（通信与信息系统专业论文）掌纹识别关键技术的研究.pdf

摘要 掌纹识别关键技术的研究 专业：通信与信息系统 硕士生：谭彦秋 指导教师：沈伟教授 摘要 利用人体生物识别技术对人的身份进行鉴别已得到广泛的应用。掌纹作为人 体生物特征之一，也有其广阔的应用领域，特别是刑侦领域。 本文主要针对基于掌纹的人体生物特征的身份鉴别的算法进行了研究。着重 针对掌纹识别的关键技术，即掌纹特征的提取和匹配算法进行了研究，并建立和 实现了一个掌纹识别系统。 鉴于二维g a b o r 函数具有时域和频域同时达到局部化最优，并具有良好的方 向和频率选择特性。本文提出了一组二维g a b o r 滤波器的设计方法，用以提取掌 纹的特征纹线。该滤波器不仅可以提取离线掌纹样本的特征纹线，对于在线掌纹 样本特征提取同样适用。在特征匹配阶段，在线特征图上划分子块，计算各子块 的方向向量，以各子块的方向向量所建立的一维数组进行归一化的相关匹配。其 中提出了首先对掌纹特征纹线进行细化以获得线特征的方法，这样在建立子块的 方向向量时仅需要计算子块的梯度方向向量。掌纹识别系统对p o l y up a l m p r i n t d a t a b a s e 掌纹数据库进行测试，匹配度可以达到9 8 3 3 。 关键词：掌纹，特征提取，g a b o r 滤波器，图像匹配 a b s t r a c t r e s e a r c ho n p a l m p r i n ti d e n t i f i c a t i o nt e c h n o l o g y m a j o r ： c o m m u n i c a t i o na n di n f o r m a t i o ns y s t e m n a m e ： y a n q i u t a n s u p e r v i s o r ：p r o f e s s o rw e i s h e n a b s t ra c t w i t ht h e d e v e l o p m e n t o f s o c i e t y , p e m o n a l i d e n t i f i c a t i o n i s b e c o m i n g i n c r e a s i n g l yi m p o r t a n t b 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 yi su s e dw i d e l yi nt h i s f i e l d p a l m p r i n t ，o n e o ft h em o s ti m p o r t a n tb i o m e t r i cf e a t u r e s ，h a s i m p o r t a n t a p p l i c a t i o nv a l u ei nm a n yf i e l d s ，e s p e c m h yi nc r i m i n a lf i e l d t h i sp a p e rm a i n l yr e s e a r c h e so np a l m p r i n ti d e n t i f i c a t i o n sk e yt e c h n o l o g y , e s p e c i a l l yt h ef e a t u r ee x t r a c t i o na n dm a t c h i n g a n dap a l m p r i n ti d e n t i f i c a t i o ns y s t e m i sd e v e l o p e d b e c a u s et w od i m e n s i o n sg a b o rf u n c t i o ni sl o c a l l yo p t i m a li nb o t ht i m ed o m a i n a n df r e q u e n c yd o m a i n ，a n di th a se x c e l l e n ts e l e c t i o nf e a t u r ea b o u to r i e n t a t i o na n d f r e q u e n c y , t h ep a p e rp r o p o s e saf i l t e rb a s e do nt w od i m e n s i o n sg a b o rf u n c t i o nt o e x t r a c tt h el i n e sf e a t u r e t h i sg a b o rf i l t e ri sa b l et oe x t r a c tl i n ei n f o r m a t i o nf r o mb o t h o f f l i n ep a l m p r i n ta n do n l i n ep a l m p r i n t i nt h ec o u r s eo ff e a t u r em a t c h i n g ，t h ei m a g e o fl i n e sf e a t u r ei sd i v i d e di n t os e v e r a lb l o c k s t h e na l lo r i e n t a t i o nv e c t o ri sd e f i n e d b a s e do nt h e s eb l o c k s t h i sp a p e rp r o p o s e st h i n n i n gt h eg a b o rf i l t e r so u t p u ti m a g ea t f i r s t ，t h e nc o n s t r u c t i n go r i e n t a t i o nv e c t o ro n l yw i t ht h eo r i e n t a t i o no ft h eg r a d i e n to f e v e r yb l o c k f i n a l l y , t h ev e c t o r sc o r r e l a t i o nc o e f f i c i e n ti se m p l o y e dt om e a s u r et h e s i m i l a r i t y p a l m p r i n t i d e n t i f i c a t i o ne x p e r i m e n ti s p r o c e s s e d i n p o l y up a l m p r i n t d a t a b a s e ，t h em a t c h i n gr a t eo b t a i n s9 8 3 3 k e yw o r d s ：p a l m p r i n t ，g a b o r , m a t c h 第1 章绪论 第1 章绪论 1 1 人体生物识别技术概述 对于人身份的鉴别从古至今就没有停止过，通过鉴别人的身份，可以确认与 人身份相关的物品所有权、行为所有权。过去常用的身份验证方法有证件、密码 等，可是这些方法都难以保证其唯一性与安全性。在信息技术飞速发展的今天， 对于方便、快捷、准确的身份鉴别提出了紧迫的需要。 随着计算机技术和模式识别技术的不断发展，人体生物识别技术以其准确、 高效的特点在身份鉴别( 即所谓的验证和识别) 等方面得到广泛应用。人体生物 识别属于模式识别的一个分支，主要根据人的生理特征以及行为特征进行身份识 别与验证。其中作为生理特征的主要有：指纹、掌纹、虹膜、视网膜、声音、人 脸，耳形：作为行为特征的主要为：步态、笔迹等。目前，人体生物识别技术被 广泛应用在民用领域和刑侦领域。如日常考勤系统、安全保卫系统、生物防伪等。 人体生物识别技术为身份鉴别提供了可靠的依据。 常用的生特识别技术各自具有不同的特点： 1 指纹识别：指纹作为一种识别身份的方法，己经有很久的历史。据相关 资料显示，我国古代最早的指纹应用可追溯至秦朝。至唐朝，以”按指为书”为代 表的指纹捺印已经在文书、契约等民用场合被广泛采用。自宋朝起，指纹则开始 被用做刑事诉讼的物证。在欧洲，1 8 8 0 年英国人亨利福兹就提出了用指纹识 别系统识别犯罪。到了2 0 世纪7 0 年代由于计算机的技术的发展和模式识别理论 的发展，各国已经开始使用计算机技术进行自动指纹识别技术的研究。自动指纹 识别系统( a r t s ) 为指纹分类、匹配提供了高速的平台。 指纹作为最早使用的人体生物特征，得到了最全面的研究，自动指纹识别系 统已经在各行各业得到广泛的应用。采集设备也不断得到升级，从最原始的油墨 到现代的c c d 、光电半导体材料。采集到的指纹图像质量不断提高，精确、快 捷、方便无疑是采集设备不断提高的反映。而作为自动指纹识别系统的内核算法 更是人们研究的热点。指纹识别的具体方法主要是根据指纹纹线所提供的细节特 征点，如端点、分支点、三角点、中心点的位置、数日、方向来对指纹进行分类 中山大学硕士学位论文 掌纹识别关键技术的研究 识别。但由于应用的领域不同，特别是公安系统，所采集的指纹往往是犯罪现场 获得的，因此指纹质量比较差，这对指纹识别算法提出了更高的要求。 2 手形识别：是利用人手掌的几何特征如手掌的长、宽度，手指之间的相 对长度与宽度、手指连接处的模式等特征。但是它的唯一性没有得到充分验证， 易仿造。 3 人脸识别：人脸的结构特征比较复杂，人脸识别主要是通过对面部特征 的分析，如眼、眼睫毛、鼻、嘴唇、下巴的形状、位置及它们之间的相互空间关 系为特征进行区分的。人脸随着年龄的增长变化比较大，采集图像时的光线、角 度、距离因素对图像影响比较大。 4 虹膜识别：虹膜是位于角膜之后，晶状体之前，巩膜和瞳孔之间的环状 可视薄膜，表面分布了毛细血管和神经，形成纹理结构。因此，虹膜识别主要是 通过对虹膜环形区域纹理结构来识别的，研究表明虹膜识别是一种高精度的生物 识别特征，需要专门的图像摄取装置，因此虹膜精确定位及分割显得尤为重要。 但是，在取像时不易被人接受，采集设备成本也比较高。 5 语音识别：是以人的语音信号为研究对象，准确地识别出语音的身份。 语音识别涉及语言学、心理学、信号处理、计算机科学等领域。 6 签名识别：通常有静态和动态签名两种系统，静态系统是利用笔迹的几 何形状特征进行识别，动态系统利用几何形状和运动特征，如书写时的速度、运 动轨迹等识别。 7 掌纹识别：掌纹作为人身份鉴别的特征应用已经很久了，特别是在一些 特殊行业，如公安系统，掌纹是现场获取的有力证据，是指纹识别的有利补充。 目前我国公安系统也在积极建设掌纹库，以便为公民身份识别做准备。掌纹识别 主要是通过手掌表面的纹线及细节特征进行分类识别，它的特征比较丰富，更有 利于身份识别。 目前，人体生物识别技术以其准确、高效性被广泛应用在民用领域和刑侦领 域。在刑侦领域，现场采样的指掌纹、声音、d n a 等信息都是案情有力的证据， 因此对这些生物特征进行准确的识别具有重要的意义。指纹作为物证之首的观点 早己被各国刑侦机关认同，因此指纹系统是应用最早、技术最成熟的。我国公安 系统的指纹管理经历了指纹单指、单联指、十指指纹档案管理到采用指纹人工编 第1 章绪论 码计算机检索管理系统，到今天已经推广使用的a f i s ( 指纹自动识别系统) 的 发展历程。而掌纹作为指纹最重要的补充，也得到越来越多的重视，在公安系统 掌纹库也逐步建立起来并在案件侦破过程中发挥重要作用【1 m 2 1 1 ”。v a l l yb j e f s 指 出，掌纹将是公安系统的又一重要证据，未来将有3 0 的有用信息来自于掌纹1 4 1 。 因此建立掌纹识别系统具有重要意义。 图1 - i 显示了b i o m e t r i c 公司在分析预测手掌( 手型、掌纹、静脉) 识别系 统2 0 0 6 年市场发展时所制作的收入统计表。从表中可以看到，手掌识别系统的 市场收入是逐年增加的，以手掌为基础的人体生物识别技术保持良好的市场发展 势头 4 1 。 善 藿 蕃 骘 猢2 0 0 1凇 煳 图1 - 12 0 0 0 - 2 0 0 3 年手掌识别系统市场收入统计表 1 2 掌纹识别技术的研究现状 i 2 1 掌纹的特点 掌纹作为一种纹理图像具有丰富的特征，不仅包括显而易见的主线、皱纹， 还包括类似于指纹的细节，如端点、分支点、中心点、三角点等。手指部分是手 中山大学硕士学位论文掌纹识别关键技术的研究 掌的延伸部分，掌纹同指纹基本的脊谷具有的特性是相同的。 掌纹图像同指纹图像一样具有唯一性及终生基本不变性，因此可以用来作为 人身份鉴别的生物特征，归纳起来掌纹图像具有以下特点： 唯一性：掌纹主要由主线、皱纹及呈现细节特征的乳突纹组成，它们错综复 杂地交织在一起，每个人都具有其独有的特征，唯一地确定了一个人的身份。 终生基本不变性：虽然人会随着年龄的增长及劳动强度的增强，掌纹上的皱 纹会逐渐增多，但是主线及乳突纹基本终生不变，因此可以近似把掌纹看成终生 不变。 采集方便：掌纹获取装置简单易行，无论是在线掌纹还是离线掌纹，采集方 式都是容易进行的。 特征丰富：掌纹图像不仅可以采用与指纹相类似的乳突纹作为特征，而且可 以把主线，皱纹等大尺度的纹线作为特征，并且掌纹图像具有复杂的几何特征及 纹理特征。 识别快捷：采用计算机处理的识别算法，可以达到即时、准确的效果。 因此可以将掌纹图像作为人身份鉴别的特征广泛应用。 1 2 2 掌纹验证与掌纹识别 基于掌纹的身份鉴别通常分为身份验证和身份识别。 基于掌纹的身份验证是确定两个掌纹样本是否来自同一个人，验证是通过对 两个掌纹的有效生理特征进行比对获取身份验证参数，再比较验证参数与给定阈 值的大小从而判断两个掌纹是否为同一个人的样本，是一对一的比对。身份验证 常应用于安全保卫系统，通过对掌纹的一一比对，确定对该身份的允许或拒绝。 基于掌纹的身份识别是用一个掌纹样本在掌纹库中查找具有相同或相似生 理特征的掌纹，从而判定掌纹的身份，是一对多的比对。身份识别主要应用于刑 侦系统，公安人员在犯罪现场采集到掌纹样本，通过与掌纹库的掌纹进行比对来 确定掌纹的身份，为侦破案件提供强有力的证据。 _ 4 1 2 3 掌纹识别关键技术 当采集到掌纹图像后，对于掌纹图像的匹配过程通常包括以下几个步骤： 第1 章绪论 预处理：当采集到一个掌纹样本后，首先对图像进行分割，将掌纹图像从背 景中分离出来，然后对图像进行必要的去噪及增强处理。对于基于细节特征匹配 的方法来说，皱纹并不是所要提取的特征，因此如何有效地去除皱纹的干扰是细 节特征提取的前题条件。j u n - i c h if u n a d a 提出去除皱纹线，根据脊线形状特征 及其能量谱而提取出掌纹脊线的方法嘲，这样许多用于处理指纹图像的方法都可 以拿到掌纹中来用，比如细节点的提取与匹配等。论文实验所用的离线和在线掌 纹样本在分割的基础上还要进行定位，使掌文样本的位置坐标具有参照性。 特征提取：这一步是掌纹识别技术的关键步骤和技术难点，特征提取的有效 性将决定掌纹的识别效果。一般是根据选定的特征对预处理后的图像进行特征提 取，常把纹理特征、线特征、点特征等提取出来。常用的方法有边缘提取、模板 匹配法、纹理分析方法、小波分析等方法。目前，掌纹的特征提取方法已经取得 了大量研究成果：p a u ls w u 、m i n gl i 于1 9 9 7 提出了用堆栈滤波器实现金字塔 滤波结构来提取掌纹主线的方法1 6 l ；d a v i dz h a n g 、束为提出的基于方向模板提 取线特征的方法【7 】【8 】；戴青云提出了基于形态中值金字塔的多分辨率分析的线特 征提取方法和基于形态中值小波提取掌纹线特征的方法嘲f 1 0 1 。j u nc h c n2 0 0 1 年 提出了一种把皱纹作为特征的识别方法【1 1 1 ：包桂秋等提出的利用图像方向信息 提取特征纹线的方法；g u a n g m i n gl u 、l c iz h a n g 利用小波变换提取掌纹特 征的方法1 1 3 】1 1 4 】；c h i n c h u a nh a n 提出利用手形进行粗匹配，再利用小波分析的 方法提取特征 1 5 1 ；邬向前使用c a n n y 滤波算子提取了在线掌纹图像的主线特征 “q ：j a n e y o u 使用多特征分级编码进行匹配，首先利用掌纹上关键点的距离进行 编码，再对掌纹纹理特征进行编码，第三级是对兴趣线编码，最后计算方向纹理 能量并对其进行编码m l 。分级编码提高了系统的匹配精度，同时计算量也比较 大；g u a n g m i n gl u 利用对掌纹图像进行k - l 变换建立特征本征因子进行识别 1 5 1 。 掌纹的特征提取是掌纹识别技术的关键，虽然学者们已研究了大量的分析方法， 可是没有哪一种方法能够同时取得高精度、高效率、抗噪声的良好性能，对掌纹 样本的质量也有着特定的要求。目前，在结构特征提取方法中，线特征是掌纹识 中山大学硕士学位论文掌纹识别关键技术的研究 别的一个研究热点，各种算法都进行了尝试。掌纹的线特征具有明显的方向特性， 而二维g a b o r 滤波器具有良好的方向和频率选择性，因此可以用来提取掌纹图像 上的线特征。 分类匹配：根据所选取的特征进行模式分类，在匹配阶段常采用统计、聚类 等方法。分类是为了加快匹配速度与精度，而分类的方法也多种多样。t e ec o n n i e 采用了基于f i s h e r 判决器的分类方法m 】；邬向前采用基于结构特征主线的分类 方法啪1 ；x i a n g q i a nw u 提出了基于f i s h e r 判决器的f i s h e r 掌纹空间，有效地提 高了识别率【2 1 1 。在匹配方法中，相关匹配是一种常用而有效的方法。 1 3 论文研究内容及其安排 本文围绕掌纹识别关键技术进行论述，总体由五章构成。第一章阐述了掌纹 识别的技术背景及意义。第二章阐述了目前掌纹识别关键步骤实现的主要理论方 法。第三章主要论述了本文提出的基于二维g a b o r 滤波器的掌纹识别系统的实现 理论和方法。该部分在掌纹分割、定位的基础上实现了二维g a b o r 滤波器的线特 征提取，并建立了基于模糊数学的方向向量因子实现了特征匹配。第四章针对本 文实现的掌纹识别系统进行测试。实验结果表明系统能够对离线和在线掌纹进行 验证，在p o l y up a l m p r i n td a t a b a s e 中测试，系统的识别匹配率可以达到 9 8 3 3 。第五章是对本文工作的总结及对未来工作的内容进行了展望。 6 第2 章掌纹识别技术的研究 第2 章掌纹识别技术的研究 2 1 掌纹的基础知识 掌纹由乳突纹、皱纹和主线三种纹线组成。乳突纹是类似于指纹图像的 脊线和谷线组成的细小纹路，其具在唯一性和终身不变性。皱纹是皮肤组织松弛 活动形成的细小沟纹，它虽然横压在乳突纹上，但不损坏乳突纹的结构。与主线 相比，皱纹的线条更细，分布更加没有规律。主线是手掌关节屈伸运动时在手掌 上形成的固有的沟纹。该纹线主干的分布和形态是终身不易改变。据统计8 0 以上的人有三条主线，分别称为第一、第二、第三线( 生命线、智慧线，感情线) 。 主线的稳定性使得第一，第三主线的起点也具有良好的稳定性和旋转不变性。因 此，束为将这两条线的起点作为基准点，以过这两点( a ，b ) 的直线作为x 轴， 把线段a b 中心点设为原点o ，过o 点的垂线作为y 轴建立坐标系。这样坐标系 将手掌分为三个区域：指根部、内侧区和外侧区。掌纹中的乳突纹可以在局部形 成和指纹一样的三角区域。在指根部，每个手指的根部均有一组凸向掌心的横行 弧线，常与来自两侧指问的纹线汇成三角区域。来自内、外侧不同流向的纹线通 常在腕部汇成三角区域。 2 2 掌纹识别系统流程图 匹配结果 图2 - 1 掌纹识别系统框图 一般的识别系统都包括样本登记和样本识别两个模块，登记模块实现的是 掌纹样本的入库，建立掌纹样本库。在建库时首先采集掌纹样本并进行预处理， 包括分割掌纹和背景、定位和图像增强等处理；然后进行特征提取，并以提取的 特征输入数据库。识别模块主要完成待识别图像的特征提取，然后与库中掌纹图 像进行一一匹配查找出识别结果。 j 中山大学硕士学位论文掌纹识别关键技术的研究 下面针对掌纹识别系统的关键技术进行了系统研究，分别从掌纹图像的采 集、分割算法、特征提取及匹配进行了研究。 2 3 掌纹图像的采集 掌纹图像一般分为在线掌纹图像和离线掌纹图像。 在线掌纹图像的采集常使用扫描仪、数码相机及专用的采集仪，直接将图像 转化成数字输入计算机。一般所采集的图像由于光照和采集分辨率原因，对比度 相对离线掌纹图像都不高，并会出现图像小区域失真。张大鹏等研制的在线掌纹 处理系统是采用图( 2 2 ) 专用的设备，这样可采集到分辨率比较高、对比度相对 较好的掌纹图像。 图2 - 2 掌纹采集仪 离线掌纹是通过传统的人工油墨捺印纹卡片获取掌纹样本，再将图像扫描存 贮在计算机，所采样的图像对比度比较高，可是由于人手按压力度不均，并不能 每次都清晰地采样到所有特征，因此在建库时，通常采样几个样本。我国公安机 关基本上都是利用离线指掌纹方法建库。早在1 9 5 6 年公安部编印的捺印手册 中就有很明确的指纹捺印合格标准：“用力均匀”、“清楚完整”。同时明确不清楚、 不完整的要补捺 4 5 1 。 2 4 掌纹图像的分割 采集到的图像通常包含有背景信息，如何将有效的掌纹图像从背景图像中分 第2 章掌纹识别技术的研究 割出来是系统处理的第一步，同时图像分割也是一种特征提取的有效方法。 2 4 1 图像分割的意义 图像分割是将图像按照一定的规则分为若干互不相交的小区域，这些小区域 在一定规则下是具有某种共同属性的连通的像素集合。例如一幅卫星遥感图像， 通过相关的规则可以把不同的景物分割出来，呈现出森林、河流、草原、城镇等 不同地貌，以便于后续相关的图像分析。 图像分割是图像分析的关键和基础的步骤，如果不能准确地分割出不同的区 域，那么就得不到对图像正确的分析结果。对于不同的图像进行分割没有一个统 一的规则，往往根据图像分析的目的采取不同的分割方法。常用的方法主要分为： 基于阀值分割的方法、基于边缘检测的方法、基于区域的分割方法。 2 4 2 基于阀值的分割方法 阈值是在分割时作为区分物体与背景像素的门限，大于或等于阈值的像素属 于物体，而其他属于背景。这种方法对于物体与背景之间存在明显差异的图像分 割十分有效。对于采集到的掌纹图像，特别是离线掌纹图像，对比度比较大，采 用阈值分割可以将掌纹与背景区分开。阈值根据不同情况可以采用固定阈值、自 适应闽值及实验最佳阈值 2 2 1 。固定阈值一般用于图像和背景对比度高的情况。 而很多图像物体和背景的对比度各处都不一样，很难用一个固定的阀值把目标和 背景分割开，这时可以根据图像的局部特性分别采用不同的阈值进行分割。常用 的方法有直方图法、最优阀值。 1 直方图 利用图像的灰度直方图进行图像的分割是最简单和常用的方法。阀值是在图 像灰度直方图上直接确定的。特别是灰度直方图呈现比较明显的双峰形式，那么 谷底就是阀值。 这种方法简单直观处理方便，但是所选取的阀值比较单一，很难精确地把复 杂物体从背景中分割出来。 2 最优阀值 中山大学硕士学位论文 掌纹识别关键技术的研究 在实际的应用中，上述直观的分割很难实现有效分割物体和背景。而利用统 计的方法构造出判决函数，再对函数求极值来确定最优阀值。而判决函数的确定 方法多种多样，常用的有最大类间方差法、最大熵方法等。 ( 1 ) 最大类间方差法：这种方法主要利用统计数学中方差的理论知识进行 求解。首先将图像中的所有像素根据灰度级用阀值t 划分为两类a 和b 类，如 下： a = 1 ，2 ，t )b = t + 1 ，t + 2 ，n ) ( 2 1 ) 其中吼为a 类的方差，d 。为b 类的方差，盯。+ 。为两类内部的方差，盯。为 两类问的方差，用仃表示总体方差，具体表示为： 口+ b 2 暑 a a 2 + 口盯b 2 ( 2 2 ) 盯= 月扣j 一o ) 2 + 日0 b u o ) 2 ( 2 3 ) 盯。善( “i 吨) 只( 2 - 4 ) 构造三个判决函数为： a ；! 冬， 口a + b ， 盯2 k ；， 盯 + b ( 2 5 ) 由于上述三个判决函数的单调性是一致的，其中玎是三者中最为简单的，故 当取得最佳阀值t h 时，d 。2 ( f ) 取得最大值。 这种方法，只需计算出每个灰度级t 的类间方差盯。2 ，并选出最大值所对应 的阀值就是最佳阀值t h 。这种方法概念比较清晰计算量不是很大。 ( 2 ) 最大熵方法：由信息论可知，从某一事件所获得的信息与它发生的概 率成反比，并且计算不同区域的熵之和为最大所确定的阀值是最优阀值。常用的 方法有k a p u r 等人提出的基于两个分布假定的方法。 设风，p ，p 。为图像灰度级概率分布，其中f 为灰度级数，p 。；i f t i ，n 。为 v 图像中灰度值为i 的像素值，n 为图像像素总数，设t 为对图像进行分割的阀值。 那么由灰度级概率分布，导出两个概率分布，其中一个用来描述背景 o ，1 ，t ) ：生 互 吁 第2 章掌纹识别技术的研究 刚狄厦万仲，刃一7 i 、用术于白| 尬日怀叨件 t4 - t , t + 厶l l ，刚扶厦，于伸，送p 呵7 l 、 分布为a ，b 。 4 ：墨，量旦 弓弓弓 b ：且量一且( 2 - 6 ) 1 一b 1 一b 1 一碍 其中弓= 骞卑 则两个分布的熵h 。0 ) ，h 。o ) 分别为： 雌卜塞每m 每 m 卜塞矗h 高 协， 两者相加表示分割后图像的总熵为： 划脚埘荆i l n p r ( 1 吲+ 每+ 等 浯 其中日，一萎p j l n 见耻一荟tp 山p j 使总熵取最大值的阀值t h 即是分割图像的最佳阀值： t h m a x h r ( f ) ( 2 9 ) 最大熵方法就是计算每个灰度级t 对应的h ，( f ) 函数值，以求出使函数取最 大值对应的t 值就是最佳阀值t h 。这种方法因为在求阀值时，要对每个灰度遍 历所有像素，因此计算很大。 2 4 3 基于边缘检测的分割方法 边缘检测是图像处理中常用的、重要的图像处理方法，常用的边缘提取的方 法有很多种，如s o b l e 、p r c w i t t 、r o b e r t s 、l o g 、c a n n y 算子等。 中山大学硕士学位论文掌纹识别关键技术的研究 这类方法主要是基于图像灰度级的不连续性，通过检测不同均匀区域之间的 边界来实现对图像的分割。但是人们在应用中所要提出的边缘是不同的，有时是 目标物体的边界，有时是复杂的纹理，甚至有时图像中的噪声也成为有意义的边 缘，因此要针对不同的情况采用不同的边缘算子。常见的有一阶微分算子如 r o b e r t s 算子、p r e w i t t 算子和s o b e l 算子。二阶算子如l o g 算子。这些算子都是 基于以下基本的定义。 1 梯度算子 梯度算子是一阶导数算子，对于图像边缘变化大且噪声小的情况，梯度算子 的方法比较好。设一个连续图像函数f ( x ，y ) ，它在位置( x ，y ) 的梯度为 v f ( x , y ) i 【g ，g ，卜芒要】r ( 2 - 1 0 ) 慨d v 这个梯度的幅值和幅角为： 阿l = g ；2 + g ，2 啪细c t a 唔) ( 2 - t ，) 对于数字图像，则采用差分运算代替求导运算，相应的一阶差分为： ，( f ，) 一f ( i ，) 一，( f ，j 一1 ) ，f ( i ，j ) = f ( i ，) 一，( f 一1 ，) ( 2 1 2 ) 对应的差分梯度表示为： v ，t 【，仃，) ，o ，) r ( 2 一1 3 ) 在实际中，因为在对图像进行边缘处理时，要对每个像素进行上述差分梯度 运算，因此用模板卷积原图像的小区域进行计算。而常用的有r o b e r t s 算子、 p r e w i t t 算子和s o b e l 算子，相应的模板如式( 2 一】4 ) ： 【矧 r o b e r t s 雕圳 第2 章掌纹识别技术的研究 雕蚓 检测的。对一个连续函数f ( x ，y ) ，则在 ，y ) 位置的拉普拉斯值定义为： v 2 ，一軎+ 軎 ( 2 1 5 ) 实际中为了去除噪声影响，首先用高斯函数对图像进行滤波，然后再求二阶 导数，具体如下； v 2 【g o ，_ ) ，) f ( x ，) ，) 】一v 2 g 0 ，y ) + i ( x ，y ) ( 2 1 6 ) a ( x ，y ) 为高斯函数，v 2 a ( x ，y ) 称为拉普拉斯高斯算子，即为l o g 算子，计 算为： v 2 g ) 一刍( 等1 ) c x p 一2 箬o r ( 2 _ 1 7 ) 加d 。 。 v 2 g 0 ，y ) 是关于原点对称的函数，其主瓣宽度为： w 。2 - 4 厄c r 3 a 在实际应用中，可将v 2 g o ，y ) 简化为： v 2 g ，一k ( 1 一每与e x p ( 一毛笋， 3 c a n n y 算子 c a n n y 算子具有良好的边缘检测性能，它是利用高斯函数的一阶微分，能在 抑制噪声和边缘定位之间取得平衡。具体做法如下： 球，j 】表示图像，首先将该图像通过高斯滤波器，实际中使用高斯滤波模 板卷积原图像，再对平滑过的图像以x 和y 求偏导数得到两个阵列 邱，j 内q 【f ，j 】，其次求出梯度的方向和幅值，并取幅值最大。 中山大学硕士学位论文掌纹识别关键技术的研究 研f ，卜( h p ，j + 1 】一h i ，j 】+ h i + 1 ，j + 1 卜日【f + 1 , j 1 ) 2 q p ，j 卜( 日p ，力一日p + 1 ，j 】+ 日【f ，+ 1 卜h 【f + 1 ，+ 1 ) 2 则梯度的幅值和方向角为： m i ，小扣西再丽 叩川，嗥辫 然后求出使梯度幅值为最大的值即为边缘点。 2 4 4 基于图像区域的分割方法 ( 2 一1 9 ) ( 2 - 2 0 ) 基于区域的分割方法有两种基本形式：区域生长和分裂合并。 区域生长是从单个像素出发，将具有相似性的像素合并起来形成区域。具体 先对每个需要分割的区域找一个种子像素作为生长的起点，然后将种子像素邻域 范围内与种子像素相似的像素合并到种子像素所在的区域中，将这个过程一直叠 代下去，直到没有像素可以合并。显然，种子像素、生长准则和终止条件是算法 的关键。 分裂合并的思想，是从整幅图像开始通过不断的分裂得到各个区域，再将邻 域内具有相似性的区域合并以得到分割结果。该方法如果分裂不能小到像素级就 会降低分割精度，同时如果分裂小到像素级就会增加合并的工作量，增加了算法 的工作量。 2 4 5 基于g a b o r 滤波器的纹理分割方法 g o b o r 滤波器因为具有与生物视觉相似的带通特性，因此利用g a b o r 滤波器 方向滤波对纹理结构进行分割成为一个热点。2 - dg a b o r 函数的定义为： 她) ，) 一击e x p ( 一芋) e x 山拗。c o s o + y s i n 0 ) z ，) 其中盯是x 和y 方向上的高斯函数的方差，。为正弦函数的频率，口是正 弦函数的相位角，可见g a b o r 函数是一个被复正弦函数调制的高斯函数。经g a b o r 第2 章掌纹识别技术的研究 滤波后输出的图像为： h ( ) r ) - f ( x ，y ) + q o ，) ) ( 2 2 2 ) f ( x ，y ) 为原图像，h ( x ，) ，) 为滤波后输出图像，即滤波后输出图像为原图像 和g a b o r 滤波器卷积取模。 2 5 掌纹图像特征提取 特征提取是识别技术的关键和难点。因为在采集过程中，由于噪声污染及采 集方法的限制不可避免地混入噪声，因此需要对掌纹图像进行必要的预处理，以 提高后期算法的识别效果。常用的方法有图像的灰度修正、图像平滑、中值滤波、 高斯滤波去噪等。掌纹图像包含丰富的纹类信息，即可以把细节的乳突纹作为特 征，也可以把主线、皱纹作为线特征，同时掌纹上的点特征、纹理特征都可以提 取出来匹配。 2 5 1 纹理特征 d a v i dz h a n g 、w a i k i nk o n g 等研制的掌纹识别系统主要是以掌纹的纹理作为 特征，他们采用二维g a b o r 滤波器对掌纹图像进行相位编码心】【2 6 】。二维g a b o r 滤波器不仅具有多尺度特性，而且还具有一般小波滤波器所不具备的良好的方向 特性。因此在方向滤波方面得到广泛应用。该系统采用的滤波器如下： g o ，y ，口，肛，盯) - 云e x p _ 兰等 e x p 2 ，z ( u x c o s p + 叫s i n 疗) ) ( 2 2 3 ) 为了增强g a b o r 滤波器对光照的鲁棒性，采用式( 2 - 2 4 ) 艺g 蚍0 以盯】 g 【工，y ，口，肛，c r 】ig b ，y ，口，c r 卜竺= ! = ；云_ ：。巧广 2 2 4 相位表示为两字节( b r ，b 1 ) ，这两个字节编码由下式确定。 中山大学硕士学位论文掌纹识别关键技术的研究 b r = 1i fr e g x ，y ，口，u ，盯】+ i l 0 b r5 0 r e 【g b ，y ，一，肛，盯】+ j 】o( 2 2 5 ) b f = 1 l m 【g b ，y ，日，2 ，o 1 + 1 1 0 b ，0 i m g x ，y ，日，盯】4 ，】 0 ( x 。y 。) 是中心点，m 是沿方向日的角频率，仃是高斯函数的标准差，臼是 滤波器的方向。 2 5 2 图像金字塔提取主线特征 图像金字塔是一种以多分辨率方法分析图像的有效但概念简单的结构。图像 金字塔最初用于机器视觉和压缩，一幅图像的金字塔是一系列以金字塔形状排列 的分辨率逐步降低的图像集合。金字塔的底部是待处理图像的高分辨率表示，而 顶部是低分辨率的近似。 o 级 1 级 2 级 j i 级 j 级 图2 - 3 一个金字塔图像结构 因为基础级j 的尺寸是n * n ，中间级j 的尺寸是2 - 2 j ，其中0 sj j 。完 整的金字塔由j + 1 个分辨率组成，由2 ，2 n 2 0 ，2 0 ，但大部分金字塔只有p + i 级，其中j = 3 一p ，3 - 2 ，3 - 1 ，j 且1 s p j 。也就是说，通常限制它们使用p 级 来减少原始图像近似值的尺寸。根据图像处理的实际需要选择层级。图2 3 是一 个建立图像金字塔的简单系统： 第2 章掌纹识别技术的研究 图2 4 建立金字塔的方框图 j 一1 级的近似输出用来建立近似值金字塔，包括原始图像的一个或多个近似 值。近似值金宇塔从基级开始，逐级进行抽样得到低一级的近似输出，分辨率逐 渐降低。j 级预测残差输出用于建立预测残差金字塔，金字塔包括了原始图像的 j p 级低分辨率的近似信息，以及建立p 级较高分辨率的近似信息。预测金字 塔用于从分辨率已经降低的图像重建原始图像，是将低一级的图像内插得到较高 分辨率图像，并连同该级的预测残差共同估计出该级的近似图像。 许多学者将图像金字塔多分辨率分析方法应用在掌纹图像的特征提取方面， 如：金字塔堆栈滤波器、形态中值金字塔。 1 金字塔堆栈滤波器 p a u ls w u ，m i n gl i 于1 9 9 7 提出了用堆栈滤波器实现金字塔滤波结构的方 法提取出掌纹的主线特征。堆栈滤波器通过训练l 层的噪声图像与l + 1 层的期 望图像的平均绝对误差( m a e ) 为最小达到最优。然后将l 层的噪声图像通过 训练好的堆栈滤波器得到l + i 层图像的估计。堆栈滤波器有两个基本的特性： 可分解性与堆栈性。其可分解性可以简化推理计算过程。该算法可以提取出掌纹 图像的三大主线，可是不能提取出其它线条特征。 金字塔堆栈滤波也是一种模板匹配的方法，通常模板匹配具有良好的特性， 可是计算量大。该方法根据金字塔结构图像的大小逐层递减的特性，只是在金字 塔的最高层使用模板匹配提取出边缘点，大大降低了计算量。利用其堆栈特性可 以由最高层提取出来的边缘点推算其它层的边缘点，如图2 4 。通过上述处理可 以提取出来掌纹的主线特征。 中山大学硕士学位论文 掌纹识别关键技术的研究 测试图像g o 图2 - 5 基于堆栈滤波器快速边缘检测流图 其中i a s 表示插值、调整、平滑的处理过程。 2 形态中值金字塔滤波器 图像金字塔能在不同分辨率下对图像进行处理。通常在小尺度下，图像包含 更多的图像细节信息，适于准确提取细小的边缘。而在大尺度下，图像对于噪声 不是很敏感，能够提取出线条比较粗的纹理。对于掌纹图像，包含丰富的线条特 征，特别是主线和皱纹线条较粗，因此适合在较低分辨率下提取，因此系统首先 利用图像金字塔对掌纹图像降一维。而金字塔的滤波函数采用的是中值滤波器， 不仅计算简易并且能有效滤除噪声的影响。二级形态中值金字塔的分析算子表示 为： 妒( x x m ，n ) = m e d i a n 缸( 2 ，玎+ 七，2 n + f ) l ( 七，f ) 爿) ( 2 2 6 ) 而a 是一个3 * 3 的图像矩形窗。 相应中值金字塔合成算子表示为： l f ， ) ( 加，2 h ) = x ( m ， ) 妒0 ) ( 加，2 n + 1 ) = x ( m ，n ) x ( m ，n + 1 ) 妒 x 2 ，n + 1 ，2 n ) ；x ( m ，1 ) x ( m + 1 ，1 ) 妒4 ( x ) ( 2 ，n + 1 , 2 n + 1 ) 一x ( m ，n ) vx ( m ，n + 1 ) v x ( m + 1 ，n + 1 ) v x ( m + 1 ，n ) ( 2 2 7 ) 第2 章掌纹识别技术的研究 图2 - 6 掌纹样本 图2 - 7 形态中值金字塔分解 图2 9 中值重建l 璺i2 - 8 l a w 模板匹配 图2 - 6 、2 - 7 、2 - 8 、2 - 9 是使用形态中值金字塔方法提取掌纹主线的实验数据。 图2 - 6 是待处理的掌纹样本；图2 - 7 是经过形态中值金字塔分解的低一级掌纹图 像；图2 - 8 是用l a w 模板匹配的图像输出，可以看到经过该模板卷积运算已经 提取出来主线特征；图2 - 9 是利用中值重建算子得到的重建图像。 2 5 3 提取皱纹特征 j u nc h e n 提出了一种把皱纹作为特征的方法。该方法主要基于两点：一点 是皱纹的方向和邻域像素的方向有很大不同第二点是皱纹一般位于又长又窄的 区域，它的宽度和邻域纹线宽度不同。作者提出了一种新的像素点方向计算方法。 在估计皱纹点时，确定沿方向d 的一个像素点g ，并沿方向d + ，r 2 选取m 个像素 点g i ( 1 z h ，) n ( t a l t , t h d ) n ( t d 2 t 2 t h d ) 2 ( t l t h ，) n ( t d l f 1 掰d ) 3 ( t 2 t h ，) n ( 掰2 t 2 t h d ) ( 2 2 9 ) 如果以上均不满足则考虑2 m + 1 点，根据这些点的方向做曲线，曲线的谷点 将曲线分为几部分，如包含像素点g 的线段宽度明显和其它的不同，则判为皱纹 点。 2 5 4 基于图像方向增强提取线特征 包桂秋等人提出把掌纹图像分割成不同的予块，对包含有纹线的图像子块 在其主方向上进行滤波及增强处理，突出特征纹线的信息，剔除不含有纹线的子 块，可以提取出用于识别掌纹的主线特征。该方法抗噪性能比较差，当噪声比较 强时，对图像进行方向增强后的结果将会产生较大误差。 2 5 5 点特征的提取 n i c o l a ed u t a 提取出在主线上的系列方向特征点，然后通过计算两幅待识图 像的匹配点对的距离判别是否匹配1 2 7 1 。该方法抗噪性能差，分类的判决门限存在 不对称性。 2 6 掌纹图像匹配 在模式识别技术中，当提取了目标物体的特征后，接下来就要评估这些特征 是否满足识别的需要。 第2 章掌纹识别技术的研究 2 6 1 相似性度量 通常匹配主要通过待匹配图像与模板之i 司的相似性度量来确定。设x 代表 模板图像，y 代表待匹配图像，它们大小为m x n ，则几种常见的相似性度量可 以表示为： 1 平均绝对差度量( m a d ) d ( “，v ) 2 志善善一v ki (2-30) 2 平方差度量( s d ) ： d 。善善一_ ) 2 ( 2 嘲) 3 平均平方差算法( m s d ) ： 盹小未i 善荟眠扩b ) 2 2 。3 2 ) 对于以上三种相似度，值越低说明相似度越高。 4 积相关度量( p r o d ) 她加志善p + - ，一k ( 2 瑚) 5 归一化积相关度量( n p r o d ) ： 耋塞皤。小，一i x b 一哥) r ，v ) 一 乇巴_ - 一 ( 2 3 4 ) 【善善盖三”】l ，2 【善善y 2 汀” 其中一x , 一y 是图像灰度均值。对于4 ，5 两方法所表示的相关度量，值越大说 明相似度越高。归一化积相关法虽然计算量大，但是在同种相似性度量中，效果 比较好。 图像匹配的方法有很多，常用的主要有两种：基于图像灰度信息的匹配和 基于图像特征的匹配。 中山大学硕士学位论文掌纹识别关键技术的研究 2 6 2 基于图像灰度信息的匹配 基于图像灰