（机械设计及理论专业论文）指纹与人脸识别相关图像处理算法研究.pdf

人连理f 一人学硕十学位论文 摘要 生物特征识别是利用人体生物特征进行身份认证的一种技术，是当前模式识别和图 像处理领域的热点课题之一。图像处理作为生物特征识别技术中的一个重要环节，目前 仍存在许多难题没有完全解决，尤其是当采集的特征图像受到噪声或其它外界环境影响 较大时的识别效果还不够理想。本文在查阅近年来该领域有关文献的基础上，综合运用 图像处理和模式识别技术，深入的研究了指纹图像与人脸图像的处理技术，并开发了相 关的图像处理算法。 本文的主要内容如下： ( 1 ) 对目前生物特征识别技术的研究现状进行了比较全面的介绍，讨论了生物特征 识别系统模型和性能评价等问题，并介绍了目前指纹与人脸识别的原理和主要算法。 ( 2 ) 在分析和比较了指纹识别中图像处理技术的基础上，本文对指纹图像的灰度规 范化处理、指纹图像模式域的分割、方向场与频率场的计算、指纹图像滤波增强及二值 化处理进行了研究和实现，为指纹识别的后续工作提供了保障。 ( 3 ) 研究了指纹识别中指纹图像的细化及细节特征提取技术，主要包括：二值化图 像的细化处理及细化后处理、指纹图像的细节特征提取等。实验表明，这些算法获得了 很好的效果，提高了指纹系统的识别率。 ( 4 ) 研究了人脸识别相关的图像预处理技术，包括人脸图像的几何规范化和光照补 偿规范化处理，分析测试了图像预处理对识别的影响，为系统选择了合适的图像预处理 技术。 ( 5 ) 探讨了基于固定模板的人脸区域确定的方法，并通过基于c a l l n y 算子的边缘检 测算法实现了人脸轮廓的提取，从而为人脸识别能够在有效的区域进行提供了依据。 本文较全面地对指纹识别与人脸识别的图像处理的理论和技术进行了研究和分析， 并对指纹和人脸的图像处理增强技术、特征提取、图像分割和人脸轮廓提取等算法进行 了研究和实现，为进一步的开发提供了必要的理论和技术支持。 关键词：生物特征识别；图像处理；指纹识别；人脸识别；c a n n y 边缘检测 甘树坤：指纹与人脸识别相关图像处理算法研究 r e s e a r c ho nt h ea l g o r 耋t h mo fi m a g ep r o c e s s i n gr e l a t e dt o f i n g e r p r i n tr e c o g n i t i o na n df a c er e c o g n i t i o n a b s t r a c t b i o m e t r i c sr e c o g n i t i o ni so n eo ft h em a i nt o p i c si nn l ef i e l d so fp a t t e mr e c o g 出d o na i l d i m a g ep r o c e s s i n gt e c h n 0 1 0 9 y h o w e v e r ，a sa 1 1i m p o n a n ts t e po fb i o m e t r i cr e c o g n i t i o n ，i m a g e p r o c e s s e ss t i l lh a v em a n yc h 以l e n g i n gp r o b l e m se x i s t o n eo f m ec h a l l e n g e si st h er e c o g n i t i o n w h e nt h ea c h i c v e di 瑚咀g e sa r el o wq u a l i t y i nt h i sp a p e r ，i 芏n a g ep r o c e s s i n ga l g o r i t h m sf o r f - m g e 删n ta i l df a c er e c o g i l i t i o na r es t u d i e d ，a 1 1 dt h ec o r r e l a t i v ea l g o r i t h i n sa r ca l s op r o p o s e d t h em a i nc o n t e n t so f n l i sp a p e ra r ea sf o l l o w s ： ( 1 ) t h ep o p u l a rb i o m e 砸c st e c l l l l o l o g i e sa r ei n n o d u c e d ，蚰dt h em o d e lo f m eb i o m e t r i c s r c c o g i l i t i o ns y s t e ma i l dp e d o r n l a i l c ee v a l 删o ni sa l s od i s c u s s e d f i n a l l y ，p r i m a r y 砒g o r i m m s a i l dt h e o r i e so ff m g e r p r i n ta n df a c er e c o g i l i t i o na r ei n t r o d u c e d ( 2 ) t h ee n h a l l c e m e n ta l g o r i t h m sf o rf i n g e r p r i n ti m a g e ，s u c ha sg r a yn o n n a l i z a t i o n ， s e g m c n t a t i o n ，廿l ec a l c u l a t i n go fo r i e n t a _ t i o nf i e l da i l df k q u e n c yf i l c d ，b i n a r yp m c e s s i n ga n d s oo n ，a r ep r e s e n t e d ，w h i c hp r o 、，i d ef o u n d a t i o nf o rt l l en n g e 删n tr e c o g i l i t i o n ( 3 ) t 1 l ef e a t u r ee x 打a c t i o na l g o r i t h m s ，s u d la sb i n a r yi m a g et h j n n i n g ，t h i n n c di m a g e p o s t p m c e s s 曲ga n dm i n u t i a ee x t r a c t i n g ，盯ep r e s e n t e d e x p e r i n l e n tr e s u l t ss h o wt 1 1 a tm e s e a l g o 血1 1 i n sc 8 i lg e tg o o da c c u r a c y ( 4 ) t h ei m g ep r e p r o c e s s 协gt e c h n o l o g i e sr e l a t e dt 0f 配er e c o g n i t i o n ，i n c l u d i n gt l l ef a c e g c o m e 试cn o m l a l i z a t i o na n di l l u m i n a l i o nn o r n l a l i z a t i o n ，a r es t i l d i e d a no p t i m a li m a g e p r e p r o c e s s i n gt e c l l l l o l o g yi sc h o s eb a s e do nt l l ea n a l y s e sa 1 1 dt e s to ft l l ee f r e c to fi m a g e p m c e s s i n gt or e c o g i l i t i o nm t e ( 5 ) t h es e g m e n 诅d o nm e m o do ff a c ei n l a g ei sd i s u s e db 嬲e do n 恤血e dt c m p l a t e t e c 量l n o l o g y t h ef a c ec 伽【t o l l re x t i 那t i o na 1 9 0 血hb a s e do n 也ec 籼ye d g ed e t e c t i o nm e m o d i sa l s op m p o s e d t h ed i s s e r t a t i o np r e s e n t sas y g t c m 砒i c 曲v e s t i g a t i o no nt h ei m a g ep r o c e s s 证g 血e o r ya n d t e c h n i q u eo ff i r 培e i p r i tr e c o g i l i t i o na i l df k er c c o g 枷o n ，w i l i c hs t l l d i e da n df e a l i z e di m a g e e n h a n c e m e m ，f e a t i l r ee 硪r a c t i o n ，i m a g e g m e n t a t i o n 趾df k ec o m o u re x t r a c t i o n t h e r e s e a r c hm a k e saf o u n d a t i o no f 血em e o r ya n dt e 幽l o g yf o r 如n 1 1 c rd e v e l o p i n g k e yw o r d s ：m o m e t r i c s ；i m a g ep r o c e s s i n g ；f i n g e r p r i n tr e c o g n i t i o n ；f a c er e c o 印i t i o n c a n n ye d g ed e t e c t i o n 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，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的研究成果，也不包含为获得大连理 工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志 对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。 作者签名：蕉塑尘日期：丝：f ：主 大连理r 大学硕士研究生学位论文 大连理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用 规定”，同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子 版，允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，也可采用影印、缩印或扫插等复制手段保存和汇编学位论 文。 作者签名： 盟塑圭盘 导师签名：堕耋匮导师签名：e 纵，筝i 9 陟 趔年上月l 日 大连理工大学硕士学位论文 1 绪论 1 1 生物特征识别技术概述 在人类社会的发展中，身份的验证和识别越来越重要，在社会的各个领域和人们日 常生活中也有着同益广泛的应用。由于传统的身份识别方式如身份证、信用卡、口令、 密码等持有物或知识存在可能丢失或遗忘的问题【ij 。近年来，随着计算机技术、图像处 理技术、模式识别技术等技术的迅速进步和发展，指纹识别、人脸识别、虹膜识别等生 物特征识别技术得到发展，为克服传统身份识别技术的不足提供了保障，其安全性和可 靠性已经日益被人们接受和认可。目前，许多生物特征识别技术都己经成熟并得以应用。 比尔盖茨曾断言：生物特征识别技术，即利用人的生理特征，如指纹、虹膜等来 识别个人的身份，将成为未来几年i t 产业的重要革新。之所以有此言论主要是因为越 来越多的个人、消费者、公司乃至政府机关都承认，现有的基于智能卡、身份号和密码 身份识别是远远不够的，生物特征识别技术将在未来提供解决方案方面占据重要地位。 1 1 1 生物特征识别技术及应用前景 所谓生物特征识别( b i o m e 打i c s ) 技术，是指通过计算机利用人体所固有的生理特征或 行为特征来进行个人身份鉴定。生理特征是指对人体某部分进行直接测量所获得的数 据，如指纹、人脸、虹膜、视网膜等。行为特征是对个人习惯性动作的度量，是对人体 特征的间接性测量，如步态、击键习惯、签名等。最常用的生物特征识别技术包括指纹、 人脸、声纹、虹膜、视网膜、掌形、签名、击键习惯、掌纹等【2 】。 目前生物特征识别技术己逐步得到推广和应用，这些生物特征都能在一定程度上满 足生物特征识别技术的需要，已实际应用于生物特征识别系统或成为实用的生物特征识 别技术具有潜在前景。各种生物特征识别技术都各有自己的优势和局限性。表1 1 中给 出了不同生物特征识别技术性能比较【3 】。由表可以看出，目前还没有一种生物特征识别 技术能够在各项指标上全面优于其它技术。每种生物特征识别技术的实用性都是和应用 场合密切相关的，从这个意义上讲，各种生物特征识别技术都有继续发展和完善的必要。 生物特征识别技术是目前最方便与安全的识别技术，是模式识别领域中非常热门研 究课题，具有巨大的市场潜力，在机场、银行、公安等方面已有广泛应用。据国际生物 特征识别集团( i m e m a l i o n a lb i o m e t r i cg r o u p ，m g ) 的预测，2 0 0 5 年的生物特征识别产业 交易额将从2 0 0 0 年下半年的4 亿上升到2 0 多亿美元，而来自工商界的采购额将超过目 前占很大比例的政府采购额，大众化的应用将成为生物特征识别产业的主导市场。它还 预测到2 0 0 7 年整体生物特征识别产业市场规模将达到4 0 多亿美元，如图1 1 ( a ) 所示。 甘树坤：指纹与人脸识别相关图像处理算法研究 ( a )( b ) 图1 1 ( a ) 2 0 0 3 2 0 0 8 年全球生物特征识别市场收益增长预测( i b g ) ( b ) 2 0 0 3 年各种生物特征识别技术相对市场份额 f i g 1 1 ( a ) b i o m e 廿i cm a r k e tr e p o r t ( i b o ) p r e d i c t st h a t 触i6 n g e r p r i n tr e v e n u e s ( b ) 2 0 0 3c 唧啪t i v em 矾【e ts h a r eb yd i 彘r e n tt e c h n o l o g y 图1 1 ( b ) 表示了2 0 0 3 年各种生物特征识别技术所占的市场份额。其中，指纹识别 技术占5 2 以上，居首位，而人脸识别技术的份额为1 1 4 ，占第二位，目前这两种 识别技术随着技术的不断提高和发展，仍将在占据生物特征识别领域的主导地位，同时 其它各种生物特征识别技术也在不断的扩大市场，从而形成强大的生物特征识别市场。 随着计算机技术和各方面相关技术的飞速发展，基于生物特征的身份鉴别技术的应 用领域将更加广泛。因此，生物特征识别技术已经并将继续成为高新技术领域的研发热 点和市场应用的重点。 人连理工大学硕士学位论文 1 1 2 生物特征识别技术系统模型与技术指标 ( 1 ) 生物特征识别系统结构与工作模式 生物特征识别系统本质上是一个模式识别系统，它根据人的生理或行为特征进行辨 识，从而判断其是否具有合法身份。从逻辑上讲，一般可分为两个模块：注册( 或称登 录) 模块：识别模块，如图1 2 所示。注册模块负责将生物特征信息登记到生物特征识 别系统样本数据库中。识别模块负责解决待识特征信息和样本特征信息是否匹配问题。 广一一一一一一一一 图1 t2 生物特征识别系统结构模型 f i g 1 2m o d e l0 f b i o m e 州cr e c o g n i t i o ns y s t e m 生物特征识别系统工作模式可分为两类：认证( v e d f i c a t i o n ) 模式和辨识( i d e 觚f l c a t i o n ) 模式j 。验证模式就是通过把一个从现场采集到的生物特征与一个已经登记的生物特征 进行一对一的比对( o n e - t o o n em a t c h i n g ) 来确认身份的过程。作为验证的前提条件，需验 证的对象的生物特征必须已经在样本数据库中注册，生物特征与其姓名或其标识( i d 或 p i n ) 联系起来。在比对时，先验证其标识，然后用系统样本的生物特征与现场采集的生 物特征作b b 较来证明其身份的合法性。这种模式是应用系统中使用得较多的方法。辨识 模式则是把现场采集到的生物特征同样本数据库中的生物特征逐一对比，从中找出与现 场生物特征相匹配的特征信息，也称“一对多匹配( o n e t o n 坷wm a t c h i n g ) ”。辨识主要 应用于公共安全领域，如通过将一个不明身份的人的某一生物特征与数据库中有犯罪记 录的人的生物特征进行比对，来确定此人是否曾经有过犯罪记录。 ( 2 ) 生物特征识别系统的评估与性能指标 生物特征识别系统主要有两个性能指标：误识率( f a l s ea c c e p tr a t e ，f a r ) 和误拒率 ( f a i s er e j e c tr 丑t e ，f r r ) 。误识率是指一个冒充者被系统错误地接受的可能性；误拒率是 指一个真实者被系统错误地拒绝的可能性。如图1 3 ( a ) 所示为f a r 与f r r 关系示意图。 甘树坤：指纹与人脸识别相关吲像处理算法研究 ( a ) ( b ) 图1 3 ( a ) f a r 与f r r 关系曲线( b ) r o c 曲线 f i g 1 - 3 ( a ) r e l a l i o nc u r v eo f f a ra n df r r ( b ) r o cc u r v e 对于理想的系统来说，这两个错误率都应该是零。但实际中，这两个指标是相关的， 而且是一对相互制约的指标。对于既定的系统要求低的误识率必然导致高的误拒率，反 之亦然。这就使得在应用系统中，要权衡易用性和安全性，系统往往需在两者间进行折 衷，用r o c 曲线( r e c e i v e r0 p e r a t i n gc u r v e ) 能很好地反映两个错误率之间的关系，如图 1 3 ( b ) 所示。曲线上的点表示在某个给定的匹配闽值下得到的误拒率和误识率。在刑事 应用中，需要把可能的嫌疑人都找出来，应尽量减小误拒率，所以误识率非常大；而对 于高度保密应用来说，错误接受造成的损失非常大，因此要求误识率很低。图1 3 ( b ) 上标出的等错误率( e q u a le r r d rr a t e ，e i t r ) 点是指两个错误率相等的点，可以用它作为生 物特征识别系统简单的性能指标。 1 2 指纹识别技术 在各种生物特征识别技术中，指纹识别是历史最悠久的一种，也是应用最广泛的生 物特征识别技术。在过去主要应用于刑侦、司法系统，近几年来已逐渐走向民用市场。 随着指纹识别技术的成熟并产业化，将具有很大的社会、经济效益和广阔的市场前景。 1 2 1 指纹的基本特征 指纹识别是要确定两枚指纹是否来自同一个手指。目前最常用的识别方法是用美国 联邦调查局( f e d e r a lb u r e a uo fh l v e s t i g a t i o n ，f b i ) 提出的指纹细节点模型的细节匹配。 它利用指纹脊线的端点和分叉点来鉴定指纹。通过将细节点表示为点模式，将自动指纹 识别问题转化为特殊的点模式匹配问题【6 j 。 指纹图像的重要几何特征可分为两类：一类是用于指纹数据库分类的结构特征，即 总体特征；另一类是表征指纹唯一性的局部特征，是由指纹脊线上的细节点的位置等特 征来表示的。一般指纹识别算法最终都归结为在指纹图像上找到并比对这些指纹特征。 大连理工大学硕士学位论文 ( 1 ) 总体特征：是指那些用肉眼直接可以观察到的特征，包括：纹形、模式区、核 心点、三角点、纹数等口一。如图1 4 、图1 5 所示。 基本纹形：主要有环型、拱型、螺旋型。其他指纹图案都基于这三种基本图案。 ( a ) 环型 ( a ) l o o d ( b ) 拱型 ( b ) a r c h 图1 4 指纹粗分类 f i g 1 4t h eb r o a dc l a s s i f i c a t i o no f f i n g e r p r i n 协 ( c ) 螺旋型 ( c ) w h o r j ( a ) 模式区( b ) 核心点( c ) 三角点( d ) 纹数 ( a ) p a n e ma r e a ( b ) c o r ep o n( c 胁l 诅( d ) r i d g ec o u m 图1 5 指纹细分类 f i g 1 5t h en n ec l a s s i 6 c a t i o no f 矗n g e r p r i n 协 仅依靠纹形来分辨指纹是远远不够的，这只是一个粗略的分类，通过更详细的分类 将使得在大数据库中搜寻指纹更为方便快捷。 模式区：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 指纹是属于那种类型的。有的指纹识别算法只使用模式区的数据。s e c u r et o u c h 的指 纹识别算法嗍使用了所取得的完整指纹而不仅仅是模式区进行分析和识别。 核心点：核心点位于指纹纹路的渐近中心，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 s e c u r et o u c h 的指纹识别算法很重要，但没有核心点的指纹它仍然能够处理。 三角点：三角点位于从核心点开始的第一个分叉点、断点或两条纹路会聚处、 孤立点、折转处，或指向这些奇异点。三角点提供了指纹纹路的计数跟踪的开始之处。 纹数：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。 甘树坤：指纹与人脸识别相关图像处理算法研究 ( 2 1 局部特征：是指指纹上的特征节点，这些具有某种特征的节点称为特征点。两 枚指纹经常会有相同的总体特征，但它们的局部特征即特征点却不可能完全相刚刿。 指纹纹路并不是连续的、平滑笔直的，而是经常出现中断、分叉或打折。这些断点、 分叉点和转折点就称为“节点o “i n u t i ap o i n t s ) ”。就是这些节点提供了指纹唯一性的确认 信息。指纹上的节点有四种不同特性：节点类型、方向、曲率、位置。 分类( c l a s s ) ：节点有以下几种类型，如图1 6 所示，最典型的是端点和分叉点。 方向( o r i e n t a t i o n ) ：过节点的纹理的走向。 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 ) ：节点的位置坐标( x ，y ) 。 奄 ： 卜h ( b )( c )( d )( e )( f ) ( g ) 图1 6 指纹的细节特征 ( a ) 端点( b ) 分叉点( c ) 小环( d ) 独立脊线( e ) 孤立点( f ) 毛刺( g ) 连接的小桥 f i 昌1 6t h em i n u t i a ef e a t u r eo f n n g e r p r i n t ( a ) e n d i n g ( b ) b i f l l r c a t i o n ( c ) r i n g ( d ) i n d e p e n d e n tr i d g e ( e ) d o t ( 0s p u r ( 曲c m s s o v e r 1 2 2 自动指纹识别的基本原理和方法 自动指纹识别系统主要涉及四个功能：读取指纹图像、指纹图像处理、提取特征、 保存数据和比对。图1 7 是一个自动指纹识别系统的组成框图。 指 指指 指 叫指纹图像分类卜 输 纹 纹纹 纹 图 - 图特 特 出 像 像 - 征 - 征 叫指纹图像匹配 _ 识 采 处 提 数 别 集 理取 据 结 库 一指纹数据压缩h 果 图1 7 自动指纹识别系统的组成 f i g 1 7c o 娟g u r a l i o no f a f i s 首先，通过指纹读取设备采集读取人体指纹的图像，取得指纹图像之后，要对原始 图像进行初步的处理，使之更清晰。 大连厦r 大学硕士学位论文 然后，建立指纹的数字表示即特征数据，这是一种单方向的转换，可以从指纹转换 成特征数据但不能从特征数据转换成为指纹，而两枚不吲的指纹不会产生相同的特征数 据。识别系统从指纹上找到被称为“节点”( r n i n u 廿a e ) 的数据点，也就是那些指纹纹路的分 叉、端点等的坐标位置，这些点的唯一性特征数据形成模板。 最后，通过计算机识别算法和模糊比较的方法，把两个指纹的模板进行比较，计算 出它们的相似程度，最终得到两个指纹的识别匹配结果。 从图1 7 中我们可以看出，一个自动指纹识别系统至少需要解决三个关键性的闯题， 即指纹图像的采集、指纹图像的处理、指纹识别匹配。 对于指纹的图像采集，近几年，随着电子集成技术的发展，出现了可以直接获取数 字图像的活体指纹传感器，一些体积小、操作方便的活体指纹图像传感器已广泛应用【】。 活体采集技术中的传感器一般都采用了自动增益控制技术，可以通过软件调整的方法来 获取不j 司质量的数字指纹图像。例如，v e r i d i c o m 公司的f p s 2 0 0 电容式指纹传感器，在 指纹采集过程中，根据反馈信息凋节电容放电时间、和电荷耦合时间等参数可以增强其 灵敏度，使图像不清晰( 对比度差) 的区域也能够被检测到( 如：手指压得较轻的地方) ， 并在捕捉的瞬涮为这些像素提高灵敏度。同时，还可根据指纹图像的面积、灰度极差等 特性来控制捕捉效果最佳的图像。 指纹图像的处理技术是指纹自动识别系统中的关键技术，指纹图像处理算法的好坏 直接决定了指纹自动识别系统的可靠性和速度等参数。目前在指纹图像处理领域关键的 技术有指纹图像有效区域提取算法、方向图分割算法、指纹图像增强算法、细化算法等。 本文的重点就是研究这些指纹图像处理原理，并研究研究了有效的图像处理算法。 目前常用的自动指纹识别系统，基本上都采用细节匹配的方法，主要依靠的是指纹 细节特征( m i l l u t i a e ) 。根据f b i 的建议，自动指纹识别系统一般只用脊线的端点和分叉点 作为指纹的细节特征，因为其他几种特征都可以看作是这两种特征的合成 9 。如图l ，6 所示，即脊线的端点是脊线结束的位置。分叉点是脊线分叉的位露。 在指纹图像识别或匹配时，无论是人工匹配还是机器匹配，一般都可分为以下两步： ( 1 ) 根据确定的参考点校正两幅指纹图像，并搜索两幅图像的细节特征； ( 2 ) 根据匹配上的细节点对来确定两幅图像是否来自同一指纹。 1 2 3 指纹识别技术研究的难点 指纹识别过程是一个复杂模式的识别过程、涉及到模式识别、图像处理和认知科学 等多个学科。尽管到目前为止自动指纹识别技术研究取得了很大的进展，但仍存在很多 难以解决的问题，并有待于进一步提高和改进。 1 = = l 树坤：指纹与人腧识别相关图像处理算法研究 ( 1 ) 活体指纹录入：活体指纹录入设备的质量有待于提高。通过指纹录入设备采集 到的活体指纹的质量对自动指纹识别系统而言是至关重要的。系统需要更好的对于干、 湿和脏的情况都能采集到质量好的图像，对于手指的爆皮、刀口和伤痕等也能有很好的 适应性的活体指纹录入仪。 ( 2 ) 指纹图像预处理增强：采集到的指纹图像质量不同，通过预处理增强处理使质 量差的图像和损坏的图像恢复其原有的纹路结构。而目前为止对于设计一种对各种指纹 图像的坏损都有效的指纹图像预处理增强算法还是一个很艰难的课题。 ( 3 ) 指纹的细节特征提取：目前，对于设计一套有效的提取各种质量指纹图像的指 纹细节特征的算法还是一个难度很大的问题。尤其是对于质量很差的指纹图像，如果不 经过特殊的图像预处理，是很难提取到正确的细节特征的。 ( 4 ) 指纹匹配：指纹匹配算法的性能主要决定于所提取的特征的可靠性。设计一个 对指纹图像噪声、变形、几何变换及特征提取偏差均不敏感的指纹匹配算法，也是一件 十分困难的事情。 ( 5 ) 指纹分类和图像压缩：尽管现有文献介绍了一些关于这两方面的方法，而且部 分方法已经开始应用于实际的自动指纹识别系统，但指纹分类和指纹压缩，仍是指纹识 别中的一项棘手的问题。 ( 6 ) 自动指纹识别系统的实时性：自动指纹识别系统的响应速度是由算法复杂性决 定的，因此，计算复杂性是自动指纹识别中的一个重要的研究课题。实际应用要求最好 自动指纹识别系统能对识别工作实时做出响应，而让指纹的匹配同时达到高速度和高准 确率也是一个难题。 应该说明的是，以上所提到的技术难点并不是孤立的，而是相互联系相互影响的。 例如，若指纹录入设备质量很好，即使在条件不理想的情况下采集到的指纹图像也很清 晰的话，那么使用较为简单的预处理算法和特征提取算法就可较为准确地提取出细节特 征，从而使系统性能得到提高。 1 3 人脸识别技术 人脸在社会交往中扮演着十分重要的角色，是人类在确定一个人身份时所采用的最 普通的生物特征。相对于其它生物特征识别技术来说，人脸识别具有直观、友好、方便、 用户接受程度高、识别方式隐蔽等优点，被认为是最有发展潜力的生物特征识别技术。 由于人脸识别技术所具有的独特优势，它成为最近几年最受关注、市场份额增长最快的 一项生物特征识别技术。且前，人脸识别是一个比较前沿的研究课题，这项技术涉及到 模式识别、计算机视觉、图像处理、生理学、心理学以及认知科学等学科的内容。人脸 人选理：人学硕十学何论文 识别问题的深入研究和最终解决，同样极大的促进这些学科的成熟和发展，并为解决其 它类似复杂的模式识别研究提供重要启示。 1 3 1 自动人脸识别的基本原理和方法 人脸识别是一个复杂的过程，它主要包括以下四个模块：首先是图像采集模块；其 次是人脸检测模块，主要进行人脸检测和眼睛定位，确定人脸的位置；然后是图像预处 理模块，对人脸图像进行图像的预处理，包括光照补偿、几何变换及提取人脸区域等； 最后是人脸识别模块，进行人脸的识别匹配，并给出最终的识别结果【“】，如图l8 所示。 础 人 眼 脸 睛 检 定 测 位 幽1 8 人脸识别系统流程蚓 f i g 1 8f i o wc h a r to f f k er e c o g n i t i o n i i i j 人脸识别系统的四个模块是密不可分的部分，一个完楚的人脸识别系统将是这四部 分的有机结合。目前，对人脸识别技术研究较多的是人脸检测定位和人脸识别两个模块， 下面主要是对基于二维图像的人脸识别方法迸行论述。 ( 1 ) 人脸检测：目前国内外流行的方法主要有基于特征的人脸检测算法、基于统计 的人脸检测算法、基于模板的人脸检测算法和基于人脸彩色信息的检测算法等【5 1 。 基于面部重要特征的人脸检测方法：是利用人脸的先验知识导出的规则进行人 脸检测的。人脸各个器官的分布总是存在着一定的规律性，利用这些描述人脸局部特征 分布的规则来进行人脸检测。当满足这些规则的图像区域找到后，则认为一幅人脸已被 检测出来，然后可以对候选的人脸区域进行进一步的论证，以确定候选区域是否是人脸。 基于统计的人脸检测方法：它是从整个人脸的角度出发，利用统计的原理，从 成千上万张人脸图像中提取出人脸共有的一些规律，利用这些规律来进行人脸的检测。 此类方法将人脸区域看作一类模式，使用大量的“人脸”与“非人脸”样本，构造并训 练分类器，通过判别图像中所有可能区域属于哪类模式的方法实现人脸的检测。这种方 法主要包括：基于特征空间的方法和基于人工神经网的方法。 图撇另 l = 仁= 儿l - 仁- 儿 甘树坤：指纹与人脸识别相关图像处理算法研究 基于模板匹配的人脸检测方法：该方法首先建立一个标准的人脸模板，由包含 局部人脸特征的子模板构成，然后对一幅输入图像进行全局搜索，对应不同尺度大小的 图像窗口，计算与标准人脸模板中不i 司部分的相关系数，通过预先设置的阈值来判断该 图像窗口中是否包含人脸。 ( 2 ) 人脸识别：人脸识别方法基本上可以归结为四类，即基于几何特征的方法、基 于代数特征的方法、基于模板的方法和基于神经【嘲络的方法 5 1 2 五0 】。 基于几何特征的方法：这是一种最早、最传统的方法。它是基于部件的方法， 通常需要与其他算法结合才能有比较好的效果。目前这类方法也有不少，如根据几何特 征曲率对人脸进行分类及识别，基于面部几何特征点提取的人脸识别方法等。 基于代数特征的方法：这种方法主要有奇异值分解方法( s v d ) 、特征脸方法。奇 异值特征是一种反映图像本质属性的代数特征。在某种程度上，奇异值特征具有代数和 几何上的双重稳定性，还具有比例不变性、旋转不变性等重要性质，因此将人脸图像矩 阵进行奇异值分解可以很好地提取出图像的代数特征，然后进行匹配识别。特征脸方法， 也就是主分量分析( p c a ) 方法。此处所说的特征脸方法是基于k l 变换的，它是2 0 世 纪9 0 年代初期由t u r k 和p e m l a i l d 提出的1 2 ”，是一种简单有效的方法。特征脸方法的基 本思想是将图像经过k l 变换后由高维向量转换为低维向量，并形成低维线性向量空间， 人脸投影到这个低维空间所得到的投影作为识别的特征矢量。所有子空间的正交基就是 特征脸。特征脸方法的不足之处是受表隋变化、光照角度强度变化和视角变化等严重影 响，鲁棒性较差。 基于模板的方法：最为典型的是基于弹性图匹配的方法 2 2 1 。 图1 9 基于g a b o r 小波变换的人脸弹性图 f i g 1 9g a b o rw a v e l e tt r a n s f o m sb a s e df a c ee l 笛t j cg r a p h 弹性图匹配方法在二维空间中为人脸建立属性拓扑图，图中边表示了人脸各器官之 间的拓扑结构，它对于人脸变形具有一定的容忍度，图中的每个顶点表示个特征向量， 大连珲：j ：大学硕士学位论文 用来记录人脸在该顶点附近的特征信息，然后利用弹性匹配法将库中人脸和待识别人脸 的弹性图进行匹配，找到匹配程度最高的一个人脸图像。由于特征向量的定义方式多种 多样，弹性图匹配方法也是具有多样性的，如基于g a b o r 小波变换的弹性图匹配方法， 它利用g a b o r 函数定以特征向量，得到的弹性图如图1 9 所示【2 2 j ，它对人脸较小角度的 旋转以及光照改变等都有较好的容忍性，但是与特征脸识别方法相比识别速度较慢。 基于人工神经网络的方法：目前这种方法应用比较广泛，常用的人工神经网络 方法是b p 神经l 础络、自组织神经i 州络、径向基函数神经网络。径向基函数神经9 c ) 5 i 络与 b p 嘲络一样都是多层前向网络，它以径向基函数作为基准，以高斯函数作为隐含层的 激励函数。这种网络的学习速率快、函数逼近、模式识别等能力均优于b p 神经网络， 并广泛应用于模式识别、图像处理等方面。但是这种网络比b p 网络所用的神经元数目 耍多得多，使它的应用受到了一定的限制。基于人工神经网络识别方法的不足之处是耍 求训练样本比较充分才能得到较好的识别效果，否则，在光照改变、尺度改变以及小的 形变等情况下都不能很好地识别。 1 3 2 人脸识别技术研究的难点 人脸识别技术发展很快，并取得了丰硕的成果，但是仍然还有许多亟待解决的问题。 ( 1 ) 对于人脸图像的预处理技术研究。目前在识别系统采集到的人脸图像由于光照、 背景环境等影响对人脸识别产生很大的影响，虽然很多这方面的研究都取得了一定的进 展和改善，但还不能达到一定的要求，从而影响了整个系统识别率，因此在人脸图像预 处理方面还有等于进一步提高，这也是一个具有相当重要意义的研究课题。 ( 2 ) 适应于各种复杂背景的人脸分割技术研究。目前在复杂背景下的人脸分割研究 取得了一定的进展，诸如弹性匹配等方法的应用有一定效果，但其检测速度和效果还不 能令人满意，如何在复杂背景图像中快速有效地检测和分割出人脸将成为研究的重点。 ( 3 ) 动态人脸识别研究。现有的静态人脸识别技术无法满足某些特殊场合的需要， 如海关监测等需对人脸进行动态跟踪和识别，而满足这种场合需求的动态人脸识别技术 相对比较欠缺。因此，动态人脸识别研究将有特殊的应用价值和应用前景。 ( 4 ) 多数据融合的人脸识别研究。经过近四十年的研究，人脸识别领域的研究成果 已经硕果累累，为深入研究提供了丰富的方法和经验。然而，到目前为止，任何一种方 法都有其特定的应用条件和局限性，不能完全适应于各种情形。因此，将各种技术和方 法进行有效的融合将是未来人脸识别技术发展的途径之一。 ( 5 ) 三维人脸识别研究。人脸识别技术发展到今天，许多成果仍然是在二维人脸信 息基础上取得的，而真实世界中的人脸是三维的，三维信息特别是三维图像较二维图像 甘树坤：指纹与人腧识别相关图像处理算法研究 更能提供完整而真实的内容，如何有效地利用人脸的三维信息进行识别，将是一个具有 挑战性的研究课题。 1 4 本课题研究背景和内容 1 4 1 研究背景及意义 由于传统的安全技术面临高科技的挑战，其安全性已经不能够满足需要，因此人们 转向生物特征识别技术的研究，而指纹识别与人脸识别技术与其它几种生物识别技术相 比有一定的优势，因此成为人们研究的热点。而通过前述的介绍和探讨可以发现，图像 处理作为这些生物特征识别技术中的一个重要环节，目前仍存在许多难题没有完全解 决，从而严重影响了识别系统的识别率，很多算法虽然有很好的性能，但是代价非常昂 贵，不适合应用需求，所以对这方面的新算法以及应用方面的研究成为了一项紧迫的任 务。本课题正是在此背景下进行的研究。 对于整个识别系统来说图像处理算法的优劣，将直接贯穿并影响后续的整个处理和 识别。通过对指纹与人脸识别技术中图像处理算法的深入研究和实现，从而可以有效提 高整个识别系统的性能，具有极大的理论与实用价值。因此本课题旨在对指纹和人脸图 像的处理算法进行研究，以期寻求一种对识别系统适应性较强的图像处理算法。 1 4 2 论文的内容与结构 本文共分六章，主要对当前生物特征识别技术中两种最有发展前途的研究方向指纹 识别和人脸识别中的图像处理技术进行了深入的研究和探讨。本文的内容和结构如下： 第l 章首先介绍了生物特征识别技术。并分别讨论了目前指纹识别技术和人脸识别 技术的研究概况和基本方法。 第2 章对指纹图像的预处理进行了分析，主要针对指纹图像的分割、指纹图像的方 向场及频率场的提取、指纹图像的增强、指纹图像的二值化等算法进行了系统的研究和 探讨，最终确定了相应的指纹图像预处理技术。 第3 章研究和讨论了指纹图像的细化及后处理技术，进一步提取了指纹的细节特征 点，并进行了相应的性能测试。 第4 章研究和分析了人脸图像的几何预处理技术与光照补偿预灰度处理技术，并进 行了相应的性能测试，为人脸识别过程选择了合适的图像规范化预处理算法。 第5 章对人脸图像中人脸区域确定和轮廓提取进行了研究探讨，研究了基于c a n n y 边缘检测算子的人脸轮廓提取算法，为人脸识别和人脸分割提供了有效的算法和技术。 第6 章对全文的工作进行了总结，并对后续的工作提出了建议和展望。 人连理jj ：大学硕士学位论文 2 指纹图像的预处理 在自动指纹识别系统中，无论是指纹匹配、识别还是指纹分类，都需要提取指纹的 有效特征，为了保证指纹特征提取的可靠性，必须对获取的指纹图像进行预处理，以减 少噪声或其他干扰。 2 1 指纹图像预处理技术概述 对于指纹图像预处理，已有很多学者做了大量的研究2 3 珊】。各种预处理算法都有各 自的特点和优势，传统的指纹图像预处理一般采用基于局部点像素的增强算法【2 6 j ，有的 是利用图像结构的宏观知识，对指纹图像进行预处理。近年来一些指纹图像预处理技术 把指纹脊线的方向引入指纹图像处理中，取得了一定效果。理想情况下，指纹图像纹线 结构是非常清晰的，每条脊线被两条平行谷线分离，每条谷线同样被两条平行的脊线分 离。但是由于指纹区域比较小、纹线比较密，而指纹录入时又有各种噪声，指纹获度图 像往往不甚清晰。因此，要采用图像处理方法来减小图像噪声、增强指纹脊线和谷线之 间的差异，从而提高特征提取的鲁棒性。 本文结合指纹图像的特点，主要对指纹图像的预处理技术进行了详细的分析和研 究。指纹图像的预处理流程如图2 1 所示。 指 幽 灰 叫计算力向场卜 指 指 细 纹 像 度 纹 纹化 幽 幽 规 叫指纹图像分割卜 - 脊 像 - 及 像 滑 卜 范。 线 -后 输 去 化 增 值 处 入 噪 处 一计算频率场 _ 强 化 理 理 酗2 1 指纹幽像预处理流程 f i g 2 1f l o wc h a r to f f i n g e r p r ；n ti m a g ep r e p m c e s s n g 2 2 图像去噪及灰度规范化处理 一般情况下，采集到的指纹图像的质量不尽相同，而且有些是含噪声较多的灰度图 像。指纹图像的狄度去噪规范化主要是通过对指纹图像狄度统计分析，通过进行平滑去 噪和灰度处理，对指纹图像初步增强，从而使指纹图像的视觉效果得到提高，纹线结构 更加清晰化，符合后续指纹图像的处理与识别。 甘树坤：指纹与人脸识别相芙图像处理算法研究 2 2 1 图像平滑去噪 出于指纹图像是具有纹理方向特征，在进行平滑去噪时不应破坏原有指纹的纹理结 构，传统的图像平滑滤波处理方法很难得到满意的效果，本文采用的是一种既能保持边 缘清晰又能消除噪声的方法【2 7 l ，如图2 2 所示。算法中采用5 5 的窗口，其中包含点 ) 的五