專利名稱：基于量子算法的掌紋數(shù)據(jù)庫搜索方法
技術(shù)領(lǐng)域：
本發(fā)明屬于生物特征識別技術(shù)，尤其涉及一種基于量子算法的掌紋數(shù)據(jù)庫搜索方法。
背景技術(shù)：
生物識別技術(shù)在現(xiàn)代社會已經(jīng)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(shù)。掌紋作為一種生物特征，相比較其他生物特征具有很多優(yōu)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(wěn)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(xué)理論和經(jīng)典計算理論完美結(jié)合的產(chǎn)物，由于量 子算法具有量子態(tài)的疊加性，相干性和糾纏性，使得它可以解決一些經(jīng)典的NP問題，并且有很多傳統(tǒng)算法沒有的優(yōu)點。目前為止，公認的最具代表性的量子算法有Shor的大數(shù)質(zhì)因子分解算法以及Grover于1996年提出的數(shù)據(jù)庫搜索量子算法。Grover算法可以從未分類的數(shù)據(jù)庫中指數(shù)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(fā)展階段，研究表明將量子信息和量子計算應(yīng)用到圖像處理方面是可行的。隨著互聯(lián)網(wǎng)和無線通信技術(shù)的發(fā)展，用于生物識別的數(shù)據(jù)庫非常龐大。例如利用犯罪現(xiàn)場采集到的掌紋圖像進行案件偵破的公安系統(tǒng)中，模板掌紋圖像數(shù)據(jù)庫是一個海量的數(shù)據(jù)庫。將采集到的掌紋圖像在此數(shù)據(jù)庫中進行匹配時，如果按照經(jīng)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。

發(fā)明內(nèi)容
本發(fā)明的目的是一種可以克服經(jīng)典掌紋搜索速率低和精度差等缺點的方法。為實現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案，它包括如下步驟(I)采用量子自適應(yīng)中值濾波算法對掌紋進行預(yù)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(jīng)典的自適應(yīng)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(yīng)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(zhuǎn)操作。
(B2)掌紋圖像的維數(shù)決定建立的量子寄存器的個數(shù)。(B3)經(jīng)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(shù)N# 2n，就增加待識 別掌紋的特征向量，最終使得N = 2n。同理，數(shù)據(jù)庫中的一個掌紋圖像的特征向量數(shù)量M# 2m，就增加數(shù)據(jù)庫中的掌紋圖像的特征向量數(shù)量，最終使得M = 2m。相對于經(jīng)典掌紋搜索技術(shù)，本發(fā)明具有以下優(yōu)點I.本發(fā)明所述的掌紋搜索算法對整個掌紋搜索過程都應(yīng)用了量子的相關(guān)算法，對經(jīng)典搜索算法進行了整體性的改進，充分體現(xiàn)了量子算法的相對于經(jīng)典算法的優(yōu)勢。2.量子算法具有并行性計算特性，相對于經(jīng)典計算方法，量子計算的計算速度可以呈指數(shù)倍的增加。將量子傅里葉變換應(yīng)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(yīng)用到掌紋圖像搜索中，可以從掌紋數(shù)據(jù)庫中指數(shù)量級的加速查詢到目標(biāo)掌紋的位置。3.本發(fā)明提出的量子自適應(yīng)中值濾波技術(shù)，不僅可以較好的保留圖像細節(jié)，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(biāo)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。


圖I為掌紋識別流程圖；圖2基于量子算法的掌紋數(shù)據(jù)庫搜索方法原理圖；圖3為掌紋數(shù)據(jù)庫中的一幅掌紋圖像；圖4為經(jīng)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(tǒng)的自適應(yīng)中值濾波算法效果圖；圖7量子自適應(yīng)中值濾波算法效果具體實施例方式本發(fā)明為一種基于量子算法掌紋數(shù)據(jù)庫搜索方法，該發(fā)明方法整個原理圖如圖2所示，系統(tǒng)的工作原理如下所述在掌紋數(shù)據(jù)庫中提取出一幅掌紋圖像如圖3所示，經(jīng)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(jīng)典預(yù)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。本發(fā)明采用量子自適應(yīng)算法對掌紋進行預(yù)處理，此方法是應(yīng)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(jīng)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(yīng)P的量子測量算子，M'是對M的改進，P'是新算法。本發(fā)明中的量子自適應(yīng)中值濾波算法利用的是量子力學(xué)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(yīng)中值濾波技術(shù)，因為它在濾波過程中能根據(jù)運算模板平移位置的圖像局部特征自適應(yīng)地調(diào)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(shù)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(quán)利要求
1.一種基于量子算法的掌紋數(shù)據(jù)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(yīng)中值濾波算法對掌紋進行預(yù)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(quán)利要求I所述的ー種基于量子算法的掌紋數(shù)據(jù)庫搜索方法，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(jīng)典中值濾波方法轉(zhuǎn)換為量子中值濾波算法。
(a2)將歸ー化后的數(shù)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(jù)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(jīng)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(yīng)用量子Hadamrd門操作，將掌紋圖像窗ロ的灰度范圍分布壓縮，產(chǎn)生自適應(yīng)中值濾波模板。
3.如權(quán)利要求I所述的ー種基于量子算法的掌紋數(shù)據(jù)庫搜索方法，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(shù)量根據(jù)掌紋圖像的維數(shù)MXN(M = 2% N = 2b)而定。
(b2)構(gòu)造ー個量子初始狀態(tài)|タ〉，這個狀態(tài)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(tài)上，就可以實現(xiàn)量子并行性計算特性。
(b3)對步驟(b2)的狀態(tài)進行測量，可以等概率的選擇出ー個態(tài)|t> = |kMN/r>，從而就可以將圖像的特征參數(shù)t提取出來。
4.如權(quán)利要求I所述的ー種基于量子算法的掌紋數(shù)據(jù)庫搜索方法，其特征在于，步驟(3)還包括如下步驟 (Cl)定義ー個匹配函數(shù)加,，…￡⑴ Bi和h分別是待識別掌紋圖像和數(shù)據(jù)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(shù)據(jù)庫中建立ー個唯一的索引i。對數(shù)據(jù)庫中掌紋的特征向量集合B中的每ー個特征向量 都在數(shù)據(jù)庫中建立ー個唯一的索引j。
保存索引i，索引j，向量&向量I3j和匹配函數(shù)f。的函數(shù)值。
(c4)將五個寄存器全部初始化為全部初始化為0，即,registerl I りノregister2 I ノregister3 I 0,register4 I 0,register5 將Hadamard變換作用到第一和第二個寄存器上。
(c5)經(jīng)過一次么正操作，待識別的掌紋圖像特征向量以及數(shù)據(jù)庫中的掌紋圖像特征向量加載到量子糾纏態(tài)上，即再經(jīng)過一次么正操作，計算兩個掌紋圖像的匹配函數(shù)f。，即 (c6)應(yīng)用Grover算法中的Oracle算子來對目標(biāo)量子態(tài)進行相位翻轉(zhuǎn),作用效果為當(dāng)捜索到目標(biāo)掌紋吋，它所對應(yīng)的量子態(tài)的相位就會反轉(zhuǎn)。
(c7)對步驟(c6)得到的量子態(tài)的概率幅向量應(yīng)用矩陣D進行么正變換，將目標(biāo)掌紋對應(yīng)的量子態(tài)的尋找范圍大大縮小。放大所要尋找量子態(tài)的概率幅。
5.如權(quán)利要求I所述的ー種基于量子算法的掌紋數(shù)據(jù)庫搜索方法，步驟(I)和步驟(2)所述的方法，其特征在于，對濾波后的掌紋圖像進行ニ值化處理之后，要進行像素翻轉(zhuǎn)，以方便后面的掌紋圖像特征提取。
全文摘要
一種基于量子算法的掌紋數(shù)據(jù)庫搜索方法，分別對掌紋識別中最為重要的三個階段應(yīng)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(yīng)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(yīng)中值濾波算法可以取得比經(jīng)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(yīng)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(jié)被很好保留的基礎(chǔ)上加快掌紋特征提取速度；3)、應(yīng)用量子集合運算和Grover算法來對掌紋圖像進行匹配，本發(fā)明提出的匹配算法只需要N1/2次計算就可以找到目標(biāo)掌紋圖像的位置，而經(jīng)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(biāo)圖像在掌紋數(shù)據(jù)庫中的位置。
文檔編號G06F17/30GK102955855SQ20121044134
公開日2013年3月6日 申請日期2012年10月30日 優(yōu)先權(quán)日2012年10月30日
發(fā)明者李輝, 張展展 申請人:河南理工大學(xué)