（应用数学专业论文）基于数字直线段的指纹识别.pdf

分类号：0 2 9 学号：2 0 0 7 1111 0 4 1 4 0 3 6 5 i i i ii i ii i i i i fi i ii iii il 17 3 6 9 9 5 学校代码：1 0 5 1 2 秘密：年 湖北大学硕士学位论文 基于数字直线段的指纹识别 作者姓名：江修保导师姓名、职称：尤新革教授 申请学位类别：理学学科专业名称：应用数学 研究方向：图像处理与模式识别 论文提交日期：2 0 1 0 年4 月1 4 日 学位授予单位：湖北大学 答辩委员会主席：反9 目才鲻 论文答辩日期：2 0 1 0 嘭凡猡日 学位授予日期：2 0 1 0 年月 日 c a n d i d a t e ： j i a n gx i u b a o s u p e r v i s o r ：p r o f y o ux i n g e h u b e iu n i v e r s i t y w u h a n ，c h i n a 湖北大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行 究所取得的研究成果除了文中特别加以标注引用的内容外，本论 不包含任何其他个人或集体已经发表或撰写的成果作品对本文的 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 全意识到本声明的法律后果由本人承担 论文作者签名：7 7 - 鸽份 签名日期：凹p 年夕月弓7 日 学位论文使用授权说明 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即： 按照学校要求提交学位论文的印刷本和电子版本；学校有权保存并向国家有 关部门或机构送交论文的复印件和电子版，并提供目录检索与阅览服务；学校可 以允许采用影印、缩印、数字化或其它复制手段保存学位论文；在不以赢利为目 的的前提下，学校可以公开学位论文的部分或全部内容( 保密论文在解密后遵守 此规定) 作者签名：谚易乡，友 特别稚各脚 日期：厶，o 年f 月弓j 日 日期：加f 霹月日 多应用领域的 口令的传统身 征识别技术使 用个体的生理或行为特征来确认一个人的身份，应用个体本质的特征使得它比 传统的方法更可靠而且更有能力区分被授权者和假冒者。在众多的生物特征识 别技术中，自动指纹识别是最可靠的。由于其方便易用、高准确率和低成本等 诸多优势，自动指纹识别已经在电子商务、信息安全等领域得到了广泛的应 用。 尽管指纹识别技术已经得到了广泛深入的研究，但是远未完善，目前已有 的身份识别系统仍然无法满足一些重要部门对自动身份认证的较高的要求，进 一步提高指纹识别的性能无论在理论上和应用上都具有十分重要的意义。针对 当前自动指纹识别系统在指纹采集、图像增强、特征表示以及匹配等方面所面 临的问题，本文针对特征提取和匹配两方面进行了深入的研究，主要完成了以 下工作： ( 1 ) 对生物特征识别系统的基本概念以及常见的生物特征识别技术进行了 较为详细的综述，并对不同的类的生物特征识别技术进行了比较。阐述了自动 指纹识别技术系统的结构以及研究现状，针对自动指纹识别技术的特征提取与 匹配方面存在的问题提出论文的研究内容。 ( 2 ) 针对已有的指纹全局特征在表示指纹上存在的问题，提出了基于数字 直线段的方法来表示指纹。使用细化后的指纹图像中提取出数字直线段的相关 参数作为特征，就可以较好的刻画指纹的全局特征，仅需要较小的存储空间。 湖北大学硕士学位论文 ( 3 ) 针对本文提出的基于数字直线段的特征，提出了与细节点融合的匹配 算法，指纹数据库f v c 2 0 0 2d b 3 a 、d b 4 a 上的实验表明具有较好的效果，基于 数字直线段的特征在表示指纹上是有效的。 在论文的最后，我们分析了研究工作中需要进一步完善的地方，指出了进 一步的研究方向。 关键词：指纹识别；数字直线段；方向场；细节点；全局特征 英文摘要 a b s t r a c t w i t ht h ed e v e l o p m e n to fs o c i a la n de c o n o m y ，a l la 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 f i o ni sc r i t i c a li naw i d er a n g eo fa p p l i c a t i o nd o m a i n ss u c ha se l e c t r o n i cc o m m e r c e ， a n da u t o m a t e db a n k i n g t h et r a d i t i o n a lp e r s o n a li d e n t i f i c a t i o nm e t h o d sb a s e do nt o - k e no rp a s s w o r dh a v et h eh i d d e nt r o u b l e s t h et o k e no rp a s s w o r di sp r o n et ob e i n g l o s t ，f o r g o t t e n ，c o p i e do rs t o l e n b i o m e t r i c s ，w h i c hr e f e r st oa u t o m a t i ci d e n t i f i c a t i o n o fap e r s o nb a s e do nh e rp h y s i o l o g 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 si n h e r e n t l ym o r e r e l i a b l ea n dm o r ec a p a b l ei nd i f f e r e n t i a t i n gb e t w e e na l la u t h o r i z e dp e r s o na n daf r a u d u l e n ti m p o s t e rt h a nt r a d i t i o n a lm e t h o d ss u c ha sp a s s w o r d sa l lp i nn u m b e r s a m o n g v a r i o u sb i o m e t r i c s ，a u t o m a t i cf i n g e r p r i n ti d e n t i f i c a t i o ni so n eo ft h em o s tr e l i a b l eb i o - m e t r i ct e c h n o l o g i e s d u et oi t sc o n v e n i e n c e ，h i g ha c c u r a c ya n dl o wc o s lt h et e c h n i q u e o ff i n g e r p r i n ti d e n t i f i c a t i o nh a sb e e nw i d e l yu s e di ne l e c t r o n i cc o m m e r c e ，i n f o r m a t i o n s a f e t ye t c h o w e v e r , a l t h o u g ht h ep r o b l e mo fa u t o m a t i cf i n g e r p r i n tm a t c h i n gh a sb e e ne x t e n - s i v e l ys t u d i e d ，i ti sn e v e r t h e l e s s ，n o taf u l l ys o l v e dp r o b l e m ，t h en u m e r o u sf i n g e r p r i n t s y s t e m sc u r r e n t l ya v a i l a b l es t i l ld on o tm e e tt h es t r i n g e n tp e r f o r m a n c er e q u i r e m e n t s o fs e v e r a li m p o r t a n tc i v i l i a na p p l i c a t i o n s a sar e s u l t , t oi m p r o v et h ep e r f o r m a n c eo f a u t o m a t i cf i n g e r p r i n tr e c o g n i t i o ni sm e a n i n g f u lb o t hi nt h e o r ya s p e c ta n dp r o m o t i n gi t s a p p l i c a t i o n i nt h i st h e s i s ，w ei n v e s t i g a t et h ep r o b l e m so ff i n g e r p r i n ti m a g ee n h a n c e m e n t ，f e a t u r ee x t r a c t i n g ，a n df i n g e r p r i n tm a t c h i n g t h ec o n t r i b u t i o n so ft h i st h e s i sa l e l i s t e di nt h ef o l l o w i n g ： ( 1 ) t h eb a s i cc o n c e p to ft h eb i o m e t r i ci d e n t i f i c a t i o ns y s t e ma n d t h ef a m i l i a lb i o m e t r i ct e c h n i q u e sa l es u m m a r i z e d a d v a n t a g e sa n dd i s a d v a n t a g e so fd i f f e r e n tb i o m e t - b ed o n ea n dg i v et h ed i r e c t i o n so ff u t u r ew o r k k e yw o r d s ： f i n g e r p r i n tm a t c h i n g ，d i g i t a ls t r a i g h ts e g m e n t , o r i e n t a t i o nf i e l d ，m i n u - t i a e ，g l o b a lf e a t u r e i 1 1 4 生物特征识别系统的性能评价 1 1 5 生物特征识别技术简介 1 2 自动指纹识别 1 2 1 自动指纹识别中的基本概念及应用情况 1 2 2 自动指纹识别所面临的问题与挑战 1 3 本文的研究内容 2 指纹图像的预处理 2 1 指纹图像的归一化 2 2 指纹图像的分割 2 3 指纹图像的增强 2 3 1g a b o r 滤波增强 2 3 2 基于傅里叶滤波的低质量指纹增强算法 2 4 指纹图像的二值化及细化 3 奇异点和细节点的检测 3 1 指纹奇异点的检测和提取 3 1 1p o i n c a r 索引 3 2 细节点检测与提取 3 2 1 基于二值化的方法 v ， 2 3 3 4 5 5 7 9 n 挖 b b m 怕怕 侉 扒扒 勉 拐 湖北大学硕士学位论文 4 基于细节点的指纹匹配2 5 4 1 细节点匹配的基本概念2 5 4 2 基于点模式的细节点匹配算法2 9 4 3 基于细节点单行的指纹匹配方法3 2 5 基于非细节点的指纹特征提取与匹配3 6 5 1 全局和局部纹理信息3 6 5 2 基于数字直线的指纹全局特征4 0 5 2 1 方向场的局限性4 0 5 2 2 数字直线段的基本概念4 2 5 2 3 指纹图像中数字直线段的提取4 4 5 2 4 基于数字直线段的指纹全局特征表示4 5 5 3 融合细节点和数字直线段的指纹匹配4 7 5 4 实验4 8 6 总结与展望5 l 参考文献5 2 硕士阶段已发表和已投稿的论文情况6 5 致谢6 6 v i 们的社会生活中扮演 “这项功能他已经用 工作人员有权办理这 项义务吗”等等都是身份认证的问题。这些问题我们每天都会被成千上万的商 业、医疗服务、电子商务等组织以及各种政府部门询问上百万次。随着当代信 息技术的飞速发展，人们越来越多的通过各种电子设备联系在一起。这也导致 了获得很高准确度自动身份验证系统变得越来越莺要了【1 】。 传统的身份认证方法主要有两种类型：( 1 ) 基于知识的方法：( 2 ) 基于信物 的方法【2 ，3 】。基于知识的方法使用“你知道的信息”来确认你的身份，如密 码，个人身份号码( p i 等。基于信物的方法使用你拥有的“物”来确认你的 身份，如身份证、护照、驾照、d 卡、信用卡、钥匙等。这些方法的优点就是 简单和容易整合到各种不同的系统中来。但是，由于这些传统的方法没有使用 个体本质的特征来确认一个人的身份，它们有几个缺点：( 1 ) 信物可能遗失、 被盗；( 2 ) p i n 可能忘记了或被假冒者猜出。一旦假冒者获取了被授权者的“信 物”或“知识 ，这些方法将完全失效。 上述问题表明，传统的依赖于信物或口令的系统安全性技术已经面临严峻 的挑战。而人体特征由于不可复制的优点，目前已成为安全技术研究的热点。 1 1 生物特征识别 生物特征识别就是基于人体的生理或行为特征【4 】来确定一个人的身份。每 个人的生理或行为具有唯一性，本质上，这些方法比基于知识的方法和基于信 物的方法更可靠。生物特征为通过网络连接的信息社会的信息安全提供了保 障，很有可能在不久的将来，生物特征将作为身份认证的主要依据【1 ，5 】。 1 1 1 生物特征系统 生物特征识别系统本质上是一个模式识别系统，它根据当前用户所拥有的 生理或行为特征来确定一个人的身份。一个一般的生特征识别系统流程图如 图1 1 所示：逻辑上，它主要可分为两个模块：( 1 ) 登记模块；( 2 ) 认证模块。登 记模块负责将个体登记到系统里。在登记阶段，个体的生物特征先通过采集设 湖北大学硕士学传论文 图1 1生物特征识别系统流程图 备采集生物特征信号，为了匹配方便，我们需要进一步的使用特征提取算子从 生物特征信号中提取特征以对个体紧致的描述，提取的特征集也称为模板。取 决于不同的应用，模板可能会被存储在生物特征识别系统的中心数据库或者存 储在个体的磁卡或智能卡里。认证模块负责确认当前个体的身份。在操作阶 段，生物特征采集仪采集当前个体的生物特征信号，然后使用特征提取算子得 到当前生物特征信号的特征表示，最后使用特征匹配算子把当前得到的特征表 示与模板做匹配来确定当前个体的身份。 1 1 2 生物特征识别的要求 用来确认一个人的身份的生理或行为的任何生物特征应该满足以下几个条 件【1 ，3 1 - ( 1 ) 普遍性，即每个人都应该拥有的特征；( 2 ) 唯一性，即任何两个人之 间不存在相同的该特征；( 3 ) 不变性，即该特征不会改变；( 4 ) 可采集性，即该特 征可以定量采集。 但是，满足以上条件的生物特征在实际应用中不一定切实可行，还有其他 许多问题需要考虑：( 1 ) 性能，包括识别准确度、识别速度、系统鲁棒性、系统 所需资源和影响系统性能的因素等；( 2 ) 可接受性，即测量某种特征的过程是否 被绝大大多数人所接受；( 3 ) 规避性，即通过欺诈的方法成功欺骗系统的难度。 总的来说，一个实用的生物特征识别系统必须满足以下几个条件：( 1 ) 使用 合理的系统资源，达到可接受的识别准确度和识别速度；( 2 ) 不会对人体有伤 害，能被绝大多数人接受；( 3 ) 对各种欺骗手段有足够的鲁棒性。 2 虑就是个体将怎么样被识 ) 验证和( 2 ) 辨识两种。鉴别 系统就是一个人表明自己的身份，系统获取此人当前的生物特征，然后系统用 获得的生物特征与这个人声称的身份对应的预先存好的生物特征模板比较计算 一个得分，如果得分比预先确定的阈值大，就认为这个人与他声称的身份相符 合，否则拒绝。因此，鉴别系统是一对一的匹配，解决的问题是“他是他声称 的这个人吗? ，得出接受或拒绝的结论。辨识系统就是系统采集一个人当前 的生物特征，与预先存储的库中所有的模板作比较得到，系统返回得分最大的 模板对应的身份，认为当前的人对应于这个身份。因此，辨识系统是一对多的 匹配，解决的问题是“他是谁? ，得出的结论是这个人的身份。 取决于具体使用情况，生物特征识别系统又分为( 1 ) 在线的( o n l i n e ) 和( 2 ) 离线 的( o f f l i n e ) 。在线的系统要求能较快实现验证或辨识并返回结果。离线的系统对 实现速度要求不是很高，也并不要求能很快的返回结果，所以相对来说要容易 此。 1 1 4 生物特征识别系统的性能评价 对于任何一种生物特征，同一个人在不同的时刻测量的结果都会有所变 化，生物特征识别系统不可能给出绝对的“是”或“不是”的结论，而只能给 出一定置信水平的结论。一般来说，系统可能会出现两种错误的结论：( 1 ) 把 正确的匹配当错误的而拒绝，( 2 ) 把原本不正确的匹配当正确的而接受。拒真 率表示( f a l s er e j e c tr a t e ，h 汛) 第一种错误发生的概率，误识率表示( f a l s ea c c e p t r a t e 。f a r ) 第二种错误发生的概率。如果系统的f r r 过大就会导致用户多次无法 确认其身份，导致用户感到不便；而若系统的f a r 过大就会使得假冒者容易获 得用户的权限，使用户受到损失。对于固定的生物特征识别系统，这两种错误 是对立的，一种错误率升高就会导致另一种错误率降低。因此，需要根据具体 的情况，调整系统的参数，以适应不同的应用需求，如对于高度机密的访问控 制，就要有很低的误识率，拒真率可以稍微高点，而对于公安和司法部门，可 以适当的降低拒真率，以防止过早的排除了嫌疑人；对于一般的民用系统，可 以二者兼顾，选择一个折中的参数。 3 湖北大学硕十学位论文 对于一个生物特征识别系统，一般我们使用接受特征曲线( r o c ，r e c e i v e o p e r a t i n gc h a r a c t e r i s t i cc u r v e ) 来刻画一个系统的性能。曲线上的每一点对应于 一个阈值下的f a r 和f r r 。曲线越接近于坐标平面的左下角，这个系统的性能 就越好。 辨识系统本质上是一个数据库检索系统，一般使用另外两个指标来刻画系 统的性能：( 1 ) 精度，( 2 ) r e c a l l 。其中精度表示在库中搜索到的正确的模板占搜索 到的所有模板的比例，r e c a l l 表示检索到的正确的模板占真实的库中的正确的模 板的个数，即假设我们要检索的代表同一个人的模板共有仇个，库中共有m 个 模板，系统检索到f 1 个正确的模板，1 2 个错误的模板，则 精度= 1 1 ( 1 1 + 1 2 ) ， r e c a l l = l l m ( 1 1 ) ( 1 2 ) 除了验证或辨识准确度，速度也是评价一个系统好坏的重要的指标。对于 验证系统，因为是一对一的匹配，一般速度要求较容易达到，而对于辨识系 统，特别对于有上百万模板的大库，需要匹配上百万次来确认个体的身份，速 度要求就较难达到了。 1 1 5 生物特征识别技术简介 生物特征可以是生理的也可以是行为的。生理特征是每个人与生俱来的特 征，包括指纹、掌形、眼睛( 视网膜和虹膜) 、人体气味、脸型、皮肤毛孔、手 腕手的血管纹理和d n a 特征等：而行为特征是个人行为的特征，包括签名、语 音、步态、击打键盘的角度等【缅】。一般来说，使用生理特征的生物特征识别 系统能够得到更高的识别准确度，因为生理特征的类内变化比较小【3 】。 根据生物特征识别技术采用的生物特征的不同，广泛应用的生物特征识别 技术可以分成三类： ( 1 ) 高级生物特征识别技术，如：视网膜识别、虹膜识别和指纹识别等。 ( 2 ) 次级生物特征识别技术，如：掌形识别、人脸识别、语音识别、签名识别 等。 ( 3 ) 深奥的生物特征识别技术，如：血管纹理识别、人体气味识别等。 各种生物识别技术的比较如表1 1 所示。由此可以看出，没有一种技术能在 4 l 绪论 表1 1 几种生物特征身份认证技术的比较 鉴定力i 去广泛件独特性持久性采集性件能接受性防伪性 人腧 青 低中同低同低 l m j 指纹中1 日ji 苟 凼 高 由 高 掌形 中 由由 吊 由 中中 掌纹中 由 由 中 由 中高 虹膜 古 高局中局低f 司同 视网膜局闻 由 低高 低高 签名低低低局低局低 语音中低 低中低 肯 低同 热成像 呙局低高 由 呙局 各项指标上全面优于其他技术。应根据不同的应用，选取合适的技术。目前， 有三种生理特征被认为是最具有固定性和唯一性的：视网膜、虹膜和指纹。这 三种生理特征在生物特征识别技术中具有最高的可信度和准确度。但从综合性 能上讲，指纹识别要优于其他几种技术。指纹识别技术已经得到了很广泛的应 用，已经得到世界各国司法机关认可的，可以作为法律上的依据。 1 2 自动指纹识别 1 2 1 自动指纹识别中的基本概念及应用情况 指纹是手指末端脊线和谷线构成的纹理。尽管指纹只是人体皮肤的一小部 分，却蕴含大量的信息。这些皮肤的纹路在图案、断点和交叉点上是各不相同 的，在信息处理中将它们称作“特征。依靠特征的唯一性，可以把一个人与 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，就可以验 证其真实身份。在所有的生物特征技术中，指纹的可靠性最高，已经得到了深 入广泛的研究，早在2 0 世纪初，指纹就用在罪犯确认和世界各地的各种司法部 门。相对于其他身份识别技术，自动指纹识别比其他身份认证技术更理想有以 下几个原因： ( 1 ) 每个人的指纹是独一无二的，两人之间不存在相同的指纹； ( 2 ) 每个人的指纹相当固定的，很难发生变化。例如，指纹不会随着人年龄的 增长或身体健康程度的变化而变化： ( 3 ) 便于获取指纹样本，易于开发识别系统，实用性强。目前已有标准的指纹 5 湖北大学硕士学位论文 样本库，方便了指纹识别系统的软件开发，另外，识别系统中完成指纹采样功 能的硬件部分也较容易实现，做成成熟的产品需要的成本小； ( 4 ) 一个人的十指指纹皆不相同，因此可以方便地利用多个指纹构成多重口 令，提高系统的安全性。同时，并不增加系统设计的负担： ( 5 ) 指纹识别中使用的模板并非最初的指纹图像，而是由指纹图像中提取的关 键特征，因此存储量较小。另外，对输入的指纹图像提取关键特征后，可以大 大减少网路传输的负担，便于实现异地确认，支持计算机的网络功能。 应用指纹进行身份鉴别已有悠久的历史。1 8 8 0 年苏格兰医生h e n r yf a u l d 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 鉴定犯罪，从此揭开了现代指纹识别研究的序幕。从2 0 世纪6 0 年代开始，随着 计算机技术的发展，人们开始研究利用计算机来处理指纹，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 ti d e n t i f i c a t i o ns y s t e m ，a f i s ) 在法律实施方面的研究和应 用在世界许多国家展开。2 0 世纪8 0 年代，个人电脑、光学扫描这两项技术的革 新，使得它们作为指纹取像的工具成为现实，从而使指纹识别可以在更广泛的 领域中得以应用，比如代替i c 卡。2 0 世纪9 0 年代后期，低价位取像设备的引入 及其飞速发展，以及可靠的比对算法的实现，为个人身份识别应用的增长提供 了舞台。 从过去十年的市场情况来看，指纹识别和掌形识别技术的应用最为广泛， 指纹识别技术占据了更大的优势，看起来用手做为身份识别的手段更易为大众 所接受。国内市场上的主要的生物特征识别产品基本上都是基于指纹识别技术 的，指纹识别的产品也已应用到了许多方面。视网膜识别技术由于其高度的准 确性和防伪性，目前主要用于需要非常高安全性的环境，尚未普及。另外几种 被看好的技术是语音、虹膜和人脸。目前虹膜和人脸识别系统已经进行了许多 测试，但还没有更大规模的应用。而语音识别的研究还不够成熟：虹膜技术虽 然具有不可造伪性和非常高的准确性，但是采集成本比较高；人脸识别由于光 照、姿态、遮挡等原因识别率不够高，而且在大数据库，单样本的情况下，某 些在人脸识别上应用很成功的算法，如p c a 就受到限制了。 指纹识别技术主要涉及指纹图像采集、指纹图像处理、特征提取、保存数 据、特征值的比对与匹配等过程： 首先，通过指纹读取设备读取到人体指纹的图像，并对原始指纹图像进行 初步的处理，一般包括增强、二值化、分割、细化等； 6 征数据一般为 梢点的相关信 进行比较，计 算出相似程度，得到匹配结果。自动指纹识别系统的流程图如图1 2 所示： 离线音b 分 ： 卜叫指纹采集卜_ 啼| 图像增强卜_ 啼i 特征提取卜- 斗j 指纹特征库l r 。1r 1r 。1r 。1 一一一一一一一一一一一一一- - - - ；! ：j 一一 压萄面面齑j 园 图1 2自动指纹识别系统流程图 1 2 2 自动指纹识别所面临的问题与挑战 虽然自动指纹识别技术已经得到广泛深入的研究，达到了较为满意的结 果，但是远未完善。目前已有多种商用自动指纹识别系统在市场上销售，这些 产品都声称有极好的性能【7 】，如表1 2 所示。但是这些公司都没有指明得到这 些数据所用的指纹库，他们的系统在通用的数据库f v c 2 0 0 0d b 3 上测试时，很 难得到他们所声称的指标，如表1 3 所示。这说明，自动指纹识别远没有完善， 还有许多问题需要解决： ( 1 ) 新一代的固态传感器使用的越来越多，这些传感器被嵌入到笔记本、鼠 标、移动电话等系统中，一般仅有很小的接触区域( 如，0 6 ”0 6 ”) ，因 此，指纹只有很小的一部分被采集到。这样因为细节点太少就使得匹配的 难度加大，必须增加指纹其他的信息来提高系统的性能。 7 湖北大学硕士学位论文 表1 2 一些公司声称的性能指标 公司名称传感器类型 f a r f r r b i o l i n du s a 光学式 0 0 0 0 0 0 0 1o 0 1 b i o m e t r i d i d 光学式 0 0 1o 0 l s t a r t e k 光学式 0 0 0 13 3 i o s o f t w a r e 光学式 0 11 i d e n t i x 光学式 0 o 0 0 11 c 晶体式 0 0 0 0 20 0 5 b i o m e t r i xi n x 晶体式 0 0 0 10 0 0 0 1 p o l l e x 晶体式 0 0 0 1l s o n y 晶体式 0 0 0 1l 表1 3 几种算法在数据库f v c 2 0 0 0d b 3 ，j i 的测试结果( 结果来自【7 1 ) 算法e e r ( )平均登记时间( 秒) 平均她配时间( 秒) s a g l 3 6 45 7 02 1 3 s a 9 2 4 0 11 9 41 9 4 c s p n 5 3 60 3 5o 3 6 c e t p 8 2 91 4 91 6 6 c w a i 1 1 9 40 4 6o 5 7 姗1 2 2 01 4 81 6 0 u i n h1 6 3 21 2 81 3 6 u t w e1 7 7 31 0 4 42 3 1 d i t i2 2 6 32 5 9 2 6 7 f p i n 2 3 1 8 2 1 32 1 9 n c m i4 7 4 32 2 52 7 5 8 l 绪论 ( 2 ) 由于科技的发展，传感器有很多种，基于某一种传感器的匹配系统在另外 一种传感器上也许就不适用了。 ( 3 ) 指纹匹配性能受到指纹非线性扭曲影响较大。非线性扭曲主要是由于指纹 图像是通过手指按压传感器得到的。为了方便的得到较好的匹配性能，扭 曲需要在匹配阶段之前被考虑。 ( 4 ) 虽然每个人的指纹不会随着时间的不同而变化，但是一些小的切口和折 痕，会改变指纹的脊线结构，如图1 3 所示。而且很多时候，指纹的湿度 会随时间的改变而改变，会影响获取的图像的质量。有些用户由于手指皮 肤干燥，提供的指纹图像会比较差，从这些指纹中提取特征就变得困难 了。对于质量较差的图像，没有通用的增强算法。 图1 3 ( a ) 登记阶段获得的指纹。( b ) 同一个手指验证阶段获得指纹图像，在这 个指纹图像里有些折痕，会导致匹配效果降低 1 3 本文的研究内容 本文首先对生物特征识别系统的基本概念以及常见的生物特征识别技术进 行了较为详细的综述，并对不同的类的生物特征识别技术进行了比较。详细研 究了各种细节点提取、非细节点信息的提取方法，对非细节点的两个主要方 法( 1 ) f i n g e r c o d c 的纹理方法和( 2 ) 基于方向场的方法进行了详细的讨论，考虑到 细节点信息的不足以及非细节点信息提取中存在的一些问题，提出了基于数字 直线段的全局特征方法，然后给出了融合数字直线段与细节点的指纹匹配算 法。 9 湖北大学硕士学位论文 由于本文提出的基于数字直线段的方法是在细化后的指纹图像上进行操作 的，而细化的效果受到指纹增强效果的影响，因此本文在第二章介绍指纹图像 的预处理方法。由于奇异点和细节点是指纹最重要的特征，在第三章，我们介 绍了指纹的奇异点和细节点的检测方法；在第四章，我们详细综述了指纹细节 点的匹配方法，主要介绍了经典的基于点模式的匹配算法以及基于细节点单行 的方法；在第五章，我们首先介绍了基于非细节点指纹识别算法，讨论了这些 算法存在的问题，为了克服描述指纹全局特征的困难，我们提出了一种基于数 字直线的方法：在第六章，我们给出本文的总结与展望。 1 0 2 指纹图像的预处理 2 指纹图像的预处理 指纹图像预处理，就是对低质量的指纹图像采用一定的算法进行处理，使 其纹线结构结构清晰化，尽量突出和保留固有的特征信息而避免产生伪特征信 息，保证特征信息提取的准确性和可靠性。自动指纹识呈j u ( a u t o m a t i cf i n g e r p r i n t i d e n t i f i c a t i o ns y s t e m a f i s ) 的鲁棒性很大程度上依赖于低质量指纹图像预处理 的效果和性能。低质量指纹图像的增强是影响整个指纹识别系统性能的重要一 环，是指纹识别至关重要而有困难的任务之一。这部分算法的优劣将对整个系 统的性能产生重大的影响。如果这一部分没有处理好，也很难通过改进后面的 细节提取过程而获得好的效果。本章介绍指纹图像预处理的有关算法，包括指 纹图像归一化、分割、增强、二值化、细化等，其中详细介绍基于g a b o r 的指纹 图像增强算法。 各种指纹采集仪采集获得的指纹图像通常都伴随着各种各样的噪声，一部 分是由于采集仪所造成的，比如采集仪上的污渍、采集仪的参数设置不恰当 等。另外一部分是由于手指的状态所造成的，比如手指过于、太湿、伤疤、脱 皮等。第一种相对来说是固定系统误差，比较容易恢复。另外一种和个体手指 状况密切相关，比较难于恢复。统计数据表明，低质量的图像在指纹数据库中 约占1 0 的比例。图2 1 给出了四种低质量指纹图像的例子。 b ) 图2 1a ) 质量较好的指纹；b ) 中等质量的指纹， 质量的指纹，包含很多噪声。图来卧8 】 c ) 有很多划痕和较多断脊；c ) 低 湖北大学硕十学位论文 2 1 指纹图像的归一化 由于手指或采集按压等问题会导致采集到的指纹图像可能整体偏亮或偏 暗，脊线和谷线的对比度不高，不利于增强或提特征，而灰度的规一化，这 可以消除不同图像之间对比度的差异，如图2 5 给出了一个由h o n g 9 给出的例 子。 图2 2 左图为对比度较差的图，右图为规一化后的图。图来自文献 8 】 规一化的计算公式为：设指纹图像是i ，其宽度是w ，而i ( i ，j ) 表示在第i 行， 第j 列的灰度值，则整个图像的平均值是 m ( i ) = v a r ( i ) = 则归一化后的指纹图像g 为 志善静歹， 志篓酗一尸 钟= 一v a r o ( i ( i 蒌, j ) _ m ( i ) ) 2 掣i ( i , j 刈 2 2 指纹图像的分割 指纹的分割是指将指纹区域( 前景区域) 与背景区域分开来。分割出背景区 域有助于避免提取到噪声区域( 背景区域) 的虚假细节点，同时也可以加快计算 速度。一些分割结果的例子如图： 图2 3一些指纹分割的例子。图来自文献【8 】 研究者提出了各种基于方差、梯度、学习的方法等算法进行指纹图像分 割。其中应用较广泛的是m e h t r e 提出的基于局部区域的直方图的方法，他们的 提出方法的主要步骤如下： ( 1 ) 估计每个点的方向； ( 2 ) 将指纹分成1 6 1 6 d , 块，计算每个小块的方向直方图。直方图的尖峰代表 这一小块有方向模式，对于平的或近似平的直方图，就认为是背景区域； ( 3 ) 计算小块的方差，如果方向直方图不是很可靠的话就考虑方差，低方差的 小块被认为是背景区域。 2 3 指纹图像的增强 细节点的提取和其他一些指纹识别的技术都对指纹质量的依赖性都很大。 对于理想的指纹图像，脊线和谷线交错出现，在局部区域流向固定，在这种 1 3 一， 湖北大学硕士学位论文 情况下，脊线可以很容易的确定，细节点可以很容易检测。但是由于皮肤的 原因( 过干，过湿、切口、折痕等) 、传感器的噪声、按压不当等原因，大概 有1 0 的指纹质量不好，如2 1 中的( b ) 和( c ) ，因此有效的对指纹图像进行增强是 至关重要的。 常用的图像增强算法有： 基于g a b o r 滤波的增强算法； 基于傅里叶滤波的低质量指纹增强算法； 基于知识的指纹图像增强算法； 非线性扩散模型及其滤波方法； 多尺度滤波方法。 其中基于g a b o r 滤波增强的方法和基于f o u r i e r 变换的方法应用最为广泛，下面我 们将详细的介绍这两个方法。 2 3 1g a b o r 滤波增强 g a b o r 滤波增强是使用方向场图像来进行增强的，是指纹增强算法中最常见 的一种。这种算法的基本出发点是基于指纹的数学模型，指纹在局部区域内可 以认为是一组平行的具有固定频率的直线，那么顺着脊线的方向使用g a b o r 窗函 数去过滤图像，可以使得脊线的信息得到加强。由于顺着脊线的方向滤波，在 顺着脊线方向上有平滑作用，因此能将一些断裂的脊线修复回原来的状态，同 时由于g a b o r 滤波器有良好的频率选择性，因此可以在有效地去除脊线上噪声的 同时，保持脊线的结构。 通常的二维g a b o r 滤波器算子的定义如下： m 吖) = 唧一ll 程x 0 2 + 轷醐m 。) x 0 = x c o s o 上y s i n o y o = - - x s i n o + y c o s o 1 4 2 指纹图像的预处理 这是一个复变函数的表达式，实际使用的时候，只使用它的实数部分，也 叫偶对称的滤波g a b o r 滤波算子 九。”帆c z ，可，口，= e 印 一三c 毳+ 善， c o s c i 2 丌，z 。， 它的形状如图2 4 所示： 图2 4 左图为侧面图，右图为俯视图，其中，= 1 5 ，口= 1 3 5 。，= q = 3 。 图来自文献 9 】 g a b o r 滤波增强的基础是要先计算出滤波脊线的方向，所以方向场计算准确 度对滤波增强的结果影响很大，一般都是采取前面所述的公式法来计算图像的 方向场。具体过程如下： ( 1 ) 计算出指纹图像中任意一点( i ，j ) 的方向d ( t ，j ) ； ( 2 ) 计算指纹图像的点( t ，j ) 令l i 域内的平均脊线宽度f ( i ，歹) ； ( 3 ) 使用下面的公式计算滤波后的数值 监监 22 g ，= ( 九即凯( u ，口，o ( i ，j ) ，竹，歹) ) g ( i ，歹) ) 怛一孚归一挚 其中嵋是滤波器的大小a g a b o r 滤波器增强是利用方向场来进行图像增强方法中的一种，但是使 1 5 湖北大学硕士学位论文 用g a b o r 滤波器进行图像增强有两个缺点：第一个缺点是需要计算脊线的频率 第二个缺点是计算量比较大，所以不适合实时处理。 2 3 2 基于傅里叶滤波的低质量指纹增强算法 基于傅里叶变换的频域增强算法是通过傅里叶变换把指纹图像增强从空 变化到频域，然后在频域上对指纹图像就行带通滤波、方向滤波，从而使指 图像得到增强，实验结果表明，该算法能够实现在线实时处理，并且对低质 指纹图像增强的效果较好。 2 4 指纹图像的二值化及细化 二值化的目的是把灰度图像变成二值图像以方便细节点的提取。图2 5 给 了一个例子。 图2 5 ( a ) 输入图像，( b ) 增强后的图像，( c ) 细化后的图像。图来自文献【8 】 图像二值化的一般性问题在图像处理与模式识别领域得到了广泛的研 究 1 0 】。最简单的方法就是设置一个全局的阈值t ，灰度值低于t 的像素指定 为0 ，灰度值高于t 的像素指定为l 。但是，一般情况下，图像不同的部分有不同 的灰度对比强度，因此为整幅图像设置一个唯一的阈值是不合适的。因此要用 局部阈值的方法，在局部区域，阈值t 要自适应于局部区域的平均灰度值。对 于质量很差的指纹图片，局部阈值的方法可能也达不到理想的效果。研究者提 出了很多其他一些有效的方法，如：基于h e s s i a n 矩阵的方法、基于局部阈值和 方向信息的方法、基于迭代的l a p l a c i a n 算子和阈值对的方法、基于模糊的方法 1 6 2 指纹图像的预处理 等。 其中基于h e s s i a n 矩阵是比较经典和有效的方法，下面我们给出基 于h e s s i a n 矩阵的指纹二值化方法的简要介绍。 d o m e n i c o n i 等【1 1 】将指纹的脊线与谷线建模成极大点与鞍点的序列。通 过估计每个像素点的梯度v 和h e s s i a n 矩阵h ，二维曲面s ( z ，) 的h e s s i a n 矩阵 是一个2 2 的对称矩阵，其元素是对应于z 2 ，x y ，y 2 的s 的二阶微分。h 的特 征向量的方向对应于s 的曲率极值方向。设p 是一个平稳点( 此点处的梯度 值0 ) ，入1 ，入2 为h 在p 处的特征值。那么如果a 1 入2 0 ，则p 是一个极大点；如 果( 入1 入2 ) 0 ，则p 是一个鞍点。由于沿着脊线方向的灰度值可能慢慢的改变， 导致了平面的斜率有正有负。这个算法也考虑了这样的一些非平稳点：p 的沿着 法向的两个相对的领域点p 1 和p 2 的梯度方向妒1 妒2 满足a n g l e ( q a l ，妒2 ) 垒7 r 。他们 也提出了一种边缘连接算法来连接那些检测到的脊点。 一般来说，大多数基于上下文滤波的方法，如果选择合适的参数，都能得 到较清晰的二值图像。如图2 6 是几种不同的二值化方法效果的比较。 对二值图像使用数学形态学或骨架的方法，都能较好进行细化。细化后提 取细节就比较直接了。 1 7 湖北大学硕士学位论文 图2 6 最左上角的是一幅质量较好的指纹图像的一部分；a ) o g o r - m a n 和n i c k e r s o n 1 2 】；b ) v e r m a ，m a j u m d a r , 和c h a t t e r j e e 1 3 ；c ) 局部阈值方法； d ) s h e r l o c k ，m o i d 和m e l l a r d 1 4 ；e ) x i a o 和r a a f a t 1 5 ；f ) m o a y e r 和f u 1 6 ；g ) s t o c k 和s w o n g e r 17 ；h ) w a t s o n ，c a