（模式识别与智能系统专业论文）基于八方向gabor滤波器的指纹识别算法.pdf

中文摘要 指纹识别技术是通过计算机实现的身份识别手段，也是当今应用最为广泛的 生物特征识别技术。指纹识别最早应用在刑侦领域，近几年来已逐渐走向民用市 场。同时，民用市场也对指纹识别技术提出了具有小型化、廉价的指纹采集设备， 高速计算平台，更高的识别准确率等各方面的要求，以满足各种不同应用的需求。 因此进行指纹识别算法的研究仍具有很高的实际意义。 本文主要对基于八方向g a b o r 滤波器的指纹识别算法进行了研究，实现了该 算法从指纹参考点定位，确定感兴趣区域，规格化，八方向g a b o r 滤波，特征提 取到特征比对的整个过程，最终的特征比对过程是建立在比对两个指纹特征向量 ( 指纹码) 的欧几里德距离上。在此基础上改进了参考点定位的方法，提出一种 具有旋转不变性的参考点定位方法，解决了当指纹图像旋转后参考点定位不准确 的问题，提高了参考点定位的准确性，进而提高了指纹匹配的准确性。通过对指 纹图像的前景和背景进行分割，产生具有适应性的感兴趣区域，提高了提取到的 指纹特征的准确性。在指纹图像规格化的过程中对每个扇区分别进行规格化，大 大补偿了在图像不同位置由于指纹弹性所引起的亮度变化。指纹的匹配是通过比 较两指纹特征向量间的欧几里德距离完成的，在匹配过程中，创新性的将纹线的 方向信息加入到指纹的特征向量中，产生方向指纹码，通过对方向指纹码的比对 提高了指纹匹配的准确性。改进后的方法不仅考虑了局部脊线结构中的细节信 息，也同时考虑到全局脊线和谷线的结构、内部脊线间的距离等相关全局信息， 提高了比对正确性，因此具有更高的理论意义和实际应用价值。 最后建立数据库并通过大量试验证明通过对参考点定位、感兴趣区域划分、 规格化和比对等过程算法的改进，新算法在计算时间与原算法大致相同的基础 上，明显改善了指纹匹配的准确性的同时大大降低了系统对数据库中指纹图像的 拒识率( f e r ，f a l s er e g i s t e rr a t e ) 。通过不同的阈值的选取，算法能够满足特定 民用领域的需求。 关键词：指纹识别参考点图像分割感兴趣区域g a b o r 滤波器特征向量 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 sb a s e do nc o m p u t e rr e c o g n i t i o nt e c h n o l o g ya n di s a l s ot h em o s tw i d e s p r e a db i o m e t r i c s r e c o g n i t i o nt e c h n o l o g yu s e d t h ee a r l y f m g e r p r i n ti d e n t i f i c a t i o nh a da p p l i c a t i o n sm a i n l yi nf o r e n s i c ss c i e n c e i nr e c e n ty e a r s ， i th a sg r a d u a l l ym o v e dt o w a r dp e r s o n a lu s e ，w h i c hr e s u l t e di nh i g hd e m a n d sa n d n e e d st om i n i m i z eh a r d w a r e ，r e d u c ec o s t ，i n c r e a s ec o m p u t i n gt i m ea n di m p r o v e r e c o g n i t i o na c c u r a c y t h er e s e a r c hf o rf m g e r p r i n tr e c o g n i t i o n a l g o r i t h m h a s i n v a l u a b l ea n d p r a c t i c a ls i g n i f i c a n c e t h i sa r t i c l em a i n l yr e s e a r c h e sa n dd i s c u s s e st h ee i g h td i r e c t i o n sg a b o rf i l t e r f i n g e r p r i n tr e c o g n i t i o na l g o r i t h mi nt e r m so ft h er e f e r e n c ep o i n tl o c a l i z a t i o n ，r e g i o no f i n t e r e s t ，n o r m a l i z a t i o n ，e i g h td i r e c t i o n sg a b o rf i l t e ra n df e a t u r ee x t r a c t i o nc y c l e t h e f i n g e r p r i n tm a t c h i n g i sb a s e do nt h ee u c l i d e a nd i s t a n c eb e t w e e nt h et w o c o r r e s p o n d i n gf e a t u r ev e c t o r s ，w h i c hi sa l s oc a l l e df i n g e r c o d e s t oi m p r o v et h e r e f e r e n c ep o i n tl o c a l i z a t i o n ，t h i sa r t i c l ep r o p o s e sar o t a t i o ni n v a r i a n c eo ft h er e f e r e n c e p o i n tl o c a l i z a t i o nm e t h o d t h em e t h o ds o l v e st h ei n a c c u r a c yp r o b l e mi nl o c a l i z a t i o n a f t e rt h er o t a t i o no ff i n g e r p r i n ti m a g e ，t h e r e b yi m p r o v i n gt h e f i n g e r p r i n tm a t c h a c c u r a c y t h r o u g ht h es e g m e n t a t i o no ft h ef m g e r p r i n ta n db a c k g r o u n d , a l la d a p t i v e r e g i o no fi n t e r e s ti sp r o d u c e dt oe n h a n c ep r e c i s i o no ft h ec h a r a c t e r i s t i cw i t h d r a w n f r o mt h ef i n g e r p r i n t e a c hi n d i v i d u a ls e c t o ro ft h ei m a g ei sn o r m a l i z e da f t e rt h e n o r m a l i z a t i o np r o c e s so ft h ee n t i r ei m a g et oc o m p e n s a t ef o rt h ec h a n g ei nb r i g h t n e s s d u et ot h ed i f f e r e n c ep o s i t i o n sa n de l a s t i c i t yo ft h ei m a g e i nt h em a t c h i n gp r o c e s s ， t h en e wm e t h o dc o m b i n e st h ed i r e c t i o n a li n f o r m a t i o nw i t ht h ec h a r a c t e r i s t i c so ft h e f i n g e r p r i n tt op r o d u c eam o r ea c c u r a t em a t c h t h ei m p r o v e dm e t h o di so fp r o f o u n d t h e o r e t i c a la n dp r a c t i c a ls i g n i f i c a n c eb e c a u s ei tn o to n l yt a k et h el o c a la n o m a l i e si n t h er i d g es t r u c t u r ei n t oa c c o u n tb u ta l s ot h eg l o b a lp a t t e r no fr i d g e sa n df u r r o w s ， i n t e r - r i d g ed i s t a n c e s ，a n do v e r a l lp a t t e r n so fr i d g ef l o w t h r o u g he x p e r i m e n t a lp r o o fo fi m p r o v e m e n ti nr e f e r e n c ep o i n tl o c a l i z a t i o n ，r o i s e g m e n t a t i o n ，n o r m a l i z a t i o na n dm a t c h i n gp r o c e s si ne s t a b l i s h e df i n g e r p r i n td a t a b a s e ， t h en e wm e t h o d ，h a v i n gas i m i l a rc o m p u t i n gt i m et ot h eo r i g i n a lm e t h o d ，g r e a t l y i m p r o v e df i n g e r p r i n tm a t c ha c c u r a c y a tt h es a m et i m e ，i tg r e a t l yr e d u c e st h ef e r ( f a l s er e g i s t e rr a t e ) o ft h es y s t e md a t a b a s e i nc o n c l u s i o n b yu s i n gap r o p e r t h r e s h o l d ，t h em e t h o ds a t i s f i e st h en e e d so fc o n s u m e r s k e yw o r d s ：f i n g e r p r i n ti d e n t i f i c a t i o n ，r e f e r e n c ep o i n t ，i m a g es e g m e n t a t i o n ，r e g i o n o fi n t e r e s t , g a b o rf i l t e r ，f e a t u r ev e c t o r 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和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得墨壅盘鲎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己在论文中 作了明确的说明并表示了谢意。 学位论文作者签名：匆3 嘉签字日期： 2 汐口夕年，月砂日 学位论文版权使用授权书 本学位论文作者完全了解丞盗盘鲎有关保留、使用学位论文的规定。 特授权墨盗盘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，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位敝储躲弓 】去 新虢批 签字日期：力夕年 ，月斗日 签字日期：押u7 年月一2 午口 第一章绪论 1 1 生物识别技术概述 第一章绪论 当今世界我们在很多场合都要通过认证来表明我们的合法身份，身份鉴别作 为一种最主要的安全手段被广泛应用于各种领域。并且在人们的日常生活中，几 乎每时每刻都需要鉴别别人的身份，证明自己的身份。传统的自动身份鉴别技术 可以分为两大类【l 】嘲：基于知识( k n o w l e d g e - b a s e d ) 的鉴别技术和基于令牌 ( t o k e n - b a s e d ) 的鉴别技术。基于知识的方法使用“所知”鉴别个人身份，即待 鉴别者通过私有的知识和信息来证明自己的身份。如密码、个人识别码( p i n ) 、 口令等；基于令牌的方法则通过“所有”鉴别个人身份，待鉴别者使用自己的私 有物品如护照、身份证、驾驶证和钥匙等来证明个人身份。在一些安全性要求严 格的系统中，往往将这两者结合起来，如自动取款机要求用户同时提供银行卡和 密码。 基于知识和基于令牌的鉴别技术己经被人们使用了千百年，其主要优点是： 它们都很简单并且它们能够以较小的代价相对容易地集成到不同的系统中去。然 而，这些方法并不是根据待鉴别者的“内在”特征进行身份识别。也就是说，知 识或令牌并不和待鉴别者的自身特点紧密联系，这包括两个方面的含义：一是不 同的个人可能具有相同的知识或令牌，二是知识或令牌可能被窃取并且容易复 制。因此，基于知识或令牌的身份鉴别技术都存在着相当大的缺陷，令牌可能会 被盗取、替换、丢失、或者忘记携带，密码或个人识别码则容易遗忘并且难以管 理。在大型商业应用中，对密码或个人识别码的管理一直是一个难题，费用昂贵 却效果不佳。另外，利用高速计算机对密码和个人识别码进行自动攻击也正变得 越来越容易。总而言之，传统的自动身份鉴别技术在当今数字化信息化社会中已 经越来越暴露出其局限性：它们形式简单却容易受到攻击；它们容易应用却难于 管理；现在人们不仅追求身份鉴别技术的高安全性，也对它们的可管理性、易用 性和以人为本等多个方面提出了更高的要求，而这也正是基于知识和基于令牌的 鉴别技术的致命弱点。随着科学技术的不断进步，越来越多的电子设备不断进入 人们的日常生活。例如电脑、自动提款机、电话、门禁控制、各种身份识别的智 能卡等。这些产品对个人安全、方便的身份识别认证技术的要求越来越高。假如 没有很好的身份识别与授权系统就不能很好地开展电子商务。人们现在越来越多 第一章绪论 地依赖像智能卡、身份证、口令等保护措施来进行人的身份识别，但各种各样的 损失仍时有发生。因此，迫切需要有一种准确、方便、安全的识别技术来代替现 有的身份识别技术。这种新的识别技术所识别的对象必须具有长期不变性和唯一 性。 生物特征识别技术( b i o m e t r i c s ) 以其特有的优越性越来越引起人们的重视， 成为近年来国际上研究的热点。 与传统的身份鉴别手段相比，基于生物特征的身份认证技术具有以下优点： 1 ) 普遍性：每个人都拥有生物特征： 2 ) 唯一性：没有哪两个人拥有同样的生物特征： 3 ) 永久性：生物特征不会随时间而变化； 4 ) 可采集性：生物特征能够被定量地测量出来； 5 ) 易实现性：容易实现，资源消耗少，对工作环境要求不苛刻； 6 ) 易接受性：不易遗忘或丢失； 7 ) 防伪性：不易伪造或被盗，识别率高； 8 ) 方便性强：随时随地可用； 生物特征识别技术是基于个人独特的生理或行为特征进行身份鉴别的技术， 它以生物技术为基础，以信息技术为手段，将本世纪生物和信息这两大热门技术 交汇融合为一体。生物识别技术就是利用生物特征或行为特征对个人进行身份识 别，具有长期不变性和唯一性。由于人体特征具有不可复制的特性，这一技术的 安全系数较传统意义上的身份验证机制有很大的提高。目前用于生物识别的生理 特征有指纹、掌纹、面部、虹膜、视网膜、脉搏、耳廓等；行为特征有签字、声 音、按键力度等。基于这些特征，人们己经开发了指纹识别、面部识别、虹膜识 别、视网膜识别、语音识别、签名识别等多种生物识别技术。每一种生物识别技 术在准确率、用户接受程度、成本等方面都不同，而且都具有自己的优缺点。 指纹识别作为识别技术已经有很长的历史，可以追溯到古代的中国，而指纹 识别技术在美国和西欧也一直使用了一百多年，有着坚实的市场后盾。相对于其 它身份认证技术，自动指纹识别是一种更为理想的身份确认技术，它不仅具有许 多独特的信息安全优点，更重要的是还具有很高的实用性、可行性，具体表现在 以下几个方面：( a ) 每个人的指纹是独一无二的，两人之间不存在相同的指纹。 1 9 世纪末，英国学者亨利写出了专著，将指纹的特征及识别原理加以分析归纳， 科学地提出了人的指纹各不相同，并提出了基于指纹特征进行识别的原理和方 法，以后衍生出的各种识别方法都是基于该理论。按亨利的理论，一般人的指纹 在出生后9 个月得以成型并终身不变，每个指纹一般都有7 0 - 1 5 0 个基本特征点。 从概率论的角度，在两枚指纹中只要有9 1 0 个特征点吻合，即可认定为是来自同 第一章绪论 一手指的指纹。按现有人口计算，大约1 2 0 年才可能出现两枚完全相同的指纹； 每个人的指纹是相当固定的，很难发生变化。例如，指纹不会随着人年龄的 增长或身体健康状态的变化而变化，而人的声音却有着较大的变化；( c ) 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样本库，方便了 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( 指纹采 集器) 也较易实现；( d ) 一个人的十指指纹皆不相同，这样可以方便地利用多个指 纹构成多重v i 令，提高系统的安全性，又不增加系统的设计负担；( e ) 指纹识别中 使用的模板不是最初的原始指纹图像，而是由指纹图像中提取的关键特征，这样 系统对模板库的存储量较小。另外，对输入的指纹图像提取关键特征后，可以大 大减少网络传输的负担，便于实现异地确认，支持计算机的网络功能。 当然，指纹识别技术也存在着缺点：( a ) 某些人或某些群体的指纹因为指纹特 征很少，故而很难提取有效的特征；( b ) 每一次使用都会在指纹采集器上留下用 户的指纹印痕，而这些指纹痕迹存在被用来复制指纹的可能性。 综上所述，在这些生物识别的种类中，指纹具有唯一性、稳定性、再生性等 特点。同时，指纹在比对时非常方便、快速，能比较好地实现监控和无监控操作。 在比对模式上也可以实现一对一比对和一对多比对。指纹识别技术为现代身份识 别提供了一个极好的解决方案。 1 2 指纹识别技术 1 2 1 指纹识别技术的研究历史 现代指纹识别技术的研究是从十六世纪开始的。1 8 6 4 年，英国植物学家 n e h e m i a bg r a w 发表了人类对指纹识别技术进行科学研究的第一篇论文，研究了 指纹脊线、谷线和孔状结构的对称性。从此以后，很多人开始致力于指纹识别技 术的研究【3 1 【4 】【5 1 【6 1 。1 7 8 8 年，m a y e r 发表论文从解剖学的观点详细描述了指纹纹 线结构，并对纹线的结构特征进行了定义。1 8 0 9 年，t h o m a sb e w i c k 开始使用其 指纹作为他的私章，被认为是现代指纹识别技术研究的里程碑。1 8 2 3 年，p e r k i n j e 提出了第一套指纹分类方案，根据纹线的全局结构模式将指纹大致分为九类。 1 8 8 0 年，h e n r yf a u l d 第一次比较科学的研究了指纹的唯一性问题。这些研究奠 定了现代指纹识别技术的基石。在十九世纪后期，f r a n c i sg a l t o n f 7 】对指纹进行了 较为深入的研究，并于1 8 8 8 年撰文将指纹细节特征引入分类概念。1 8 9 9 年， e d w a r dh e n r y 建立了著名的“h e n r y 指纹分类体系”，标志着指纹分类取得了重 第一章绪论 大进展。到了2 0 世纪早期，指纹识别开始正式成为身份识别的方法并被法律部 门用作身份鉴定的依据，并开始在世界范围内建立指纹识别机构和犯罪指纹档 案。指纹识别的有关技术，包括指纹采集技术、指纹分类技术和指纹匹配技术都 得到了较快的发展。指纹的概念已为人们所熟知，逐步归纳、建立了关于指纹的 三个基本原则： 1 - 不同人的指纹具有不同的脊、谷纹线结构； ： 2 指纹全局结构模式是因人而异的，但种类是有限的，对指纹进行分类是可行 的： 3 对每个人来讲指纹的全局结构模式和细节特征是与生俱来和终生不变的； 其中第一条和第三条是指纹识别的基础，而第二条是指纹分类的基础。 2 0 世纪6 0 年代，由于计算机可以有效的处理图形，人们开始着手研究利用 计算机来处理指纹。从那时起，自动指纹识别系统a f i s ( a u t o m a t e df 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 ) 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其他领域中得以应用，比如代替i c 卡。现 在，低价位取像设备的引入及其飞速发展，可靠的比对算法的研究为个人身份识 别应用的增长提供了舞台。可以看出，指纹识别技术相对于其他方法有许多独到 之处，更重要的是有着很高的实用性和可行性，因此，指纹识别成为最流行、最 方便、最可靠的个人身份认证方法之一。 1 2 2 国内外指纹识别技术研究现状 在国外，早期的研究主要面向指纹分类，r a o t 8 1 ，b m o a y e r t 9 】【1 0 】等提出句法 分析的方法，k a l l ek a r u 和a n i lk j a i n t 】通过识别核心点( c o r e ) 及三角点( d e l t a ) 来进行分类，k a w a g o e 和t o j o t l 2 】应用了p o i n c a r ei n d e x 的方法来识别关键点。另外 w i l s o n l l 3 】f 1 4 】将神经网络引入了指纹系统中对指纹进行分类。在匹配算法上，主 要有点匹配和结构匹配两大类。s t o c k m a n 【1 5 】等提出的基于h o u g h 变换的方法把点 模式匹配转化成了对转换参数的h o u g h 空间中峰值的检测，这种方法相对的缺点 在于当细节点较少( 少于3 0 个) 时很难在h o u g h 空间里积累起足够大的证据来保 证一个可靠的匹配。另外该方法有计算量较大的缺点，j p s r a r i n k 与e b a c k e r t l6 】从 能量最小化的角度描述点匹配的问题并使用了模拟退火的方法，该方法的计算量 也比较大。m s p a r r o w 和p s p a r r o w f l7 】提出了细致的指纹特征模型，该模型区分十 种不同的指纹特征，在此基础上j h l i u 【1 8 】等用在指纹图像上叠加栅格并对特征 分布编码的方法来识别特征。s p a r r o w 与a k h r e c h a k t l 9 】等都提出了基于结构信息 的指纹特征匹配。而d k i s e n o r 与s g z a k y t 2 叫使用图来表示指纹特征并用图匹配 第一章绪论 的方法来匹配指纹图像。这些方法都利用了指纹图像中的拓扑结构信息以克服指 纹图像的噪声旋转与变形对识别的干扰。 近年来利用计算机进行指纹识别的技术已经很成熟并且开始大规模推广。许 多大公司有专门的机构从事该项技术的研究开发与应用，包括i b m 、i n t e l 、 m i c r o s o f t 、d i g i t a l p e r s o n a 、m o t o r o l a 等。美国密歇根州立大学( m i c h i g a ns t a t e u n i v e r s i t y ) 的模式识别与图像处理实验室( p a t t e r nr e c o g n i t i o na n di m a g e p r o c e s s i n gl a b o r a t o r y ) 在国际著名学者a n i lk j a i n 的领导下，在国际知名的学术 会议如c v p r 和学术期刊如i e e et r a n so i lp a m i 和p a t t e r nr e c o g n i t i o n 上发表了大 量有学术价值的论文，并取得了丰硕的成果。从指纹采集到图像的预处理、识别、 比对算法都比较成熟。可以说指纹识别技术已经形成了一套完整的体系。由于指 纹识别系统产品的安全性、可靠性、实用性，在需要个人身份识别、验证、授权 的场合得到广泛的应用。 国内从上个世纪8 0 年代初期开始研究指纹自动识别技术并得到较大发展。除 了引进国外的新技术，国内公司也独立研究开发出自主知识产权的多项指纹识别 类产品。指纹识别算法有的也达到了国际先进水平。从事指纹识别的研究机构有： 北京大学信息中心、清华大学自动化系、北京邮电大学、中科院、长春光机所等。 从事自动指纹识别系统开发的公司有：西安青松、北京中控、杭州中正等。国内 公司多以指纹门禁为主导产品，并开发出适合考勤、证券、银行内部授权、银行 保管箱、计算机开启等应用产品。因为现有的指纹识别算法已经渐进成熟，所以 目前国内的指纹识别研究工作主要是集中在把现有算法灵活应用于实际产品的 开发，通过对指纹识别算法各个环节的改进，力求把这些改进应用到实际系统中 去。在民用开发领域，杭州中正生物认证公司与浙江大学组建了“浙江大学一中 正生物信息与计算联合实验室，推出了一系列基于嵌入式指纹识别技术的解决 方案，如指纹电子钱包、指纹硬盘、指纹i c 卡身份认证系统、指纹门禁解决方案、 指纹考勤机解决方案、指纹数字签名仪等。在算法研究上，近年来中科院自动化 所人工智能实验室在指纹分类、匹配和压缩上取得了很多突出的理论成果，在国 际国内知名学术会议和杂志发表了多篇论文。 1 2 3 指纹识别技术存在的问题 目前，尽管己经有众多成型的自动指纹识别产品在使用，但在很多民用领域 指纹匹配的准确度仍然达不到实用的要求。主要问题在于： 1 指纹采集过程中的噪声、变形、按压力度不均、有效面积太小、放置位置偏 离中心等影响了指纹质量。此外，影响指纹采集图像差异的因素还包括：人 体本身因素( 手指太干或太湿) 、疤痕导致的不同时期指纹的差异、不同年龄 第一章绪论 阶段导致指纹的差异等。尽管现在已经有一些采集设备配有指纹质量监控软 件，但仍不能从根本上保证指纹图像采集的质量问题。这无疑是自动指纹识 别技术研究中的一个薄弱环节，对指纹图像特征提取的鲁棒性和适应性提出 了很高的要求。 2 不同的应用场合对指纹识别系统的性能要求不同。在验证模式下，对实时性 和拒识率要求较高( 一般要求处理时间小于l s ，要求用户输入次数小于3 次) ， 以防给用户带来不便；在辨识模式下，由于要对数据库进行检索和匹配，所 以对匹配时间和检索空间的要求都比较高。这就要求选择合适的指纹特征表 示方式以减少所占用的存贮空间，同时还要设计合适的匹配算法加快匹配的 速度和精度。 3 自动指纹识别产品相关设备的更新以及越来越广阔的应用领域需求也对传 统的指纹识别技术提出了新的要求。例如，指纹采集设备正在向具有低价格 和紧凑体积的方向发展。这使得指纹产品可以嵌入到其它设备如鼠标、手机 等，但同时由于采集到的指纹图像区域变小，必然对匹配算法提出了新的要 求，即在采集到的指纹图像区域小的情况下能否提取出足够多的特征用于识 别。 综上所述，自动指纹识别中还存在大量尚未解决的问题，需要更好的指纹识 别模式与匹配技术改善系统性能。一方面，就指纹特征而言，结合多种可行的指 纹特征表述方式以提供丰富的指纹信息用于匹配识别；就识别系统而言，通过增 加每个人指纹模板数目( 采集同一个人多个手指指纹或同一个手指的多次采集) 提高系统的安全系数。另一方面，每种生物特征都有自己的使用范围。比如，有 些人的指纹无法提取特征，患白内障的人虹膜会发生变化等。在对安全有严格要 求的应用领域中，融合多种生物特征来实现高精度的识别系统无疑是身份识别领 域发展的必然趋势。 1 3 本文的研究内容 在研究、分析现有的指纹识别算法的基础上，本文提出一种改进的基于八方 向g a b o r 滤波器的自动指纹识别方法。该方法采用一组八方向g a b o r 滤波器把指纹 图像分解到不同的方向空间，由每个空间提取出的包含指纹信息的特征组成有序 数列，进而生成一个相对较短、定长的特征向量，也称为指纹码。比对算法简化 到寻找指纹码之间的欧几里德距离，因此识别速度很快。这种方法不仅包含了指 纹图像的局部信息，也引入了全局信息。 本文对已有指纹匹配算法进行比较分析，对参考点的定位、感兴趣区域的划 第一章绪论 分、因指纹旋转而造成匹配错误以及匹配方法等多方面问题进行了改进。并通过 试验结果证明了这些改进的有效性。改进的算法具体体现在： 1 ) 对指纹图像核心点定位的算法进行改进； 2 ) 改进了感兴趣区域的划分方法，引入适应性感兴趣区域，使指纹数据库中的 拒识率大大降低； 3 ) 分扇区对指纹图像进行规格化，补偿了在图像不同位置由于指纹弹性不同所 引起的亮度变化。 4 ) 对匹配方法进行改进，将方向信息引入到指纹码中，大大提高了比对的准确 性； 5 ) 建立指纹图像数据库并在m a t l a b 平台下实现了从指纹采集到指纹匹配的整个 过程。通过对实验结果的比较证明了算法的优越性和有效性。 1 4 本文的内容安排 本论文共分五章，每章的主要内容如下： 第一章：绪论。介绍生物识别技术及指纹识别技术的研究背景、研究现状和 目前存在的问题。 第二章：自动指纹识别算法概述。介绍了指纹的相关概念以及自动指纹识别 系统的每个步骤。并对现有的自动指纹识别算法做了比较。 第三章：基于八方向g a b o r 滤波器的指纹图像特征提取。深入研究了基于八 方向g a b o r 滤波器的指纹图像特征提取的方法，并对原有算法进行了改进，提高 了指纹识别的准确率。 第四章：指纹图像匹配算法。对第三章中指纹图像提取出的特征进行匹配并 根据大量试验结果证明改进后算法的优越性。 第五章：总结与展望。对论文的主要工作进行总结，并提出未来需要改进的 方向。 第二章自动指纹识别算法概述 第二章自动指纹识别算法概述 2 1 指纹的基本概念 手指表面皮肤凹凸不平而产生的纹路就是指纹。纹路中隆起部分是手指真皮 向表皮乳突形成的皱痕，又称指纹脊线( r i d g e ) ：指纹脊线之间的凹陷部分，称为 指纹的谷线f f u r r o w ) 。这种脊线和谷线分布模式是由皮肤表皮细胞死亡、角质化， 在皮肤表面积累形成的。尽管指纹只是人体皮肤的一小部分，但是它却蕴涵了大 量的信息。这些手指皮肤纹路在图案、断点和交叉点上是各不相同的，在信息处 理中我们将他们称之为“特征”，这些特征对每个手指都是不同的。依靠特征唯 一性的特点，我们就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，就可以验证他的真实身份。而且人的指纹特征是与生俱 来的，在出生6 个月指纹基本形成后，指纹的纹线类型、结构、统计特征的总体 分布等始终没有明显变化。很早人们就认识到指纹的唯一性，至今还找不出两个 指纹完全相同的人。其实指纹的纹理不仅人与人之间存在不同，就是同一个人的 十指指纹也有明显的区别，即使是同卵双胞胎的指纹也是很不相同的。此外，指 纹还具有以下性质： 1 稳定性：指纹的纹线类型和细节在人的一生中，从出生到死亡始终保持不变。 尽管随着年龄的增大，纹线会有所变粗，纹路的面积会有所增大，但是到了 成年以后，这些变化不会显著增加，且纹路的类型、结构、细节特征的总体 布局和纹线总数等方面，始终没有变化。 2 唯一性：跟据f r a n c i sg a l t o n 【7 1 ，两个指纹完全一致的概率不超过2 矗6 ，也就 是说，几乎没有两个指纹是完全一致的。 3 可分类性：指纹纹线的排列和分布都有一定的规律。 依靠指纹的这些性质，我们就可以把一个人同他的指纹对应起来，通过对他 的指纹和预先存储的指纹进行比较，验证他的身份。 理想的指纹图像应该是一幅黑白相间的二值图像。但是由于指纹通常是通过 按压或光学扫描的方式得到的，因此，油墨、纸张、手指的状况以及皮肤的变形 等原因都会导致指纹图像不理想，从而形成灰度图像。另外，通过扫描仪进行数 字化的时候，由于光照的影响，也会引入各种噪声。这些因素都使灰度图像不能 直接用来匹配。因此，有必要选择合适的特征来描述指纹。 特征在模式识别系统中是指能够唯一反映输入对象本质的数据量。选取的指 第二章自动指纹识别算法概述 纹特征要能够用于身份鉴别系统必须具备如下性质1 2 1 ：( 1 ) 保持指纹的独特性； ( 2 ) 对噪声具有鲁棒性，对旋转、平移和非线性形变具有不变性：( 3 ) 易于进行匹 配；( 4 ) 对不完整的指纹图像具有不变性。 指纹识别中通常采用的结构特征有2 种： 1 ) 全局特征：指纹的全局特征是在指纹中心区域形成的特殊结构。它所描述的 是指纹的全局纹理结构。指纹的基本纹理图案分为六类：弓形( a r c h ) 、帐弓 形( t e n t e da r c h ) 、左旋型( 1 e f tl o o p ) 、右旋型( r i g h tl o o p ) 、斗型( w h o r l ) 和双箕型 ( t w i nl o o p ) 。其他的指纹图案都基于这六种基本图案。仅仅依靠图案类型来 分辨指纹是远远不够的，这只是一个粗略的分类。但是通过分类使得在大数 据库中搜索指纹更为方便。指纹图像类别比例大概如下：漩涡型( 包括 w h o r l ，d o u b l ew h o r l ) 占2 7 9 ，环型( 包括r i g h tl o o p ，l e f tl o o p ) 占6 5 5 ，弓型 ( 包括a r c h ，t e n t e da r c h ) 占6 6 。图2 1 为六类指纹的基本纹理特征。 指纹的基本全局特征主要有： 模式区( p a t t e r na r e a ) ：指纹上包括了全局特征的区域，即从模式区就能 够分辨出指纹属于哪一种类型。有的指纹识别算法只适用于模式区的数 据； 核心点( c o r ep o i n t ) ：位于指纹纹路的渐进中心，可作为指纹读取和比对 时的参考点； 三角点( d e l t a ) ：位于从核心点开始的第一个分叉点或者断点、两条纹路 会聚处、孤立点、转折处或指向这些的奇异点。三角区提供了指纹纹路 的计算和跟踪的开始之处； 纹数( r i d g ec o u n t ) ：模式区内指纹纹路的数量。在计算指纹纹数时，一 般先连接核心点和三角区，这条连线与指纹纹路相交的数量即可认为是 指纹的纹数。 图2 - 2 为指纹图像的全局特征。 2 ) 局部特征：端点和分叉点是最常用的指纹局部结构特征，也称为细节特征。 采用这种特征的一个例子是使用指纹的细节点( m i n u t i ap o i n t s ) 及其坐标和其 他一些特征来描述指纹。指纹纹路并不是连续的，平滑笔直的，而是经常出 现分叉或打折点，这些点就称为细节点，这些细节点提供了指纹唯一性的确 认信息。对于指纹身份鉴定，特别是对现场的模糊指纹进行认定的时候所使 用的信息就是细节特征点。人们根据纹路的局部结构特征共定义了1 5 0 多种 细节特征，如果同时使用所有的这些特征，将很难自动而且迅速的从指纹图 像中提取并且区分它们。通常自动指纹识别系统只使用其中两种主要的特 征，即分叉点和端点。其他细节特征都可以用它们的组合来表示。 第二章自动指纹识别算法概述 指纹上的细节点有四种不同特性： 类型( s t y l e ) ： 端点( 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两条或多条 孤立点( d o t o i - l 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 ) ：一条纹路分来成两条后，立即合并成为一条，这样形成的 一个小环称为环点 方向( o r i e n t a t i o n ) ：细节点的方向由所在的脊线方向决定： 曲率( c u r v a t u r e l ：描述纹路方向改变的速度； 位置( p o s i t i o n ) ：细节点的位置通过( y 1 坐标来描述，可以是绝对的，也 可以是相对于参考点或特征点的。 图2 3 为指纹图像的局部特征。 ( a ) 弓型( b ) 帐弓型 曩毽 ( c ) 左旋型( d j 右旋型 第二章自动指纹识别算法概述 ( e ) 斗型 ( f ) 顾萁型 图2 - 1 指纹基本纹路图案 ( a ) 其中正方形处为核心点( c o p o i n t )( b ) 模式区( p “t e c m a r e a ) 三角形处为三角点( d e l m ) 图2 2 指纹图像的全局特征 爨裟 嬲，、分她 生球雌 + 二、_ 孤女点 2 i j ：孔j 、扎 图2 3 指纹图像的局部特征 尽管结构特征为太部分人所接受，但是人们没有停止对其他特征的尝试如 第二章自动指纹识别算法概述 纹理特征。纹理特征反映了图像在不同阶段、不同方向的能量分布，对不同的手 指能够表现出一定的可分性。同时由于人群中大约有5 的人手指上没有细节特 征，因此纹理特征也为这种情况提供了一个解决方案。这方面的尝试包括：j a i n 、 l e e 用g a o b r 滤波器方法、t i c o t 2 2 】使用小波特征以及c o e t a e e t 2 1 1 提出的方法。采 用纹理特征在对指纹进行描述的同时难免会损失图像中的细节，因此这种特性的 可分性不如结构特征。 2 2 自动指纹识别系统( a f i 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 n s y s t e m ) 在实际应用中一个自动指纹识别系统可以分为如下两个相对独立的指纹处 理模块：指纹注册和指纹的实时比对。在指纹注册模块中，指纹图像首先要经相 应设备读入、测量，成为数字化的模板指纹( t e m p l a t ef i n g e r p r i n t ) ，然后经过指 纹图像增强及特征提取算法抽取指纹的特征信息( t e m p l a t ef e a t u r e ) ，最后把特 征信息保存在数据库中。注册包含数据采集、数据传输、数据压缩解压缩和特征 提取与存储。这是一个离线的过程。指纹的实时比对是对一个从现场采集到的指 纹进行图像增强并提取其特征，与已经注册存储在数据库中的模板指纹进行比对 来确认身份的过程叫做指纹的实时比对。在指纹实时比对过程中同样必须具有特 征提取和模式匹配的功能。图2 4 是自动指纹识别系统模型图。 自动指纹识别系统的工作模式一般分为验h t ( v e r i f i c a t i o n ) 和辨识 ( i d e n t i f i c a t i o n ) 。验证的目的是确认用户声称的身份与其真实身份一致。它通过把 现场采集到的特征与一个已经登记的模板进行“一对一的比对( o n e - t o o n e m a t c h i n g ) ”来确定身份的过程。作为验证的前提条件，指纹特征必须在模板数据 库中己经注册，以一定的压缩格式存储，并与其姓名或其标识( i d ，p i n ) 联系起来。 随后在比对现场，先验证其标识，然后利用系统的模板与现场采集的特征比对来 证明其标识是合法的。验证其实是回答了这样一个问题：“他是这个人吗? ”。这 是应用系统中使用得较多的方法。辨识则是一个识别出用户的真实身份问题。通 过把现场采集到的特征同数据库中的模板逐一对比，从中找出与现场采集到的特 征相匹配的模板。这也叫“一对多匹配( o n e t o m a n ym a t c h i n g ) ”。辨识其实是回 答了这样一个问题：“他是谁? 。辨识主要应用于刑事侦察等传统领域。例如可 以通过将一个不明身份的人的指纹与数据库中有犯罪记录的人的指纹进行比对， 来确定此人是否曾经有过犯罪记录。 第二章自动指纹识别算法概述 申崮i 增强图像增强图像 i 特征提取 il 特征提取 i 特毒板 l 特征模板l 输入l l 特征 i 一、o 1 i r 指纹特征 。i。u ，。l 数据库7 l ”“1 i i 在线离线 图2 4 自动指纹识别系统模型图 验证和辨识在比对算法和系统设计上各具技术特点。例如：验证系统对结果 的准确性和系统的易用性比较看重；而在辨识系统中，查询速度相对比较重要， 一般要使用到分类技术。 图2 5 和图2 6 分别是身份验证过程和身份辨识过程的示意图。 图2 5 身份验证过程 第二章自动指纹识别算法概述 图2 - - 6 身份辨识过程 一个优秀的生物识别系统要求能实时迅速有效的完成其识别过程。所有的生 物识别系统都包括如下几个处理过程：采集、特征提取和匹配。指纹识别处理包 括指纹图像采集、指纹图像预处理、特征提取、特征值的比对与匹配、分类等过 程。指纹识别方式的特点在于它的可靠、方便且容易被接受。许多研究表明指纹 识别在所有生物识别技术中是对人体最不构成侵犯的一种技术手段。 一般的自动指纹识别