選擇其對應的函數(shù)映射方法。
本領(lǐng)域的技術(shù)人員在不脫離權(quán)利要求書確定的本發(fā)明的精神和范圍的條 件下，還可以對以上內(nèi)容進行各種各樣的修改。因此本發(fā)明的范圍并不僅限于 以上的說明，而是由權(quán)利要求書的范圍來確定的。
權(quán)利要求
1.指紋采集圖像庫的可處理性分析評估系統(tǒng)，其特征在于，包括指紋圖像庫，指紋采集傳感器，絕對可處理性分析模塊，相對可處理性分析模塊，以及指紋圖像識別算法模塊；指紋傳感器，與指紋圖像庫連接；指紋圖像庫，還分別與絕對可處理性分析模塊、相對可處理性分析模塊和指紋圖像識別算法模塊連接；指紋圖像識別算法模塊，還與相對可處理性分析模塊連接；絕對可處理性分析模塊，用于對指紋圖像庫進行分析，輸出指紋圖像庫的絕對可處理性；相對可處理性分析模塊，用于對指紋圖像庫和指紋圖像庫經(jīng)指紋圖像識別算法得到的識別性能評價進行分析，輸出指紋圖像庫的相對可處理性。
2. 如權(quán)利要求1所述的可處理性分析評估系統(tǒng)，其特征在于，還包括同 傳感器綜合模塊和同算法綜合模塊；同算法綜合模塊，分別與相對可處理性分析模塊和絕對可處理性分析模塊 連接，用于依據(jù)指紋圖像庫的絕對可處理性和指紋圖像庫的相對可處理性輸出 算法性能評價；同傳感器綜合模塊，分別與相對可處理性分析模塊、絕對可處理性分析模 塊以及同算法綜合模塊連接，用于依據(jù)指紋圖像庫的絕對可處理性、指紋圖像 庫的相對可處理性以及算法性能評價輸出傳感器性能評價。
3. 如權(quán)利要求1或2所述的可處理性分析評估系統(tǒng)，其特征在于，絕對 可處理性分析模塊包括全局統(tǒng)計性質(zhì)分析模塊，用于采集區(qū)域大小、分辨率、分辨率一致性、以 及灰度等級；局部統(tǒng)計性質(zhì)分析模塊，用于采集圖像前景背景可分離性，前景面積，前 景灰度統(tǒng)計分布，前景對比度統(tǒng)計分布和前景空頻統(tǒng)計分布；圖像問題分析模塊，用于依據(jù)前景背景分離得到的前景圖像計算前景局部 頻率集中程度，并依據(jù)前景背景分離得到的前景圖像計算脊線方向場的平滑程 度分布； 圖像對問題分析模塊，用于依據(jù)前景圖像計算重疊區(qū)域信息量分布以及非 線性變形程度分布。
4. 如權(quán)利要求3所述的可處理性分析評估系統(tǒng)，其特征在于，相對可處理性分析模塊包括測試評估模塊，用于基于指紋圖像庫對指紋識別算法性能進行測試評估；評估結(jié)果提取模塊，用于從評估結(jié)果中提取符合預設條件的評估結(jié)果。
5. 如權(quán)利要求3所述的可處理性分析評估系統(tǒng)，其特征在于，同算法綜 合模塊包括離散函數(shù)建立模塊，用于將絕對可處理性作為向量自變量，將指紋圖像庫 相對于所選擇的算法的相對可處理性作為函數(shù)值，建立定義在絕對可處理性空間里的離散函數(shù)；離散函數(shù)擬合模塊，用于將離散函數(shù)擬合成為連續(xù)函數(shù)。
6. 如權(quán)利要求3所述的可處理性分析評估系統(tǒng)，其特征在于，同傳感器 綜合模塊包括絕對可處理性分布密度函數(shù)建立模塊，用于將同一款傳感器采集不同類型 手指得到的指紋圖像庫群分別進行絕對可處理性分析，以統(tǒng)計該傳感器采集的指紋圖像庫的絕對可處理性分布密度函數(shù)；相對可處理性分布函數(shù)建立模塊，用于依據(jù)指紋圖像庫的絕對可處理性分 布密度函數(shù)和所選擇的算法性能評價函數(shù)，將絕對可處理性分布密度函數(shù)經(jīng)算 法性能評價函數(shù)映射得到相對可處理性分布函數(shù)。
7. 指紋采集圖像庫的可處理性分析評估方法，其特征在于，包括: 步驟71，對指紋圖像庫進行分析，輸出指紋圖像庫的絕對可處理性; 步驟72，對指紋圖像庫和指紋圖像庫經(jīng)指紋圖像識別算法得到的識別性能評價進行分析，輸出指紋圖像庫的相對可處理性。
8. 如權(quán)利要求7所述的可處理性分析評估方法，其特征在于，還包括 步驟73，依據(jù)指紋圖像庫的絕對可處理性和指紋圖像庫的相對可處理性輸出算法性能評價；步驟74，依據(jù)指紋圖像庫的絕對可處理性、指紋圖像庫的相對可處理性 以及算法性能評價輸出傳感器性能評價。
9. 如權(quán)利要求7或8所述的可處理性分析評估方法，其特征在于，步驟 71包括步驟91，采集區(qū)域大小、分辨率、分辨率一致性、以及灰度等級；步驟92，采集圖像前景背景可分離性，前景面積，前景灰度統(tǒng)計分布， 前景對比度統(tǒng)計分布和前景空頻統(tǒng)計分布；步驟93，依據(jù)前景背景分離得到的前景圖像計算前景局部頻率集中程度， 并依據(jù)前景背景分離得到的前景圖像計算脊線方向場的平滑程度分布；步驟94，依據(jù)前景圖像計算重疊區(qū)域信息量分布以及非線性變形程度分布。
10. 如權(quán)利要求9所述的可處理性分析評估方法，其特征在于，步驟72 包括步驟101，基于指紋圖像庫對指紋識別算法性能進行測試評估； 步驟102，從評估結(jié)果中提取符合預設條件的評估結(jié)果。
11. 如權(quán)利要求9所述的可處理性分析評估方法，其特征在于，步驟73 包括步驟lll，將絕對可處理性作為向量自變量，將指紋圖像庫相對于所選擇 的算法的相對可處理性作為函數(shù)值，建立定義在絕對可處理性空間里的離散函 數(shù)；步驟112，將離散函數(shù)擬合成為連續(xù)函數(shù)。
12. 如權(quán)利要求9所述的可處理性分析評估方法，其特征在于，步驟74 包括步驟121，將同一款傳感器采集不同類型手指得到的指紋圖像庫群分別進 行絕對可處理性分析，以統(tǒng)計該傳感器采集的指紋圖像庫的絕對可處理性分布 密度函數(shù)；步驟122，依據(jù)指紋圖像庫的絕對可處理性分布密度函數(shù)和所選擇的算法 性能評價函數(shù)，將絕對可處理性分布密度函數(shù)經(jīng)算法性能評價函數(shù)映射得到相 對可處理性分布函數(shù)。
全文摘要
本發(fā)明涉及指紋采集圖像庫的可處理性分析評估方法和系統(tǒng)。該系統(tǒng)包括指紋傳感器，與指紋圖像庫連接；指紋圖像庫，還分別與絕對可處理性分析模塊、相對可處理性分析模塊和指紋圖像識別算法模塊連接；指紋圖像識別算法模塊，還與相對可處理性分析模塊連接；絕對可處理性分析模塊，用于對指紋圖像庫進行分析，輸出指紋圖像庫的絕對可處理性；相對可處理性分析模塊，用于對指紋圖像庫和指紋圖像庫經(jīng)指紋圖像識別算法得到的識別性能評價進行分析，輸出指紋圖像庫的相對可處理性。本發(fā)明把不同指紋庫作為測試集的算法性能評價進行融合，得到對算法性能的深入全面的評價；以相對可處理性來評估指紋庫，對指紋識別系統(tǒng)的構(gòu)建有更直接的意義。
文檔編號G06K9/00GK101373516SQ20081022216
公開日2009年2月25日 申請日期2008年9月10日 優(yōu)先權(quán)日2008年9月10日
發(fā)明者李揚淵 申請人:成都方程式電子有限公司