（光学工程专业论文）自动指纹识别系统中的指纹图像质量评价体系研究.pdf

重庆大学硕= 卜学位论文中文摘要 摘要 生物识别技术以其无可辩驳的安全性、便利性、易操作性成为身份鉴别技术 的热点。人体的生物特征包括指纹、声纹、人脸、虹膜、掌纹等等。相比其他生 物特征识别技术，指纹识别技术具有识别效率商、采集方便、成本低廉等优点。 近几年又出现了半导体指纹传感芯片，所以指纹识别技术已经深入应用到社会许 多领域。 本文在总结、归纳和吸取了国内外学者所取得的研究成果的基础上，对自动 指纹识别的图像质量评价系统进行了深入的研究，文章首先从三个方面即有效区 域面积、指纹偏移量、指纹干湿提出了指纹图像前端质量评价系统，然后结合奇 异点的有无及细节点的数目，提出一套完整的指纹图像质量评价体系。使用该评 价系统，通过返回的指纹图像质量分数，能够较好地对指纹图像质量进行检测，并 提高了系统的效率。 在求取奇异点时，采用流行的f o i n c a r e 索引值算法，并利用k 均值算法有效 地去除伪奇异点。在提取指纹细节特征时，采用脊线跟踪算法，相对于传统算 法，除概念复杂些外，该算法无论从效率或者鲁棒性方面，都具有明显优势。 为验证算法，在自行建立的指纹识别开发测试平台上进行了大量实验，试验结果 表明算法取得了良好的效果。 在论文的最后，提出了指纹图像处理在实际应用中的一些问题，分析了本论 文尚没有完全解决的问题。 关键词：指纹图像质量，图像分割，奇异点提取，细节点提取 重庆大学硕士学傍论文英文摘要 a b s t r a c t b i o m e t r i ca u t h e n t i c a t i o ni sah o t s p o ta m o n gs e v e r a li d e n t i t yv e r i f i c a t i o nm e t h o d b e c a u s eo fi t s s u p e r i o rs e c u r i t y , c o n v e n i e n c ea n de a s yo p e r a t i o n ，w h i c hi n c l u d e s r e c o g n i t i o no ff i n g e r p r i n t ，v o i c ep r i n t ，f a c e ，i r i s ，p a l mp r i n ta n ds oo n c o m p a r e dw i t h o t h e rb i o m e t r i ca u t h e n t i c a t i o nt e c h n o l o g i e s ，f i n g e r p r i n tr e c o g n i t i o ni sa d v a n t a g e o u sf o r i t se f f i c i e n c y ,c o n v e n i e n tc o l l e c t i n ga n dl o wc o s t p a r t i c u l a r l y ,s e m i c o n d u c t o r f i n g e r p r i n ts e n s ec h i pm e r g e si nr e c e n ty e a r s ；t h ef i n g e r p r i n tr e c o g n i t i o nh a sb e g u nt o b eu s e di ne m b e d d e de q u i p m e n t b a s e do np l e n t yo fd i s s e r t a t i o n sa n dt e c h n i c a lr e p o r t s ，t h i sp a p e rp r o v i d e ss o m e r e s e a r c h e so nt h ef i n g e r p r i n ti m a g eq u a l i t ya s s e s s m e n ts y s t e m f i r s t l y ，a f r o n t - f i n g e r p r i n ti m a g eq u a l i t ym e a s u r e m e n ti sp r o p o s e db yc o m b i n i n gd i f f e r e n t f e a t u r e so faf i n g e r p r i n ti m a g e ，e g f o r e g r o u n da r e a , w e t n e s s ，d r y n e s s ，c e n t r a lp o s i t i o n o ff o r e g r o u n d s e c o n d l y , c o m b i n i n gt h ei n d i c e so ft h en u m b e ro fm i n u t i a e ，t h e e x i s t e n c eo fs i n g u l a rp o i n t sa n df r o n t f i n g e r p r i n ti m a g eq u a l i t ym e a s u r e m e n t , a n i n t e g r a t e df i n g e r p r i n ti m a g eq u a l i t ya s s e s s m e n ts y s t e mi sp r e s e n t e d b e s i d e st h es y s t e m o f s i xq u a l i t yi n d i c e s ，aw e i g h t i n gm e t h o di sa l s oi n t r o d u c e df o rf i n d i n gt h ef i n a lq u a l i t y v a l u ea n de a c hq u a l i t yi n d e x ，i td e m o n s t r a t e st h a tt h es c o r e sr e t u r n e df r o mt h e i n t e g r a t e ds y s t e mw i l le n s l ! r ci t sr e l i a b i l i t yt oi n d i c a t et h eq u a l i t yo fag i v e nf i n g e r p r i n t i m a g ea n dg u a r a n t e et h ep e r f o r m a n c eo ff i n g e r p r i n tr e c o g n i t i o ns y s t e m s i n g u l a r i t y d e t e c t i o ni sb a s e do na ni m p r o v e dp o i n c a r ei n d e xm e t h o d ，a n da d o p t sb m e a n st o r e m o v es p u r i o u ss i n g u l a r i t y an e ws c h e m ef o rm i n u t i a ed e t e c t i o nb yf o l l o w i n gt h e r i d g e l i n ei sa l s op r e s e n t e d ，w h e r em i n u t i a ea r ee x t r a c t e dd i r e c t l yf r o mt h eo r i g i n a l g r a y - s c a l ef i n g e r p r i n ti m a g e s t h e s em e t h o d sp e r f o r mb e t t e ri nt e r m so fe f f i c i e n c ya a d r o b u s t n e s sc o n t r a s tt ot r a d i t i o n a la l g o r i t h m s t oe v a l u a t et h ep e r f o r m a n c eo ft h e p r o p o s e da p p r o a c h e s ，s e v e r a le x p e r i m e n t sa r ec o n d u c t e do no u rp r i v a t es y s t e m a n dt h e r e s u l t ss h o we f f e c t i v e a tt h ee n do f t h i sp a p e r , t h ep r o b l e m so c c u r r e di na c t u a la r eg i v e n a n dp r o b l e m s m a ta r en o tf u l l ys o l v e dw e r ea l s om e n t i o n e d k e y w o r d s ：f i n g e r p r i n tq u a l i t y ；i m a g es e g m e n t a t i o n ；s i n g u l a r i t yd e t e c t i o n ；m i n u t i a e d e t e c t i o n i i 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。据我所知，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，也不包含为获得重麽盍堂 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。 学位论文作者签名：弓p i 乇 签字吼唧年多月乡日 学位论文版权使用授权书 本学位论文作者完全了解重庆太堂有关保留、使用学位论文的 规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许 论文被查阅和借阅。本人授权重废太堂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，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() ，在年解密后适用本授权书。 本学位论文属于 不保密( v ) 。 ( 请只在上述一个括号内打“”) 学位论文作者签名；凇 签字日期：乃刀年g 月乡日 ， 翮魏拗 签字日期：勿唧年占月f 日 重庆大学硕十学位论文1 绪论 1 绪论 l ，l 生物识别研究的迫切性 以信息技术为代表的现代科学技术大大地推动了现代社会的进步和发展，为 人类提供了更为快捷与便利的交流手段，同时它也给各个国家和社会的管理者带 来一个全新的重要课题：如何及时、准确地验证每个社会成员的身份，确保人们 的合法权益和各种社会活动的合法性和有效性，及时打击与遏制各种违法犯罪活 动，维护国家安全和社会稳定。 人类在寻求物品、信息及社会活动安全保护的有效性与方便性方面经历了三 个阶段的发展。第一阶段是最初始的方法：采用大家都早己熟悉的各种机械钥匙。 第二阶段是由机械钥匙发展到数字密钥，如：密码、条形码、智能卡等。第三阶段 是利用人体所固有的生物特征来辨识和验证身份。 通常人们所说的身份认证是验证该人是否持有有效的证明文件或信物”。从 本质上来说。这种方法验证的是该入持有的某种“物”，而不是验证其本人。只 要“物”的有效性得到确认，则持有该“物”的人的身份也就随之得到确认。这种 以“物”认人的办法明显存在以下漏洞： ( 1 ) 合法的人如果遗失验证其身份的“物”( 如密码、钥匙等) ，则合法的人 本身得不到合法的验证。 ( 2 ) 各种伪造证件、信物以及密码被破译或盗用又使菲法的入得到合法的验 证。例如一些罪犯通过伪造证件进入机密场所窃取机密信息；另一个例子是考勤 机，它的使用方便了企业进行职工的考勤管理，但可能出现代替别人打考勤的现 象。 ( 3 ) 如果丢了需要验证的“物”。例如钥匙，则不仅打不开门，还要当心他人拾 至目钥匙进入。 上述这些问题表明，尽管依赖于信物或口令的系统安全性技术具有简单并且 方便集成的优点，但随着网络社会的到来，电子商务日趋普及，人们想通过一些 更为安全可靠的信息，来确认在网络的另一端与其交易的人是否是他宣称的那个 人。而正是由于人体特征具有不可复制的优点，目前已经成为安全技术研究的热 点， 1 2 生物识别系统概述 生物识别技术( b i o m c t r i ct e c h n o l o g y ) 是指利用人体的生理或1 x - - j 川, 付t 止z 地仃x - - 个人身份识别认证的技术嘲，是通过利用个体特有的生理特征和行为特征来进行 重庆大学硕士学位论文l 绪论 身份识别和个体验证的一门学科。因为这些特征是每个人所独有的，其他人无法 复制取代，用它们来识别人的身份，显然比使用口令或信物的方式要安全得多。 用于验证个人身份的生物特征要求具有下列性质： ( 1 ) 特征的普遍性，即人人都具有，比如只有一部分人才有的胎记或疤痕，就 无法用于大范围的身份识别。 ( 2 ) 特征的唯一性，即每个人所具有的特征都应与其他人不一样。 ( 3 ) 特征的稳定性，即特征或行为应在一个相当长的时间内保持不变，经常变 化的特征是无法保证识别系统的鲁棒性的。 ( 4 ) 可测量性，即是否可以方便地获取并量化这些特征或行为。 然而在实际操作中，仅仅满足上述四个性质还是不够的，还需要考虑到以下 问题【2 州： ( 1 ) 系统整体的性能，也就是说采用这种特征来识别人的身份，其速度、精度 以及系统的鲁棒性是否能够达到规定的指标要求。 ( 2 ) 采用这种生物特征人们是不是可以接受，是否干涉了人的隐私或对人体有 伤害，以及是否操作方便等。 综上所述，对于一个实用的生物识别系统而言，应具备以下特征：( 1 ) 用于识 别的生物特征可以被人们所接受；( 2 ) 可以方便地获取这些生物特征；( 3 ) 系统的识 别精度和速度能够满足应用需要：( 4 ) 对于各种欺骗手段，系统应有足够的适应 性。 1 3 生物识别系统的组成 生物识别系统从体系上可以分为登记和认证两大模块。登记模块的作用是把 人体的生物特征存入识别系统。在这个阶段，首先利用生物特征采集设备获取人 体特征，从而产生特征的原始信息。其次，为了减少存储量、节省存储介质和方 便后续的特征模式匹配过程，这些原始信息一般需要进行进一步处理，压缩信息 量，提取最有效的特征信息( 一般称之为模板t e m p l a t e ) 。最后根据不同的应用 工程的需要，将特征信息存入用户数据库或用户i c 卡上。生物特征认证模块用 于在访问控制中验证人的身份。在这个阶段，同样需要用采集设备来获取人体的 生物特征，然后使用类似于登记模块中的处理方法，用一种更紧凑的形式来描述 获取的信息。最后匹配子模块使用模板数据库中的模板与获取的压缩生物特征信 息进行比较，并且给出判断结果。 1 4 生物识别系统性能评价 2 重庆大学硕士学位论文 不同的生物识别系统各有其优缺点和适用范围，从算法的角度来评价生物识 别系统的优劣有两个重要指标：错误拒绝率( f a l s er e j e c tr a t e ，f r r ) 和错误接受 率( f a l s ea c c e p tr a t e ，f a r ) 。错误拒绝率是指生物特征拥有者被系统错误拒 绝。错误接受率是指将冒充者识别为真正的生物特征拥有者。表面上看，一个理 想的系统，这两个指标都应该是零。但实际上，这两个指标是相关的，如果系统 的f r r 较大，就会造成用户多次输入而无法确认其身份，使用户感到不便。而若 系统的f a r 较大，就会使不法之徒乘虚而入，对合法用户造成损失。对于一个已 有的生物识别系统，要使两者同时降低则不可能，系统往往需要在两个错误率之 间取一个折中。这两个错误率是互成反比的，一个参数的减少必然会导致另外一 个参数的增加。因此我们只能根据用途的不同，调整系统的参数，使其满足于不 同目的的需求。例如，对于指纹识别系统，如果用于高度机密的访问控制，则可 适当调高拒真率，把误识率降到最小；反之，对于公安和司法部门，则需要降低 拒真率，在尽可能匹配上的范围内搜寻嫌疑人；而对于一般民用系统，我们可以 兼顾精度和效率，选取折中参数。 图1 - 1 指纹识别系统魄8 鉴曲线 f a r f i g1 1r o cc u r v ee x a m p l ef 缸陆g e l o n n t 有时，为了清楚表示f r r 和f a r 的关系，可以将它们的对数绘制在同一个坐 标系即接受特征曲线( r e c e i v eo 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 ，r o c ) 里来描述系 统的精度属性。曲线上的每一点，都对应了一定安全阈值下系统的f r r 和 f a r 。图1 1 给出了r o c 曲线的个实例。在实际应用中，因为各厂商和研究机 构实际只是给出了最好的f r r 和f a r ，而这两个参数并不是对应同一个安全闽 值，所以，一个更为科学的评估参数等错误率( e e r ) 被广泛应用。所谓等 错误率，是指f r r 与f a r 相等时值( 如图1 1 所示) 。很显然，e e r 越小，系 统的精度越高。另外，系统的匹配速度也是系统性能的一个重要指标，特别是对 3 重庆大学硕士学位论文】绪论 于辨识系统。由于做“一对多”的匹配，速度就显得格外重要，即使是“一对 一”的验证系统，速度太慢，也会影响系统的推广使用。 1 5 几种生物识别的比较 目前，广泛使用或比较成熟的生物识别技术有：人脸识别、指纹识别、掌形 识别、手部血管识别、虹膜识别、视网膜图形识别、面部热象图识别、人耳识 别、签名识别和声纹识别。其中人脸、指纹、掌形、手部血管、虹膜、面部热象 图、人耳和视网膜图形属于生理特征，而签名和声纹属于行为动作。 人脸识别是最直观的，从理论上讲也是最友好的生物身份认证手段。它主要 是利用人面部各器官如眼睛、眉毛、鼻子、嘴和下巴间的位置关系进行识别【，j 。 根据其应用目的不同，人脸识别分为静态识别和动态识别两种模式【4 l 。所谓静态 识别就是用来识别的人脸图像是静态图像，且背景及其它外界条件不变。这种情 况下人脸的检测和分割都非常简单，同一人脸的不同图像间的差距比较小，因此 识别就变得相对容易。而动态人脸识别则是指在复杂的变化背景下对人脸进行识 别，这种识剐模式干扰因素较多，目前还只是处于实验室研究阶段，还有许多问 题有待解决。人脸识别的优点在于：不需要被动配合，可以用在某些隐蔽的场 合，而其他生物特征识别方法都需要一些人的行为配合；这种识别方式可远距离 采集人脸；利用已有的人脸数据库资源，可更直观、更方便地核查该人的身份， 因此可以降低成本。但人脸识别的缺点也是显而易见的；人脸的差异性并不是很 明显，误识率可能较高；对于双胞胎，基本不缝区分；入脸的持久性差，例如长 胖、变瘦、长出胡须等；人的表情也是丰富多彩的，这也增加了识别的难度；人 脸识别受周围环境的影响较大。由于这些困难，人脸识别的准确率不如其它技 术。 面部热像图识别的基本原理：当热量通过面部组织，会被皮肤发散，从而使 皮下血液系统呈现出一种独特的西部信号 s l 。这种信号可以被红外照相机获取， 通常就称之为面部热像图。相对于人脸识别来说，面部热像识别很难被假冒，即 使是精巧的外科手术，也不可能对血管重新布局，改变结构；并且获取面部热像 图也不依赖于外部光源。目前面部热像图是否具有唯一性和稳定性，还有待进一 步验证。 指纹是分布在人体手指表面凸凹不平的纹线。不同指纹的纹线在图案、断点 和交叉点上各不相同，也就是说。指纹是具有唯一性的。依靠这种唯一性，就可 以把一个人同他的指纹对应起来。通过对他的指纹和预先保存的指纹进行比较， 就可以验证他的真实身份【6 】。相对于其它身份识别技术，指纹识别是一种更为理 4 重庆大学硕士学位论文1 绪论 想的身份确认技术，不仅具有高安全性，更重要的是还具有很高的实用性和可行 性，在很多场合已经成为生物识别技术的代名词。 掌形识别是利用手掌的几何尺寸关系来识别人的身份，这些尺寸主要包括手 掌的形状，手指的长度和宽度以及手指的三维特征等。掌形图像的获取，可以使 用机械或光学的方法。目前全世界已有超过8 0 0 0 个场所使用了掌形识别技术， 例如美国迪斯尼游乐园以及美加边境过境处【7 】。掌形识别技术的优点明显：比对 速度快；掌形识别的不能录入率很低；需要的计算机存储空间很小。而缺点主要 在于：由于手掌的相似性不是很容易区分，掌形识别技术不能像指纹、人脸和虹 膜识别技术那样容易获得内容丰富的数据，不能完成一对多的识别；掌形也比较 容易被仿冒，系统本身的物理尺寸也较为庞大；掌形的稳定性较差。 手部的血管分布作为一种较稳定的生物特征，可用于身份识别隋l 。通过红外 照相机，我们可以获取手部血管的数字化图像。手部血管的结构基本不能改变， 因此别人无法模仿。基于手部血管识别的系统，其精确度基本可以满足应用要 求，人们对其也较易接受。这种识别技术的不足在于：到目前为止，手部血管特 征的睢一位还无法得到可靠的证明。 虹膜是瞳孔与巩膜之间的环形可视部分，具有终生不变性和差异性协”】。人 眼的虹膜总体上呈现一种由里到外的放射状结构，包含许多相互交错的类似斑 点、细丝、冠状、条纹、隐窝等形状的细微特征。这些特征信息对每个人来说都 是唯一的，其唯一性主要是由胚胎发育环境的差异所决定的，不与其他外界环境 稻关联也无法雳手术修补。与其他生物特征相比，虹膜是一种更稳定、更可靠的 生理特征，其识别精度甚至超过了d n a 。虹膜识别技术要求的算法复杂度相对来 说比较简单，但其识别精度却相当高。该技术的优点是：精确度高；建库和识别 的速度快；无需人工干预；使用者无需与设备直接接触。而缺点是：虹膜图像的 采集需要用光线扫描人的眼睛，会使人感到不适：虹膜技术对于盲人和眼疾患者 无能为力恧且系统成本过高；嚣要比较好的光源，对黑跟踌识别比较园难。 视网膜是一些位于眼球后部十分细小的神经( 1 5 0 英寸) ，它是人眼感受光 线并将信息通过视神经传给大脑的重要器官，同胶片的功能类似。用于生物特征 识别的血管视网膜识别技术的优点是：具有高可靠性。视网膜血管分布是具有唯 一性的，即使是双胞胎，这种血管分布也是有区别的；视网膜识别系统误识率 低。录入设备从视网膜上可以获得7 0 0 个特征点，这使得视网膜扫描技术录入设 备的误识率低于一百万分之一：视网膜是不可见的因此也不可能被伪造。视网 膜识别技术的缺点是：采集设备成本较高，采集过程较为烦琐，要求使用者的眼 睛与录入设备的距离应在半英寸之内，并且在录入设备读取图像时，眼睛必须处 于静止状态，因此导致使用不方便，使用者的接受程度较低。其次，视网膜静脉 5 重庆大学硕士学傍论文i 绪论 图像的不变性不够好，使得视网膜识别系统的拒识率相对较高。最后，视网膜识 别技术可能会对使用者的健康造成损害。 以上介绍了当今流行的几种生物识别技术，从叙述中可以看出，指纹识别技 术无论是从唯一性、稳定性、识别精度、防伪性能等方面均有优势。是一种值得 推广的生物识别技术。 1 6 自动指纹识别技术的历史及研究现状 指纹识别是模式识别和生物识别领域研究最早也是最为成熟的技术，人们使 用指纹进行个人身份鉴定己经有很长的历史1 1 1 1 。7 0 0 0 多年前，在古叙利亚和中 国，指纹作为身份证明开始应用，那时一些秸土陶器上就留有陶艺厅人的指纹。 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。我国将指纹应用于民问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门科学。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。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，从此揭开了现代指纹识别的序幕。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 行了系统地研究，并提出了指纹细节特征分类，将指纹分为斗( w h o r l ) 、箕 ( 1 0 0 p ) 、弧( 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 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。 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 ( 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 n s y s t e m ) 转变。美国首先于1 9 6 3 年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 t r a k 2 5 0 。日本在1 9 7 5 年开始进行研究，并于1 9 8 2 年将 n e c a f i s 投入使用。我国也在8 0 年代初对指纹识别展开研究【1 2 】。 随着信息技术和网络技术的飞速发展，到目前为止，指纹自动识别这种身份 认证技术除了在传统的刑事侦缉领域之外，在银行、股市和电子商务、家居等领 域的应用也日趋广泛。 1 7 课题提出的意义 虽然国内外诸多专家学者在指纹图像自动识别领域作了许多研究，自动指纹 识别技术也应用到产品中，但是在指纹识别领域，仍然存在一些值得深入研究的 问题。其中，指纹图像的质量评估就是一个十分重要的方面，它无论是对采集到 6 重庆大学硕士学位论文1 绪论 指纹图像后的指纹识别过程还是对于指纹库的建立，都具有重要的意义，影响着 整个自动指纹识别系统的性能。质量差的图像难以辨识，若将这些指纹录入库 中，在进行二值化、细化等操作步骤后就会产生很多伪特征点，从而对后续匹配 产生影响，造成高误识率。而质量好的指纹图像可以在很大程度上降低指纹识别 算法的复杂度和指纹识别的误识率和拒识率。 指纹图像质量评价分整体评价和局部评价两种f l ”，整体评价是对指纹图像整 体质量进行评价，从而决定该图像是否符合匹配条件，是否应该重新采集等。但 是在同一枚指纹图像中指纹图像的质量往往具有较大的变化，有效区域和无效区 域同时存在。如何尽可能利用指纹的有效区域进行处理，如何准确区分指纹不同 质量的区域，就需要图像局部评价，它也是指纹图像质量评价一个非常重要的指 标。 现今主要的指纹质量评价方法有：b o l l e t “1 等提出的用有方向信息区域和无方 向信息区域的图像块比例大小来判断指纹质量；y a o ”钉等提出的用计算有方向区 域占整个指纹前景区域比率的方法判断指纹质量：t a b a s s i “1 等通过提取指纹图像 各子块的对比度、主纹线流和曲率特征测量指纹图像质量；s h e n 口州等将g a b o r 滤 波器用于图像子块，质量好的块其g a b o r 滤波器输出是纹线峰和谷的清晰重复。 以上方法都只使用了指纹的局部信息，而指纹图像结构是具有一定流势的峰谷交 替的纹理结构，仅局部信息不足以确定指纹的整体质量。因此需要一个全面的评 价系统。本论文综合前人研究成果并结合本实验所使用传感器的特点，在指纹图 像预处理之前，获取指纹图像原始数时，为保证结果的鲁捧性，加入了一个图像 质量评估模块，对指纹图像的有效区域面积、干湿程度以及有效区域中心点位置 三个质量因子进行评估。该模块对前端的指纹质量进行控制，以确保将质量好的 指纹送入下一环节处理；反之舍弃，并给出参考采集方案，进行重新采集。紧接 着文章对指纹的细节特征数目和奇异点的有无又进行评价，最后综合前端的指纹 质量评估模块碍出总的指纹图象质量评价体系，并判断采集到的指纹是否入库。 本文结合指纹图像的预处理和后处理算法研究，提出指纹质量评价系统，以期寻 求适应于小型民用领域的指纹识别系统的图像处理算法。 1 8 论文任务及内容安排 本文的主要工作是针对自动指纹识别系统中的指纹质量评价系统进行研究。 文章主要从以下几个方面论述： 第一章为绪论。着重阐述了生物识别技术的迫切性和一些生物识别技术的基 本概念，并且对生物识别系统的组成以及指纹识别系统的评价参数进行了简要的 介绍，对指纹、人脸、虹膜、视网膜等识别技术进行了介绍，从普遍性、稳定 7 重庆大学硕士学位论文1 绪论 性、精确性和可接受性等方面对这些技术进行了比较。同时，还介绍了指纹识别 系统的研究发展状况；最后，从实际情况出发，确定了本论文的主要的任务。 第二章介绍指纹识别的基本原理及采集设备的选取。 第三章介绍指纹图像前端质量评价系统。 第四章介绍指纹图像总体质量评价系统。 第五章进行全文总结。 3 重庆人学硕士学位论文2 指纹识别的基本原理及采集设备的选取 2 指纹识别的基本原理及采集设备的选取 2 ，1 指纹识别原理 指纹虽然只是人体皮肤的一小部分，却蕴涵着大量的信息。这些皮肤纹路在 图案、断点和交叉点上各不相同，信息处理中一般称为“特征”。它们在每个手 指上的表现都具有唯一性。依靠特征的唯一性，可以把一个人与他的指纹特征对 应起来，通过比较他的指纹特征和预先保存的指纹特征，就可以进行身份认证。 通常使用指纹的两类特征进行验证：一类是总体特征( 人眼直接可以观察到的特 征，是指纹中心区域形成的特殊结构) ，一类是局部特征( 即指纹上节点的特 征，这些具有某种特征的节点称为“特征点”) 。在考虑局部特征的情况下， h e r r y 认为，只要比对1 3 个特征点重合，就可以确认是同一个指纹。 2 1 1 指纹的总体特征 根据总体特征，可以把指纹简单分为以下三类： ( i ) 弓形纹。纹线由一方流向另一方，中部向上弯曲呈弓形，不返转。又依据 其弯曲的程度不同，分为弧形( a r c h ) 和帐形纹( t e n t e da r c h ) 。一般帐形纹中 心部位有一根以上的垂线或斜行线支撑着弓形线。在人的自然分布中，弓形指纹 和帐形指纹一般占6 1 6 和7 7 9 嘣1 8 】。图2 1 为弧形和帐形的示例。 a r c h a ) t e a t e d a r c h ( 1 ) 图2 1 弓形指纹 f i g2 1a r c hf i n g e r p r i n t s ( 2 ) 箕形纹。指纹中心的纹线从一方流向另一方拐弯后返回原方向，其上部 和两侧外围由较多的弓形线包绕。根据中间箕形线的开口不同，又可分为左箕形 和右箕形( 如图2 2 所示) 。据统计，左箕形和右箕形的比例分别为：1 7 0 3 和 3 6 4 8 【ls 1 。 9 重庆大学硕士学位论文2 指纹识别的基本原理及采集设备的选取 i b g h tl o o p r ) 图2 2 箕形指纹 f i g2 2l o o pf m g e r p r i n t s ( 3 ) 螺形纹。指纹中心至少有根环形线，或螺形线，或曲形线，其上部和两 侧外围由较多的弓形线包绕( 如图2 3 所示) 。在所有纹形中的比例为3 2 5 2 1 8 1 。目前，对于指纹分类，无论是人工方法还是计算机自动方法，都有相当的困 难。特别是对于面积较小的传感器，由于指纹图像的不完整，目前还没有特别有 效的分类方法。 1 w mb p i 、 诲b w i ( w 图2 , 3 螺形指纹 f i g2 3w h o r lf i n g e r p r i n t s 其他指纹分类都是基于这三种基本图案。通过详细分类可以使在大数据库中 搜寻指纹更为便捷，如图2 4 所示： 0 重庆大学硕士学位论文2 指纹识别的基本原理及采集设备的选取 缎臻愿勰瓣 梗式区 p a t t e r na 【e & 核心点三角点式樽线 c o t ep o i n td e l t a t y p el i n e s 图2 , 4 指纹分类 f i g 2 4c l a s s i f i c a t i o no f f i n g e r p r i n t s 纹致 r i d g e c o u n l ( 1 ) 模式区 模式区是指纹上包括了总体特征的区域，即从模式区就能够分辨出指纹是属 于嬲一种类型的。有的指纹识别算法只使用模式区的数据。好的指绞识别算法应 该使用所取得的完整指纹而不仅仅是模式区进行分析和识别。 ( 2 ) 核心点 核心点( 即中心点) 位于指纹纹路的渐进中心，它在读取指纹和比对指纹时 作为参考点。许多算法是基于核心点的，即只能处理和识别具有核心点的指纹。 核心点对于指纹识别算法很重要。 ( 3 ) 三角点 三角点位于从核心点开始的第一个分叉点或者断点，或者两条纹路会聚处， 或者孤立点和折转处。三角点提供了指纹纹路的计数跟踪的开始之处。 ( 4 ) 纹数 即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即可认为是指纹的纹数。但要区分任意两 枚指纹，仅仅靠全局特征是不够的，还需要局部特征才能唯一确定。 2 1 2 指纹的局部特征 指纹纹路并不是连续和平滑笔直的，而是经常出现中断、分叉或转折。这些 断点、分叉点和转折点就称为“特征点”。它们提供了指纹唯一性的确认信息， 人们正是利用这些局部特点进行指纹的精确匹配。本文对指纹节点从四个方面进 行简要介绍。 ( 1 ) 指纹节点的分类。如表2 1 所示。 重庆大学硕士学位论文2 指纹识别的基本原理及采集设各的选取 表2 1 指纹特征点分类表 f i g2 1c l a s s i f i c a t i o no f f i n g e r p r i n t sf e a t u r ep o i n t s a 终结点( e a d i n g ) 指一条纹路在此终结 - 之 分叉点( b i f u r e s t i a n ) 指一条纹路在此分开成为两条或更多的纹路 c 分歧点( f 蜘d 1 v 哪p 一) 指两条平行的纹路在此分开 一 d 孤立点( d o t ir 1 m n d ) 指一条特别短的纹路，咀至于成为一点 e环点( c l ) 指一条纹路分为两条后叩合并为一条所形成的一个小环 称为环点 f 短纹( s h o r tr i d g e ) 指一端较短但不至于成为一点的纹路 ( 2 ) 指纹节点的方向 每个节点都有一定的方向。 ( 3 ) 指纹节点的曲率 描述纹路方向改变的速度。 ( 4 ) 指纹节点的位置 节点的位置通过( x ，y ) 坐标来描述，可以是绝对的，也可以是相对于三角点或 特征点的。 2 2 指纹识别基本过程 一个典型的自动指纹识别系统由指纹取像、指纹图像质量评估、预处理、特 征提取、指纹分类、特征匹配几部分组成。两枚指纹经常会具有相同的总体特 征，但它们的局部特征( 特征点) ，却不可能完全相同。因此，指纹识别技术通 常使用指纹的全局特征来进行分类，再用局部特征来进行识别用户身份。首先从 获取的指纹图像上找到特征点，然后根据特征点的特性建立用户指纹的数字表 示指纹特征数据( 一种单向的转换，可以从指纹图像转换成特征数据但不能 从特征数据转换成为指纹图像) 。由于两枚不同的指纹不会产生相同的特征数 据，所以通过对所采集到的指纹的特征数据和存放在数据库中的指纹特征数据进 行模式匹配，计算出它们的相似程度，最终得到两个指纹的匹配结果，根掘匹配 结果来鉴别用户身份。图2 5 是指纹识别的基本原理图。 2 重庆大学硕士学位论文2 指纹识别的基本原理及采集设备的选取 图2 5 指纹识别系统框图 o i g 2 5f l o wc h a r to f f i n g e r p r i n tv e r i f i c a t i o ns y s t e m 2 2 1 指纹取像 在自动指纹识别系统中，指纹图像通过取像设备获取，并经过采样、量化后 以矩阵的形式存入计算机。指纹取像装置是指纹识别的前端装置。其获取图像质 量的好坏将直接影响到系统软件算法的难易程度和识别率的高低。目前的取像设 备有扫描仪、数码相机、活体指纹仪。根据取像设备的不同，所得到的指纹图像 的规格也不同。一般来说，像素点都是8 位的值，得到的图像灰度范围为0 2 5 5 。分辨率是指单位距离上的像素点数，从2 5 0 d p i 到6 2 5 d p i 不等，但标准的分 辨率是5 0 0 d p i 。图像采集区域从0 5 平方英寸到1 2 5 平方英寸不等，标准的采集 区域为l 英寸。具体的取像技术和设备将在下文论述。 2 2 2 指纹图像质量评估 自动指纹识别系统对采集到的指纹图像质量十分敏感，指纹图像质量的好坏 和整个系统的性能有着直接关系。但由于指纹采集技术的不完善性，通常采集过 程中存在以下几方面问题： ( 1 ) 手指自身问题，如干、湿、脏、老化和严重磨损的指头。 ( 2 ) 按压力度问题，当按压力度过小时，指纹的前景面积小，而力度过大却会 造成指纹扭曲变形。 ( 3 ) 手指放偏，不能获得足够的信息量进行后续的指纹处理工作。 ( 4 ) 指纹传感器本身特性也可能会影响采集到的指纹图像质量，例如，一些 c m o s 传感器会产生背景噪声：光学传感器较之c o m s 传感器虽然可以采到质量 较好的图像，但是其采集时间较长，往往导致传感器还未采集完图像，手指便离 开传感器，从而造成采集到的指纹图像不完全，信息量过少呻】。 由于以上原因造成的指纹图像质量问题大大降低了指纹识别的速度和精度。 为此，在自动指纹识别系统中，对指纹图像质量的评价成为一个关键环节。指纹 图像质量评估，并不能完全按照一般通用的图像评佶方法，而应考虑到指纹图像 本身的特殊性。目前，对指纹图像质量评价体系的涉及并不多，虽然现有流行的 商用a f i s 都有自己的质量评估模块，但因涉及到技术机密，很少有文献资料披 露，且大多数都还是集中在比较简单的应用层次上，并没有形成一套成熟和完整 1 3 重庆人学硕士学位论文 2 指纹识别的基本原理及采集设备的选取 的理论体系。因此本论文将在这方面进行深入的研究。 2 2 3 指纹图像预处理 原始指纹图像不可避免地存在噪声，这将直接对特征提取结果产生极大损 害。因此，必须对已经得到的指纹进行预处理，以减少噪声或其他干扰。指纹预 处理的目的是使原始灰度图像，经过一系列处理，变为单像素宽的点线图，且该 点线图中尽可能的保持原始图像中的细节特征。目前预处理过程主要有以下几个 步骤： ( 1 ) 指纹图像分割。该步骤主要是把待处理的有效图像部分从整个指纹图像中 分离出来，这样一方面减少了后续处理步骤的数据量，另一方面也避免了因为部 分图像区域不可靠而导致的伪特征。 ( 2 ) 图像的增强和滤波。这里是对图像分割出的可恢复模糊区域进行增强，并 对增强后的图像进行滤波从而进一步消除脊线问的交叉和断裂。 ( 3 ) 图像二值化处理。二值化目的是把灰度指纹图像变成o l 取值的二值图。 这样对图像作进一步处理时，图像的几何性质只与0 和l 的位置有关，不再涉及 至g 像素的灰度值，使处理变得简单，而且数据的压缩量很大，给存储和处理都带 来了很大的方便，同时也提高了系统的经济实用性。 ( 4 ) 细化。指纹图像的纹线具有一定宽度，这对于特征提取来说是冗余信息， 而且会增加特征提取的难度。因为特征提取只对纹线的走向感兴趣，而不关心其 粗细。为了进一步压缩数据，简化特征提取操作，需将前几步已经处理过的指纹 图像中的纹线宽度降到最小，即细化为单像素的骨架线。降低提取的指纹特征中 的伪特征点和冗余信息，为以后的特征提取提供方便。 2 2 4 指纹图像特征提取和分类 指纹特征提取的目的是要获得真正的细节特征，同时去除由噪声或污染等因 素所造成的伪细节特征。特征点的提取一般是从细化后的指纹点线图来提取，这 样做可以得到指纹的细节特征的位置、类型和方向。 特征提取通常包括两部分：全局特征提取和局部特征提取。在大型自动指纹 识别系统中，为了加快指纹数据库的检索，往往根据指纹的总体特征把样本分为 若干个种类，输入的指纹先根据总体特征判断其类别，再在所属类别中利用细节 特征进行比对，找出样本库中与之相对应的指纹。而指纹的局部特征中最重要的 两种就是末梢点和分叉点，由这两类局部特征就可以唯一地确定一枚指纹，一般 对一个完整的指纹图像而言，大约有8 0 1 0 0 个细节特征点，对本论文所使用的传 感器获取的指纹的图像，由于采集面积比较小，细节特征也相对减少，通常要少 于5 0 个。然而在实际实验中发现，图像预处理过后通常会产生伪特征点，使指 纹图像处理后的细节特征增多。通常这些伪特征点是由于图像的边缘效应、图像 1 4 重庆大学硕十学位论文2 指纹识别的基本原理及采集设备的选取 预处理中的分割算法等而产生的。因此必须对提取的指纹细节特征进行可靠性分 析，去掉不可靠的特征点( 即伪特征点，如图2 6 ) ，保留可信度高的细节特征 点，以保证后续图像匹配的可靠性，并且对保留下来的特征点判断相对可靠性， 以保证后续指纹比对可靠性高、算法复杂性低。 ( a ) 图2 6 基本伪特征结构 f i g2 6s e v e r a ls 虮l c t i l l e so f f a l s em i a u t i a c s 2 2 5 指纹特征匹配 根据指纹特征提取的种类和方法，现行的指纹识别算法有以下几种：基于细 节特征的匹配、基于小波特征的指纹识别、基于g a b o r 特征的指纹识别、基于模 糊神经网络的指纹识别和基于相关分析或空间频谱分析的光学数字识别方法。但 不管是哪种方法，所给出的都是个相似度，也即是一个o 和l 之间的值。这是 因为很难精确地判断两