欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020104067203
申请人: 南京邮电大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于聚类分析和模糊逻辑的指纹和指静脉特征融合方法,其特征在于,包括如下步骤:步骤1:提取指纹图像和指静脉图像,分别进行图像预处理,特征点提取和特征点匹配,计算出匹配分数并进行归一化处理;

步骤2:使用k-medoid聚类算法,分别对归一化后的指纹匹配分数和指静脉匹配分数进行聚类分析,将每种模态的匹配分数分为若干类,并将这若干类匹配分数组成的集合作为模糊子集;

步骤3:选择隶属度函数,对输入变量和输出变量分别进行模糊化处理,建立输入变量和输出变量之间的模糊逻辑关系;

步骤4:使用模糊推理法获得模糊推理结论;

步骤5:使用加权平均判决法进行去模糊化,获得最终融合结果,并做出决策。

2.根据权利要求1所述的基于聚类分析和模糊逻辑的指纹和指静脉特征融合方法,其特征在于,步骤1中,所述图像预处理包括图像尺度和灰度归一化,去除图像噪声,去除图像空洞和毛刺和图像细化。

3.根据权利要求1所述的基于聚类分析和模糊逻辑的指纹和指静脉特征融合方法,其特征在于,步骤1中,指纹图像的特征点提取采用Poincare Index指纹奇异点检测算法。

4.根据权利要求1所述的基于聚类分析和模糊逻辑的指纹和指静脉特征融合方法,其特征在于,步骤1中所述特征点匹配,对于指纹特征,通过计算原始图像和待匹配图像的欧几里得距离进行匹配;对于指静脉特征,通过计算原始图像和待匹配图像特征码的Hamming距离进行匹配。

5.根据权利要求1所述的基于聚类分析和模糊逻辑的指纹和指静脉特征融合方法,其特征在于,步骤2中所述使用k-medoid聚类算法,分别对指纹匹配分数和指静脉匹配分数进行聚类分析,其具体步骤如下:步骤2.1:输入单模态匹配分数集;

步骤2.2:随机选择若干个代表对象作为初始的中心点;

步骤2.3:指派每个剩余对象给离它最近的中心点所代表的簇;

步骤2.4:计算其余所有的点到各个中心点的距离,并把每个点到各个中心点最短的聚簇作为自己所属的聚簇;

步骤2.5:在每个聚簇中按照顺序依次选取点,计算该点到当前聚簇中所有点距离之和,最终距离之和最小的点,则视为新的中心点;

步骤2.6:重复步骤2.4,步骤2.5,直到各个聚簇的中心点不再改变。

6.根据权利要求5所述的基于聚类分析和模糊逻辑的指纹和指静脉特征融合方法,其特征在于,步骤2中所述将每种模态的匹配分数分为三类:相同类,不确定类和不同类,其具体分类原则为:根据每个聚簇中心对应的归一化后的匹配分数的大小,有小到大将匹配分数分为相同类,不确定类和不同类。

7.根据权利要求6所述的基于聚类分析和模糊逻辑的指纹和指静脉特征融合方法,其特征在于,步骤3中对输入变量中不确定类匹配分数采用三角形隶属函数,对输入变量中相同类和不同类匹配分数采用梯形隶属函数。

8.根据权利要求6所述的基于聚类分析和模糊逻辑的指纹和指静脉特征融合方法,其特征在于,步骤3中对输出变量进行模糊化处理采用三角形隶属函数;将输出变量命名为识别结果,定义其范围为[0,1];该输出变量有五个模糊子集,分别命名为:很好、好、中等、差、很差。

9.根据权利要求8所述的基于聚类分析和模糊逻辑的指纹和指静脉特征融合方法,其特征在于,步骤3所述输入变量和输出变量之间的模糊逻辑关系包括如下规则:规则1:如果指纹匹配分数属于相同类且指静脉匹配分数属于相同类,则识别结果为很好;

规则2:如果指纹匹配分数属于相同类且指静脉匹配分数属于不确定类,则识别结果为好;

规则3:如果指纹匹配分数属于相同类且指静脉匹配分数属于不同类,则识别结果为中等;

规则4:如果指纹匹配分数属于不确定类且指静脉匹配分数属于相同类,则识别结果为好;

规则5:如果指纹匹配分数属于不确定类且指静脉匹配分数属于不确定类,则识别结果为中等;

规则6:如果指纹匹配分数属于不确定类且指静脉匹配分数属于不同类,则识别结果为差;

规则7:如果指纹匹配分数属于不同类且指静脉匹配分数属于相同类,则识别结果为中等;

规则8:如果指纹匹配分数属于不同类且指静脉匹配分数属于不确定类,则识别结果为差;

规则9:如果指纹匹配分数属于不同类且指静脉匹配分数属于不同类,则识别结果为很差。

10.根据权利要求8所述的基于聚类分析和模糊逻辑的指纹和指静脉特征融合方法,其特征在于,步骤4所述模糊推理法为mamdani模糊推理法。