基于量子算法的掌紋數據庫搜索方法技術

一種基于量子算法的掌紋數據庫搜索方法，分別對掌紋識別中最為重要的三個階段應用四種不同的量子算法，該搜索算法包括如下步驟：1)、利用量子自適應中值濾波算法來對掌紋圖像進行濾波處理，從濾波效果的對比圖中可以看出，本文利用的量子自適應中值濾波算法可以取得比經典算法更好的濾波處理效果；2)、將基于量子并行性的量子傅里葉變換應用到掌紋圖像特征提取中，只需要一次量子傅里葉變換操作就可以將整個掌紋特征提取出來，通過分析得出本算法在保證掌紋細節被很好保留的基礎上加快掌紋特征提取速度；3)、應用量子集合運算和Grover算法來對掌紋圖像進行匹配，本發明專利技術提出的匹配算法只需要N1/2次計算就可以找到目標掌紋圖像的位置，而經典算法則需要計算N次，而且本算法可以以接近于1的概率找到目標圖像在掌紋數據庫中的位置。

【技術實現步驟摘要】

本專利技術屬于生物特征識別技術，尤其涉及一種。
技術介紹
生物識別技術在現代社會已經越來越重要，它主要包括指紋、人臉、虹膜、掌紋、簽名、聲音等人體特征的識別技術。掌紋作為一種生物特征，相比較其他生物特征具有很多優點，比如可以使用低分辨率的圖像，獲取圖像的裝置價格低，掌紋圖像很難偽造，掌紋圖像的線路特征很穩定等。掌紋圖像的識別主要包括掌紋的分割，歸一化，并去除噪聲，將掌紋圖像二值化以后進行特征提取和匹配，識別過程可以用圖I描述。量子計算和量子信息是將量子力學理論和經典計算理論完美結合的產物，由于量 子算法具有量子態的疊加性，相干性和糾纏性，使得它可以解決一些經典的NP問題，并且有很多傳統算法沒有的優點。目前為止，公認的最具代表性的量子算法有Shor的大數質因子分解算法以及Grover于1996年提出的數據庫搜索量子算法。Grover算法可以從未分類的數據庫中指數量級的加速查詢某個特定元素的量子搜索算法。利用量子算法進行圖像處理目前還處于發展階段，研究表明將量子信息和量子計算應用到圖像處理方面是可行的。隨著互聯網和無線通信技術的發展，用于生物識別的數據庫非常龐大。例如利用犯罪現場采集到的掌紋圖像進行案件偵破的公安系統中，模板掌紋圖像數據庫是一個海量的數據庫。將采集到的掌紋圖像在此數據庫中進行匹配時，如果按照經典的掌紋搜索步驟，搜索時間太長，甚至影響搜索精度，對于案件的偵破帶來很大的難度。因此，找到一種可以加快掌紋搜索速度，提高掌紋搜索精度的方法成為目前亟待解決的問題。
技術實現思路
本專利技術的目的是一種可以克服經典掌紋搜索速率低和精度差等缺點的方法。為實現上述目的，本專利技術采用以下技術方案，它包括如下步驟(I)采用量子自適應中值濾波算法對掌紋進行預處理。(2)采用量子傅里葉變換對濾波處理后的掌紋圖像進行特征提取。(3)利用量子集合運算和量子Grover搜索算法對掌紋圖像進行搜索。在步驟(I)中，還包括(Al)將掌紋圖像信號量子化。(A2)將經典的自適應中值濾波窗口量子化。(A3)對步驟(Al)中每一個量子化的掌紋像素點運用量子Hadamrd門操作，最終生成量子自適應中值濾波模板。在步驟⑵中，還包括(BI)在進行特征提取之前，要對濾波處理后的掌紋圖像進行二值化和像素翻轉操作。(B2)掌紋圖像的維數決定建立的量子寄存器的個數。(B3)經典的特征提取需要(MN) X(PMN)次計算的操作，可以通過一次傅里葉變換操作完成，利用的是量子并行性計算原理。在步驟⑶中，還包括(Cl)如果待識別的掌紋圖像提取出的特征向量個數N# 2n，就增加待識 別掌紋的特征向量，最終使得N = 2n。同理，數據庫中的一個掌紋圖像的特征向量數量M# 2m，就增加數據庫中的掌紋圖像的特征向量數量，最終使得M = 2m。相對于經典掌紋搜索技術，本專利技術具有以下優點I.本專利技術所述的掌紋搜索算法對整個掌紋搜索過程都應用了量子的相關算法，對經典搜索算法進行了整體性的改進，充分體現了量子算法的相對于經典算法的優勢。2.量子算法具有并行性計算特性，相對于經典計算方法，量子計算的計算速度可以呈指數倍的增加。將量子傅里葉變換應用到掌紋圖像的特征提取中，可以極大的加快特征提取速度。將量子Grover算法應用到掌紋圖像搜索中，可以從掌紋數據庫中指數量級的加速查詢到目標掌紋的位置。3.本專利技術提出的量子自適應中值濾波技術，不僅可以較好的保留圖像細節，而且可以有更強的濾波能力。4.利用量子集合運算和量子Grover算法對目標掌紋圖像進行搜索，不僅保證了搜索速度，而且搜索精度也得到了極大的提高。附圖說明圖I為掌紋識別流程圖；圖2原理圖；圖3為掌紋數據庫中的一幅掌紋圖像；圖4為經過分割和歸一化后的掌紋圖像；圖5量子信號處理框架；圖6傳統的自適應中值濾波算法效果圖；圖7量子自適應中值濾波算法效果具體實施例方式本專利技術為一種基于量子算法掌紋數據庫搜索方法，該專利技術方法整個原理圖如圖2所示，系統的工作原理如下所述在掌紋數據庫中提取出一幅掌紋圖像如圖3所示，經過分割和歸一化之后的掌紋圖像如圖4所示。接下來對掌紋圖像進行濾波處理，經典預處理方法主要包括直方圖均衡化法、中值濾波法、均值濾波法和高斯濾波法這四種。本專利技術采用量子自適應算法對掌紋進行預處理，此方法是應用量子信號處理框架建立了一種基于量子測量和坍縮思想的中值濾波原理。量子信號處理框架如圖5所示，X和P為輸入和輸出信號，表示經典信號處理算法，Px:無X和a F分別表示輸入和輸出變換，X和Y為量子信息處理方式表示的輸入和輸出信號，M表示對應P的量子測量算子，M'是對M的改進，P'是新算法。本專利技術中的量子自適應中值濾波算法利用的是量子力學以及量子信息處理的原理，通過Px 尤變化將掌紋圖像信號量子化。這是一種自適應中值濾波技術，因為它在濾波過程中能根據運算模板平移位置的圖像局部特征自適應地調整鄰域的大小(即含多少個元素)和形狀(元素的分布狀)。具體的算法如下所述對于一幅歸一化后的數字掌紋圖像f(m，n) e ，f (m，η)表示掌紋在位置(m，η)處像素的灰度值。f (m, η)和l_f (m, η)分別表示像素(m, η)在灰度取值I和O時的概率。則掌紋的灰度值I和O可以用I 0>和|1>來表示，圖像f(m，η)的量子比特表示形式為權利要求1.一種，其特征在于，包括如下的步驟 (1)采用量子自適應中值濾波算法對掌紋進行預處理。(2)采用量子傅里葉變換對濾波處理后的掌紋圖像進行特征提取。(3)利用量子集合運算和量子Grover捜索算法對掌紋圖像進行捜索。2.如權利要求I所述的ー種，其特征在于，步驟(1)還包括如下步驟 (al)基于量子信號處理框架，將經典中值濾波方法轉換為量子中值濾波算法。(a2)將歸ー化后的數字掌紋圖像中的f (m，n)和l_f (m，n)用來表示灰度取值I和0時的概率。(a3)根據步驟(a2)，將掌紋像素點的灰度值表示成量子比特的形式。(a4)將經典的中值濾波窗ロ表示成量子中值濾波窗ロ的形式。(a5)對步驟(a3)中用量子比特表示的每個像素點應用量子Hadamrd門操作，將掌紋圖像窗ロ的灰度范圍分布壓縮，產生自適應中值濾波模板。3.如權利要求I所述的ー種，其特征在于，步驟(2)還包括如下步驟 (bl)對濾波后的掌紋圖像建立a+b個量子寄存器，并且量子寄存器的數量根據掌紋圖像的維數MXN(M = 2% N = 2b)而定。(b2)構造ー個量子初始狀態|タ〉，這個狀態可以表示掌紋圖像所有像素點為白點的位置，從而將量子傅里葉變換QFT =Uqft I x>作用到這個狀態上，就可以實現量子并行性計算特性。(b3)對步驟(b2)的狀態進行測量，可以等概率的選擇出ー個態|t> = |kMN/r>，從而就可以將圖像的特征參數t提取出來。4.如權利要求I所述的ー種，其特征在于，步驟(3)還包括如下步驟 (Cl)定義ー個匹配函數加,，…￡⑴ Bi和h分別是待識別掌紋圖像和數據庫中的掌紋圖像的一個特征向量，兩個掌紋之間若匹配則 Lfei, bj) = I,否則 Lfei, bj) = O。(c2)對待識別掌紋的特征向量集合A中的每ー個特征向量ai都在數據庫中建立ー個唯一的索引i。對數據庫中掌紋本文檔來自技高網...

【技術保護點】
一種基于量子算法的掌紋數據庫搜索方法，其特征在于，包括如下的步驟：(1)采用量子自適應中值濾波算法對掌紋進行預處理。(2)采用量子傅里葉變換對濾波處理后的掌紋圖像進行特征提取。(3)利用量子集合運算和量子Grover搜索算法對掌紋圖像進行搜索。

【技術特征摘要】

【專利技術屬性】
技術研發人員：李輝，張展展，
申請(專利權)人：河南理工大學，
類型：發明
國別省市：