本发明涉及指纹识别领域，特别是涉及基于脊线修复的非接触式指纹识别方法。
背景技术：
1、非接触式指纹识别在卫生安全性和用户接受度等方面都具有更大的优势相较于接触式采样识别，如其对covid-19传播和接触式指纹样本带来的非线性形变等不利因素可以有效规避。通过总结非接触式指纹的特点，发现相机传感器获得的非接触式指纹采样具有脊、谷线对比度低，指纹局部和边缘模糊的缺点。研究者也为此提出了部分解决方案，如为了降低源图像的模糊程度，使用维纳滤波(the wiener filter)在对图像进行滤波的基础上降噪；采用cb+otsu提取手指区域，其次通过高频强调滤波和迭代自适应直方图均衡化相结合增强图像，最后用简化的gabor滤波二次增强图像。
2、上述方法对于整体的指纹图像清晰度具有一定的提升效果，但仍很难对于指纹脊线和特征点进行高效提取。另一方面，经典的指纹识别方法是基于指纹脊线对应的端点和叉点进行匹配，然而由于非接触式指纹的模糊性，导致了指纹样本预处理后得到的脊谷图中存在冗余和错乱的脊线端点和叉点，进而影响识别效果或识别失败。
技术实现思路
1、针对现有技术中的上述不足，本发明提供的基于脊线修复的非接触式指纹识别方法解决了现有非接触式指纹识别方法中存在冗余和错乱的脊线端点和叉点，进而影响识别效果或识别失败的问题。
2、为了达到上述发明目的，本发明采用的技术方案为：基于脊线修复的非接触式指纹识别方法，包括：
3、s1、通过非接触方式收集手指图像，并进行预处理，得到指纹roi图像；
4、s2、提取指纹roi图像中特征点的坐标信息和角度信息，得到脊线图；
5、s3、使用rmo算法对脊线图进行脊线修复，得到指纹识别图像。
6、进一步地：所述s1包括：
7、s11、通过非接触方式收集手指图像，使用cr+otsu方法对手指图像进行前景背景分割，得到只有前景手指的掩模图像；
8、s12、对只有前景手指的掩模图像进行图像增强，得到图像增强后的手指图；
9、s13、对图像增强后的手指图进行自适应阈值分割，获取指纹roi图像。
10、进一步地：所述s11中，前景背景分割的表示式为：
11、
12、其中，表示前经和背景的标准差；mf和mb分别表示全局均值、前景均值和背景均值；pf和pb分别表示前景占比和背景占比。
13、进一步地：所述s12中，图像增强的表达式为：
14、i(i,j)＝m(i,j)+g×(f(i,j)-m(i,j))-l
15、
16、其中，f(i,j)和i(i,j)分别表示坐标(i,j)点在增强前和增强后的像素值；l和g分别表示亮度调整值和对比度增强系数；m(i,j)和σ(i,j)分别表示坐标点为(i,j)的(2n+1)×(2m+1)局部区域的均值和标准差，n和m均为自然数。
17、进一步地：所述s13中，自适应阈值分割的表达式为：
18、
19、其中，i(x,y)和i'(x,y)分别表示坐标为(x,y)的像素点自适应均值阈值处理前和处理后的灰度值；σsize_k表示坐标为(x,y)的像素点k×k范围内像素点灰度值的和，c表示常数。
20、进一步地：所述s2中，指纹roi图像中特征点的坐标信息通过交叉数得到，其表达式为：
21、
22、其中，cn(p)表示像素点p的交叉数值；p(i)表示p点的邻域像素值；mod表示取余运算。
23、进一步地：所述s3包括：
24、s31、获取脊线图的轮廓信息和极限信息，并计算轮廓周长loutline；
25、s32、判断轮廓周长loutline是否小于阈值throutline：
26、若是，则进入s33；
27、若否，则进入s34；
28、s33、将脊线图的轮廓进行填充，并细化脊线图后进入s34；
29、s34、获取脊线端点所在脊线的长度lm_ridge，并在特征点集合中剔除脊线端点所在脊线的长度lm_ridge小于轮廓周长loutline的脊线端点；
30、s35、计算任意两个特征点的欧式距离dmm，并在特征点集合中剔除欧式距离dmm小于轮廓周长loutline对应的两个特征点；
31、s36、使用特征点集合中剩余的特征点标注出脊线修复后的脊线，得到指纹识别图像。
32、本发明的有益效果为：
33、1.能够有效地在对脊线修复的基础上剔除伪特征点，进而提高特征点信息获取准确性和提升指纹识别效率；
34、2.采用rmo算在不影响指纹脊线原形的情况下，通过定位脊线轮廓和短支脊线，有效的去除了部分混乱的脊线和脊线空洞。
1.基于脊线修复的非接触式指纹识别方法，其特征在于，包括：
2.根据权利要求1所述的基于脊线修复的非接触式指纹识别方法，其特征在于，所述s1包括：
3.根据权利要求2所述的基于脊线修复的非接触式指纹识别方法，其特征在于，所述s11中，前景背景分割的表示式为：
4.根据权利要求2所述的基于脊线修复的非接触式指纹识别方法，其特征在于，所述s12中，图像增强的表达式为：
5.根据权利要求2所述的基于脊线修复的非接触式指纹识别方法，其特征在于，所述s13中，自适应阈值分割的表达式为：
6.根据权利要求1所述的基于脊线修复的非接触式指纹识别方法，其特征在于，所述s2中，指纹roi图像中特征点的坐标信息通过交叉数得到，其表达式为：
7.根据权利要求1所述的基于脊线修复的非接触式指纹识别方法，其特征在于，所述s3包括：
