（机械设计及理论专业论文）基于分类因子的多模式指纹识别技术研究.pdf

浙江大学硕上学位论文基于分类因子的多模式指纹识别技术研究 摘要 指纹识别作为一种生物鉴定技术，在金融、公安、个人安全及防伪等方面 得到了广泛的应用。本文在分析总结国内外已有研究成果的基础上，对指纹识 别模式与算法进行了深入的研究，提出了基于分类因子的多模式指纹识别技术， 开发了测试平台，并对实现的算法进行测试分析。 第一章介绍了生物识别和指纹识别的重要意义以及指纹识别的应用领域， 还介绍了国内外指纹识别技术的研究现状，指出了目前指纹识别中存在的问题。 在此基础上，给出了本文的研究内容和组织结构。 第二章分析了指纹图像的采集技术，介绍了传感器使用的基本要求，并对 三种常用的指纹传感器一光学传感器、半导体传感器和超声波传感器进行总结 和比较。介绍了图像预处理技术的基本知识，实现了指纹图像预处理中的图像 归一化，关键区域提取，滤波，二值化和细化等技术，为后续指纹识别提供了 基础。 第三章研究了多模式指纹识别技术，介绍了多模式指纹识别技术的整体架 构，对现有的三种匹配模式一基于细节点的匹配模式，基于图的匹配模式以及 基于频域的匹配模式进行分析和比较，建立了最终选择的匹配模式。介绍了四 种描绘子，即规则度描绘子，能量集中度描绘子，平行度描绘子和均匀度描绘 子的产生，实现了分类因子的局部整合以及全局整合算法。 第四章研究了基于f m t 与自适应绑定频域带宽的匹配算法，介绍了p o c 算 法和b l p o c 算法的基本原理及其局限性，提出了f m t 算法的旋转配准，自适应椭 圆绑定相关以及峰值能量对比模式的成因，并通过实验证明该算法的有效性。 针对模板注册问题，给出了复合指纹模板的生成算法。 第五章介绍了基于分类因子的多模式指纹识别技术开发测试平台及其总体 框架结构。并介绍了指纹预处理模块，指纹模式导向模块，指纹频域匹配模块， 指纹模板图像生成模块等功能的实现，给出了相应的测试结果。 第六章总结了本文的主要研究内容和成果，并给出了今后进一步的研究展 望。 关键词：多模式指纹识别；分类因子；匹配导向；f m t 算法；椭圆环带绑定；峰 值对比度 浙江大学硕士学位论文基于分类因子的多模式指纹识别技术研究 a b s t r a c t a so n ek i n do fb i o m e t r i c si d e n t i f i c a t i o nt e c h n o l o g y , f i n g e r p r i n tr e c o g n i t i o n t e c h n o l o g yh a sb e e nu s e db r o a d l yi nt h ef i e l d so ff i n a n c e ，p u b l i cs e c u r i t y , i n d i v i d u a l s e c u r i t y ，a n da n t i - c o u n t e r f e i t i n g b a s e do nt h ea n a l y s i sa n ds u r m i s et h er e s e a r c h r e s u l t so fd o m e s t i ca n df o r e i g ns c h o l a r s ，t h i sp a p e rs t u d yt h ef i n g e r p r i n tr e c o g n i t i o n t e c h n o l o g yi na l li n - d e p t hw a y i tp r o p o s e sam u l t i m o d ef i n g e r p r i n tt e c h n o l o g y b a s e do nc l a s s i f i c a t i o nf a c t o r , a n dv a l i d a t ei to nt h et e s tp l a t f o r mb u i l tb yu s i nt h ef i r s tc h a p t e r ，w ei n t r o d u c et h es i g n i f i c a n c eo fb i o m e t r i c sa n df i n g e r p r i n t i d e n t i f i c a t i o nt e c h n o l o g i e s ，s u n lu pt h es t a t u so ff i n g e r p r i n tr e c o g n i t i o na th o m ea n d a b r o a di nr e c e n ty e a r s ，a n dp r o p o s et h er e m a i n i n gp r o b l e m so fi t w ea l s oi n t r o d u c e t h er e s e a r c hc o n t e n ta n do r g a n i z a t i o n a ls t r u c t u r eo ft h i sp a p e r i nt h es e c o n dc h a p t e r ，w ea n a l y s i ss o m ef i n g e r p r i n ta c q u i s i t i o nt e c h n o l o g i e s a n dc o m p a r et h e m t h e nd o i n gr e s e a r c h e so np r e - p r o c e s s i o ns u c ha si m a g e n o r m a l i z i n g ，s e g m e n t a t i o n ，f i l t e r i n g ，b i n a r i z a t i o na n dt h i n n i n ga n da l s oo b t a i nt h e p r o c e s s i n gr e s u l t so fe v e r ys i n g l em o d u l e i nt h et l l i r dc h a p t e r ，w es t u d yo nt h em u l t i m o d ef i n g e r p r i n tt e c h n o l o g y f i r s t i n t r o d u c et h em a i ns t r u c t u r eo fi t ，t h e na n a l y s i sa n dc o m p a r et h et h r e em a t c h i n g m o d e ，f i n a l l yp i c kt w oo ft h e ma so u rm u l t i m o d e a tt h es a m et i m e ，t h i sc h a p t e r d e s c r i b e si nd e t a i lh o wc l a s s i f i c a t i o nf a c t o rb e c o m e s i nt h ef o u r t hc h a p t e r ，w es t u d yo nt h ef m t - b a s e df i n g e r p r i n tr e c o g n i t i o n a l g o r i t h m t h i sc h a p t e r i n t r o d u c e sr o t a t i o n r e g i s t r a t i o n o ff m ta l g o r i t h m ， s e l f - a d a p t e dc o r r e l a t i o na n dp e a ke n e r g ym o d e t h ee x p e r i m e n tr e s u l ts h o w st h e e f f e c t i v e n e s so ft h i sa l g o r i t h m a tl a s t ，g e n e r a t i v ep r o c e s so fc o m p o u n df i n g e r p r i n t t e m p l a t eh a sb e e ni n t r o d u c e d i nt h ef i f t hc h a p t e r ，w ei n t r o d u c et h et e s tp l a t f o r mo fm u l t i m o d ef i n g e r p r i n t r e c o g n i t i o nt e c h n o l o g ya n do v e r a l lf r a m es t r u c t u r eo fi t w ea l s oi n t r o d u c et h e i m p l e m e n t a t i o no fm a i nf u n c t i o nm o d u l e ss u c ha sf i n g e r p r i n tp r e p o s s e s s i n gm o d u l e ， f i n g e r p r i n tm o d ed i r e c t i o nm o d u l e ，f i n g e r p r i n ts p e c t r u m - b a s e dm a t c h i n gm o d u l e a n df i n g e r p r i n tt e m p l a t em o d u l e i nt h el a s tc h a p t e r , s u m m a r i z et h ec o n t e n t sa n dt h ea c h i e v e m e n t so ft h i sp a p e r , t h e np o i n to u tt h ef u r t h e rr e s e a r c hd i r e c t i o n k e y w o r d s ：m u l t i m o d ef i n g e r p r i n tr e c o g n i t i o n ；c l a s s i f i c a t i o nf a c t o r ；m a t c h i n g d i r c c l i u n ；f m ta 1 】吕o r i t i n ；c l l l i l p s cb t “l d i i l g ；p e a kc o n t r 乏t c t i o n n 一 学号： 浙江大学研究生学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得 的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已 经发表或撰写过的研究成果，也不包含为获得逝鎏盘鲎或其他教育机构的 学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示谢意。 学位论睾作者签名：走蛳胡 签字日期：枷留年 铜马日 学位论文版权使用授权书 本学位论文作者完全了解逝姿盘堂有权保留并向国家有关部门或机 构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权逝姿盘鲎 可以将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用 影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名： 签字日期：卯9 年月哆日签字日期：d - o - 扩年石月以日 浙江大学硕士学位论文基于分类因子的多模式指纹识别技术研究 1 1 引言 第1 章绪论 指纹识别技术是最早通过计算机实现的身份识别手段，也是到目前为止应 用最广泛的生物特征识别技术之一。它在过去主要应用于刑侦领域，而近几年 来，它开始慢慢走向更为广泛的民用市场。公元前7 0 0 0 6 0 0 0 年，人们就意识 到了指纹的特点，并开始使用指纹作为个人身份的象征。到了1 9 世纪中叶，人 们开始对指纹进行在科学意义上的研究，并产生了两个重要的结论：( 1 ) 没有 任何两个手指指纹的纹线是一致的；( 2 ) 指纹纹线的形态是终生不变的。这些 研究使得一些政府开始使用指纹进行罪犯鉴别。在现代的科学研究领域，指纹 的识别属于模式识别，通过摄像头提取指纹，然后输入计算机，再通过一系列 复杂的指纹识别算法，就可以在极短的时间内完成任何人的身份识别认证。可 以说，指纹识别实现了身份识别领域的世纪革命。近年来，指纹识别技术已经 日趋成熟，在很多领域都有了广泛的应用。并且随着对身份认证的准确性和识 别的快速性的要求日益提高，指纹识别越来越吸引着人们的目光，所以人们需 要实现准确率更高速度更快的指纹识别系统。 本章主要介绍生物识别以及指纹识别技术的意义，并对指纹识别目前的相 关技术以及指纹识别算法中存在的一些问题进行分析总结。 1 2 生物识别方式与指纹识别的意义 1 2 1 生物识别方式 随着国民经济和社会信息化的飞速发展，金融机构、政府机关、企业以及 个人之间通过互联网r 益紧密地联系在一起，这一方面为信息的共享提供了条 件，另一方面也为心怀叵测的人试图非法获取他人信息提供了机会。因此，如 何自动、高效并且准确的识别人的身份是信息安全领域的重要问题。 传统的自动身份识别方式主要有基于密码的方式和基于令牌的方式【l 】，它 主要依赖两种途径：( 1 ) 持有物，如各种证件；( 2 ) 所了解的信息，如口令或 密码。但是这些方式都具有容易遗忘、丢失、被破译或仿制等缺点，不能满足 当今信息化社会对安全性的更高要求。因此，传统的基于密码的安全机制存在 着很大的问题，并且这一问题会随着社会的发展越来越突出。 为了克服传统身份识别方法的缺点，人们提出了生物识别方式【2 】。生物识 别是指根据人所拥有的生理或行为特征来进行身份识别。生理特征是指人身体 上某一部分的属性，而行为特钲是指人器官的习惯性运动所产生的结果生物 识别依赖于人体的固有属性，不存在遗忘、丢失等问题，而且生物特征具有唯 一性，不会像持有物那样容易被窃取或转移，也不会像密码那样容易被忘记和 破解，因此生物识别在理论上可以实现很高的安全性。用它们来识别人的身份， 浙江大学硕士学位论文基于分类因子的多模式指纹识别技术研究 是目前最安全、最可靠的一种方法，也是当今社会正在研究的最高级别的保安 密码锁系统。生理特征主要包括：指纹、掌型、视网膜、虹膜、脸型、手腕的 血管纹理和d n a 等；行为特征主要包括：签名、语音、行走、击打键盘的力 度等。生物识别现阶段研究最主要的3 种识别方式为指纹识别，人脸识别和虹 膜识别【3 1 。 ( 1 ) 指纹识别。指纹是指手指末端正面皮肤上凸凹不平产生的纹路。这些 纹路的存在增加了皮肤表面的摩擦力，使得我们能够用手来抓起重物。尽管指 纹只是人体皮肤的一小部分，但是它蕴涵着大量的信息。这些皮肤的纹路在图 案、断点和交叉点上各不相同，我们称它们为“特征”，依靠特征的惟一性，我 们就可以把一个人同他的指纹对应起来，通过比较他的指纹特征和预先保存的 指纹特征，验证他的真实身份。 ( 2 ) 人脸识别。广义的人脸识别技术实际包括构建人脸识别系统的一系列 相关技术，包括人脸图像采集、定位、人脸识别预处理、身份确认以及身份查 找等；而狭义的人脸识别通常指通过人脸进行身份确认或者身份查找的技术或 者系统。系统输入一般是一张或者一系列含有未确定身份的人脸图像，而其输 出则是一系列相似度值，以此来表明两幅人脸图像是否一致。 ( 3 ) 虹膜识别。虹膜是人眼瞳孔和眼白之间的环状组织，是人眼的可视部 分，它由相当复杂的纤维组织构成。世界上两个人的眼睛虹膜一模一样的情况 几乎没有。虹膜是人体最具独特性的器官，它在出生6 至1 8 个月成型后就终生 不再发生变化。虹膜识别技术与相应的算法结合后，可以到达十分优异的准确 度，但是由于虹膜录入问题，这项技术很难实现。 1 2 2 指纹识别的重要性与应用领域 1 2 2 1 指纹识别的重要性 在众多的生物识别技术中，指纹识别技术是使用最早也是最为成熟的，集 传感器技术、生物技术、数字图像处理、模式匹配、电子技术于一体的高科技 技术【7 j 。相对于其它身份认证技术，指纹识别技术不仅具有许多独到的信息安 全优点，更重要的是还具有很高的实用性、可行性，具体体现在以下几个方面 【4 】： ( 1 ) 准确率高。理论上来说世界上没有完全相同的两枚指纹。但由于指纹 算法与采集设备的局限性，指纹识别的失误率在所有生物识别技术中仅次于虹 膜识别技术。但是虹膜识别的设备目前在市场比较少见，使用并不普遍，所以 指纹识别在实际使用中，仍是准确性最高的技术。 ( 2 ) 采集设备成本较低。指纹采集设备的成本，在所有生物特征采集设备 成本中不是最高的，也不是最低的。这对于指纹识别技术的普及使用是一个可 以接受并且有推动力的价格。采集设备成本最低的当属脸形采集设备。一套最 简单的脸形采集设备，只需要一个3 0 万象素以上的数码摄像头。而采集设备成 本最高应该算是虹膜、视网膜采集设备，其价格大约在两万元人民币以上。 浙江大学硕士学位论文基于分类冈子的多模式指纹识别技术研究 ( 3 ) 接受程度高。这主要体现在使用者对生物识别系统在健康和安全方面 的考虑和担忧不同。手指是人们日常生活和工作使用最频繁的人体器官之一， 与身体外界的物体直接接触最多。而对虹膜和视网膜识别来说，因为眼睛的敏 感性、重要性，以及脆弱性，人们在心理上比较难以接受外界设备的刺激。所 以让人把眼睛对准一台设备进行接受光线或者其它方式的照射和扫描，多少会 有些被侵犯的感觉，除非是万不得己，一般情况下人们不大愿意接受。所以， 指纹和掌形、脸形识别一样，属于容易被人接受的一种生物识别方式。 ( 4 ) 应用场景比较广泛。虽然指纹识别和其它基于生理特征的生物识别技 术一样，可以用于通道控制，但相对来说，指纹识别技术的应用场景更加广泛。 这是由其设备体积小所决定的。很小的体积，可以被应用于小到手机，p d a 上， 大到指纹门禁门锁上等各种电子类产品上。而掌形识别、虹膜识别，则不可能 这样做。同时因为指纹采集设备可以感知手指的不同动作，如手指移动方向、 指纹单击双击等，使它可以被用于替换部分需要手指操作控制面板，如笔记本 电脑上的触摸板、手机上的方向键等，甚至可以用于不同手指表示不同的快捷 操作键。另外，基于手指的数目相对脸形、虹膜、掌形等较多，可以实现非常 有意义的逻辑组合控制。比如说，在非常重要的场合，可以使用多指认证以及 多指有序控制等，来实现更为安全的指纹认证。 ( 5 ) 产业化程度较高。在目前所有的生物识别技术中，指纹识别技术是产 业化程度最高的。这不仅是因为指纹识别技术有着悠久的发展历史和较纯熟的 研究过程，同时，也因为指纹识别技术的可接受性促使其被人们不断的关注， 研究和改进。从全球范围来看，指纹识别占整个生物识别市场很大一部分的市 场份额。 目前，利用计算机进行指纹识别的技术在国外已经发展的很成熟，并且逐 渐开始大规模推广。有许多大公司都有专门的机构从事指纹识别技术的研究开 发和应用，包括i b m 、i n t e l 、m i c r o s o f t 等。这些公司无论是在指纹的采集， 还是图像的处理、识别、比对技术上都很成熟。指纹采集器一般采用光学采集 仪，这使得识别算法的速度都得到提高。由于指纹识别系统产品的安全性、可 靠性、实用性，在需要个人身份识别、验证、授权的场合它都得到广泛的应用。 指纹识别在国外主要应用在门禁、金融、证券、保险、社会福利机构的身份确 认、个人财产使用管制、社会安全、信息安全、职员和会员管理、医疗档案管 理等领域。世界各主要国家除自己本国外，正花大力气拓展国外市场，特别是 近年来，欧洲、美国、韩国等国家纷纷进军中国市场。但是他们的价格太高， 在中国市场推广速度很慢。但随着产品的本地化，这一局面将会改变。 近年来，特别是从1 9 9 8 年来，我国在指纹识别技术方面得到较大发展，可 以说是日新月异，除有引进技术外，还有很多国内公司独立研究开发出的自主 知识产权的多项指纹识别类产品。从事该项目开发的公司从1 9 9 8 年不到1 0 家， 2 0 0 0 年已经发展到近3 0 家，其中有很多家拥有自主知识产权的产品、技术， 其余的基本是国外公司的代理或系统集成商。这些公司看到指纹识别技术在中 浙江大学硕士学位论文 基于分类因子的多模式指纹识别技术研究 国具有很好的市场前景，所以都在加大技术和产品开发的投入，以期尽快实现 产品地产化，努力适应中国市场的发展。我国在指纹识别领域的研究也成绩斐 然，近年来研制成功的新一代指纹自动识别系统，具有指纹信息输入、数据处 理、图像压缩、人工干预、指纹比对、任务管理、系统管理、数据库维护和远 程查询等多种功能，并且具有一定的容错能力，拥有5 0 万人指纹信息的数据库。 从研究开发实力看，目前国内公司都拥有一批有实力的技术人员，许多公司里 还拥有不少博士，并与大学合资合作开发该项技术，这也是该项技术在国内能 快速发展的因素之一。目前国内公司多以指纹门禁作为主导产品，并开发出适 合考勤、证券、银行内部授权、保管箱、计算机开启等应用产品。但是有的产 品还不太成熟，特别是应用到网络上的产品。而且不管是引进的技术还是自己 开发的指纹产品，由于其成本过高使得在市场不易被接受，所以需要开发出适 合我国国情，并且与国际标准接轨的指纹识别应用产品是目前我们需要做的。 目前，应用到卡证系统的产品市场启动较快，特别是将指纹与i c 卡、条形码结 合的产品市场前景非常广阔。虽然目前的产品性能还满足不了市场需要，但国 内市场已启动，发展也是非常快的。据有关资料介绍，我国对该项技术的需求 正逐步增大。国家从市场培育、技术成熟度、研究开发实力上，已为市场推广 创造了条件，做好了市场准备。因此，开发出具有完全知识产权的指纹识别算 法，满足一般小型的嵌入式及大容量比对的需要，在此基础上研制基于d s p 及 大规模可编程器件的独立识别模块，利用此核心模块开发出系列指纹门禁，卡 证应用系统和条形码防伪系统，这些都具有很好的市场前景。 1 2 2 2 指纹识别的应用领域 指纹识别技术应用的领域非常广泛，主要应用在以下几个领圳刀。 ( 1 ) 金融证券业。指纹识别技术广泛应用于a t m 指纹终端、指纹保险箱、 指纹储蓄卡、大额取款客户身份确认、公司提现确认、交易终端客户身份确认、 远程交易身份确认等领域。 ( 2 ) i t 业。指纹识别广泛应用于个人计算机系统及蜂窝电话密码、信息安 全防范、网络安全防范、网上银行及电子商务的安全交易等方面。 ( 3 ) 安防业。指纹识别技术应用于指纹门禁系统和个人证件识别等方面。 ( 4 ) 医疗业。指纹识别技术应用于献血输血管理以及个人医疗档案管理等。 ( 5 ) 社会福利。指纹识别技术应用于公费医疗确认、保险受益人确认以及 各种社会福利受益人身份确认方面。 ( 6 ) 其他方面。除了以上应用领域，指纹识别还广泛应用于指纹考勤、俱 乐部会员确认、选举身份认证和海关及民航快速通关认证等领域。 1 3 指纹识别技术研究现状 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【5 1 。我国将 指纹应用于民间断案已经有着悠久的历史，但是终究没有将指纹识别技术上升 浙江大学硕士学位论文 基于分类冈子的多模式指纹识别技术研究 为一门科学，主要是由于缺乏专门性研究。现代指纹识别技术起源于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1 0 月2 8 日首次在英国( ( n a t u r e ) ) 上发 表论文，指出指纹人各不同，恒久不变，并利用现场指纹来鉴定罪犯【6 l 。接着， w i l l i a 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，从此解开了现代指纹识别的序幕1 7 1 。1 8 9 2 年，英国s i rf r a n c i sg a l t o n 对指 纹进行了系统的研究，并提出了指纹细节特征分类，将指纹分为斗、箕、弧三 大类，使指纹识别应用进入了一个崭新的时代1 7j 。1 8 9 9 年，英国e d w a r dh 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【6 】。随着电子计算机的 出现、采集技术的发展以及对指纹识别研究的深入，人们逐渐将人工指纹识别 向自动指纹识别a f i s 转变。近几十年来，国内外众多专家和研究机构对指纹 识别展开了全面且深入的研究工作，在研究和应用领域都取得了非凡的成果。 美国联邦调查局、日本n e c 、北美莫佛公司等相继推出了著名的自动指纹识别 系统。国内也不甘示弱，当前著名的研究机构有：中科院自动化所、北大高科 以及一些企业机构，都取得了不俗的成绩，有些技术已达到国际先进水平。 指纹识别技术的算法是整个指纹识别技术的核心，而指纹识别的算法主要 集中在图像增强，特征提取，匹配算法等几个方面，近几年国内外有众多学者 对它们做了大量的研究，本文在这些方面分别对其做了归纳。 1 3 1 图像增强 在图像增强方面主要的研究有：大部分增强算法主要包括图像分割，归一 化，滤波，二值化和细化这么几个步骤。 在图像分割方面，一般的分割算法是基于方差阈值的，相对于其他区域， 有效的指纹区域一般都具有一个较高的方差值。因此，可选取方差阈值作为特 征量进行分割。b a z e n 和g e r e z t 圳提出了一种基于像素特征的分割算法，采用 r o s e n b l a t t 感知边缘方法分类各像素；c h e r t t 9 1 等引入了3 种特征量；块聚集度， 块均值及块方差实现指纹图像分割。 在归一化方面，l i n t j 等通过将灰度的方差限制到要求范围内来统一图像的 密度值，归一化处理中的参数根据图像的均值和方差计算得到。 在滤波方面，l i n 等i lo j 提出的一种兼有频率选择性和方向选择性的g a b o r 滤波算法，g a b o r 滤波器具有良好的方向和频率选择特性。该方法首先求出局 部区域中纹线的主导方向，每个像素点处的方向取为其所在局部区域的方向， 然后用投影分析法求每个像素点处的纹线频率，最后用中心频率和中心方向与 像素点的方向和频率相同的g a b o r 滤波器对每个像素点进行滤波处理；其后人 们提出了一些改进的g a b o r 滤波算法以加快处理过程；a r e e k u l 等【l l 】采用了一 系列独立的g a b o r 滤波器来增强指纹图像，该算法相比传统的g a b o r 滤波器约 快了2 6 倍；o g o r m a n 和n i c k e r s o n 1 2 l 的方法采用滤波器掩码在空间域进行滤 波，滤波器掩码各元素的值通过预先设定的纹线参数求得，这些参数包括最大、 最小脊线宽度，最大、最小谷线宽度以及最小纹线曲率。通过计算在各方向上 浙江大学硕士学位论文基于分类因子的多模式指纹识别技术研究 灰度差分和的方法得到每个像素点处的方向，方向值在0 到万之间连续分布， 为提高方向图的可靠性，根据方向连续性对方向图进行平滑并将每个像素点的 方向量化为1 0 个均匀分布的固定方向。最后对每个像素点采用与其方向相同的 滤波器掩码进行滤波；s h e r l o c k 等i j 的方法用b u t t e r w o r t h 带通滤波器和一种角 度选择滤波器的组合来构造滤波器。滤波器的主要参数有中心频率、中心方向、 频率通带大小和方向通带大小，滤波处理在频域进行，该方法首先选择1 6 个均 匀分布的中心方向，用以它们所确定的1 6 个滤波器分别对原始图像进行滤波， 得到若干幅滤波后指纹图像。由于这些滤波器的频率通带设置较大，从而不必 构造不同中心频率的滤波器。然后采用方向灰度投影法求出每个像素点处的纹 线方向，并根据方向图求出奇异点位置。对每个像素点，选择若干滤波方向与 该像素点方向接近的滤波后图像，以这些图像中对应像素点的加权平均值作为 该像素点最终增强结果。所选滤波后图像的数目与该像素点与奇异点的距离有 关，与奇异点越近，其方向性越差，需选用较多滤波后图像，反之，距奇异点 越远，其方向性越好，故只需选用较少的滤波后图像进行组合，这样做的实质 是根据像素点处方向性强弱调整滤波器的方向通带大小；k a m e i 等【1 4 】的滤波处 理也是在频域进行。滤波器形式上为两个高斯带通滤波器的乘积，它们分别对 方向和频率进行选择。该方法首先用若干不同中心频率和中心方向的滤波器对 原始图像进行滤波，得到若干滤波后图像。然后由这些滤波后图像确定每个像 素点增强后的值，与s h e r l o c k 等根据像素点方向进行滤波后图像选择的方法不 同，该方法搜索一种增强后图像的方向连续性最好的增强像素点选取组合方法， 增强图像中像素点的方向为滤波后图像所对应的滤波器的方向。方向连续性通 过准则函数度量，利用贪婪算法搜索使准则函数最小化的组合方式。另外，存 在其它利用小波变换对整体纹理和局部方向进行多决议分析来提高脊线的清晰 和连续性的算法【l5 。还有一些双尺度的方法，它们将指纹图像分解成一系列不 同尺度的图像，然后分析并融合所有的特征来实现可靠的增强。 在二值化方面，近年来，普遍采用基于局部适应的阈值算法来生成二值化 图像，它依据每个像素周围的局部图像窗口选择适当的阈值并将该像素判定到 前景类或背景类。h e 等【l6 j 利用方向场可以快速而直接的实现图像二值化。 在细化方面，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。其中快速细化算法和改进的o p t a 算法是目前使用 较多的两种细化算法1 1 7 儿1 8 】。h i l d i t c h 经典细化算法是一种有效的二值图像细化 算法【l9 1 【2 0 l 。其主导思想是每次扫描删除图像上目标的轮廓像素( 这些像素必须 满足一定的条件) ，直到图像上不存在可删除的轮廓像素为止。该算法采用串行 处理方式，效果比较明显，但处理速度较慢；d e u t s c h 细化算澍2 1 1 采用并行处 理方式，也采用两层子循环。第一个子循环中，确定可删除的目标像素并做标 记。在第二个子循环中，扫描整个图像，将被标记为可删除的像素删除。该算 法得到的骨架形态是不完全的8 连接，可以看作是具有可删除点的8 连接图形； g u o 和h a l l1 9 9 2 年提出的完全并行的细化算法【2 2 1 ，每次迭代仅扫描图像一次， 浙江大学硕十学位论文基于分类因子的多模式指纹识别技术研究 处理速度显著提高；冯星奎等人 2 3 1 提出了改进的o p t a 算法，该算法是串行细 化算法，采用了两种4 * 4 的模板( 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。除此之外，还有很多并行细化算法，如r o s e n f e l d 细 化算法【2 4 1 ，z h a n g s u e n 细化算澍2 5 1 ，以及z r 细化算法【2 6 】等。 1 3 2 特征提取 在特征提取方面主要的研究有：r a t h a 提出了一种细节特征提取算法【2 7 】， 该算法把指纹图像看作方向性的纹理图像，计算脊线流的方向，使用一种基于 “波形投影 的方法提取脊线，细化图像，使用形态滤波器对细化图像进行平 滑，而后从细化图像中提取细节特征，并使用了图像后处理步骤删除伪特征点。 由于该算法中用到的波形投影和方向平滑算法在抑制噪声方面非常有效，该算 法表现出良好的性能；m a i o 和m a l t o n i 2 8 j 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，其主要思想是依据指纹方向场在灰度 图像中跟踪脊线来实现细节点提取；t i c o 等【2 9 】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。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； j a i n 等人【3 0 1 【3 l 】提出用g a b o r 纹理描述指纹的特征；f a n 等人【3 2 】用2 0 种预定义 的几何形状来记录局部脊线特征：罗希平等人【3 3 j u6 j 用细节点结合部分联系脊线 信息的方法取得了一定的效果；j i a n g 等人1 3 4 】提高了脊线跟踪算法的自适应性； m o a y e r 和f u l 3 5 1 通过反复对输入的灰度指纹图像应用l o p l a c i a n 算子和动态阈值 分割来提取脊线；v e r m a 珀】提出了一种模糊算法，首先对指纹图像进行增强， 然后利用自适应阈值方法在增强后的图像中提取脊线，该方法能够在每个局部 区域内保持相同数目的值为1 和0 的像素点：m e h t r e 【37 j 提出了一种利用方向图 进行细节特征提取的算法。该算法首先在一个邻域内计算局部脊线的方向，然 后使用8 个模板分别与该块图像进行卷积以增强输入指纹图像的脊线结构，运 用局部自适应阈值方法提取脊线，再对图像进行细化，最后使用基于“连接数 目 的方法提取细节特征。该方法使用了细化图像后处理技术消除伪特征点； b o t h a 和c o e t z e e l 3 8 1 币1 用m a r r - h i l d r e t h 边缘从指纹图像中提取脊线并在局部区域 内计算脊线方向，然后结合方向信息确定局部阈值，进行图像分割，最后将分 割后的二值图像进行平滑，细化，从细化后的脊线中提取细节特征；在去除伪 特征点方面，l u o 等【3 9 j 利用人们在指纹方面的先验知识来处理脊线断裂、搭桥、 污损及伤疤等情况，得到更可靠的细节点；c h i k k e r u r 等【4 0 j 提出基于规则的方法 去除伪特征点。 1 3 3 匹配算法 在匹配算法方面主要的研究有： 的，因为普遍认为细节点是最独特、 目前很多指纹识别算法是基于细节点匹配 最可信的特征，它们本质上属于“欧氏” 浙江大学硕士学位论文基于分类因子的多模式指纹识别技术研究 匹配，它主要将指纹结构特征分成8 类，分别是：点、端点、分叉、岛、刺、 交叉、桥和短纹线，然后在每个特征点的附近确定一个邻域，通过邻域内各类 特征点的数目确定特征向量。进行指纹匹配的特征向量由邻域中心点的类型和 八种特征点出现的数目构成的，它利用脊线末梢与脊线分支点这两种关键点来 鉴定指纹。这些匹配算法假定输入指纹及模板指纹间的存在平移、旋转、尺寸 缩放等相似变换，且它们可适应限定范围内的伪细节点出现和真细节点的丢失， 其中一些改进后的算法可容忍细节点在一个小界限盒内的偏移，但是它们不能 处理细节点偏离真实位置较远的形变 4 1 】；r a t h a 等【4 2 】提出一种基于点模式的匹 配，用一般的h o u g h 变换来恢复两幅指印间的位置变换；c h a n g 等【4 3 j 基于一般 h o u g h 变换的方法将点模式匹配转化为对h o u g h 变换参数空间中峰值的检测， 它将h o u g h 参数空间离散化，利用一个结构或特征匹配方法可以提取出联系两 个点模式间的变换参数并在h o u g h 空间中累积样本点，但如果只存在少量可利 用的细节点，在h o u g h 变换空间内累积足够的样本点以完成可靠匹配是很困难 的，而且它很难处理严重形变的情况；s a n j a yr a n a d e 等人】提出松弛算法，对 每个可能的匹配点对计算相应的变换参数，根据在这种变换下其他点之间的匹 配对应关系确定这对点相匹配的可靠度。如果存在某种变换使两个点模式匹配， 则点对将获得较大的可靠度。迭代计算每个点对的可靠度，迭代时其他点对的 可靠度将加权影响当前点对的可靠度，使在变换几下相匹配的点对保持较高的 可靠度，而其它点对的可靠度逐步减小。从而找到两个点模式中相匹配的点对， 该方法计算匹配变换的可靠度是迭代计算的，因此计算速度较慢；j a i n 等【4 5 】提 出一种改进后的松弛算法来降低匹配的复杂度。但是，算法需要反复执行且难 以处理严重形变的情况，这决定了其固有的复杂性；s t a r i n k 和b a c k e r 4 6 】使用 了模拟退火算法，但计算代价比较大；漆远等【4 7 j 也提出了一种改进的点模式匹配， 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；k a h l 等人【4 8 j 提出的聚类方法首 先将使两个点模式匹配的可能变换参数空间进行离散化，对于输入点模式和模 板点模式中的任意两对点来说，如果他们的向量长度小于一定阈值，则这两对 点相匹配，求取使它们对齐的变换参数，将该参数所对应的可靠度加l 。遍历 所有可能的两对对应点后，使两个点模式对齐匹配的变换参数所对应的可靠度 最大；j i a n g 等【4 圳依据定义在局部结构特征间的相似度衡量方法来比对两个模 式，并得到两个细节点序列间的匹配分数。w a h a b 等【5 0 】提出一种利用细节点组 来定义局部结构特征的方法，匹配是基于定义在两幅指印间的对应结构特征对。 但是这些方法都不能解决非线性形变的m 题；z s o l tm i k l 6 s 等人【5 l 】提出三角匹 配的算法；a n i lj a i n 等人p 2 j 在针对指纹匹配中的点模式匹配问题提出了一种算 法，该算法将直角坐标系中的细节点转换到极坐标系中，通过串匹配算法来进行 点匹配；d k i s e n o r 和s g z a k y l 5 3 1 提出的图匹配的指纹识别方法是将一个指 纹图像用图的形式表达出来，以纹线对应图的节点、纹线问的邻近关系和交叉 来确定节点之间的线。图匹配方法避开了x ，y 栅格，通过纹线自身的关系构建 浙江大学硕士学位论文基于分类因子的多模式指纹识别技术研究 指纹图像的内在坐标系统，利用细节信息来确定纹线的相对关系和位置，这些 算法的性能严重依赖于脊线特征及外部的指纹配准信息的可信度。在半自动指 纹特征识别系统中，由于细节点模式的配准及细节点和脊线特征的错误都可以 交互式的修正，这些算法表现出优异的性能。但是完全自动的指纹匹配系统不 能一直保证正确脊线特征及外部配准信息的可靠性。l c o e t z e e 和e c b o t h a 5 4 】【5 5 】 将f o u r i e r 变换用于指纹的分类研究，将空域图像放在频域中，采用最大相关性 进行匹配处理，形成了频谱信息匹配方法。 1 4 指纹识别中存在的问题 近年来，伴随着相关技术的发展，指纹识别技术无论是在应用方面还是理 论研究方面都发展的相当迅速，在软件和硬件方面都取得了很大的成绩，但还 远远达不到完善的程度，也面临一些困难。归结起来，主要问题有以下几个方 面： 1 指纹采集技术。就实际应用情况来讲，目前的活体指纹采集设备还不能 很好地满足需要，这已经成为制约自动指纹识别技术发展的一个主要的瓶颈。 当人的手指较湿、较干、较脏或者磨损比较严重时，采集到的指纹质量往往不 能让人满意，虽然可以通过一些指纹增强技术来提高指纹的质量，但这从根本 上解决不了问题。并且人的手指是一个柔性体，尤其在使用平板窗口的采集设备 进行指纹采集时，每次采集用力大小、用力方向和采集位置的不同都会造成指 纹的各种变形。这种指纹的变形往往是不确定的、随机的，很难用确定的数学 模型去描述，这给后继的指纹比对造成了严重的干扰。 2 识别的精确度。指纹识别作为身份鉴别的主要手段，其准确度和实时性 都有很高的要求。当前的指纹识别算法虽然在指纹图像不错的情况下能有一个 相对不错的结果，但是对于背景复杂、前景区指纹纹路不清晰的指纹图像则很 难达到满意的精确度。并且在拥有较大数据库的指纹识别系统中，识别速度比 较缓慢，虽然采用了一些分类、索引技术，但是对于指纹图像区域较小、类别 不明显的情况就无能为力。 3 低质量图像处理问题。针对低质量指纹图像的识别问题，人们曾经做过 大量工作，也提出了很多解决方法，i ：k 女h d r i 强滤波增强的效果，对指纹图像的 纹路修复等等。这些方法在低质量指纹识别中确实得到了较大的改善，但对质 量不错的指纹图片却又带来了一些伪特征。所以如何采用有效方法进一步提高 系统的性能还有待研究。 1 5 本文的主要研究内容 针对指纹识别技术存在的问题，本文提出了一种基于分类因子的多模式指 纹识别技术，可以对不同指纹图像分类找寻其适合的匹配模式，提高匹配效率 和准确率。并且本文着重对多模式识别技术中的第二种模式一基于频谱的匹配 模式进行深入的研究和改进。本文的主要研究工作包括： 浙江大学硕士学位论文 基于分类因子的多模式指纹识别技术研究 ( 1 ) 多模式指纹识别模型研究 在对指纹识别现有匹配模式的分析比较基础上，建立一种基于分类因子的 多模式指纹识别模型，对几种匹配模式进行选取并作为导向模式，对多模式识 别的具体流程进行实现。 ( 2 ) 可导向多种模式的分类因子研究 在对指纹图像分析的基础上，对可导向多种模式的分类因子进行实现。对 时域和频域下的指纹图像进行分析，提出四种面向全局及局部的纹理描绘子， 对指纹图像的纹理进行表征，对指纹纹理的规则度，能量集中度，平行度和均 匀度进行描述，并有效整合全局描绘子和局部描绘，对分类因子的导向进行实 现。 ( 3 ) 基于f m t 与自适应绑定频域带宽的匹配模式研究 在对基于频域的匹配模式的分析基础上，提出基于f m t 与自适应绑定频 域带宽的匹配模式，通过分析基于频域的基本指纹识别算粕o c 算法，模拟 对p o c 算法和b l p o c 算法进行实现，并对这些算法的局限性进行分析，并且 利用f m t