（通信与信息系统专业论文）指纹图像质量评估及预处理.pdf

摘要 指纹识别是生物特征识别中出现最早，应用最为广泛而且技术最为成熟的一 种身份识别技术。指纹识别技术一直以来是生物识别技术中的研究热点。然而人 们更多的是将研究精力投入到指纹识别的关键技术( 指纹图像增强、指纹特征信 息的提取、指纹匹配和指纹分类等) 研究方向上，对指纹图像的质量评价方法的 研究涉及较少。本文所述的是指纹识别技术中的指纹图像质量评估和指纹图像预 处理方面的一些研究工作。 实际应用中，由于按在指纹采集仪器上的手指可能是干的、湿的甚至是脏的， 使所采集的指纹图像产生模糊、断纹或粘连；另外，采集的图像存在残留和背景 噪声问题，这些原因使得图像质量变差，自动指纹识别系统的性能在很大程度上 受所采集到的指纹图像的质量的影响。质量差的指纹图像致使系统拒真，导致系 统性能下降。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非 常关键的环节，受到人们的关注。为了降低系统的错误率，需要对自动指纹识别 系统前端采集到的指纹图像的质量进行控制，使识别系统可靠地、高效地工作。 本文先介绍了自动指纹识别系统以及指纹识别的基本原理，然后提出了一个改进 传统的自动识别系统性能的方案，即在传统的自动识别系统中添加一个指纹图像 质量评估模块，并分别从空域和频域详细阐述了实现该指纹图像质量评估模块功 能的方法。实验结果表明文中采用的质量评估算法能够客观地，直观地、准确地 反映出原始指纹图像的质量，为自动指纹识别系统的后续处理如指纹图像的分割、 增强、指纹特征提取、指纹识别提供更加可靠的依据。 预处理方面，主要是指纹图像的分割和增强方面的一些研究工作。基于指纹 图像的频谱特性，我们提出了基于f f t 的指纹图像分割算法对原始指纹图像进行分 割；基于边缘检测方的方法，我们采用t c a n n y - 算子计算指纹图像的前后景边界， 通过有效的后续处理达到了很好的分割效果；基于d t 网格表示图像，我们也给出 了一种适用于分割指纹图像的全新的方法。然后通过对指纹图像进行归一化，准 确估计出方向图和纹线频率，采用具有良好的方向选择性和频率选择性的g a b o r 滤 波器对指纹图像进行增强处理。 关键词：指纹识别指纹识别系统指纹图像质量评估指纹图像预处理 a b s t r a c t f 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 ti m p o r t a n ta n dt h em o s tw i d e l yu s e d b i o m e t r i ct e c h n o l o g i e s m o r ea t t e n t i o ni s p a i d t ok e yt e c h n i q u e so ff i n g e r p r i n t i d e n t i f i c a t i o ns u c ha sf i n g e r p r i n ti m a g ee n h a n c e m e n t , m i n u t i a ee x t r a c t i o n , f i n g e r p r i n t c l a s s i f i c a t i o na n dm a t c h i n gb u tr e s e a r c ho nt h eq n a f i t yo ff i n g e r p r i n ti m a g ei sf e w e r f 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 ta n dp r e p r o c e s s i n g i sd i s c u s s e di nt h i sp a p e r i n p r a c t i c a la p p l i c a t i o n , t h ep e r f o r m a n c eo ft h ea f i s ( 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 ) r e l i e sh e a v i l yo nt h eq u a l i t yo ft h ei n p u tf m g e r p r i n ti m a g e s t h e p o o ri m a g e sw i l ll o w e r t h ep e r f o r m a n c eo ft h ea f i s s of i n g e r p r i n ti m a g ea s s e s s m e n ti s b e c o m i n gac r u c i a lp a r ta n dh a sd r a w nas u b s t a n t i a la m o u n to fa t t e n t i o nr e c e n t l y i n o r d e rt om a k et h ea h so p e r a t er e l i a b l ya n de f f i c i e n t l y , i ti sd e a d l yn e e d e dt oc o n t r o lt h e q u a l i t yo ft h ei n p u ti m a g e s af 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 tm o d u l e i sa d d e dt o t h es y s t e m w ea c h i e v et h i sm o d u l eb o t hi ns p a c ed o m a i na n di nf r e q u e n c yd o m a i n t h e r e s u l t ss h o wt h a tb o t ho fa l g o r i t h m sr e f l e c tt h eq u a l i t yo ft h ei n p u ti m a g e so b j e c t i v e l y , a p p a r e n t l y , a c c u r a t e l y f 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 tp a v e st h ew a yf o rt h ef o l l o w i n gp r o c e s s i n g s u c ha sf i n g e r p r i n ts e g m e n t a t i o n , f i n g e r p r i n te n h a n c e m e n t , m i n u t i a ee x t r a c t i o n b a s e d o nt h ec h a r a c t e ro ft h es p e c t r u mo ft h ef i n g e r p r i n ti m a g e ，w ep u tf o r w a r dan e wm e t h o d b a s e do nf f f ( f a s tf o u r i e rt r a n s f o r m ) t os e g m e n tt h ef i n g e r p r i n t i m a g e s c a n n y a l g o r i t h mi su s e dt od e t e c tt h ec d g eb e t w e e nt h eb a c k g r o u n da n df o r e g r o u n do ft h e f i n g e r p r i n ti m a g e s ，b a s e do nt h i s ，w ep u tf o r w a r da n o t h e rs e g m e n t a t i o na l g o r i t h m b a s e do nd e s c r i p t i o nf o ra ni m a g eu s e dd t ( d e l a u n a yt r i a n g l e ) ，an o v e lm e t h o do f f i n g e r p r i n ts e g m e n t a t i o n i sp r o p o s e d a f t e rc a l c u l m i n gt h eo r i e n t a t i o na n dt h ef r e q u e n c y o ft h ef i n g e r p r i n ti m a g ea c c u r a t e l y , g a b o rf i l t e r sw h i c hh a v eb o t hf r e q u e n c y - s e l e c t i v e a n do r i e n t a t i o n - s e l e c t i v ep r o p e r t i e sa r ea p p l i e dt 0e n h a n c et h ef i n g e r p r i n ti m a g e s k e y w o r d ：f i n g e r p r i n ti d e n t i f i c a t i o nf 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 f 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 t f i n g e r p r i n ti m a g ep r e p r o c e s s i n g 创新性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不 包含其他人已经发表或撰写过的研究成果：也不包含为获得西安电子科技大学或 其它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 的任何贡献均己在论文中做了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名彦暂髫日期如。7 ；弦 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。本人保证毕 业离校后，发表论文或使用论文工作成果时署名单位仍是西安电子科技大学。学 校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公开论文的全部 或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。( 保密的论文在 解密后遵守此规定) 本学位论文属于保密，在年解密后适用本授权书。 本人签名： 导师签名 篷，! 室壁 班 日期匈：! ：f 翌 日期趁9 ；i ! ! ! 第一章绪论 第一章绪论 1 1 课题背景、目的和意义 以信息化、数字化、网络化为特点的社会发展对国家以及社会生活的安全性 提出了全新的要求，在这种环境下，传统的安全技术已经是危机四伏，面临着严 峻的挑战和考验。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。如现行的许多计算机系统中，包括许多非常机密的系统，都是使用“用户i d + 密码”的方法来进行用户的身份认证和访问控制的。这些方式具有容易遗忘、容 易丢失、容易破译或仿制等缺点。 随着经济的发展，世界一体化的加深，各国人员交流的频繁，政府、公司等 部门出于安全或者管理的目的，如何及时、准确和有效地验证每个社会成员的身 份，以保障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，成为亟待解决的问题。 生理特征是人身体上某一部分的属性，而行为特征是指人器官的习惯运动所 产生的结果。生物识别依赖于人体的固有属性，不存在遗忘、丢失问题，且生物 特征具有唯一性，因此生物识别理论在理论上可以实现很高的安全性。 所谓生物识别，就是利用人体的生理特征或行为动作来认证人的身份。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，即是说要人人都具有，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。 特征的唯一性，即每个人所具有的特征都应与其他人不样。 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 ) 可采集性，即是否可以方便地获取并量化这些特征或行为。 在实际应用中，对于一个实用的生物识别系统而言，应具备以下特征： 1 1 可行性，即系统的识别精度和速度能够满足应用需要。 可接受性，即用于识别的生物特征可以被人们所接受。 3 ) 适应性，即对于各种欺骗手段，系统应有足够的适应性。 目前，广泛使用或热点研究的生物识别技术有：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。表1 t 给出了这几种生物识别技术的比较。尽管在某种程 度上，这些技术中的每一种都能应用于实际系统，但大多数还不能作为一种毫无 2 指纹图像质量评估及预处理 争议的识别证据( 在法庭上) 。指纹是人类与生俱来的特征，具有不变性、唯一性 和可分类性，是公认的具有法律地位的个人身份特征的可靠证据。至今为止，自 动指纹识别技术是最可接受的、可自动化的和成熟的生物识别技术。 表1 1 几种生物识别技术的比较【1 】 生物特征普遍性唯一性稳定性可采集性准确性 可接受性安全性 脸像高低 由 高低高低 指纹高高高 由 高 由 高 手形中中中高 由 中 中 手部血管中中 由 中 由 中高 虹膜高高高 由 高 由 高 视网膜高高 由 低高低高 笔迹低低低高低高低 语音中低低 由 低高低 红外温谱高高低高 由 高高 气味高高高低低 中 低 步态中低低高低高 由 耳形中中 高 中 中高中 d n a 高高高低高低低 指纹是手指顶部脊线和谷线模式，它常常被用来作为判别人们身份的一种有 效依据。指纹之所以能成为一种主要的生物识别技术，主要是因为它具有唯一性 和终身不变性这两大基本性质以及指纹采集的方便、快捷等特点。现有的指纹处 理技术在指纹图像质量良好的情况下能很好的实现对个人身份的识别，但由于现 有指纹采集技术的不完善性，对于千、湿、脏、老化和磨损严重的指头，往往难以 采集到清晰的指纹图像，从而降低了指纹识别技术的精度，阻碍了自动指纹识别 技术的实际应用发展。为此，在自动指纹识别系统中，对指纹图像质量的评价成 为一个非常关键的环节，受到人们的关注。为了降低系统的错误率，需要对自动 指纹识别系统前端输入的指纹图像的质量进行控制，并且需要在进行特征提取和 识别前进行良好的预处理。 1 2 国内外研究现状 指纹识别是一种较为成熟的生物识别技术，根据目前所查到的文献资料，人 们更多的是将研究精力放在了指纹图像的预处理( 包括指纹区域分离、指纹纹线 方向流信息的提取、指纹图像增强等) 、指纹特征信息的提取、指纹匹配和指纹 第一章绪论3 分类等研究方向上。但是对指纹图像的质量评价方法的研究涉及较少。 目前，针对指纹图像质量评价方法的研究，方法多是移植数字图像质量判断 方法到指纹图像，计算图像信噪比。，这种方法没有充分考虑指纹的特殊纹理特 征。另一类方法是计算指纹细节点的个数，如果提取的细节点过多或过少，都认 为是质量差的指纹图像一。这种方法从理论分析上比较可信，但是质量判断操作是 在增强处理和提取细节点的操作之后，而且判断结果依赖于增强和提取细节点的 算法效率，不能完全满足自动指纹识别系统中对指纹图像注册和拒登操作的快速 高效的需求。 为了保证指纹识别系统的可靠性与高效性，必须要保证能够可靠地快速地提 取出指纹特征，从而为指纹识别提供可靠的依据。因此可以从以下两方面努力。 一方面需要研究对指纹图像质量具有鲁棒性的猪纹特征提取方法，但是到现 今为止，还没有一种统一有效的指纹图像处理、识别的标准算法。多数的公司也 都是根据不同的应用目的，来研究一些实用的工程应用算法。表1 2 列出了最新的 几种指纹识别算法，我们可以看出自动指纹识别是一种复杂的模式识别问题，设 计一种能够有效提取特征信息并使匹配的鲁棒性较高的算法是相当困难的，尤其 是在指纹图像质量比较差的情况下更是如此。尽管目前指纹识别技术空前发展， 但远远没到问题完全解决的时候，指纹识别仍然是富有挑战性。指纹识别是一种 较为成熟的生物识别技术，我国在指纹识别算法上的研究已经处于世界一流水平， 在2 0 0 4 年世界指纹识别技术大赛( f v c - 2 0 0 4 ) 上，中科院自动化所提交的指纹识别算 法的多项技术指标拿到了金牌。如果我们再耗费大量的精力和物力去研究一整套 全新的算法，意义不大，客观条件也不允许。 表1 2 最新的指纹识别算法的e e r 比较【6 】 算法e e r ( )平均匹配时间( 秒)拒绝率 s a 9 13 6 42 1 3o 0 0 s a 妇 4 0 11 9 4o c s t m 5 3 3 o 3 5 1 8 1 c e t p8 2 9 1 6 6 0 0 0 c w a i5 90 5 72 0 8 6 瑚8 0 31 6 0 1 1 9 8 另一方面可以从提高指纹图像的质量入手。影响指纹识别率的因素有噪声、 变形等，例如脏手指、干手指、疤痕导致的不同时期，不同季节间指纹的差异； 芯片表面残留物带来的噪声；手指按压过程中的扭转、拉伸和按压力度等因素会 使指纹产生变形，这些都会影响指纹质量，从而影响到后续处理及识别率。 要获得质量较好的指纹图像，首先应该提高指纹采集设备的性能，遗憾的是 4 指纹图像质量评估及预处理 在目前的技术条件下还没有哪种指纹采集技术能在各种条件下都获得质量很好的 指纹图像。其次是依靠用户在采集指纹时的配合，例如使用适当的力度、保证手 指的清洁及具有适宜的干湿度，然而在实际应用中很难保证所有的用户都做到这 一点。因此我们考虑在采用各种措施尽可能保证输入系统的指纹图像的质量的情 况下，采用某种方法只要保证为系统提供质量较好的指纹图像就能保证系统性能 的稳定发挥。 1 3 1 主要工作 1 3 论文的主要工作和内容安排 为了对自动指纹识别系统的后续处理如指纹特征提取、指纹识别提供更加可 靠的依据，提升识别系统的整体性能，本文设计了一种较好的指纹图像质量评估 算法，从自动指纹识别系统的源头上对输入系统的指纹图像的质量进行严格控制， 不合格的指纹图像会遭到系统拒绝，合格的图像才能进入后续处理环节。根据这 一目标，作者主要工作包括： ( 1 ) 客观评估出原始指纹图像的质量，拒绝质量差的指纹图像参与后续处理而 浪费系统资源，仅对验证合格的指纹图像进行后续处理，从而提高识别系 统的效率。 ( 2 ) 对验证合格的指纹图像进行较好的预处理，包括指纹图像前后景分割以及 指纹图像前景的增强。分割方面根据不同的图像库采取了不同的分割算 法，提取出有效的指纹区域，割除指纹图像背景；然后通过较精确估计出 指纹方向国和指纹纹线频率，利用g a b o r 滤波器对指纹图像进行增强。 本文所述算法是在i n t e lc e l e r o n4 - 1 7 g h zp c 机上，v c + + 6 0 编程环境下， 软件编程实现的。 1 3 2 内容安排 本文各章的内容具体安排如下： 第一章：阐明了指纹图像质量评估的研究背景、目的和意义，并归纳了该领域国 内外的研究现状。 第二章：介绍了指纹识别系统的结构和指纹识别的基本原理，详细介绍了指纹识 别系统中的几个关键环节。 第三章：分析了进行指纹图像质量评估的意义，并分别从空域和频域设计了两种指 第一章绪论5 纹图像质量评估算法。 第四章：介绍了指纹图像预处理，包括指纹图像前后景分割以及指纹图像前景的增 强。分割方面针对不同的指纹图像库分别采用了方差分割法，基于f f t 的分割法，基于c a n n y 算子边缘检测的分割法以及基于d t 网格的分割 法；然后较精确估计出的指纹方向图和指纹纹线频率，利用g a b o r 滤波 器增强指纹图像。 第五章：总结全文工作，提出今后的研究方向。 第二章指纹识别系统7 2 1 1 基本概念 第二章指纹识别系统 2 1 指纹识别技术的原理 指纹是手指末端正面皮肤上凹凸不平产生的纹路，这些纹路就是通常所说的 脊和谷。尽管指纹只是人体皮肤的一小部分，而且面积很小，但是，它蕴含着大 量的信息。这些近似平行的曲线，形成了指纹的模式，成为指纹的全局纹路结构； 同样，指纹还有许多局部特征，称为细节点( m i n u t i a ) 。正是这些全局特征和局部特 征形成了指纹的独特性，使之成为身份认证的可靠工具。 2 1 1 1 指纹图像的全局特征 全局特征是指那些用人眼直接就可以观察到的特征：如纹型( 环型l o o p 、弓 型a r c h 、漩涡型w h o r l ) 、模式区p a t t e r na r e a 、核心点c o r ep o i n t 、三角点d e l t a 、 纹数r i d g ec o u n t 等。纹型如图2 1 所示。 冒缝豳圈圈 弓形尖弓形右旋左旋漩涡 图2 1 基本纹型 模式区( p a t t e r n a r e a ) ：模式区是指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那一种类型的。有的指纹识别算法只使用模式区的数 据。 三角点( d e l t a ) ：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 纹路的会聚处、孤立点、转折处，或者指向这些奇异点。三角点提供了指纹纹路 的计数和跟踪的开始之处。 核心点( c o r ep o i n t ) ：核心点位于指纹纹路的渐进中心，它用于读取指纹和比 对指纹时的参考点。 8 指纹图像质量评估及预处理 终结点分叉点分歧点孤立点环点 = 豳嗡一 旷 图2 2 指纹特征图例 利用指纹的全局特征，可以对指纹进行分类，这样做的目的在于，预先把大 型的数据库分成了几组，可以减少数据库搜索时间；匹配时，首先进行模式匹配 ( 称为“粗匹配”) ，有助于提高自动指纹识别系统的识别率。 2 1 1 2 指纹图像的局部特征 局部特征是指指纹纹线上的细节点m i n u t i ap o i n t s 的特征。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、打折，指纹纹路上的这些中断、分 叉或打折的点就称为“特征点”。正是这些特征点提供了指纹唯一性的确认信息， 人们也正是利用这些局部特征点进行指纹的精确匹配。 指纹的特征点可分为末梢点或称终结点e n d i n g 、分叉点b i f u r c a t i o n 、分歧点 r i d g ed i v e r g e n c e 、孤立点d o to ri s l a n d 、环点e n c l o s u r e 、短纹s h o r tr i d g e 等等。 特征点中最典型的是终结点和分叉点。 纹数( r i d g ec o u n t ) ：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即可认为是指纹的纹数。 终结点( e n d i n g ) ：一条纹路在此终结。 分叉点( b i f u r c a t i o n ) ：一条纹路在此分开成为两条或更多的纹路。 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 ) ：一条特别短的纹路，以至于成为一点。 环点( e n c l o s u r e ) ：一条纹路分开成为两条之后，立即有合并成为一条，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。 对指纹图像的分析和处理经常还要用到三个参数即：方向、曲率和位置。 方向( o r i e n t a t i o n ) ：节点可以朝着一定的方向。 第二章指纹识别系统9 曲率( c u r v a t u r e ) - 描述纹路方向改变的速度。 位置( p o s i t i o n ) ：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 1 2 基本原理 指纹识别的原始输入数据是数字化指纹图像，而指纹识别所依据的通常是指 纹纹线的结构信息。例如指纹匹配一般基于纹线的局部结构特征，如纹线终结点、 分叉点等细节点；指纹分类多数基于指纹纹线全局结构特征，如纹线形态或奇异 点。能否从原始指纹图像中可靠地提取出这些特征，对指纹识别系统的精度以及 指纹匹配、指纹分类等算法的设计难度具有非常关键的影响。 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( 粗匹 配) ，再用局部特征来进行识别( 细匹配) 身份。 通常，首先从获取的指纹图像上找到特征点m i n u t i a e ，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，根据匹配结果来鉴别用户身份。 自动指纹识别系统首先通过取像设备读取指纹图像，然后通过计算机识别算 法提取指纹图像的特征数据，最后通过匹配识别算法得到识别结果。基本原理框 图如图2 3 所示。 指纹图像 离线部分 指纹采集r _ 叫特征提取r - 叫特征数据库l i l 匹配障 f 指纹采集i 旦! ! ! ! 竺一特征提取l 一1 特征点数据l 在线部分 躅2 3 指纹识别原理框图 指纹图像质量评估及预处理 2 2 指纹识别系统组成 自动指纹识别系统主要由指纹图像采集、预处理、特征提取、分类和匹配等 五部分组成，其中预处理部分又可分为图像分割、图像增强、二值化和细化等几 个步骤。系统的流程图如图2 4 所示。 图2 4 自动指纹识别系统 下面对图2 4 所示自动指纹识别系统的各个部分做一简要介绍。 1 指纹采集 传统的指纹采集方法是用手指蘸上墨水或印油在纸上按压，然后用扫描仪摄 取。由于其严重的不可靠性，该方法己经被淘汰。随着光学仪器、传感器及数字 技术的发展，各种快速、精确、方便、小巧的采集设备得到应用。目前，主要是 使用光学扫描仪和固态阵列传感器进行采集。光学取像设备有最悠久的历史，依 据的是光的全反射原理( f h r ) 。光线照在压有指纹的玻璃表面上，然后用c c d 阵列摄取其反射光，由于反射光强度随着指纹脊和谷的深度不同而不同，因此可 以得到指纹图像。传感器取像设备是用大量敏感元件组成的固态阵列芯片，它们 采用电容传感、热敏传感或其他传感技术，通过感受按压指纹的压力、热度等特 征来摄取指纹。近年来，又出现了其它一些新型的指纹采集设备，如超声波指纹 采集器，它被认为是指纹取像技术中非常好的一种方式。它是基于指纹的脊和谷 的深度对超声波的不同反射原理而工作的。以上提到的各种指纹取像设备的比较 见表2 1 。这些设备中，光学扫描仪因其技术比较成熟、性价比比较高而得到广泛 应用。 第二章指纹识别系统 1 1 表2 1 各种指纹取像设备的比较 比较项日光学全反射 硅晶体电容传感器 超声波扫描 体积大小 由 耐用性非常耐用容易损坏一般 耗电 较多 较少 较多 成本低低很高 干手指差，但汗多和干手指好，但汗多和 成像能力非常好 稍脏的手指成像模糊稍脏的手指不能成像 2 预处理 经指纹扫描器采集的原始指纹图像不可避免地具有对比度不统一、含有大量 噪声等缺点，为了降低后续特征提取算法的复杂度、提高特征提取的效率，预处 理过程必不可少。 根据特征提取方法的不同，系统对预处理的步骤和要求也不一样。目前，从 大的方面分，主要有两类特征提取方法：一类直接从原始指纹图像中提取统计性 特征；一类从预处理得到的指纹骨架图像中提取细节点特征。前一类方法对预处 理要求比较少，只要将图像增强一下就可以。后一类方法要求预处理部分傲大量 的工作，一般包括图像增强、滤波、二值化、细化等步骤，最后得到一幅纹线宽 度为单像素的二值图像。在当前的应用系统中，后一类方法要比前一类应用得多 一些，因为后一类方法把工作的难点分散到两步操作中，简化了特征提取算法， 且处理结果容易控制。预处理过程分为图像分割、图像增强、二值化及后处理和 细化等几个步骤。 3 特征提取 特征提取负责把指纹图像的纹线走向、纹线断点、交叉点等能够充分表示该 指纹唯一性的特征用数值的形式表达出来。为了比对的准确性，要求特征提取算 法尽可能多地提取有效特征，同时滤除由各种原因造成的虚假特征。从不同的角 度进行观察，指纹图像中存在两类特征：全局特征和局部特征。全局特征指能够 反映指纹整体形状的特征，通常用于指纹的分类，因此提取全局特征的过程往往 归于指纹分类步骤。局部特征指能够反映指纹细节特点的特征，通常用于指纹的 对比。狭义的特征提取指局部特征的提取。两枚指纹经常会具有相同的全局特征， 但它们的局部特征点，却不可能完全相同。 指纹纹线经常出现中断、分叉或打折。这些断点、分支点和转折点就称为“特 征点”，它们提供了指纹唯一性的确认信息。在美国联邦调查局( f b i ) 提出的特征 点坐标模型中，只利用了末梢点( e n d i n g ) 与分支点( b i 锄i 衄) 这两种特征点。另外 两种重要的特征点是核心点( c o r e ) 和三角点( d e l t a ) 。核心点一般位于纹线的渐进中 指纹图像质量评估及预处理 心，三角点一般位于从核心点开始的第一个分支点或末梢点、或者两条纹路会聚 处。并不是所有的指纹都拥有这两个特征，因此常被用作指纹的子匹配。另外还 有分歧点( r i d g ed i v e r g e n c e ) 、孤立点( d o t ) ，环点( e n c l o s u r e ) 等特征点类型，但不经 常被采用。 4 指纹分类 在一些大型的指纹系统中，输入的指纹要与几万、甚至上千万个指纹进行匹 配。为了减少搜索时间、降低计算的复杂性，需要将指纹以一种精确且一致的方 式分配到每个指纹子库中。这样，输入的指纹只需要跟子库中的指纹相匹配就可 以了。 5 指纹匹配 指纹匹配一般分为两类：认证( v e r i f i c a t i o n ) 和识别( i d e n t i f i c a t i o n ) 。认证是一对 一的匹配，即将待识别指纹与任一指纹进行比对，判断它们是否来自同一个手指。 识别是一对多的匹配，把许多人的指纹特征及个人信息存入数据库，将待匹配指 纹与库中每一个指纹进行比对，我出所有来自同一个手指的指纹。 无论哪种类型的匹配，都是新输入指纹的特征与原来存储指纹的特征进行比 对的过程。由于各种因素的影响，同一指纹两次输入所得的特征模板很可能不同。 因此，当由输入指纹的特征模板与存储的模板相似时，就说这两个指纹是匹配的。 于是就有了一个衡量标准的问题。英国学者e r h c 盯y 认为，只要比对1 3 个特征点 重合，就可以确认为是同一个指纹。通常，用两枚指纹的重合点数目是否大于某 个阈值，来判断它们是否为同个指纹。实际中，该阈值随图像的大小及匹配算 法而不同。当阈值设置较大时，系统安全性增加，但错误拒绝率f r r ( f a l s er e j e c t r a t e ) 将升高。相反，当阈值设置较小时，系统易用性增加，但错误接受率f a r ( f a l s e a c c e p tr a t e ) 将升高。f r r 和f a r 是两个相互矛盾的因素，成反比关系。用0 到1 0 或百分比来表达这两个数，它们的关系可以用r o c 曲线( r e c e i v e ro p e r a t i n gc u r v e ) 表示。在设计实际应用系统时，一方面要考虑整体性能，使r o c 曲线整体下降； 另一方面要兼顾易用性和安全性，在r o c 曲线上寻找合适的平衡点。 置 篷 ，雌t 嚏* 图2 5r o c 曲线示意图 第二章指纹识别系统 可见，一个优良的指纹识别系统必须能实时、迅速、有效地完成识别全过程， 这就要求：一方面，系统的每个组成部分所包含的算法要快速、高效，既要很好 地完成该模块的功能，又要耗时足够短：另一方面，系统的各个部分要能够很好 地衔接起来，前一部分要为后面提供尽可能理想的数据，后一部分要充分利用前 面的处理结果，才能使整个系统的性能得到提高。 第三章指纹图像质鼍评估 第三章指纹图像质量评估 3 1 具有指纹图像质量评价功能的指纹识别系统 3 1 1 引言 在指纹识别系统的实际应用当中，指纹采集仪器所采集到的指纹图像的图像 质量往往存在着较大的差异，有些质量差的图像不仅对比度低、背景部分噪音大， 而且指纹脊骨纹理不清晰。影响指纹图像质量的因素主要来自于被采集者手指本 身的特性、采集环境因素( 光线照度、环境温度、与环境湿度) 和指纹采集设备 的性能等。因此对指纹图像的图像质量做出实时地客观地定量地评价是十分必要 的。只有准确地定量地给出指纹图像质量的质量系数，使其反映出的指纹图像质 量与人类的视觉效果尽可能地接近，才能对采集指纹操作及时地提供真实结果的 反馈，从而高质量、高效率地完成采集任务，为后续处理提供真实可靠的依据， 从而确保整个识别系统的准确性和高效性。 理想的自动指纹识别系统应当在登录采集和验证识别过程中对那些采集到的 质量差的指纹图像实时地自动地给出改进操作的指引和提示，因此，我们在上一 章介绍的传统的自动指纹识别系统如图3 1 所示，增加一个指纹图像质量评价模 块，使其对输入系统的指纹图像质量加以控制。具有指纹图像质量评测功能的自 动指纹识别系统的原理框图如图3 2 所示。 图3 t 传统的指纹识别系统原理框图 图3 2 具有指纹图像质量评测功能的自动指纹识别系统原理框图 指纹图像质量评估及预处理 3 1 2 指纹图像的质量 指纹图像的采集可以有多种途径。一般应用系统中活体指纹图像的采集技术 主要有光学全反射技术、硅晶体电容传感技术和超声波扫描技术。其中超声波扫 描技术则很少受手指外表面异物的影响，因此成像效果非常好。光学反射技术和 硅晶体电容传感技术最为常用，但是所得图像质量稍差，易受到手指干湿程度的 影响，同时对汗多的和稍脏的手指不能成像。在特殊应用场合如侦破系统中指纹 的采集通常采用传统油墨捺印指纹的方法，受油墨浓淡、采集时用力大小等外在 因素的影响，所得图像还要经过扫描或数码相机拍照输入计算机得到数字指纹图 像，其质量更差。 a 基于硅晶体电容传感器技术采集b 基于光学全反射技术采集 图3 3 较好的指纹图像 a 基于硅晶体电容传感器技术采集b 基于光学全反射技术采集 图3 4 较差的指纹图像 造成指纹图像质量差的主要原因是【柏】： ( 1 ) 手指表面与采集设备表面的非均匀接触。对于光电指纹采集设备，如果指 纹的脊线与采集设备表面充分接触，而谷线与采集设备完全不接触，那么将获得 清晰的指纹纹线结构。但是在现实使用中这种理想条件很难满足。手指表面的油 脂、汗液、污渍，手指皮肤的破皮，上一个人在采集设备表面残留的痕迹等使指 纹脊线无法充分接触到采集设备表面。此外，手指按压力度不同导致接触程度不 第三章指纹图像质量评估 1 7 同，如果按压力度很大，指纹脊线受挤压变形互相靠近，使图像中的脊线出现粘 连。对于油墨转印法采集指纹，当手指上油墨太多、太少或涂抹不均匀时将造成 图像质量较差。 ( 2 ) 采集设备的原因。设备工作环境不好( 温度和湿度不当) 、设备参数设置 不当以及设备电路噪声等会造成图像对比度较差和图像噪声。 ( 3 ) 指纹本身的原因。统计结果表明，大约有4 的人其指纹天生就不好。另 外，老人的手指上通常存在很多褶皱，皮肤病患者的手指上有很多翘皮，体力劳 动者的手指上存在老茧且经常会产生划痕。 如果指纹图像中的指纹纹线非常清晰，即脊线和谷线对比度很大、脊线之间 明显分离，则很容易用图像二值化方法从指纹图像中分离出脊线区域和谷线区域， 进而从脊线上提取出指纹局部特征或全局特征。然而在实际中，受各种因素的影 响，采集到的指纹图像不能保证都很清晰，图像中可能出现纹线粘连、纹线断裂 或对比度不均匀等情形。在这种情况下很难从图像中正确地分离出指纹纹线，导 致指纹特征的可靠提取变得非常困难。 指纹纹线模糊对指纹局部特征提取的影响尤为严重。当指纹图像质量较差时， 作为指纹匹配关键环节的细节点特征提取过程可能会产生以下错误： ( 1 ) 产生大量虚假细节点。即将不是细节点的地方判定为细节点，如将纹线断 裂处判定为两个纹线端点，将纹线粘连的地方判定为纹线分叉点，但是事实上这 些并不是真实细节点。 ( 2 ) 遗漏真实细节点。即忽略了存在细节点的地方，没有从中提取出细节点 造成遗漏真实细节点的主要原因是指纹图像的对比度较差，从而隐藏了其中的细 节点结构。 ( 3 ) 细节点位置和方向存在误差。虽然判断出在某处存在细节点，但是给出的 细节点位置和方向不很精确。 ( 4 ) 细节点类型错误。即将纹线端点判定为纹线分叉点，将纹线分叉点判定为 纹线端点，造成这一问题的主要原因也是纹线断裂和纹线粘连。 基于错误的细节点显然很难达到较高的指纹匹配精度。为了保证可靠地提取 出指纹特征，为指纹识别提供更加可靠的依据，一方面需要研究对指纹图像质量 具有鲁棒性的指纹特征提取方法，另一方面应该从提高输入系统的指纹图像的质 量入手，指纹质量评价系统应运而生。 3 1 3 指纹图像的质量评价模块的功能 指纹图像质量评价所要实现的基本功能有如下几个方面： ( 1 ) 将指纹图像区域从采集图像的背景区域中分离出来，尽量减少背景区域的噪声 指纹图像质量评估及预处理 对后继处理结果的影响，并减少后继所要处理的图像区域，从而可以提高系统 的精度、降低后继处理时间； ( 2 ) 给出一幅指纹图像的总体区域、图像偏移方向和大小、按压力度大小、手指的 干湿度等指标，从而为现场采集指纹图像时的调整提供一个比较合理的依据； ( 3 ) 给出一幅指纹图像的总体质量评价，完成对质量低劣的指纹图像的筛选功能， 能准确识别出质量很差的指纹图像，从而实现直接拒绝，既降低了由于指纹图像 质量本身的问题而出现的错误率，又有效减少了系统的处理时间； ( 4 ) 完成对指纹图像的局部区域的质量评价，给出一幅指纹图像中每一个小区域的 图像质量等级，从而在后继的处理过程中，可以针对这些区域进行有针对性的处 理，另外，在后继的特征提取过程中可以有效的避开这些区域，有效的降低了在 采集图像的过程中由于局部区域的采集图像质量问题而对整个自动指纹识系统所 造成的影响。 3 2 指纹图像质量评估的方法 由于指纹图像属于可视类图像，因此对其进行的质量的评价，通常是以人类 的主观视觉感官作为评价标准的。实际应用中，也是让计算机尽量模拟人的行为 对指纹图像质量自动做出评测。评价指纹图像质量的方法有多种，主要分为“主 观评价法”、“计算机辅助评价”和“计算机自动评价”三大类【1 6 1 。 过去，为了能及时地知道所采集到的指纹图像的质量和其他指标( 如摆放位 置和角度) 是否达到规定的标准，而决定是否需要重新采集，往往采用把所采集 到的指纹图像直接显示出来的方法，由操作人员来进行判定，这就是“主观评价 法”。这种做法需要百分之百的人工介入，其结果受操作者的专业知识、操作经验、 工作责任心与其他心理因素的影响较大，其精确度和效率都难以得到保障。 所谓“计算机辅助评价”的做法是，把所采集到的指纹图像经过计算机进行 图像滤波增强处理后，再显示到操作屏幕上，操作人员在屏幕上看到的不再是灰 蒙蒙一片的指纹原图，而是经过增强处理后的较为清晰和干净的指纹图像。这样 以来，操作人员就可以轻松地判别出指纹图像的质量好坏，其工作效率大大提高， 对专业经验的要求也大为降低。 由此可以看出，实施计算机辅助评价的前提是，系统必须具有较好的图像信 号处理功能，并且能够提供一个高图像分辨率的操作显示终端。这样一来其成本、 体积、功耗都会有所增加，限制了其在许多场合的应用。无论如何，计算机辅助 评价法虽然具有一定的局限性，但因其具有操作简单直观、方便易行的优点，仍 不失为指纹采集过程中有效而又常用的技术手段。 指纹图像质量的计算机自动评价，是今年来发展起来的一种基于计算机人工 第二章指纹图像质量评估1 9 智能的评测方法。其本质就是让计算机来模拟人的视觉特性的客观测度，利用传 统的计算机图像处理方法，从图像的信噪比、灰度分布、有效面积大小、前景图 像偏移量等经典的图像质量评测指标入手，再结合指纹图像中指纹脊线的纹理特 点，对指纹上的折皱、疤痕、有效的细节特征数目等影响指纹图像质量的因素进 行分析，由此定量地得出指纹图像质量评测结果。我们分别从空域和频域对指纹 图像的质量做客观地评价。 3 2 1 空域评价指纹图像的质量 3 2 1 1 空域评价的参数指标 图像质量通常以人的主观判决作为评价准则，评测者通过观测一系列图像， 再根据损伤的可见程度进行评级。然而这种方法十分沉闷乏味、费时，且受评测者 背景知识、评测动机等等其他因素的限制和影响。在实际应用中，我们根据专家 视觉评测过程给出下面几种不同的测量参数来测度指纹图像的质量，它们 是：指纹图像的灰度分布、指纹图像的有效面积、指纹图像中是否存在奇异点以 及指纹图像的偏移程度。我们先从单个的参数指标对采集到的指纹图像进行测度， 然后，对各个参数指标按照测度的不同目的加以不同的权重进而进行综合评价， 给出指纹图像的综合质量。 下面是测度指纹图像质量的参数指标： 1 指纹图像的灰度分布 通过计算指纹图像的均值和方差，来分析评价指纹图像的