本发明涉及机器视觉与生物识别，尤其涉及一种指纹图像匹配识别方法、装置、电子设备及存储介质。
背景技术：
1、在机器视觉与生物识别技术领域中，指纹识别作为一种高效、便捷的身份认证手段，已广泛应用于手机解锁、门禁系统、支付验证等多个场景。随着半导体指纹采集传感器技术的不断发展，小面积指纹图像的获取与处理变得尤为重要，且小面积指纹识别技术广泛应用于对空间要求严格或便携性要求高的场景，如智能手机、可穿戴设备、智能卡等。这些设备通常需要快速、准确地完成用户身份验证。
2、然而，对于小面积指纹图像的识别，由于其包含的信息量有限，且易受噪声和采集条件影响，传统指纹识别算法在面对小面积指纹图像时，往往存在识别效率低、匹配精度不高的问题，尤其在噪声干扰、图像质量不佳的情况下表现更为明显。
3、此外，小面积指纹图像包含的有效信息较少，增加了识别难度，传感器采集过程中可能引入噪声，影响图像质量，传统算法在处理小面积指纹图像时，往往需要进行复杂的计算，导致识别速度下降，在特征点较少或图像质量不佳的情况下，匹配精度容易受到影响。
4、因此，迫切需要一种能够针对小面积指纹图像特性，有效抑制噪声干扰，减少计算量，同时提高识别效率和匹配精度的指纹图像匹配识别方法。
技术实现思路
1、本发明各实施例提供一种指纹图像匹配识别方法，以解决现有技术易受噪声和采集条件影响，识别效率低、匹配精度不高的问题。所述技术方案如下：
2、根据本发明的一个方面，一种指纹图像匹配识别方法，所述方法包括：获取待匹配指纹图像，对所述待匹配指纹图像进行位置预处理和候选点校验得到候选点，根据所述候选点的相对位置得到特征点；采用圆域角度投票法计算所述特征点的无极性方向，通过下采样镜像差分、哈希映射和符号量化得到所述特征点的哈希特征；通过计算所述待匹配指纹图像特征点中每个特征点之间的汉明相似度并进行排序，选择符合设定条件的所述特征点作为候选配对点；通过随机聚类策略计算所述候选配对点之间的匹配变换关系并验证得到配对点个数，若所述配对点个数符合预设条件则所述待匹配指纹图像匹配成功。
3、在其中一个实施例中，对所述待匹配指纹图像分别进行位置预处理和候选点校验得到候选点，根据所述候选点的相对位置得到特征点通过以下步骤实现：采用高斯滤波对所述待匹配指纹图像进行噪声抑制，计算所述待匹配指纹图像的索贝尔梯度和梯度振幅；通过所述梯度振幅和预设阈值对所述待匹配指纹图像进行前背景分割得到指纹前景区域，计算所述指纹前景区域中各像素点的校验向量；根据所述像素点的校验向量得到候选点，通过邻域差分和8邻域相邻条件对所述候选点进行筛选得到特征点。
4、在其中一个实施例中，通过所述梯度振幅和预设阈值对所述待匹配指纹图像进行前背景分割得到指纹前景区域通过以下步骤实现：对所述梯度振幅进行半径为7的均值滤波得到所述待匹配指纹图像各像素点的振幅均值；若所述像素点的振幅均值不小于设定阈值则标记为指纹前景区域；所述设定阈值通过所述待匹配指纹图像的采集传感器的成像分布得到。
5、在其中一个实施例中，根据所述像素点的校验向量得到候选点，通过邻域差分和8邻域相邻条件对所述候选点进行筛选得到特征点通过以下步骤实现：若所述像素点的校验向量中大于等于0的分量个数大于等于3，则标记所述像素点为极大候选点；若所述像素点的校验向量中小于等于0的分量个数大于等于3，则标记所述像素点为极小候选点；若两个所述极小候选点满足8邻域相邻条件，则计算两个所述极小候选点的邻域差分，将所述邻域差分最小的极小候选点作为特征点；若两个所述极大候选点满足8邻域相邻条件，则计算两个所述极大候选点的邻域差分，将所述邻域差分最大的极大候选点作为特征点。
6、在其中一个实施例中，采用圆域角度投票法计算所述特征点的无极性方向通过以下步骤实现：采用圆域角度投票法结合周围像素点的方向信息，计算各所述特征点的无极性方向；对各所述特征点的无极性方向进行带权重的直方图统计和平滑处理对所述无极性方向进行优化。
7、在其中一个实施例中，通过下采样镜像差分、哈希映射和符号量化得到所述特征点的哈希特征通过以下步骤实现：以所述特征点为中心构建正方形特征域，采用下采样镜像差分方法计算所述正方形特征域的中心对称特征向量；利用hadamard矩阵对所述特征向量进行哈希映射，并通过符号量化得到所述特征点的哈希特征。
8、在其中一个实施例中，通过随机聚类策略计算所述候选配对点之间的匹配变换关系并验证得到配对点个数通过以下步骤实现：通过随机聚类策略和设置匹配点对关系，计算所述候选配对点之间的相似变换关系的变换参数；所述变换参数包括相似比、旋转角度和平移参数；根据所述变换参数进行一致性匹配变换，验证所述候选配对点的匹配性得到配对点个数。
9、根据本发明的一个方面，一种指纹图像匹配识别装置，所述装置包括：特征点获取模块，用于获取待匹配指纹图像，对所述待匹配指纹图像进行位置预处理和候选点校验得到候选点，根据所述候选点的相对位置得到特征点特征提取模块，用于采用圆域角度投票法计算所述特征点的无极性方向，通过下采样镜像差分、哈希映射和符号量化得到所述特征点的哈希特征；相似度计算模块，用于通过计算所述待匹配指纹图像特征点中每个特征点之间的汉明相似度并进行排序，选择符合设定条件的所述特征点作为候选配对点；图像匹配模块，用于通过随机聚类策略计算所述候选配对点之间的匹配变换关系并验证得到配对点个数，若所述配对点个数符合预设条件则所述待匹配指纹图像匹配成功。
10、根据本发明的一个方面，一种电子设备，包括至少一个处理器以及至少一个存储器，其中，所述存储器上存储有计算机可读指令；所述计算机可读指令被一个或多个所述处理器执行，使得电子设备实现如上所述的指纹图像匹配识别方法。
11、根据本发明的一个方面，一种存储介质，其上存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行，以实现如上所述的指纹图像匹配识别方法。
12、本发明提供的技术方案带来的有益效果是：
13、在上述技术方案，本发明通过首先获取待匹配指纹图像，对待匹配指纹图像进行位置预处理和候选点校验得到候选点，根据候选点的相对位置得到特征点，采用圆域角度投票法计算特征点的无极性方向，通过下采样镜像差分、哈希映射和符号量化得到特征点的哈希特征，通过计算待匹配指纹图像特征点中每个特征点之间的汉明相似度并进行排序，选择符合设定条件的特征点作为候选配对点，通过随机聚类策略计算候选配对点之间的匹配变换关系并验证得到配对点个数，若配对点个数符合预设条件则待匹配指纹图像匹配成功，通过提取指纹图像中的原点对称哈希特征并设计高效的特征匹配算法，不仅考虑了指纹图像的局部细节，还融入了全局对称性信息，使得特征描述更加全面和准确，提高了匹配的准确性和鲁棒性。实现了对小面积指纹图像的快速、准确识别，不仅减少了计算量，还提高了识别速度和匹配精度，从而能够有效地解决现有技术易受噪声和采集条件影响，识别效率低、匹配精度不高的问题。
1.一种指纹图像匹配识别方法，其特征在于，所述方法包括：
2.如权利要求1所述的指纹图像匹配识别方法，其特征在于，所述对所述待匹配指纹图像进行位置预处理和候选点校验得到候选点，根据所述候选点的相对位置得到特征点，包括：
3.如权利要求2所述的指纹图像匹配识别方法，其特征在于，所述通过所述梯度振幅和预设阈值对所述待匹配指纹图像进行前背景分割得到指纹前景区域，包括：
4.如权利要求2所述的指纹图像匹配识别方法，其特征在于，所述根据所述像素点的校验向量得到候选点，通过邻域差分和8邻域相邻条件对所述候选点进行筛选得到特征点，包括：
5.如权利要求1所述的指纹图像匹配识别方法，其特征在于，所述采用圆域角度投票法计算所述特征点的无极性方向，包括：
6.如权利要求1所述的指纹图像匹配识别方法，其特征在于，所述通过下采样镜像差分、哈希映射和符号量化得到所述特征点的哈希特征，包括：
7.如权利要求1所述的指纹图像匹配识别方法，其特征在于，所述通过随机聚类策略计算所述候选配对点之间的匹配变换关系并验证得到配对点个数，包括：
8.一种指纹图像匹配识别装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括：至少一个处理器以及至少一个存储器，其中，
10.一种存储介质，其上存储有计算机可读指令，其特征在于，所述计算机可读指令被一个或多个处理器执行，以实现如权利要求1至7中任一项所述的指纹图像匹配识别方法。
