（系统分析与集成专业论文）基于多分类器的指纹识别系统及伪特征跟踪的研究.pdf

两l lr 业大学7 面i j 论迂 摘要 准确的个人身份识别在现代网络化社会中是一个极为重要的课题。生物特征 识别作为一个以识别对象的物理或生理特征为识别手段的识别方法，在很多需要 高置信度的应用备件下被广泛的应用。指纹识别作为生物特征识别的一个重要的 研究方向，由于其应用历史的悠久和在刑事侦查方向的应用被给与了广泛的关 注。 由于各个关于细节的指纹模版所给出的信息有限，需要寻找一种新的模版来 进行识别。在指纹的研究中主要分为两个大类：1 全局特征的研究，2 细节特征 的研究。两个方面的研究在现实中都有自己的理论和现实的依据。但是这两种方 案由于各自不同的算法往往不能在同一指纹识别系统中实现。本文基于模式识别 中关于分类器的研究，对比了基于多个分类器的指纹识别方式。在伪节点的消除 方法研究上，对于图像线性缺失的跟踪提出了一种简单有效的算法。这种方法同 样可以使用在对于指纹的伤痕及褶皱的确定，结合前面所述的多分类器方法的概 念，给出了在特定条件下指纹识别的一种新方法。实验表明算法是有效的。同时 我们的方法也可以给出由于划痕造成的取像器错误。 关键字：生物识别、细节特征、分类器、多分类器融合、伪节点、线性缺失、跟 踪算法 两北1 二业大学顺士论文 a b s t r a c t a c c u r a t ea u t o m a t i cp e r s o n a li d e n t i f i c a t i o ni sc r i t i c a li nav a r i e t yo fa p p l i c a t i o n s i no u re l e c t r o n i c a l l yi n t e r c o n n e c t e ds o c i e t y b i o m e t r i c s w h i c hr e f e r st oi d e n t i f i c a t i o n b a s e do np h y s i c a lo rb e h a v i o r a lc h a r a c t e r i s t i c s ，i sb e i n gi n c r e a s i n g l ya d o p t e dt o p r o v i d ep o s i t i v ei d e n t i f i c a t i o n w i t hah i g hd e g r e eo fc o n f i d e n c e a m o n ga 1 1t h e b i o m e tr i c t e c h n i q u e s ，f i n g e r p r i n t b a s e da u t h e n t i c a t i o ns y s t e m sh a v er e c e i v e dt h em o s t a t t e n t i o nb e c a u s eo ft h el o n gh i s t o r yo ff i n g e r p r i n t sa n dt h e i re x t e n s i v eu s ei n f o r e n s i c s d n et ot h el i m r e da m o u n to fi n f o r m a t i o np r e s e n ti nt h em i n u t i a e - b a s e d r e p r e s e n t a t i o n ，i ti sd e s i r a b l et oe x p l o r ea l t e r n a t i v er e p r e s e n t a t i o n so ff i n g e r p r i n t s t h e r e s e a r c ho nf i n g e r p r i n tm a i n l yb a s e do nt w oc a t e g o r i e s ：( i ) m i n u t i a e b a s e d ，a n d ( 田 g l o b a l b a s e d b e c a u s eo ft h e r ed i f f e r e n tt h e o r e t i c sa n da p p l i c a t i o n s ，n o r m a l l yt h e y c a n tb er e a l i z e di n t oo n es y s t e m b a s e do nt h er e s e a r c ho nc l a s s i f i e r ，w ec o m p a r e d m u l t i c l a s s i f i e rf i n g e r p r i n ts y s t e m t oe l i m i n a t ef a l s em i n u t i a ep o i n t ，w ep u r p o s e da n a l g o r i t h mo nt r a c i n gt h el i n e a rm i s s i n go ft h ei m a g e t h i sa l g o r i t h mc a l lb eu s e dt o 1 0 c a t et h es c a r sa n da l g a b a s e do nt h ec o n c e p t i o no ft h em u l t i c l a s s i f i e r ，w ep u r p o s e an e wm e t h o df o rf i n g e r p r i n ti d e n t i f i c a t i o n t h ee x p e r i m e n ts h o w st h a ti ti se f f e c t i v e b vf h em e a nt i m et h i sa l g o r i t h mc o u l da l s ot ob eu s e do nl o c a t i n gt h es c a r so nt h e s e n s n l _ k e y w o r d s ：b i o m e t r i c s ；m i n u t i a ep o i n t ，c l a s s i f i e r ，m u l t i - c l a s s i f i e r ，f a l s em i n u t i a ep o i n t ， l i n e a rm i s s i n g 1 i n e a rm i s s i n gt r a c i n g 西北工业大学 学位论文知识产权声明书 本人完全了解学校有关保护知识产权的规定，即：研究生在校攻读学位 期间论文工作的知识产权单位属于西北工业大学。学校有权保留并向国家有 关部门或机构送交论文的复印件和电子版。本人允许论文被查阅和借阅。学 校可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用 影印、缩印或扫描等复制手段保存和汇编本学位论文。同时本人保证，毕业 后结合学位论文研究课题再撰写的文章一律注明作者单位为西北工业大学。 保密论文待解密后适用本声明。 学位论文作者签名 2 0 0 6 年3 月2 t 日 指导教师签名： 2 0 0 6 芷 雄瞄 3 月2 1 日f 西北工业大学 学位论文原创性声明 秉承学校严谨的学风和优良的科学道德，本人郑重声明：所呈交的学位 论文，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文 中已经注明引用的内容和致谢的地方外，本论文不包含任何其他个人或集体 已经公开发表或撰写过的研究成果，不包含本人或他人己申请学位或其它用 途使用过的成果。对本文的研究做出重要贡献的个人和集体，均已在文中以 明确方式标明。 本人学位论文与资料若有不实，愿意承担一切相关的法律责任。 学位论文作者签名 2 0 0 6 年3 月2 1 日 西北丁业人学硕上论文 1 1 自动识别技术 第一章概述 随着电子银行，电子商务的迅速发展储存在各种各样的数据库内信息的安全 性和保密性变得十分的重要。身份的识别自然成为了一个非常重要的课题。准确 的身份识别技术具有极其广泛的应用前景，比如护照，3 g 手机，自动售货机， 驾照等等。传统的基于密码的( p a s s w o r d o rp e r s o n a li d e n t i f i c a t i o nn u m b e r 但i n ) ) 或者基于唯一性的( 护照，驾照，身份证) 的识别很容易出错，密码很可能忘记 或者破攻击；证件也可能丢失或者失窃。所以在现在的信息社会中传统的保密机 制已经不适应电子化的信息安全机制了。所以说一个比较完善的自动识别系统需 要有生物特征识别的部分。于是，一个简便安全的身份识别系统一定会将上述三 种识别方法综合运用。而本文主要研究的问题是采用生物特征识别的身份识别系 统，其中基于指纹的识别系统是我们主要的研究方向。 1 2 生物特征识别 生物特征识别的定义是指采用个体的生理或者行为习惯特征作为识别特征 的一种方澍“。因为生物特征具有唯一性，不可能被遗忘或者丢失，而且在一般 的情况下授权人必须亲自接受系统识别。所以说它的应用相比于传统的基于密码 和证件的技术要更为可靠以及更容易被接受。 但同时生物特征识别同样有其不利的一面。举例而言，密码和身份证都有可 能泄露，但是也比较容易替换。可是如果生物特征被泄露，而替换是不可能的。 使用者可以为不同的账户启用不同的密码，那么当一个账户的资料被泄露的时 候，其他的账户仍然可以认为是安全的。但是如果使用者的生物特征出现了泄漏 的情况，那么所有的基于这种特征的安全机制都将受到威胁。 在所有的生物特征( 如：面部特征、指纹特征、掌纹特征、虹膜特征、视网 膜特征、声纹特征、形态特征、耳廓特征、体味特征等等【2 】) 中基于指纹的识别 技术无疑是最为成熟的技术。 1 2 1 生物特征识别的应用 生物特征在司法刑事侦查中应用非常的广泛，比如说罪犯生物特征识别是一 个最为被认同的例子【3 1 。同样，随着现代电子化信息社会的发展，如电子银行， 两此t 业人学坝i 论上 电子商务以及一些门禁的发展要求，生物特征识别在这些领域中也发挥着越来越 多的作用。尤其是迅速发展的电子银行，电子商务，电子流通领域，成为了生物 特征识别技术的一个重要的应用方向。在这些应用包括了信用卡及其他银行卡的 安全性，a t m 的安全性，支票以及现金的流通安全，在线销售以及网页进入权 限等等。传统的门禁制度一般是应用证件的机制来确定进入者的权限。然而在生 物特征技术的发展下，这些领域很快的应用了生物特征的识别技术。远程的登陆 或者数掘访问的权限，一般也采用的是用户名密码机制，而在一些高级的应用上 生物特征识别也成为了一个必不可少的检验机制。其他的生物识别技术的应用包 括了身份证的验证，移民检查，社会福利的发放，投票，驾照以及出勤监测等等。 1 3 指纹特征识别 指纹是指人体手指皮肷上的乳突状花纹纹线，其中最为常用的是手指上第一 指节的纹线【3j 。人们使用指纹进行个人身份鉴定已经有很长的历史。早在公元6 5 0 年，唐代作家贾公秀在其作品中就着重提到了指纹是确认个人身份的方法1 4 1 。我 国将指纹应用于民l 日j 契约及断案有悠久的历史，但是由于缺乏专门性研究，未能 将指纹识别技术上升为一门科学。现代指纹识别起源于1 6 世纪后期。苏格兰医 生h e n r yf a u l d 于1 8 8 0 年l o 月2 8 日首次在英国( ( n a t u r e ) ) 上发表论文蟑j ，指出 指纹人各不同，恒久不变，并利用现场指纹来鉴定罪犯。接着，w i l l i mh e r s c h e l 也在( ( n a t u r e ) ) 上发表了他本人关于指纹研究2 0 多年来的成果，从此揭开了现 代指纹识别的序幕。1 8 9 2 年，英囡s i rf r a n c i sg a l t o n 对指纹进行了系统地研究p j ， 并提出了指纹细节特征分类，将指纹分为螺旋型( w h o r l ) 、环形( 1 0 0 p ) 、弓形( a r c h ) 三大类，使指纹识别应用进入了一个崭新的时期。1 8 9 9 年，英国e d w a r d h e n r y 建立了著名的h e n r y 指纹分类系统并于1 9 0 1 年被英国政府正式采用，随后西方 各国亦相继采用，指纹识别应用正式走上了科学化道路1 5j 。随着电子计算机的出 现，采集技术的发展以及对指纹识别的研究，人们逐渐将人工的指纹识别向指纹 自动识g l j ( a u t o m a t e df i n g e r p r i n ti d e n t i f i c a t i o ns y s t e m ) a f i s 转变。美国最早于1 9 6 3 年首先开展有关软件的研制，于1 9 7 5 年成功推出第一个商业化系统p r i n tr a k 2 5 0 。 日本在1 9 7 5 年歼始进行研究，并于1 9 8 2 年将n e c a f i s 投入使用呤i 。我国也在 8 0 年代仞对指纹识别展丌研究。随着越束越多的电子设备进入人们同常生活以 及互联网的兴起计算机、a t m 、门禁控制、各种智能卡对个人安全，方便的 身份识别技术要求越束越高，人们迫切需要有准确、安全、方便的识别技术。而 指纹识别由于具有唯一性、稳定性使得其在安全领域得到了广泛的应用。 两北t 业火车顺 论土 1 3 1 指纹识别的基本特征 1 全局特征 总体特征是指那些可以用人眼直接就可以观察到的特征，包括 纹形 c o r e抽】翰d e l t ak c o 孵 ( 弓型) ( 环型)( 螺旋型) 其他的指纹图像大都基于这三种基本纹形图像。仅仅依靠纹形来分辨指纹 是远远不够的。这只是一个粗略的分类，通过更详细更精确的分类可以使得在大 数据库中收寻指纹更为方便快捷。 模式区 模式区上一指指纹上包括了总体特征的区域，既从模式 区就能够分辨出指纹是属于那一种类型的。 核心点 核心点位于指纹纹路的渐进中心，它在读取指纹和比对 指纹是作为参考点。“核心点”思想对于开发指纹识别算法具有 重要意义。 三角点 三角点位于从核心点丌始的第一个分叉点或者断点，或 者两条纹路会聚处、孤立点、转折点，或者指向这些奇异点。 三角点提供了指纹纹路的计数跟踪的开始之处。 紧餐 两北t 业大学琐f - 硷直 纹数 纹数是指模式区内指纹纹路的数量。在计算指纹的纹 数时，一般先连接核心点和三角点，这条连线与指纹纹路相交 的数量急可认为是指纹的纹数。 2 局部特征( 细节特征) 局部特征是指指纹上的节点的特征，这些具有某种特征的节点称为特征点。 两枚指纹常常会具有相同的总体特征，但它们局部特征的特征点却不可能完全相 同。指纹纹路并不是连续、平滑笔直的，而是经常出现中断、分叉或转折。这些 断点、分叉点和转折点就成为“特征点”。就是这些特征点提供了指纹唯一性的 确认信息。 有以下几种纹路节点类型可以成为特征点，其中最典型的是终结点和分 叉。 终结点( e n d i n g ) 一条纹路在此终结。 路。 分叉点( b i f u c a t i o n ) 一条纹路在此分开成为两条或更多纹 分歧点( r i d g ed i v e r g e n c e ) 两条平行的纹路在此分开。 孤立点 ( d o to ri s l a n d ) 一一条特别短的纹路，以至于成为 一螽。 环点( e n c l o s u r e ) 一条纹路分开成为两条之后，立即又 合并成为一条，这样形成的一个小环称为环点。 短纹( s h o r tr i d g e ) 一端较短但不至于成为一点的纹路。 另外，如纹路节点处的方向，切线及曲率和位置等几个参数也很重要。在 一些文献上也有应用这类特征作为识别特征的方法。特征点的位置是通过( x ，y ) 坐标柬描述的，可以是绝对，有可以是相对于三角点或特征点的。以不同的识别 方式应用不同的描述。 4 两1 丁业大学坝1 论，( 1 3 2 指纹识别技术的要求 现在比较成熟的指纹识别方案，主要基于指纹的一些细节特征。将两个不同 的指纹提取相关的细节，将细节的特征抽取特征值，在一些人为规定的匹配率的 条件下进行比较。但是指纹细节特征的选取与特征的比较方案在一定的程度上具 有很大的相关性。同时一般意义下的匹配率是指判别方案在一定的指纹库内的误 拒率和误识率在一个可以接受的程度。 指纹是唯一的生物特性，但是由于现有的取像技术和识别技术的局限下往往 可能产生会类同的指纹。一般来说大约有4 的人由于各种原因不能取得完整的 指纹图像1 “。一般的情况有：( 1 ) 由于汗迹、或污物产生的干扰( 2 ) 手指受伤或由 于工作的原因而产生的指纹损伤( 3 ) 指纹取像过程中产生的干扰( 如：不正确的 指纹输入或由于硬件的原因使得某些部分的不正确输入) 。在1 9 9 3 年d a u b e r t 与 m e r r e l ld o wp h a r m a c e u t i c l s ，i n c 的案子里【7j ，美国高级法院指出必须要建立科学 匝掘的“t 信度标准。同时也给出了可信度评估的几个标准：( 1 ) 是否一个技术或 方法具有统计的意义；( 2 ) 是否能建立一个方法的错误率；( 3 ) 是否能有误识别的 控制并且它是稳定的：( 4 ) 是否公开地进行了检验：( 5 ) 是否被广泛的接受。 同时指纹的识别基于两个非常重要的前提悼j ：( 1 ) 指纹细节是不变的；( 2 ) 指 纹是具有的唯一性。第一个前提在专家的经验观察和解剖学的的意义下被证明 了。晌第二个蓟提却在几个案件中破质疑。在专家的人工观察下指纹的唯一性是 被广泛的接受的。但是基于自动识别下的指纹唯一性却没有被科学的验证。2 0 0 0 年3 月美国司法部承认没有确切的证据表明现有的自动识别指纹是唯一的例。 最仞的指纹识别方法是有一些法院的指纹识别专家确定的。这些识别方法要 么是基于一些明显的标记( 如：基于细节的指纹匹配方法) 或是一些唯一的全局 信息( 如：基于h e n r y 系统的指纹识别) 。 下面介绍几个常用的算法 1 基于细节的识别方法首先确定细节点，然后在待识别指纹中的相应部分 的细节特征与以有的细节特征相对比。一个完好的指纹图形一般有6 0 到8 0 个细 节点【”。但是相同的指纹在不同的指纹获取方法和条件下，指纹图像的细节点个 数也不尽相同。 2 基于图像的表示方法则采用了细节特征的近邻图表示。这样的识别算法 则是基于非精确的图匹配方法。这种方法对于指纹图像的形变和旋转不敏感。 3 基于点特征的表示方法则将细节点表示为二位特征空问上的点。然后应 用模式识别将各个指纹以聚类的方法分类，以达到识别的目的。 4 还有一些自相似方法则是将图像的灰度信息作为特征，然后匹配脊线与 西北工业大学硕士论文 谷线的全局特征信息来确定脊线的方向。 1 4 a f l s 自动指纹识别系统 自动指纹识别( a u t o m a t e df i n g e r p r i n ti d e n t i f y ) 是模式识别领域中最为成熟 的生物鉴定技术，它是集传感器技术、生物技术、电子技术、数字图像处理、模 式识别于一体的技术。一般说柬，自动指纹识别系统( a u t o m a t e df i n g e r p r i n t i d e n t i f ys y s t e m ) a f i s 系统主要由以下部分组成如图1 1 所示。 指级图像 输人 指纺图像 输入 指纹图像 增强 指纹图像 增强 指纹图像 特征 指纹图像 特征 图1 1 指纹识别系统简图 1 4 。1 指纹图像输入 指皱特征 数据库 指纹图像 匹配 指统图像 匹配结果 a f i s 系统中获取指纹图像一般采用两种方式，光学扫描采集和固体传感器 采集。光学扫描采集指纹图像一般采用全反射技术( f t i r ) 。当手指放在棱镜上， 手指的脊和棱镜相接触而谷不和棱镜接触，激光以定角度照射棱镜产生全反 射，由c c d 阵列接收并获耿指纹图像。固体传感器采集图像时，是利用当手指 放在传感器表面，传感器感受接触点并改变电容器的电压从而获取图像。固体传 感器与光学扫描相比具有体积小、集成度高、数字化等特点，但采集范围较小， 而光学扫描在采集范围大小则很少受到限制。最近也出现了超声波传感器采集图 像，它是利用超声波反射测距来采集的，对受污损的指纹图像抗干扰较强，能够 获取比较清晰的指纹图像。指纹图像的性质因采集设备的不同而不同。一般来说， 采集图像为8 位2 5 6 级灰度图，分辨率从2 5 0 d p i 到6 2 5 d p i 不等，图像大小也不 相同，从i 。2 7 c m 2 3 。1 7 5 c m 2 不等。其中一般又以美国f b i 推荐的5 0 0 d p i ，2 。 5 e r a 2 大小图像为标准。 6 西北t 业大享蝴i 论工 1 4 2 指纹图像增强 在指纹图像中脊和谷清晰，可以正确提取出特征点的区域称为良好区域，脊 和谷信息破少数拆痕和污渍破坏，但它们仍然可见且相邻区域可以提供足够的脊 和谷信息的区域称为被破坏可恢复区域。若脊和谷信息被大量噪声破坏，并且相 邻区域无法提供足够的脊和谷信息的区域称为不可恢复区域。前二者一般称为可 恢复区域。指纹图像增强的目的就在于提高可恢复区域的脊信息清晰度同时删除 不可恢复区域。一般束说，图像的增强采用平滑、滤波、二值化、细化等数字图 像处理方法束进行。实际实现时，指纹图像增强一般采用以下几个环节：规格化， 方向图估计，频率图估计，生成模板，滤波。一幅指纹图像经过规格化后，才能 将该图的均值和方差控制在给定范围，以便后续处理。对指纹图像规格化目的是 将该狄度图的方差降低。规格化般采用如下公式： n o ，) = 丛些掣幽如果砸，抄m a r 丝! 二塑! 丝! ! ! 二丝21 否则 v a t 否则其中，n ( i ，) 是规格化后的图像，( f ，) 是源图像，v a t 和m 是图像i 的方差和均值，v a r 和m 。是预设的方差和均值。 方向图估计则计算出指纹图像划分后的每个小区域指纹脊和谷的方向。一般 采如下公式： ，+ 詈一+ 芸 v a i ，_ ，) = 2 g ，( 剐) g ，( 州) ， 壮卜i 忙。一i ，+ 等，+ 詈 哪，) = ( g 沁v ) 一g 沁v ) ) ， “一i ”5 j = 驯糌 其中，指纹图像破划分为w x w 大小的块区域，g ，g ，是点( f ) x 和y 方向上的梯度，口( f ，) 是以点( f ，) 为中心的块区域的方向。 h o n g 等给出了一种详细的求频率估计和生成模板的方法1 。最后通过滤波， 达到指纹图像的增强。指纹图像增强的主要问题是设计合适的滤波器和取得合适 的阂值。指纹图像的一个特点在于许多脊是平行的。利用这个信息，即使当前脊 是不连续的，我们通过观测很小的局部邻域脊的方向，也可以得出该脊的方向， 而在该小邻域内与脊方向不同的点往往j 下是附加了噪声的点。因此，利用这个特 点，可以没计出自适应的匹配滤波器。对于指纹图像的每一个点，根据其邻域信 息，对陔点使用滤波器，滤波器可以使与脊方向相同的点得到增强，而其它不同 方向的点则减弱，从而使得指纹图像的噪声得到抑制，达到图像增强的目的。又 由于每个小区域的方向图往往不同，因此，根据各个区域不同方向，需要采用不 同参数的滤波器，因此，实现时往往采用自适应滤波器。 许多文献对指纹图像增强进行了探讨。c o e t z e e 等对输入的灰度图使用m a r t - h i l d r e t h 边缘算子得到脊边缘图，并采用卷积模板来进行增强【l “。r a n d o l p h 等也 提出了一种使用方向滤波器组来对输入的二值图像来进行增强的方法， o g o r m a n 等由局域脊方向图得出k k 模板系数【”l ，并给出了详细的滤波器设 汁的讨论。s h e r l o c k 等采用了傅立叶滤波器，柬增强指纹图像都取得了较好的效 果【l ”。但是，对于输入指纹图像较差的情况，由于局域的方向图估计难以准确 得到，因此，上述方法存在一定的局限性。h o n g 提出了使用同时具有频率选择 和方向选择g a b o r 滤波器的方法来增强指纹图谢j 。该方法将输入指纹图像通 过一系列的g a b o r 滤波器得到滤波图像，并根据这些滤波图像估计出方向图。这 种方法能够在指纹图像质量很差的情况下取得很好的效果，但是由于其在计算局 部区域方向图时开销很大，难以在网络系统中运行，因此，t t o n g 等提出了改进 后的算法，减少了计算量。 1 4 3 图像的平滑技术 在众多图像平滑技术中，空域平滑一直发展得非常活跃，经过几十年的探索， 已经有多种有效的算法。但是它们都有一个共同的不足，就是算法在平滑噪声的 同时，也模糊了图像的边界和细节。为了解决这一矛盾，t o m i t a 和t s u j i 提出了 一种保边界的算法，该算法采用了5 个矩形邻域模板，每次选择最为平滑的模板 对中心象素点进行处理【”】。因为采用的模扳单一，所以当图像纹理复杂时，处 理效果并不理想。为了克 匣t o m i t a 滤波器的缺点，n a g a o 提出了种新的保边界 平滑算法，他的算法采用了4 个五边形模板、4 个六边形模板和1 个四方形模板， 然后选其方差最小的模板柬平滑中心象素。该算法融入了方向概念，不但有效消 除了噪声，还保护了边界，但是图像平滑后会产生一些伪像。c z e r w i n s k i 等人提 也了一种采用线形模板的多方向中值滤波器【1 7 1o 由于模板细长，保边界的效果 明显，但是去噪效果却不理想。通过对以上平滑算法的分析可以得出以下结论： 西北t 业丈学硕土论文 1 ) 滤波器性能的好坏，很大程度上取决于模板的形状和大小。模板大，利 于去噪却容易模糊边界，丢失细节；模板小，利于保护边界但去噪能力有限。所 以对图像进行平滑，模板选择应该因地制宜，在图像特征集中区域，模板尺度应 该减小，反之摸板尺度加大。 2 ) 模板应具有方向性，即只在图像特征方向上进行平滑，在其垂直方向上 不予处理。 3 ) 模板选择应以方差的大小为标准。因为图像特征集中就意味着灰度跳变 频繁，方差较大；反之，灰度过渡乎缓，方差较小。 这些方法主要是针对离线采集的指纹图像比较合适，对计算机的性能要求比 较高。而对于c m o s 传感器来说，指纹图像质量比较差，对比度小，指纹重叠 区域小，而且处理的是活体实时采集的指纹图像，这就需要些更有效，速度更 快的指纹图像增强算法。 1 4 4 二值化 二值化的目的是把灰度指纹图像变成0 1 取值的二值图像。目前最常用的是 局部阈值法，它能根据图像局部的明暗来调整闽值的大小，效果较好。而这里我 们介绍的方向图二值法进一步地把局部的自适应性和指纹灰度图像的方向统计 信息结合了起来，使二值效果更为优化【1 8 】。该算法首先对图中每一点利用图所 示的9 9 窗口掩模 进行以下计算： p 7 lr 。p 5 。r ： r ，p 7 2p b 2p 5 2 p d 2 p 2p 2 l p 8 2p 2 2 p hp j i p ，。 p i 2p i p “ p 8 3 艮 p p 4 3p 5 p b 3p 7 3 p 。p p i 。p 。p 7 4 图1 29 x 9 窗口掩模 4 s u m 。= 乞( j = l ，2 ，8 ) ，= i s u m = m a x ( s u m d ) 9 两北t 业大学硕i 论史 s u m m m = m i n ( s u m d ) 式中兄代表一点的从度值：s l , l m a 代表某个方向的灰度值之和。点p 的属性则由 下式决定： p + 吾c s “。+ s “。，去骞s “ 当点p 满足上式时，p 为前景点，反之为背景点。 由于方向图二值法充分利用了指纹图像的方向信息，具有很强的抗干扰能 力，对纹线断裂和粘连也有一定的连接和隔离功效，其效果比局部闽值法更胜一 筹。 1 4 5 分割及细化技术 细化处理是指在指纹图像二值化以后，在不影响纹线连通性的基础上，删除 纹线的边缘像素，直到纹线为单像素宽为止【1 9 i 。理想细化后的纹线骨架应该是 原始纹线的中间位置，并保持纹线的连接性、拓扑结构和细节特征。一种好的细 化算法应该满足下列条件： ( 1 ) 收敛性：迭代必须是收敛的。 ( 2 ) 连接性：不破坏纹线的连接性。 ( 3 ) 拓扑性：不引起纹线的逐步吞食，保持原图像的基本结构特性。 ( 4 ) 保持性：保护指纹的细节特征。 ( 5 ) 细化性：骨架纹线的宽度为1 个像素，即单像素宽。 ( 6 ) 中轴性：骨架尽可能接近条纹中心线。 ( 7 ) 快速性：算法简单，速度快。 细化算法的种类很多，按照细化顺序来看主要分为3 类：串行细化、并行细 化和混合细化。其中快速细化算法( q u i c kt h i n n i n ga l g o r i t h m ) 和改进的o p t a 算法 ( i m p r o v e do p t a t h i n n i n ga l g o r i t h m ) 是目前使用较多的两种细化算法。快速细化算 法为4 连通并行细化算法，原理是判断出指纹纹线的边界点并逐步删除。该算法 速度很快，但细化不彻底，细化后的纹线不是单像素宽。改进的o p t a 算法是串 行细化算法，其原理是构造一定的消除模板和保留模板，将二值化后的指纹图像 和模板比较，决定是否删除某点的像素值。这种算法能够基本保证单像素宽，但 细化后会产生很多毛刺。而且实验发现，经过该算法细化的图像在纹线的分叉点 处并不是单像素宽的。如果不加处理，这些不足在以后特征提取的时候就会导致 相当多的伪特征点出现，极大的影响指纹识别的准确性。因此，提出一种效果好 两1 七一广业人二岍 论卫 的指纹图像细化算法就显得尤为重要。 1 4 6 指纹图像特征提取匹配 两幅指纹图像大量地采用基于比对两幅指纹图像的点模式的方法。用来匹配 的点称为特征点。通常指纹特征可以分为两类：细节特征和全局特征点。用来匹 配指纹图像的点称为细节点，在指纹图像拓扑中，它们一般是脊终点和分叉点。 全局特征点包括中心点和三角点。三角点和中心点之间的距离以及脊线的数目一 般认为不会随图像变换、旋转、放大和缩小而改变。因此，往往利用这一特性来 减少匹配时数掘库的搜索空间。 关于全局特征点的提取，已经有许多的方法1 2 0 1 。t 0 u 和h a n k l e y 提出了检测 模拟的无噪声指纹图像的中心点方法；a u s h e r m a n 提出了用傅立叶变换的方法来 获取中心点的方法，但是由于在频域的工作量太大，开销太大：r a o 和k a w a g o e 使用对称语法树柬自动检测这些点，该方法混合了用来降噪的相关方法以及基于 邻域的剪枝方法。上面的方法都在很大程度上依赖于邻域信息的可靠性，但是在 现实中，指纹图像由于前述原因，即使进行了指纹图像增强，也还往往带有噪声， 因此这些方法将不能得到很好的效果。s r i n i v a s a n 和m u r t h y 提出了在邻域中使用 方向直方图的方法，用柬平均噪声。由于该算法是由邻域信息和方向直方图推导 提取出特征全局特征点而不是由单个点得出的，因此该方法将允许容忍较大的噪 声。c h i n g t a n gh s i e h 等提出了一种方法来建立描述指纹图像的方向矩阵，利用 二值化，细化，生成方向矩阵，提取方向矩阵然后通过方向矩阵来提取模糊及污 损指纹图像的中心点和三角点并取得了较好的效果。w a im u nk o o 和a l e xk o t 则提出一种了分析指纹图像脊的曲率的方法 2 1 】，同时利用多分辨分析的方法消 除噪声柬检测全局特征点，取得了比较高的准确率。细节特征的提取就是在指纹 图像中找到脊终点和脊分叉两个细节特征。一般说来，如果指纹图像能够很好地 分割，那么对于细节特征提取来说，就仅仅是对细化的指纹图像进行沿脊线的点 的判断。然而，在实践中由于指纹图像本身存在噪声或在提耿特征时，滤波和细 化引入了噪声，我们无法得到完美的指纹图像细化图，在提取特征时会产生一些 虚假细节特征。虚假细节特征的存在会同时提高指纹图像匹配时的误识率和拒识 率。因此，在特征提取时，往往需要进行虚假细节特征删除。一般，采用启发式 算法对虚假特征进行删除。对于一个分叉点的分支如果小于某个给定闽值，就将 其当作毛刺删除；如果脊线的两个端点很近，那么该脊线有可能是噪声引起的， 应删除，在指纹图像边缘的脊终点也应删除。很多文献仅仅针对删除虚假特征提 出了一些简单的关于距离和连接的准则。x i a o 和r a a f a t 则提出了一种利用统计 西北工业大学硕上论文 和结构信息的方法束删除虚假特征| 2 。然而，这些方法在删除虚假特征的同时 乜会删除一些真下的特征，而且难以容忍模糊和低质量的指纹图像。s e o n j o ok i m 等提出了有效的特征提取及删除虚假信息的算法【2 3 】。该算法不仅利用了细节特 征的距离和连接关系，还使用了方向图和脊方向作为处理的依据，取得了较好的 效果。一个典型可靠的细节特征提取算法包括方向估计、分割、脊提取、细节特 征提取及后处理。方向估计如f i 指纹图像增强所述。分割一般采用全局或自适应 闽值束获得指纹图像蓟景。r a t h a 等提出了一种新的有效的分割方法 2 4 1 。脊提取 则一般采用现有的标准细化方法1 2 “。一旦得到细化的脊图，那么根据对脊上的 点的邻域进行检测，很容易就可以得出脊终点和脊分叉。后处理则如前删除虚假 信息所述。r a t h a 等提出了细节特征提取的算法1 2 ，j a i n 等对该算法进行了改进 并取得了较好的效果1 2 “。m a i o 和m a l t o n i 提出了直接从灰度图提取细节特征的 方法，而没有采用二值化和细化等环节【2 ”。t i c o 等也没有应用任何的图像增强 环节，直接对灰度图采用小波变换来提取指纹的细节特征，并取得了较高识别率 【2 引。该算法的高识别率和低计算复杂度很适合在小规模指纹图像库的识别系统 使用。特征提取的结果一般保存为特征模板，它包括脊终点或分叉类型、位置坐 标以及陔特征的方向。一般的指纹图像提取的特征在1 0 1 0 0 之间。大多数文献 均认为至少应该有1 2 个特征点才能进行匹配。 1 4 7 指纹图像匹配 指纹图像匹配就是对两个输入指纹的特征集合( 模板) 判断是否属于同一指 纹。指纹匹配算法方法很多，包括基于图像的匹配、脊模式匹配、点模式匹配及 基于图形的匹配。点模式匹配是预先从指纹图像中提取出的特征点集与输入的待 匹配的指纹图像中提取出的特征点集的匹配。如果两幅指纹图像是匹配的，那么 这两个点集通过某些变换，如旋转、伸缩及平移，可以得到较好的匹配。点模式 研究者提出了许多关于点模式匹配算法。r a n a d e 和r o s e n f e l d 提出了点模式匹配 的松弛算法 2 9 1 。该方法计算匹配变换的可靠度并将可靠度迭代计算，因此计算 速度较慢。点模式匹配也可以从能量最小的角度来描述实现。s t a r i n k 和b a c k e r 使用了模拟退火算法【3 0 】，但计算代价也比较大。a n s a r i 等则采用了遗传算澍”j ， 漆远等也提出了种改进的点模式匹配 3 2 j ，并利用遗传算法及结合利用指纹图 像的结构信息的初匹配算法，提高了匹配的速度，并能容忍一定的噪声，识别残 缺指纹图像。s t o c c k m a n 等提出了基于h o u g h 变换的方法【j ”，将点模式匹配转化 为对转换的h o u g h 空间的峰值检测。然而，如果提取出的特征点少于3 0 ，这种 方法很难在h o u g h 空i 日j 积累足够的证据柬确保可靠的匹配。h r e c h a k 等提出了基 两1 l t 业凡享f 曲l 论上 于结构信息的指纹特征匹配，i s e n o r 等则使用了图匹配的方法来进行指纹图像 匹配【3 ”。由于这些方法利用了指纹的结构信息，因此，在一定程度上克服了噪 声、旋转及变形对指纹识别的干扰。但基于图像的匹配无法容忍大量的脊结构信 息变形干扰，匹配准则依赖于脊提取及其连接信息将导致匹配性能随输入指纹图 像的下降而恶化。因此，一般认为，点模式匹配( 细节特征匹配) 采用很小的特征 模板，却有较高的鲁棒性和快速的匹配算法，是比较合理的方法。在实践中，在 线的指纹识别应用显得特别重要，j a i n 和h o n g 提出了一种可行的在线指纹点模 式匹配方法【2 “。同时采用多种匹配方法也可以提高指纹识别系统的可靠性及识 别率，j a i n 等对3 种不同匹配方法的系统集成进行了讨论，并用以提高指纹识别 系统的性能。 1 5 存在的问题及研究方向 我们的设想是设计一种模式识别的系统可以采用所输入图像的所有信息。当 然在特征的提取和对比的过程中为了简化系统的负荷一些传统的近似算法仍然 是必要的。在这些近似的转换过程中我们力求使得各个阶段都是独立的，从而减 少简化过程对于原始信息的影响。从理论的角度上来说不可能有任何一个简化的 模型能够包含了原始输入的所有信息。那么这样所产生的一个结果就是所有的应 用这类模型而产生的结果都不可避免的受到了算法的人为干扰。尽管从特征的提 取或者是从识别的方面来说这样的算法是有效的，但是仍然产生了信息的错误。 所以我们有理由认为重新比对原始的图像数掘将可以在一定程度上避免这种错 误信息的产生，从而提高系统的识别效率。一般的特征对比算法缺陷是无法给出 缺失信息的具体位置。那么特征的识别算法就会帕应降低误拒率的标准，但是同 时所产生的一个问题就是提高了误识率。这样会导致一些伪信息进入了识别的算 法中，影响识别的效率。那么如何更好的应用原始的指纹图像的信息，甚至于对 于图像中的一些不j 下确的输入信息的利用就是本文的出发点。 西北t 业大学硕上论文 第二章指纹识别相关方法介绍 2 1 指纹特征模版 由某一特定的指纹图像上提取得各类特征点描述的几个。我们称之为该指纹 的特征模版。最初的指纹特征模版算法的建立是在刑事应用专家在人工识别的基 础上建立的。这些算法要么是基于局部特征的( 基于指纹细节点的对比系统) 要 么就是基于全局特征的( 如基- 于h e n r y 系统的指纹分类) 。基于细节的自动识别 系统现确定待识指纹的细节点，然后与以在系统中存贮的指纹细节模版对比以确 定二者的近似关系。一个质量良好的指纹图像一般有6 0 8 0 个细节点【8 j 。当然不 同的指纹在不同的图像质量的前提下所包含的细节点的个数也不尽相同。基于图 算法的指纹模版包含了细节模式特征点的近邻图。算法首先将指纹的细节模式储 存为一个二维点模式。然后采用模糊数学的方法得出两个模版之间的近似关系， 从而识别指纹。基于灰度图的指纹识别技术是将指纹图像的灰度信息作为指纹的 一个全局特征，对比两个模版之间的灰度特征。实际的意义是在相同灰度的意义 下对比两个指纹图像之间脊图像与谷图像的全局一致性。基于全局特征的指纹模 版一般用于指纹的分类。下面我们对于几个有代表性的算法作详细的介绍。 原始图像抽取细节后的图像 图2 1 一个指纹的细节抽取实例( 图中红色的为细节特征点) 2 2 基于点模式匹配的识别算法 点膜式匹配的问题是模式识别中的一个有名的难题【3 6 l 。它是指对于两个含 两北- t 业大学硕上论文 宵小同数量的点集p n ，p ：，以 和q q ：，g ， ，如何找出它们之间的匹配 关系。因此，一个好的点模式匹配算法应该能够有效地解决两个点集间的几何不 变量问题。人们对一般的点模式匹配提出过很多算法。r a n a d e 等人的松弛算法， s k e a 的三角形匹配算法等，这些算法有的只是针对部分几何不变量进行处理， 如松弛算法主要处理点集问的平移，有的计算复杂度太高，如三角形法达到了 。 ”8 】。点模式匹配中的2 个点集j p 和q ，其中j d 从第l 幅图像抽取，由m 个点 特征构成，9 从第2 幅图像抽取，由n 个点特征构成，即j p p l ，岛， 和 o q 。，g ：，吼 。它们之间的匹配就是找到一个校准函数g ( ，f ，s ，口) ，以使两个 点集有最大数量点对之间存在稳定的一一对应关系。即g ( 只) = 吼，而在实际应 用中，点的相对位霄存在误差，g ( n ) 不可能完全等于吼，所以我们一般用 0 g ( 只) 一吼i i d ，d 为允许的变形范围) 来表示q 与p 中点对的对应关系。校准函 数g ( f t ，s ，0 ) 是一个含有4 个参数的仿射变换，其中s 是两幅图像间的伸缩系 数，曰是偏转角度，r ，和f 。分别是沿x 方向和y 方向的位移。目的就是对于2 个 从指纹图像中抽取的细节特征点集，找出它们间的校准函数g ( ，t v , j ，占) 。下面 首先介绍2 个与点模式匹配相关的定理。定理对于点集中的特征点，用x 方向和 y 方向的坐标来描述，即p = ( ，) 。i f = 1 ，肌 ，q = ( h ，) 。p = 1 ，” a 显然，若p 和q 中只有一个点存在对应关系，即校准函数有不定解。如果在点集 p 中有两个点( 只，p ，) 与点集q 中的两个点( 吼，吼) 存在对应关系，且只p ， q 吼，则存在唯一的校准函数g 。该定理的描述如下： 定理1 ( 校准函数唯一性定理) ： 设( 只，p ，) 和( 吼，吼) 是点集p 和g 中的两个点对，且只p ，吼吼，那么 存在唯一的校准函数g ( ，f 。，j ，曰) ，使得吼