本發(fā)明涉及數(shù)據(jù)處理方法，特別是涉及用于圖像比對(duì)和圖像拼接的數(shù)據(jù)處理方法。

背景技術(shù)：

為實(shí)現(xiàn)圖像比對(duì)，以及根據(jù)圖像比對(duì)結(jié)果進(jìn)行圖像拼接，現(xiàn)有技術(shù)將圖像比對(duì)的基礎(chǔ)圖像作為模板圖像，將用于比對(duì)的圖像作為待測試圖像，模板圖像和待測試圖像特征點(diǎn)的描述符經(jīng)過漢明hamming匹配以及空間去偽之后得到若干粗匹配點(diǎn)對(duì)，運(yùn)用英文簡寫為ransac的隨機(jī)取樣一致randomsamplingconsensus算法去除誤匹配和計(jì)算旋轉(zhuǎn)平移變換矩陣。傳統(tǒng)隨機(jī)取樣一致ransac思路是通過在粗匹配點(diǎn)對(duì)集合中任意選擇三對(duì)點(diǎn)估算h矩陣，然后使用估算出來的h矩陣對(duì)兩個(gè)點(diǎn)集當(dāng)中的所有點(diǎn)對(duì)進(jìn)行一致集consensusset判斷，把一個(gè)點(diǎn)集當(dāng)中的點(diǎn)經(jīng)過h矩陣映射之后判斷跟另外一個(gè)點(diǎn)集當(dāng)中對(duì)應(yīng)點(diǎn)之間的歐氏距離小于一定的閾值，則認(rèn)為這些點(diǎn)對(duì)屬于這個(gè)h矩陣的一致集，最后選取包含點(diǎn)對(duì)的數(shù)量最多的一致集為最終的精確匹配點(diǎn)對(duì)，對(duì)應(yīng)的h矩陣為最終的旋轉(zhuǎn)平移變換矩陣。

傳統(tǒng)隨機(jī)取樣一致ransac算法因?yàn)槊看味际请S機(jī)選取點(diǎn)對(duì)來估算h矩陣，隨機(jī)性比較強(qiáng)、運(yùn)算量較大、效率較低、需要重復(fù)迭代很多次才能找到合適的h矩陣，尤其是當(dāng)輸入隨機(jī)取樣一致ransac算法的兩個(gè)匹配點(diǎn)集合當(dāng)中錯(cuò)誤點(diǎn)對(duì)的數(shù)量越多而且占比越大，則需要的重復(fù)迭代次數(shù)越大，否則有可能找不到h矩陣，但是重復(fù)迭代次數(shù)越大則運(yùn)算時(shí)間和存儲(chǔ)量將會(huì)正比地增加，而且每次隨機(jī)取樣一致ransac算法之后計(jì)算出來的h矩陣和一致集都不完全一樣。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題在于避免現(xiàn)有技術(shù)的不足之處而提出一種基于投票決策和最小二乘法的圖像識(shí)別隨機(jī)取樣一致算法，引入了投票決策方式找出最有可能正確的點(diǎn)對(duì)，采用最小二乘法原理計(jì)算旋轉(zhuǎn)平移變換矩陣，設(shè)計(jì)了新的隨機(jī)取樣一致ransac算法以解決上述問題。本發(fā)明在模板圖像和待測試圖像特征點(diǎn)的描述符經(jīng)過漢明hamming匹配以及空間去偽之后得到兩個(gè)粗匹配的點(diǎn)集，分別是模板圖像粗匹配點(diǎn)集referenceset，英文簡寫refset，以及測試圖像粗匹配點(diǎn)集testset，每個(gè)點(diǎn)在點(diǎn)集當(dāng)中都有順序標(biāo)號(hào)index，這兩個(gè)點(diǎn)集當(dāng)中的粗匹配點(diǎn)對(duì)是一一對(duì)應(yīng)的，但是粗匹配的正確性需要進(jìn)一步驗(yàn)證，即通過本發(fā)明的隨機(jī)取樣一致ransac算法去偽。

本發(fā)明解決所述技術(shù)問題可以通過采用以下技術(shù)方案來實(shí)現(xiàn)：

實(shí)施一種基于投票決策和最小二乘法的圖像識(shí)別隨機(jī)取樣一致算法，以存儲(chǔ)的圖像模板中的一個(gè)為模板圖像，以輸入的圖像為測試圖像，通過測試圖像的特征點(diǎn)信息與各模板圖像的特征點(diǎn)信息的比對(duì)甄別測試圖像是否與模板圖像匹配。尤其是，測試圖像的特征點(diǎn)信息分別與各模板圖像的特征點(diǎn)信息都進(jìn)行如下步驟處理：

a.在測試圖像內(nèi)選取特征點(diǎn)組成測試圖像特征點(diǎn)集，在模板圖像內(nèi)選取特征點(diǎn)組成模板圖像特征點(diǎn)集；

對(duì)測試圖像的每個(gè)特征點(diǎn)在模板圖像特征點(diǎn)集內(nèi)找出粗匹配點(diǎn)，從而分屬測試圖像特征點(diǎn)集和模板圖像特征點(diǎn)集的、互相對(duì)應(yīng)的兩個(gè)粗匹配點(diǎn)成為粗匹配點(diǎn)對(duì)；

如果粗匹配點(diǎn)對(duì)的數(shù)量大于設(shè)定的粗匹配閾值，進(jìn)行步驟b；否則進(jìn)行步驟i；

b.粗匹配點(diǎn)對(duì)中屬于測試圖像特征點(diǎn)集的粗匹配點(diǎn)組成測試圖像粗匹配點(diǎn)集，屬于模板圖像特征點(diǎn)集的粗匹配點(diǎn)組成模板圖像粗匹配點(diǎn)集；

c.用投票決策方法在測試圖像粗匹配點(diǎn)集和模板圖像粗匹配點(diǎn)集內(nèi)分別找到得票最高的、互相對(duì)應(yīng)的兩對(duì)點(diǎn)并構(gòu)成兩個(gè)最佳點(diǎn)對(duì)；

d.基于最小二乘法原理用所述測試圖像粗匹配點(diǎn)集和模板圖像粗匹配點(diǎn)集構(gòu)成的兩個(gè)最佳點(diǎn)對(duì)計(jì)算旋轉(zhuǎn)平移變換矩陣；

e.借助旋轉(zhuǎn)平移變換矩陣從測試圖像粗匹配點(diǎn)集和模板圖像粗匹配點(diǎn)集篩選點(diǎn)對(duì)構(gòu)成一致集；

如果一致集內(nèi)點(diǎn)對(duì)數(shù)量大于設(shè)定的一致點(diǎn)對(duì)數(shù)量閾值，進(jìn)行步驟f；否則進(jìn)行步驟i；

f.判斷測試圖像與模板圖像匹配；

j.算法結(jié)束。

本發(fā)明還在上述隨機(jī)取樣一致ransac算法基礎(chǔ)上提出圖像拼接方法，以進(jìn)一步提高圖像比對(duì)精度，擴(kuò)大模板圖像范圍，在上述步驟f與步驟j之間加入如下步驟，

g.基于最小二乘法原理使用一致集內(nèi)的點(diǎn)對(duì)計(jì)算更新的旋轉(zhuǎn)平移變換矩陣；

i.借助更新的旋轉(zhuǎn)平移變換矩陣，將測試圖像特征點(diǎn)集內(nèi)的點(diǎn)映射為更新的拼接特征點(diǎn)，將所述更新的拼接特征點(diǎn)加入到模板圖像特征點(diǎn)集內(nèi)。

上述投票決策方法可采用的一種方案是，所述步驟c包括如下分步驟：

c11.為模板圖像粗匹配點(diǎn)集的m個(gè)點(diǎn)設(shè)置序號(hào)，按順序設(shè)置m行m列的點(diǎn)對(duì)距離投票矩陣，矩陣內(nèi)非主對(duì)角線的元素是投票元素；

c12.獲取模板圖像粗匹配點(diǎn)集內(nèi)任一點(diǎn)與其它點(diǎn)的模板粗配點(diǎn)距離，以及測試圖像粗匹配點(diǎn)集內(nèi)任一點(diǎn)與其它點(diǎn)的測試粗配點(diǎn)距離，按照模板圖像粗匹配點(diǎn)集與測試圖像粗匹配點(diǎn)集各粗匹配點(diǎn)的序號(hào)對(duì)應(yīng)關(guān)系，使各個(gè)模板粗配點(diǎn)距離與測試粗配點(diǎn)距離一一對(duì)應(yīng)；

c13.逐個(gè)判斷對(duì)應(yīng)的模板粗配點(diǎn)距離與測試粗配點(diǎn)距離的差值是否小于設(shè)定的粗配距離差閾值，如果是，即在所述點(diǎn)對(duì)距離投票矩陣中的以該模板粗配點(diǎn)距離對(duì)應(yīng)的兩個(gè)點(diǎn)的序號(hào)互為行號(hào)和列號(hào)的兩元素置位為投票標(biāo)志；如果不是，即在所述點(diǎn)對(duì)距離投票矩陣中的以該兩點(diǎn)序號(hào)互為行號(hào)和列號(hào)的兩元素置位為不投票標(biāo)志；

c14.選取投票標(biāo)志數(shù)量排在前兩位的兩行的序號(hào)的模板圖像的點(diǎn)，并與對(duì)應(yīng)測試圖像的點(diǎn)構(gòu)成兩對(duì)最佳點(diǎn)對(duì)；

所述投票標(biāo)志是1，不投票標(biāo)志是0；或者，所述投票標(biāo)志是0，不投票標(biāo)志是1。

上述投票決策方法在基于上述分步驟c11至c14的基礎(chǔ)上進(jìn)一步衍生的方案是，所述步驟c包括如下分步驟：

c21.為模板圖像粗匹配點(diǎn)集的m個(gè)點(diǎn)設(shè)置序號(hào)，按順序設(shè)置m行m列的點(diǎn)對(duì)距離投票矩陣，矩陣內(nèi)非主對(duì)角線的元素是投票元素；

c22.獲取模板圖像粗匹配點(diǎn)集內(nèi)任一點(diǎn)與其它點(diǎn)的模板粗配點(diǎn)距離，以及測試圖像粗匹配點(diǎn)集內(nèi)任一點(diǎn)與其它點(diǎn)的測試粗配點(diǎn)距離，按照模板圖像粗匹配點(diǎn)集與測試圖像粗匹配點(diǎn)集各粗匹配點(diǎn)的序號(hào)對(duì)應(yīng)關(guān)系，使各個(gè)模板粗配點(diǎn)距離與測試粗配點(diǎn)距離一一對(duì)應(yīng)；

c23.逐個(gè)判斷對(duì)應(yīng)的模板粗配點(diǎn)距離與測試粗配點(diǎn)距離的差值是否小于設(shè)定的粗配距離差閾值，如果是，即在所述點(diǎn)對(duì)距離投票矩陣中的以該模板粗配點(diǎn)距離對(duì)應(yīng)的兩個(gè)點(diǎn)的序號(hào)互為行號(hào)和列號(hào)的兩元素置位為投票標(biāo)志；如果不是，即在所述點(diǎn)對(duì)距離投票矩陣中的以該兩點(diǎn)序號(hào)互為行號(hào)和列號(hào)的兩元素置位為不投票標(biāo)志；

c24.在點(diǎn)對(duì)距離投票矩陣選取投票標(biāo)志數(shù)量的排在前z位的z行的行序號(hào)所代表的z個(gè)點(diǎn)組成模板圖像初判點(diǎn)集，該模板圖像初判點(diǎn)集在測試圖像粗匹配點(diǎn)集對(duì)應(yīng)的z個(gè)點(diǎn)組成測試圖像初判點(diǎn)集，z是不小于2的自然數(shù)；

c25.獲取模板圖像初判點(diǎn)集內(nèi)任意兩點(diǎn)之間的向量，組成具有y個(gè)向量的模板向量集，y是從z個(gè)點(diǎn)中取出兩個(gè)點(diǎn)的組合數(shù)，相應(yīng)地，獲取測試圖像初判點(diǎn)集內(nèi)任意兩點(diǎn)之間的向量，組成具有y個(gè)向量的測試向量集，按照模板圖像初判點(diǎn)集與測試圖像初判點(diǎn)集之間各點(diǎn)的對(duì)應(yīng)關(guān)系，使模板向量與測試向量一一對(duì)應(yīng)；

c26.為模板向量集的y個(gè)向量設(shè)置序號(hào)，按順序設(shè)置構(gòu)建y行y列的向量夾角投票矩陣，矩陣內(nèi)非主對(duì)角線的元素是投票元素；

c27.計(jì)算模板向量集內(nèi)任意兩個(gè)向量之間的夾角，相應(yīng)地，計(jì)算測試向量集內(nèi)任意兩個(gè)向量之間的夾角，判斷模板向量集內(nèi)的夾角和相同序號(hào)的測試向量集內(nèi)的夾角的差值是否小于設(shè)定的向量夾角差閾值，如果是，即在所述向量夾角投票矩陣中的以該兩向量序號(hào)互為行號(hào)和列號(hào)的兩元素置位為投票標(biāo)志；如果不是，即在所述向量投票矩陣中的以該兩向量序號(hào)互為行號(hào)和列號(hào)的兩元素置位為不投票標(biāo)志；

c28.選取向量夾角投票矩陣中投票標(biāo)志最多的一行的行序號(hào)所代表的模板向量，從而找出形成該模板向量的兩點(diǎn)，該兩點(diǎn)與測試圖像的對(duì)應(yīng)兩點(diǎn)構(gòu)成兩最佳點(diǎn)對(duì)；

所述投票標(biāo)志是1，不投票標(biāo)志是0；或者，所述投票標(biāo)志是0，不投票標(biāo)志是1。

具體而言，所述z是不小于2的自然數(shù)，且不超過模板圖像粗匹配點(diǎn)集內(nèi)點(diǎn)數(shù)的十分之一。

上述投票決策方法可采用的另一種方案是，所述步驟c包括如下分步驟：

c31.獲取模板圖像粗匹配點(diǎn)集內(nèi)任意兩點(diǎn)之間的向量，組成具有x個(gè)向量的模板向量集，x是從模板圖像粗匹配點(diǎn)集的點(diǎn)數(shù)中取出兩個(gè)點(diǎn)的組合數(shù)，相應(yīng)地，獲取測試圖像粗匹配點(diǎn)集內(nèi)任意兩點(diǎn)之間的向量，組成具有x個(gè)向量的測試向量集，按照模板圖像粗匹配點(diǎn)集與測試圖像粗匹配點(diǎn)集之間各點(diǎn)的對(duì)應(yīng)關(guān)系，使模板向量與測試向量對(duì)應(yīng)；

c32.為模板向量集的x個(gè)向量設(shè)置序號(hào)，按順序設(shè)置構(gòu)建x行x列的向量夾角投票矩陣，矩陣內(nèi)非主對(duì)角線的元素是投票元素；

c33.計(jì)算模板向量集內(nèi)任意兩個(gè)向量之間的夾角，相應(yīng)地，計(jì)算測試向量集內(nèi)任意兩個(gè)向量之間的夾角，判斷模板向量集內(nèi)的夾角和相同序號(hào)的測試向量集內(nèi)的夾角的差值是否小于設(shè)定的向量夾角差閾值，如果是，即在所述向量夾角投票矩陣中的以該兩向量序號(hào)互為行號(hào)和列號(hào)的兩元素置位為投票標(biāo)志；如果不是，即在所述向量投票矩陣中的以該兩向量序號(hào)互為行號(hào)和列號(hào)的兩元素置位為不投票標(biāo)志；

c34.選取向量夾角投票矩陣中投票標(biāo)志最多的一行的行序號(hào)所代表的模板向量，從而找出形成該模板向量的兩點(diǎn)，該兩點(diǎn)與測試圖像的對(duì)應(yīng)兩點(diǎn)構(gòu)成兩最佳點(diǎn)對(duì)；

所述投票標(biāo)志是1，不投票標(biāo)志是0；或者，所述投票標(biāo)志是0，不投票標(biāo)志是1。

上述投票決策方法在基于上述分步驟c31至c34的基礎(chǔ)上進(jìn)一步衍生的方案是，所述步驟c包括如下分步驟：

c41.獲取模板圖像粗匹配點(diǎn)集內(nèi)任意兩點(diǎn)之間的向量，組成具有x個(gè)向量的模板向量集，x是從模板圖像粗匹配點(diǎn)集的點(diǎn)數(shù)中取出兩個(gè)點(diǎn)的組合數(shù)，相應(yīng)地，獲取測試圖像粗匹配點(diǎn)集內(nèi)任意兩點(diǎn)之間的向量，組成具有x個(gè)向量的測試向量集，按照模板圖像粗匹配點(diǎn)集與測試圖像粗匹配點(diǎn)集之間各點(diǎn)的對(duì)應(yīng)關(guān)系，使模板向量與測試向量對(duì)應(yīng)；

c42.為模板向量集的x個(gè)向量設(shè)置序號(hào)，按順序設(shè)置構(gòu)建x行x列的向量夾角投票矩陣，矩陣內(nèi)非主對(duì)角線的元素是投票元素；

c43.計(jì)算模板向量集內(nèi)任意兩個(gè)向量之間的夾角，相應(yīng)地，計(jì)算測試向量集內(nèi)任意兩個(gè)向量之間的夾角，判斷模板向量集內(nèi)的夾角和相同序號(hào)的測試向量集內(nèi)的夾角的差值是否小于設(shè)定的向量夾角差閾值，如果是，即在所述向量夾角投票矩陣中的以該兩向量序號(hào)互為行號(hào)和列號(hào)的兩元素置位為投票標(biāo)志；如果不是，即在所述向量夾角投票矩陣中的以該兩向量序號(hào)互為行號(hào)和列號(hào)的兩元素置位為不投票標(biāo)志；

c44.在向量夾角投票矩陣當(dāng)中選取投票標(biāo)志數(shù)量的排在前w位的w行的行序號(hào)所代表的w個(gè)向量的端點(diǎn)為模板圖像初判點(diǎn)集，該模板圖像初判點(diǎn)集在測試圖像粗匹配點(diǎn)集對(duì)應(yīng)的w個(gè)向量的端點(diǎn)組成測試圖像初判點(diǎn)集，w是不小于2的自然數(shù)；

c45.為模板圖像初判點(diǎn)集的n個(gè)點(diǎn)設(shè)置序號(hào)，n小于或者等于2×w，按順序設(shè)置n行n列的點(diǎn)對(duì)距離投票矩陣，矩陣內(nèi)非主對(duì)角線的元素是投票元素；

c46.獲取包括n個(gè)點(diǎn)的模板圖像初判點(diǎn)集內(nèi)任一點(diǎn)與其它點(diǎn)的模板初判點(diǎn)距離，以及包括n個(gè)點(diǎn)的測試圖像初判點(diǎn)集內(nèi)任一點(diǎn)與其它點(diǎn)的測試初判點(diǎn)距離，按照模板圖像初判點(diǎn)集與測試圖像初判點(diǎn)集各點(diǎn)的序號(hào)對(duì)應(yīng)關(guān)系，使各個(gè)模板初判點(diǎn)距離與測試初判點(diǎn)距離一一對(duì)應(yīng)；

c47.逐個(gè)判斷對(duì)應(yīng)的模板初判點(diǎn)距離與測試初判點(diǎn)距離的差值是否小于設(shè)定的初判距離差閾值，如果是，即在所述點(diǎn)對(duì)距離投票矩陣中的以該模板初判點(diǎn)距離對(duì)應(yīng)的兩個(gè)點(diǎn)的序號(hào)互為行號(hào)和列號(hào)的兩元素置位為投票標(biāo)志；如果不是，即在所述點(diǎn)對(duì)距離投票矩陣中的以該兩點(diǎn)序號(hào)互為行號(hào)和列號(hào)的兩元素置位為不投票標(biāo)志；

c48.選取投票標(biāo)志數(shù)量排在前兩位的兩行的序號(hào)的模板圖像的點(diǎn)，并與對(duì)應(yīng)測試圖像的點(diǎn)構(gòu)成兩對(duì)最佳點(diǎn)對(duì)。

所述投票標(biāo)志是1，不投票標(biāo)志是0；或者，所述投票標(biāo)志是0，不投票標(biāo)志是1。

具體地，以上分步驟中所述模板向量集和測試向量集內(nèi)各個(gè)向量的方向?yàn)閺男蛱?hào)較小的點(diǎn)指向序號(hào)較大的點(diǎn)。

具體而言，在所述步驟d中，設(shè)通過步驟c找到的模板圖像點(diǎn)集內(nèi)兩個(gè)最佳點(diǎn)坐標(biāo)是(xr0,yr0)和(xr1,yr1)，測試圖像點(diǎn)集內(nèi)對(duì)應(yīng)的兩個(gè)最佳點(diǎn)坐標(biāo)是(xt0,yt0)和(xt1,yt1)；

那么，旋轉(zhuǎn)平移變換矩陣是其中，

且，

當(dāng)時(shí)，當(dāng)時(shí)，

上述步驟e構(gòu)成一致集及判斷圖像匹配的具體方案是，所述步驟e包括如下分步驟，

e1.對(duì)測試圖像粗匹配點(diǎn)集內(nèi)所有點(diǎn)逐個(gè)執(zhí)行以下步驟，

e11.將當(dāng)前點(diǎn)的坐標(biāo)通過旋轉(zhuǎn)平移變換矩陣映射為映射點(diǎn)坐標(biāo)，

計(jì)算當(dāng)前點(diǎn)在模板圖像粗匹配點(diǎn)集內(nèi)的對(duì)應(yīng)點(diǎn)坐標(biāo)與映射點(diǎn)坐標(biāo)的偏差絕對(duì)值之和作為點(diǎn)對(duì)偏差值，

e12.如果所述點(diǎn)對(duì)偏差值小于設(shè)定的一致集閾值，將該點(diǎn)以及與該點(diǎn)對(duì)應(yīng)的模板圖像粗匹配點(diǎn)集內(nèi)的點(diǎn)作為一對(duì)點(diǎn)對(duì)加入一致集；否則，不加入一致集；

e2.對(duì)于經(jīng)過上述分步驟e1得到的一致集，如果一致集內(nèi)點(diǎn)對(duì)數(shù)量大于設(shè)定的一致點(diǎn)對(duì)數(shù)量閾值，進(jìn)行步驟f；否則進(jìn)行步驟i。

為了獲取更新的旋轉(zhuǎn)平移變換矩陣以實(shí)現(xiàn)圖像拼接，設(shè)一致集內(nèi)的屬于測試圖像粗匹配點(diǎn)集的各點(diǎn)的坐標(biāo)是(xt0,yt0)、(xt1,yt1)、……、(xtn,ytn)，那么它們?cè)谀０鍒D像粗匹配點(diǎn)集內(nèi)對(duì)應(yīng)的各點(diǎn)的坐標(biāo)是(xr0,yr0)、(xr1,yr1)、……、(xrn,yrn)，也就是一致集內(nèi)的匹配點(diǎn)對(duì)數(shù)量是n+1；

那么步驟g中更新的旋轉(zhuǎn)平移變換矩陣是其中，

同現(xiàn)有技術(shù)相比較，本發(fā)明“基于投票決策和最小二乘法的圖像識(shí)別隨機(jī)取樣一致算法”的技術(shù)效果在于：

本發(fā)明計(jì)算出的旋轉(zhuǎn)平移變換矩陣不僅比較準(zhǔn)確，速度較快，而且很穩(wěn)定，每次計(jì)算結(jié)果不會(huì)隨機(jī)波動(dòng)；本發(fā)明不僅優(yōu)化了圖像比對(duì)方法，而且有助于數(shù)據(jù)處理芯片后續(xù)的學(xué)習(xí)功能，即不斷增加模板圖像的特征信息，從而有效改善拒真率，使數(shù)據(jù)處理芯片更加智能；本發(fā)明還通過不斷更新的旋轉(zhuǎn)平移變換矩陣，更為高效、準(zhǔn)確地實(shí)現(xiàn)圖像拼接。

附圖說明

圖1是本發(fā)明“基于投票決策和最小二乘法的圖像識(shí)別隨機(jī)取樣一致算法”優(yōu)選實(shí)施例的流程示意圖。

具體實(shí)施方式

以下結(jié)合附圖所示優(yōu)選實(shí)施例作進(jìn)一步詳述。

本發(fā)明提出一種基于投票決策和最小二乘法的圖像識(shí)別隨機(jī)取樣一致算法，本發(fā)明優(yōu)選實(shí)施例以應(yīng)用于設(shè)備解鎖的指紋識(shí)別過程為例具體說明本發(fā)明方案。本發(fā)明圖像識(shí)別隨機(jī)取樣一致ransac算法基于包括存儲(chǔ)器、數(shù)據(jù)處理器和輸入裝置的硬件設(shè)備。如圖1所示步驟101，在存儲(chǔ)器內(nèi)預(yù)先錄入可解鎖硬件設(shè)備的指紋模板，從輸入裝置輸入指紋，將指紋分別用以下詳細(xì)說明的圖像識(shí)別隨機(jī)取樣一致ransac算法與指紋模板逐一比對(duì)，當(dāng)判斷指紋與指紋模板匹配時(shí)，硬件設(shè)備解鎖，否則待測試的指紋圖像無法解鎖硬件設(shè)備。所述指紋模板就是本發(fā)明所述存儲(chǔ)的圖像模板，錄入指紋模板的過程就是存儲(chǔ)模板圖像reference的圖像特征點(diǎn)的過程。用于進(jìn)行比對(duì)的指紋圖像就是以存儲(chǔ)的圖像模板中的一個(gè)為模板圖像reference。如圖1步驟102所示，從輸入裝置輸入的指紋以圖像形式作為測試test圖像，測試test圖像以特征點(diǎn)作為數(shù)據(jù)表達(dá)方式。通過測試test圖像數(shù)據(jù)與各模板圖像reference數(shù)據(jù)的比對(duì)甄別測試test圖像是否與模板reference圖像匹配，即通過輸入指紋與指紋模板內(nèi)的指紋圖像比對(duì)，甄別輸入指紋是否與指紋模板內(nèi)的指紋圖像匹配。測試test圖像數(shù)據(jù)分別與各模板reference圖像數(shù)據(jù)都進(jìn)行如下處理過程：

a.如圖1步驟101和102所示，在作為測試test圖像的輸入的指紋圖像內(nèi)選取特征點(diǎn)組成測試test圖像特征點(diǎn)集，在模板reference圖像內(nèi)選取特征點(diǎn)組成模板reference圖像特征點(diǎn)集。

如圖1所示步驟103，對(duì)測試test圖像的每個(gè)特征點(diǎn)在模板reference圖像特征點(diǎn)集內(nèi)找出粗匹配點(diǎn)，從而分屬測試test圖像特征點(diǎn)集和模板reference圖像特征點(diǎn)集的、互相對(duì)應(yīng)的兩粗匹配點(diǎn)成為粗匹配點(diǎn)對(duì)；

本發(fā)明優(yōu)選實(shí)施例使用featuresfromacceleratedsegmenttest高速特征檢測算法，簡稱fast算法提取特征點(diǎn)，找出每個(gè)特征點(diǎn)的x、y坐標(biāo)和主方向以及128位、16個(gè)字節(jié)的超短二進(jìn)制ultrashortbinary描述符，簡稱usb描述符。特征點(diǎn)及其坐標(biāo)主方向和usb描述符的求法是程序擬定好的。對(duì)于測試test圖像中的每個(gè)特征點(diǎn)，在模板reference圖像特征點(diǎn)集內(nèi)尋找與之相對(duì)應(yīng)的匹配點(diǎn)，即測試test圖像中的每個(gè)特征點(diǎn)分別與模板reference圖像中的所有特征點(diǎn)進(jìn)行128位usb描述符判別漢明hamming距離尋找與之匹配的點(diǎn)。根據(jù)設(shè)定好的程序篩選出最終的匹配點(diǎn)對(duì)。但是如上所述這個(gè)過程得到的匹配點(diǎn)對(duì)為粗匹配點(diǎn)對(duì)，存在一些誤匹配點(diǎn)，而且往往無法預(yù)知匹配點(diǎn)對(duì)的正確性，所以有必要通過本發(fā)明提出的圖像識(shí)別隨機(jī)取樣一致ransac算法進(jìn)行精匹配去偽存真。

如圖1所示，如果粗匹配點(diǎn)對(duì)的數(shù)量大于設(shè)定的粗匹配閾值，進(jìn)行步驟b；否則進(jìn)行步驟i。

本發(fā)明優(yōu)選實(shí)施例設(shè)定粗匹配閾值為20對(duì)，如果粗匹配點(diǎn)對(duì)數(shù)量不小于20對(duì)，則認(rèn)為兩幅圖像不匹配，則不能指紋解鎖。如果匹配點(diǎn)對(duì)數(shù)量超過20對(duì)，繼續(xù)進(jìn)行后續(xù)步驟，對(duì)粗匹配點(diǎn)對(duì)進(jìn)行去偽存真。通常88×88像素的來源于同一個(gè)手指的兩幅圖像粗匹配點(diǎn)對(duì)數(shù)量可達(dá)150到500甚至更多。

b.如圖1步驟104所示，粗匹配點(diǎn)對(duì)中屬于測試test圖像特征點(diǎn)集的粗匹配點(diǎn)組成測試圖像粗匹配點(diǎn)集testset，屬于模板reference圖像特征點(diǎn)集的粗匹配點(diǎn)組成模板圖像粗匹配點(diǎn)集referenceset。

基于88×88像素的兩幅圖像，且referenceset和testset來自同一手指時(shí)，進(jìn)入后續(xù)步驟的粗匹配點(diǎn)對(duì)數(shù)量通?？蛇_(dá)150到500甚至更多。各粗匹配點(diǎn)的坐標(biāo)(x，y，θ)已在提取階段得知。

c.如圖1步驟105所示，用投票決策方法在測試圖像粗匹配點(diǎn)集和模板圖像粗匹配點(diǎn)集內(nèi)分別找到得票最高的、互相對(duì)應(yīng)的最佳點(diǎn)并構(gòu)成最佳點(diǎn)對(duì)。所述點(diǎn)對(duì)是由測試圖像粗匹配點(diǎn)集內(nèi)的點(diǎn)和模板圖像粗匹配點(diǎn)集內(nèi)的點(diǎn)組成。

投票決策方法可以采用距離投票方法，向量夾角投票方法或者采用距離投票和向量夾角投票相結(jié)合的方式。對(duì)于距離投票和向量夾角投票相結(jié)合的方式，原則上對(duì)它們的先后順序不限制。本發(fā)明優(yōu)選實(shí)施例以距離投票和向量夾角投票相結(jié)合的方式，先進(jìn)行距離投票再進(jìn)行向量夾角投票為例詳細(xì)說明距離投票和向量夾角投票，而單獨(dú)采用它們中的任何一種，采用先向量夾角投票后距離投票，以及兩者之間的銜接的變通方案，通過本發(fā)明優(yōu)選實(shí)施例的詳細(xì)說明，對(duì)于本領(lǐng)域普通技術(shù)人員都應(yīng)當(dāng)是顯而易見的。

采用距離投票方法，所述步驟c包括如下分步驟：

c11.為模板圖像粗匹配點(diǎn)集的m個(gè)點(diǎn)設(shè)置序號(hào)，按順序設(shè)置m行m列的點(diǎn)對(duì)距離投票矩陣，矩陣內(nèi)非主對(duì)角線的元素是投票元素；

c12.獲取模板圖像粗匹配點(diǎn)集內(nèi)任一點(diǎn)與其它點(diǎn)的模板粗配點(diǎn)距離，以及測試圖像粗匹配點(diǎn)集內(nèi)任一點(diǎn)與其它點(diǎn)的測試粗配點(diǎn)距離，按照模板圖像粗匹配點(diǎn)集與測試圖像粗匹配點(diǎn)集各粗匹配點(diǎn)的序號(hào)對(duì)應(yīng)關(guān)系，使各個(gè)模板粗配點(diǎn)距離與測試粗配點(diǎn)距離一一對(duì)應(yīng)；

c13.逐個(gè)判斷對(duì)應(yīng)的模板粗配點(diǎn)距離與測試粗配點(diǎn)距離的差值是否小于設(shè)定的粗配距離差閾值，如果是，即在所述點(diǎn)對(duì)距離投票矩陣中的以該模板粗配點(diǎn)距離對(duì)應(yīng)的兩個(gè)點(diǎn)的序號(hào)互為行號(hào)和列號(hào)的兩元素置位為投票標(biāo)志；如果不是，即在所述點(diǎn)對(duì)距離投票矩陣中的以該兩點(diǎn)序號(hào)互為行號(hào)和列號(hào)的兩元素置位為不投票標(biāo)志；

c14.選取投票標(biāo)志數(shù)量排在前兩位的兩行的序號(hào)對(duì)應(yīng)的模板圖像特征點(diǎn)集內(nèi)的點(diǎn)，并與對(duì)應(yīng)測試圖像特征點(diǎn)集內(nèi)的點(diǎn)構(gòu)成兩對(duì)最佳點(diǎn)對(duì)；

所述投票標(biāo)志是1，不投票標(biāo)志是0；或者，所述投票標(biāo)志是0，不投票標(biāo)志是1。

本發(fā)明優(yōu)選實(shí)施例,找出輸入圖像識(shí)別隨機(jī)取樣一致ransac算法的模板圖像粗匹配點(diǎn)集referenceset(簡稱refset)和測試圖像粗匹配點(diǎn)集testset當(dāng)中的每個(gè)點(diǎn)對(duì)的重要性ptimportance，這個(gè)重要性通過投票決策方法求取。referenceset后文簡寫為refset。對(duì)于每一個(gè)點(diǎn)對(duì)都與其他所有點(diǎn)對(duì)分別依次進(jìn)行歐氏距離判斷，每次判斷這四個(gè)點(diǎn)的空間位置的歐氏距離是否吻合，如果refset當(dāng)中的兩個(gè)點(diǎn)歐式距離與testset當(dāng)中兩個(gè)點(diǎn)的歐氏距離的差值小于某個(gè)設(shè)定的粗配距離差閾值ransac_dist就“投票”，本發(fā)明優(yōu)選實(shí)施例中設(shè)置粗配距離差閾值ransac_dist為2。該“投票”在一個(gè)構(gòu)造出來的根據(jù)distance衡量重要性的矩陣，即后文稱為d矩陣的點(diǎn)對(duì)距離投票矩陣的對(duì)應(yīng)位置標(biāo)1，矩陣行號(hào)和列號(hào)分別是這兩個(gè)點(diǎn)對(duì)的標(biāo)號(hào)index。

例如：refset當(dāng)中的第i點(diǎn)和第j點(diǎn)的距離為distance1，testset當(dāng)中的第i點(diǎn)和第j點(diǎn)的距離為distance2，如果distance1減去distance2小于閾值2，則把d矩陣的第i行第j列以及第j行第i列元素設(shè)為1，否則設(shè)為0。遍歷各個(gè)點(diǎn)對(duì)之后得到一個(gè)d(distance)矩陣，把d矩陣第i行當(dāng)中包含1的個(gè)數(shù)用ptimportance[i]表示，即代表第i個(gè)點(diǎn)對(duì)的重要性。

在本發(fā)明優(yōu)選實(shí)施例由此得到的d矩陣的分布如下，n為輸入圖像識(shí)別隨機(jī)取樣一致ransac算法的點(diǎn)集refset和testset當(dāng)中的匹配點(diǎn)對(duì)的對(duì)數(shù)，該矩陣是關(guān)于主對(duì)角線對(duì)稱的矩陣，主對(duì)角線位置的元素不取值。本發(fā)明優(yōu)選實(shí)施例，矩陣元素取值為0或者1的含義為，投票標(biāo)志是1，不投票標(biāo)志是0。

點(diǎn)對(duì)序號(hào)

d矩陣

這個(gè)矩陣的第i行當(dāng)中的1的個(gè)數(shù)越大，即ptimportance[i]數(shù)值越大，說明第i個(gè)點(diǎn)對(duì)與更多的點(diǎn)對(duì)滿足基本歐氏距離條件，即認(rèn)為第i個(gè)點(diǎn)對(duì)越重要，更有可能是正確的點(diǎn)對(duì)，即給它投贊成票的人數(shù)越多則它越重要，越有可能是正確點(diǎn)。這就是距離投票方法，即以上分步驟c11至c14的方案。ptimportance[i]數(shù)值排在前兩位的兩行的序號(hào)對(duì)應(yīng)的模板圖像的兩點(diǎn)，以及與對(duì)應(yīng)測試圖像的兩點(diǎn)構(gòu)成兩對(duì)最佳點(diǎn)對(duì)。

但是實(shí)際指紋識(shí)別過程中點(diǎn)對(duì)的重要性，ptimportance數(shù)值，并沒有呈現(xiàn)出兩極分化，而且考慮到指紋圖像特征點(diǎn)的旋轉(zhuǎn)等因素，只用歐氏距離去判斷點(diǎn)對(duì)的重要性還不夠，即只用距離投票方法還不夠，需要在此基礎(chǔ)上增加一個(gè)a(angle)矩陣，根據(jù)兩個(gè)向量之間的夾角angle衡量重要性的矩陣，即增加向量夾角投票方法。

采用距離投票和角度投票相結(jié)合的方式，所述步驟c包括如下分步驟：

c21.為模板圖像粗匹配點(diǎn)集的m個(gè)點(diǎn)設(shè)置序號(hào)，按順序設(shè)置m行m列的點(diǎn)對(duì)距離投票矩陣，矩陣內(nèi)非主對(duì)角線的元素是投票元素；

c22.獲取模板圖像粗匹配點(diǎn)集內(nèi)任一點(diǎn)與其它點(diǎn)的模板粗配點(diǎn)距離，以及測試圖像粗匹配點(diǎn)集內(nèi)任一點(diǎn)與其它點(diǎn)的測試粗配點(diǎn)距離，按照模板圖像粗匹配點(diǎn)集與測試圖像粗匹配點(diǎn)集各粗匹配點(diǎn)的序號(hào)對(duì)應(yīng)關(guān)系，使各個(gè)模板粗配點(diǎn)距離與測試粗配點(diǎn)距離一一對(duì)應(yīng)；

c23.逐個(gè)判斷對(duì)應(yīng)的模板粗配點(diǎn)距離與測試粗配點(diǎn)距離的差值是否小于設(shè)定的粗配距離差閾值，如果是，即在所述點(diǎn)對(duì)距離投票矩陣中的以該模板粗配點(diǎn)距離對(duì)應(yīng)的兩個(gè)點(diǎn)的序號(hào)互為行號(hào)和列號(hào)的兩元素置位為投票標(biāo)志；如果不是，即在所述點(diǎn)對(duì)距離投票矩陣中的以該兩點(diǎn)序號(hào)互為行號(hào)和列號(hào)的兩元素置位為不投票標(biāo)志；

c24.在點(diǎn)對(duì)距離投票矩陣選取投票標(biāo)志數(shù)量的排在前z位的z行的行序號(hào)所代表的模板圖像粗匹配點(diǎn)集內(nèi)的z個(gè)點(diǎn)組成模板圖像初判點(diǎn)集，該模板圖像初判點(diǎn)集在測試圖像粗匹配點(diǎn)集對(duì)應(yīng)的z個(gè)點(diǎn)組成測試圖像初判點(diǎn)集，z是不小于2的自然數(shù)；

c25.獲取模板圖像初判點(diǎn)集內(nèi)任意兩點(diǎn)之間的向量，組成具有y個(gè)向量的模板向量集，y是從z個(gè)點(diǎn)中取出兩個(gè)點(diǎn)的組合數(shù)，相應(yīng)地，獲取測試圖像初判點(diǎn)集內(nèi)任意兩點(diǎn)之間的向量，組成具有y個(gè)向量的測試向量集，按照模板圖像初判點(diǎn)集與測試圖像初判點(diǎn)集之間各點(diǎn)的對(duì)應(yīng)關(guān)系，使模板向量與測試向量一一對(duì)應(yīng)；

c26.為模板向量集的y個(gè)向量設(shè)置序號(hào)，按順序設(shè)置構(gòu)建y行y列的向量夾角投票矩陣，矩陣內(nèi)非主對(duì)角線的元素是投票元素；

c27.計(jì)算模板向量集內(nèi)任意兩個(gè)向量之間的夾角，相應(yīng)地，計(jì)算測試向量集內(nèi)任意兩個(gè)向量之間的夾角，判斷模板向量集內(nèi)的夾角和相同序號(hào)的測試向量集內(nèi)的夾角的差值是否小于設(shè)定的向量夾角差閾值，如果是，即在所述向量夾角投票矩陣中的以該兩向量序號(hào)互為行號(hào)和列號(hào)的兩元素置位為投票標(biāo)志；如果不是，即在所述向量投票矩陣中的以該兩向量序號(hào)互為行號(hào)和列號(hào)的兩元素置位為不投票標(biāo)志；

c28.選取向量夾角投票矩陣中投票標(biāo)志最多的一行的行序號(hào)所代表的模板向量，從而找出形成該模板向量的兩點(diǎn)，該兩點(diǎn)與測試圖像的對(duì)應(yīng)兩點(diǎn)構(gòu)成兩最佳點(diǎn)對(duì)；

所述投票標(biāo)志是1，不投票標(biāo)志是0；或者，所述投票標(biāo)志是0，不投票標(biāo)志是1。

所述分步驟c21至c24的過程是距離投票方法，分步驟c25至c28的過程是向量夾角投票方法。

以上已經(jīng)詳細(xì)說明用d矩陣找出ptimportance[i]較大點(diǎn)對(duì)的方法，即距離投票方法，在此方法基礎(chǔ)上，找出由d矩陣算出來的各行當(dāng)中包含投票標(biāo)志1的個(gè)數(shù)ptimportance[i]數(shù)值較大的前10個(gè)點(diǎn)對(duì)再進(jìn)一步用a矩陣判斷重要性，即分步驟c21至c28中的z＝10。所述z是不小于2的自然數(shù)，且不超過模板圖像粗匹配點(diǎn)集內(nèi)點(diǎn)數(shù)的十分之一。取出ptimportance[i]數(shù)值較大的前10個(gè)點(diǎn)對(duì)重新構(gòu)成兩個(gè)點(diǎn)集，模板圖像初判點(diǎn)集refset2含10個(gè)點(diǎn)，測試圖像初判點(diǎn)集testset2含10個(gè)點(diǎn)，把refset2當(dāng)中的10個(gè)點(diǎn)兩兩構(gòu)成一個(gè)向量，向量的方向規(guī)定為由index較小的點(diǎn)指向index較大的點(diǎn)，得到45個(gè)向量，即從10當(dāng)中取出2的組合數(shù)是向量個(gè)數(shù)，即分步驟c21至c28中的y＝45。同理testset2也得到對(duì)應(yīng)的45個(gè)向量，與refset2當(dāng)中的一一對(duì)應(yīng)。對(duì)于每一對(duì)向量都與其他所有向量對(duì)分別依次進(jìn)行夾角判斷，每次判斷這四個(gè)向量的空間位置的角度關(guān)系是否吻合，如果refset2當(dāng)中的兩個(gè)向量的夾角與testset2當(dāng)中兩個(gè)向量的夾角的差值小于某個(gè)設(shè)定的向量夾角差閾值ransac_angle就“投票”，本發(fā)明優(yōu)選實(shí)施例，向量夾角差閾值ransac_angle設(shè)為2度。在一個(gè)構(gòu)造出來根據(jù)angle衡量重要性的向量夾角投票矩陣，即a矩陣，a矩陣的行號(hào)和列號(hào)分別是這兩對(duì)向量的順序標(biāo)號(hào)index_vector。例如：refset2當(dāng)中的第i個(gè)向量和第j個(gè)向量的夾角為angle1，testset2當(dāng)中的第i個(gè)向量和第j個(gè)向量的夾角為angle2，如果angle1減去angle2所得的差小于向量夾角差閾值2(角度值)，則把a(bǔ)矩陣的第i行第j列以及第j行第i列元素設(shè)為1，否則設(shè)為0。遍歷各對(duì)向量之后得到一個(gè)a矩陣，把a(bǔ)矩陣第i行當(dāng)中包含1的個(gè)數(shù)用vectorimportance[i]表示，即代表第i對(duì)向量的重要性。

由此得到的a矩陣可能的分布如下，n＝45為上述構(gòu)造出來的向量對(duì)的對(duì)數(shù)，該矩陣是關(guān)于主對(duì)角線對(duì)稱的矩陣，主對(duì)角線位置的元素不取值。本發(fā)明優(yōu)選實(shí)施例，矩陣元素取值為0或者1的含義為，投票標(biāo)志是1，不投票標(biāo)志是0。

點(diǎn)對(duì)序號(hào)

a矩陣

找出vectorimportance數(shù)組當(dāng)中最大的元素vectorimportance[i]對(duì)應(yīng)的一對(duì)向量(對(duì)應(yīng)refset2當(dāng)中的兩個(gè)點(diǎn)和testset2當(dāng)中的兩個(gè)點(diǎn))，用來計(jì)算出的h矩陣就是理論上的最佳旋轉(zhuǎn)平移變換矩陣，即

顯然，投票決策方法也可以單獨(dú)采用向量夾角投票方法，以及先向量夾角投票后距離投票的方法。

投票決策方法單獨(dú)采用向量夾角投票方法，所述步驟c包括如下分步驟：

c31.獲取模板圖像粗匹配點(diǎn)集內(nèi)任意兩點(diǎn)之間的向量，組成具有x個(gè)向量的模板向量集，x是從模板圖像粗匹配點(diǎn)集的點(diǎn)數(shù)中取出兩個(gè)點(diǎn)的組合數(shù)，相應(yīng)地，獲取測試圖像粗匹配點(diǎn)集內(nèi)任意兩點(diǎn)之間的向量，組成具有x個(gè)向量的測試向量集，按照模板圖像粗匹配點(diǎn)集與測試圖像粗匹配點(diǎn)集之間各點(diǎn)的對(duì)應(yīng)關(guān)系，使模板向量與測試向量對(duì)應(yīng)；

c32.為模板向量集的x個(gè)向量設(shè)置序號(hào)，按順序設(shè)置構(gòu)建x行x列的向量夾角投票矩陣，矩陣內(nèi)非主對(duì)角線的元素是投票元素；

c33.計(jì)算模板向量集內(nèi)任意兩個(gè)向量之間的夾角，相應(yīng)地，計(jì)算測試向量集內(nèi)任意兩個(gè)向量之間的夾角，判斷模板向量集內(nèi)的夾角和相同序號(hào)的測試向量集內(nèi)的夾角的差值是否小于設(shè)定的向量夾角差閾值，如果是，即在所述向量夾角投票矩陣中的以該兩向量序號(hào)互為行號(hào)和列號(hào)的兩元素置位為投票標(biāo)志；如果不是，即在所述向量夾角投票矩陣中的以該兩向量序號(hào)互為行號(hào)和列號(hào)的兩元素置位為不投票標(biāo)志；

c34.選取向量夾角投票矩陣中投票標(biāo)志最多的一行的行序號(hào)所代表的模板向量，從而找出形成該模板向量的兩點(diǎn)，該兩點(diǎn)與測試圖像的對(duì)應(yīng)兩點(diǎn)構(gòu)成兩最佳點(diǎn)對(duì)；

所述投票標(biāo)志是1，不投票標(biāo)志是0；或者，所述投票標(biāo)志是0，不投票標(biāo)志是1。

投票決策方法采用先向量夾角投票后距離投票方法，所述步驟c包括如下分步驟：

c41.獲取模板圖像粗匹配點(diǎn)集內(nèi)任意兩點(diǎn)之間的向量，組成具有x個(gè)向量的模板向量集，x是從模板圖像粗匹配點(diǎn)集的點(diǎn)數(shù)中取出兩個(gè)點(diǎn)的組合數(shù)，相應(yīng)地，獲取測試圖像粗匹配點(diǎn)集內(nèi)任意兩點(diǎn)之間的向量，組成具有x個(gè)向量的測試向量集，按照模板圖像粗匹配點(diǎn)集與測試圖像粗匹配點(diǎn)集之間各點(diǎn)的對(duì)應(yīng)關(guān)系，使模板向量與測試向量對(duì)應(yīng)；

c42.為模板向量集的x個(gè)向量設(shè)置序號(hào)，按順序設(shè)置構(gòu)建x行x列的向量夾角投票矩陣，矩陣內(nèi)非主對(duì)角線的元素是投票元素；

c43.計(jì)算模板向量集內(nèi)任意兩個(gè)向量之間的夾角，相應(yīng)地，計(jì)算測試向量集內(nèi)任意兩個(gè)向量之間的夾角，判斷模板向量集內(nèi)的夾角和相同序號(hào)的測試向量集內(nèi)的夾角的差值是否小于設(shè)定的向量夾角差閾值，如果是，即在所述向量夾角投票矩陣中的以該兩向量序號(hào)互為行號(hào)和列號(hào)的兩元素置位為投票標(biāo)志；如果不是，即在所述向量夾角投票矩陣中的以該兩向量序號(hào)互為行號(hào)和列號(hào)的兩元素置位為不投票標(biāo)志；

c44.在向量夾角投票矩陣當(dāng)中選取投票標(biāo)志數(shù)量的排在前w位的w行的行序號(hào)所代表的w個(gè)向量的端點(diǎn)為模板圖像初判點(diǎn)集，該模板圖像初判點(diǎn)集在測試圖像粗匹配點(diǎn)集對(duì)應(yīng)的w個(gè)向量的端點(diǎn)組成測試圖像初判點(diǎn)集，w是不小于2的自然數(shù)；

c45.為模板圖像初判點(diǎn)集的n個(gè)點(diǎn)設(shè)置序號(hào)，因?yàn)楦鱾€(gè)向量的端點(diǎn)有可能重合，所以n小于或者等于2×w，按順序設(shè)置n行n列的點(diǎn)對(duì)距離投票矩陣，矩陣內(nèi)非主對(duì)角線的元素是投票元素；

c46.獲取包括n個(gè)點(diǎn)的模板圖像初判點(diǎn)集內(nèi)任一點(diǎn)與其它點(diǎn)的模板初判點(diǎn)距離，以及包括n個(gè)點(diǎn)的測試圖像初判點(diǎn)集內(nèi)任一點(diǎn)與其它點(diǎn)的測試初判點(diǎn)距離，按照模板圖像初判點(diǎn)集與測試圖像初判點(diǎn)集各點(diǎn)的序號(hào)對(duì)應(yīng)關(guān)系，使各個(gè)模板初判點(diǎn)距離與測試初判點(diǎn)距離一一對(duì)應(yīng)；

c47.逐個(gè)判斷對(duì)應(yīng)的模板初判點(diǎn)距離與測試初判點(diǎn)距離的差值是否小于設(shè)定的初判距離差閾值，如果是，即在所述點(diǎn)對(duì)距離投票矩陣中的以該模板初判點(diǎn)距離對(duì)應(yīng)的兩個(gè)點(diǎn)的序號(hào)互為行號(hào)和列號(hào)的兩元素置位為投票標(biāo)志；如果不是，即在所述點(diǎn)對(duì)距離投票矩陣中的以該兩點(diǎn)序號(hào)互為行號(hào)和列號(hào)的兩元素置位為不投票標(biāo)志；

c48.選取投票標(biāo)志數(shù)量排在前兩位的兩行的序號(hào)的模板圖像的點(diǎn)，并與對(duì)應(yīng)測試圖像的點(diǎn)構(gòu)成兩對(duì)最佳點(diǎn)對(duì)。

所述投票標(biāo)志是1，不投票標(biāo)志是0；或者，所述投票標(biāo)志是0，不投票標(biāo)志是1。

以上所述模板向量集和測試向量集內(nèi)各個(gè)向量的方向?yàn)閺男蛱?hào)較小的點(diǎn)指向序號(hào)較大的點(diǎn)。

通過投票決策找到最佳點(diǎn)對(duì)后，就需要通過最佳點(diǎn)對(duì)獲得旋轉(zhuǎn)平移變換矩陣h，即步驟d：

d.基于最小二乘法原理用所述測試圖像點(diǎn)集和模板圖像點(diǎn)集相對(duì)應(yīng)的最佳點(diǎn)對(duì)計(jì)算旋轉(zhuǎn)平移變換矩陣。

本發(fā)明優(yōu)選實(shí)施例，用找到的最佳的兩個(gè)點(diǎn)對(duì)計(jì)算h矩陣，該兩個(gè)點(diǎn)對(duì)，即四個(gè)點(diǎn)的坐標(biāo)分別為：(xr0,yr0)、(xr1,yr1)、(xt0,yt0)和(xt1,yt1)。利用最小二乘法原理計(jì)算旋轉(zhuǎn)平移變換矩陣h，需要求h矩陣的3個(gè)未知數(shù)：旋轉(zhuǎn)角度θ和平移量dx、dy，把testset當(dāng)中的兩個(gè)點(diǎn)(xt0,yt0)和(xt1,yt1)經(jīng)過h矩陣做旋轉(zhuǎn)和平移變換之后得到對(duì)應(yīng)的映射點(diǎn)和

即為

即為

為了使經(jīng)過h矩陣旋轉(zhuǎn)平移之后的兩個(gè)映射點(diǎn)與refset當(dāng)中的兩個(gè)匹配點(diǎn)(xr0,yr0)、(xr1,yr1)之間的偏差最小，即達(dá)到最小，應(yīng)該使error對(duì)于旋轉(zhuǎn)角度θ和平移量dx、dy的偏導(dǎo)數(shù)均為零。

error＝(xt0·cosθ-yt0·sinθ+dx-xr0)²+(xt0·sinθ+yt0·cosθ+dy-yr0)²+(xt1·cosθ-yt1·sinθ+dx-xr1)²+(xt1·sinθ+yt1·cosθ+dy-yr1)²

由得，

解得

由得，

解得

由得，

把dx和dy表達(dá)式代入得，

(2xt0·cosθ-2yt0·sinθ-xt0·cosθ+yt0·sinθ+xr1-xt1·cosθ+yt1·sinθ-xr0)·(-xt0·sinθ-yt0·cosθ)++(2xt0·sinθ+2yt0·cosθ-xt0·sinθ-yt0·cosθ+yr1-xt1·sinθ-yt1·cosθ-yr0)·(xt0·cosθ-yt0·sinθ)++(2xt1·cosθ-2yt1·sinθ+xr0-xt0·cosθ+yt0·sinθ-xt1·cosθ+yt1·sinθ-xr1)·(-xt1·sinθ-yt1·cosθ)++(2xt1·sinθ+2yt1·cosθ+yr0-xt0·sinθ-yt0·cosθ-xt1·sinθ-yt1·cosθ-yr1)·(xt1·cosθ-yt1·sinθ)＝0

化簡得

[sinθ·(yt1-yt0)+cosθ·(xt0-xt1)+(xr1-xr0)]·(-xt0·sinθ-yt0·cosθ)++[sinθ·(xt0-xt1)+cosθ·(yt0-yt1)+(yr1-yr0)]·(xt0·cosθ-yt0·sinθ)++[sinθ·(yt0-yt1)+cosθ·(xt1-xt0)+(xr0-xr1)]·(-xt1·sinθ-yt1·cosθ)++[sinθ·(xt1-xt0)+cosθ·(yt1-yt0)+(yr0-yr1)]·(xt1·cosθ-yt1·sinθ)＝0

合并化簡以及利用sin²θ+cos²θ＝1得

(xr1-xr0)·(-xt0·sinθ-yt0·cosθ)+(yr1-yr0)·(xt0·cosθ-yt0·sinθ)++(xr0-xr1)·(-xt1·sinθ-yt1·cosθ)+(yr0-yr1)·(xt1·cosθ-yt1·sinθ)＝0

整理得

即

特例是①當(dāng)時(shí)，②當(dāng)時(shí)

獲取旋轉(zhuǎn)平移變換矩陣就能夠通過以下步驟e構(gòu)成一致集。

e.如圖1所示步驟106，借助旋轉(zhuǎn)平移變換矩陣從測試圖像粗匹配點(diǎn)集和模板圖像粗匹配點(diǎn)集篩選點(diǎn)對(duì)構(gòu)成一致集；

如果一致集內(nèi)點(diǎn)對(duì)數(shù)量不小于設(shè)定的一致點(diǎn)對(duì)數(shù)量閾值，進(jìn)行步驟f；否則進(jìn)行步驟i；

本發(fā)明優(yōu)選實(shí)施例，步驟e構(gòu)成一致集及判斷圖像匹配的具體方案是，所述步驟e包括如下分步驟，

e1.對(duì)測試圖像粗匹配點(diǎn)集內(nèi)所有點(diǎn)逐個(gè)執(zhí)行以下步驟，

e11.將當(dāng)前點(diǎn)的坐標(biāo)通過旋轉(zhuǎn)平移變換矩陣映射為映射點(diǎn)坐標(biāo)，

計(jì)算當(dāng)前點(diǎn)在模板圖像粗匹配點(diǎn)集內(nèi)的對(duì)應(yīng)點(diǎn)坐標(biāo)與映射點(diǎn)坐標(biāo)的偏差絕對(duì)值之和作為點(diǎn)對(duì)偏差值，

e12.如果所述點(diǎn)對(duì)偏差值小于設(shè)定的一致集閾值，將該點(diǎn)以及與該點(diǎn)對(duì)應(yīng)的模板圖像粗匹配點(diǎn)集內(nèi)的點(diǎn)作為一對(duì)點(diǎn)對(duì)加入一致集；否則，不加入一致集；

當(dāng)測試圖像粗匹配點(diǎn)集內(nèi)所有點(diǎn)都經(jīng)過分步驟e11至e12之后，就獲得一致集以進(jìn)行分步驟e2，

e2.對(duì)于經(jīng)過上述分步驟e1得到的一致集，如果一致集內(nèi)點(diǎn)對(duì)數(shù)量大于設(shè)定的一致點(diǎn)對(duì)數(shù)量閾值，進(jìn)行步驟f；否則進(jìn)行步驟i。

本發(fā)明優(yōu)選實(shí)施例，根據(jù)已經(jīng)計(jì)算出來的旋轉(zhuǎn)平移變換矩陣h矩陣尋找一致集consensusset。對(duì)于已經(jīng)匹配上的refset和testset當(dāng)中的點(diǎn)對(duì)，即粗匹配得到的點(diǎn)對(duì)，把每個(gè)點(diǎn)對(duì)的testset上的點(diǎn)使用h矩陣映射之后的坐標(biāo)與refset上對(duì)應(yīng)的點(diǎn)的坐標(biāo)的偏差的絕對(duì)值之和，得到err＝|xri-xti·cosθ+yti·sinθ-dx|+|yri-xti·sinθ-yti·cosθ-dy|。

設(shè)置一致集閾值為4，即當(dāng)?shù)趇個(gè)點(diǎn)對(duì)的err<4的時(shí)候則第i個(gè)點(diǎn)對(duì)就加入一致集當(dāng)中。

通過獲取的一致集即可判斷圖像是否匹配，對(duì)于本發(fā)明優(yōu)選實(shí)施例，就是判斷指紋是否吻合，即以下步驟f，

f.如圖1所示步驟107，判斷測試圖像與模板圖像匹配。

本發(fā)明圖像識(shí)別隨機(jī)取樣一致ransac算法的終結(jié)點(diǎn)是如下步驟j，

j.如圖1所示步驟110，算法結(jié)束。

上述圖像識(shí)別隨機(jī)取樣一致ransac算法已經(jīng)完成粗匹配點(diǎn)去偽存真，即圖像比對(duì)甄別過程。作為拓展，為了實(shí)現(xiàn)圖像拼接，增加旋轉(zhuǎn)平移變換矩陣的準(zhǔn)確度，再使用一致集當(dāng)中的所有點(diǎn)對(duì)重新更新所求出來的旋轉(zhuǎn)平移變換矩陣，即h′矩陣，使用該更新的旋轉(zhuǎn)平移變換矩陣，h′矩陣進(jìn)一步提高圖像比對(duì)精度，實(shí)現(xiàn)圖像拼接，擴(kuò)大模板圖像范圍。因而如圖1所示，在上述步驟f與步驟j之間還可以加入如下步驟，

g.如圖1所示步驟108，使用一致集內(nèi)的點(diǎn)對(duì)計(jì)算更新的旋轉(zhuǎn)平移變換矩陣。

本發(fā)明優(yōu)選實(shí)施例，使用一致集當(dāng)中的所有點(diǎn)對(duì)重新計(jì)算更新的旋轉(zhuǎn)平移變換矩陣，即h′矩陣。設(shè)一致集consensusset當(dāng)中匹配點(diǎn)對(duì)的對(duì)數(shù)為n+1，即點(diǎn)對(duì)的下標(biāo)分別從0到n。

為了使經(jīng)過h′矩陣旋轉(zhuǎn)平移之后的n+1個(gè)映射點(diǎn)與refset當(dāng)中的n+1個(gè)匹配點(diǎn)(xr0,yr0)、(xr1,yr1)、……、(xrn,yrn)之間的偏差最小，即誤差函數(shù)歐式距離的平方和達(dá)到最小，應(yīng)該使error對(duì)于旋轉(zhuǎn)角度θ和平移量dx、dy的偏導(dǎo)數(shù)均為零。即對(duì)

error＝(xt0·cosθ-yt0·sinθ+dx-xr0)²+(xt0·sinθ+yt0·cosθ+dy-yr0)²+(xt1·cosθ-yt1·sinθ+dx-xr1)²+(xt1·sinθ+yt1·cosθ+dy-yr1)²+………+(xtn·cosθ-ytn·sinθ+dx-xrn)²+(xtn·sinθ+ytn·cosθ+dy-yrn)²，

由得，

解得，

即，

由得，

解得，

即，

由得，

把dx′和dy′表達(dá)式代入得，

合并化簡以及利用sin²θ+cos²θ＝1得，

整理合并同類項(xiàng)得，

等式左右兩邊同時(shí)乘以一致集當(dāng)中的點(diǎn)對(duì)數(shù)量n+1，整理得，

將包含sin函數(shù)的多項(xiàng)式放在等號(hào)左側(cè)，包含cos函數(shù)的多項(xiàng)式放在等號(hào)右側(cè)，等號(hào)左側(cè)的sin函數(shù)的系數(shù)為，

等號(hào)右側(cè)cos函數(shù)的系數(shù)為，

令

sin和cos函數(shù)的系數(shù)a、a1、b、b1可以使用兩個(gè)for循環(huán)實(shí)現(xiàn)，其中a1和b1在里面的for循環(huán)(對(duì)k從0到n循環(huán))之內(nèi)累加計(jì)算，a和b在外面的for循環(huán)(對(duì)i從0到n循環(huán))之內(nèi)和里面的for循環(huán)之外累加計(jì)算。

即

結(jié)合前面計(jì)算出的平移量dx′和dy′，構(gòu)造出更新的旋轉(zhuǎn)平移變換h′矩陣，

運(yùn)用更新的旋轉(zhuǎn)平移變換h′矩陣能夠?qū)崿F(xiàn)圖像拼接，即以下步驟i，

i.借助更新的旋轉(zhuǎn)平移變換矩陣，將測試圖像特征點(diǎn)集內(nèi)的點(diǎn)映射為更新的拼接特征點(diǎn)，將拼接的特征點(diǎn)加入到模板圖像特征點(diǎn)集內(nèi)。

本發(fā)明優(yōu)選實(shí)施例，如圖1所示步驟109，把待測試的指紋圖像當(dāng)中的特征點(diǎn)經(jīng)過如下旋轉(zhuǎn)平移變換即可拼接到模板指紋圖像中。

是(xt0,yt0)點(diǎn)坐標(biāo)經(jīng)過旋轉(zhuǎn)平移變換h′后加入模板指紋圖像的特征點(diǎn)坐標(biāo)。

對(duì)于待測試圖像中的特征點(diǎn)經(jīng)過更新的旋轉(zhuǎn)平移變換h′矩陣映射過去之后的坐標(biāo)與匹配點(diǎn)之間的偏差小于一定閾值的這些點(diǎn)對(duì)不做拼接。

當(dāng)今手機(jī)市場上需求的指紋識(shí)別芯片很多是小面積的，每次錄入模板里的指紋信息往往只占手指的一小部分，在兩幅圖像進(jìn)行匹配之后，如果匹配得分很高，即本算法當(dāng)中的一致集consensusset里面的匹配點(diǎn)對(duì)的對(duì)數(shù)n+1數(shù)值很大，則可認(rèn)為這兩幅圖像來源于同一個(gè)真實(shí)手指，使用計(jì)算出來的更新的旋轉(zhuǎn)平移變換h′矩陣可以把兩幅圖像拼接在一起成為一幅比較大的含有真實(shí)手指的更多特征點(diǎn)的指紋圖像做為模板。同時(shí)，本發(fā)明也有助于指紋識(shí)別芯片后續(xù)的學(xué)習(xí)功能，即不斷增加真實(shí)手指的指紋信息以及根據(jù)冬季夏季手指濕潤干燥的細(xì)微變化使用手指的最新狀態(tài)信息更新替換舊信息，從而有效改善拒真率，使芯片更加智能。

在android系統(tǒng)中實(shí)驗(yàn)表明：五百個(gè)以內(nèi)的匹配點(diǎn)對(duì)中去偽存真精確求取h矩陣的時(shí)間小于兩毫秒，并且實(shí)驗(yàn)表明，本發(fā)明圖像識(shí)別隨機(jī)取樣一致ransac算法計(jì)算出的旋轉(zhuǎn)平移變換h矩陣不僅比較準(zhǔn)確、速度較快，而且很穩(wěn)定，每次計(jì)算結(jié)果不會(huì)隨機(jī)波動(dòng)。