（模式识别与智能系统专业论文）自动指纹识别的配准模式研究.pdf

摘要 自动身份识别技术在现代生活中已经变得越来越重要。传统的身份认证方 法的种种弊端让人们将目光投向了生物特征识别这个崭新的领域。指纹识别这 个最古老的身份识别方法凭借其独有的优势在众多生物特征识别技术中脱颖而 出。 经过2 0 多年的研究，在自动指纹识别领域已经出现大量的研究成果。然而 仍然有许多问题没有解决，例如指纹特征的选取、低质量指纹图像的增强、非 线性形变指纹的匹配等问题。这些难题阻碍了自动指纹识别系统识别率的进 步提高。通过对现有弹性指纹匹配研究成果的分析，我们发现这些方法的一个 共同缺陷它们仅仅强调的它们的模型( 或者方法) 可以实现几乎所有的弹性 匹配，但是没有对所有配准参数作为个整体的合法性进行分析。 本文的主要贡献在于： 一、通过对现有各种指纹特征的描述方案的总结和比较，提出了种适台 弹性指纹匹配的指纹特征描述方案。 二、首次提出“配准模式”这一概念，将所有局部最优配准作为一个整体 来考察。提出一种新颖的弹性指纹匹配方法，对指纹图像的重叠部分求局部最 优配准，并检验其“配准模式”的合法性。我们用n s t2 4 形变指纹影像数据 库提取的图像模拟真实的弹性匹配过程以获得真配准模式的知识。我们在 f v c 2 0 0 2 数据库上验证该方法。结果显示算法有很高的识别准确率。 关键词：配准模式，非线性形变，弹性指纹匹配，特征表示，指纹识别 注：本文l 。作得剑国家杰出青年科学基金项目( 6 0 2 2 5 0 0 8 ) ；国家重大基础研究前划研究 争项项目( 2 0 0 2 c c a 0 3 9 0 0 ) ；8 6 3 高科技发展计划项目( 2 0 0 2 a a 2 3 4 0 5 1 ) ：国家l 。 然科学 基金项口( 6 0 1 7 2 0 5 7 ，6 9 9 3 1 0 1 0 ，6 0 0 7 1 0 0 2 ，3 0 2 7 0 4 0 3 ，6 0 0 7 2 0 0 7 ) 的资助。 a b s t r a c t n o w a d a y s ，t e c h n o l o g i e so fa u t o m a t i ci d e n t i t ya u t h e n t i c a t i o nb e c o m em o r ea n d m o r ei m p o r t a n tw h i l es om a n yd r a w b a c k si nt r a d i t i o n a lm e t h o d s ，s u c ha sk e y so r p a s s w o r d s ，p e o p l et u r n t ob i o m e t r i c s ，an e wr e s e a r c hf i e l dw i t h b r i g h tf u t u r e f i n g e r p r i n tr e c o g n i t i o n ，o n eo ft h em o s ti m p o r t a n tb r a n c h e si nb i o m e t r i c sa n dt h e o l d e s ti d e n t i t ya u t h e n t i c a t i o nm e t h o d ，i ss h o w i n gw i t hi t su n i q u ea d v a n t a g e s t h o u s a n d so fv a l u a b l er e s u l t sg a i n e da f t e ro v e r2 0y e a r so fr e s e a r c hi nt h i sf i e l d h o w e v e r ，t h e r ea r es t i l ld i f f i c u l tp r o b l e m s ，s u c ha se n h a n c e m e n to fp o o rq u a l i t y i m a g e s ，f e a t u r es e l e c t i o no ff i n g e r p r i n ti m a g e sa n dt h em a t c h i n go fh i g h l yd i s t o r t e d f i n g e r p r i n ti m a g e s s u r v e yo nr e c e n tr e s e a r c ho fe l a s t i cf i n g e r p r i n tm a t c h i n gs h o w s t h a tt h e s em e t h o d sf o c u so n l yo nt h er e p r e s e n t a t i o na b i l i t yo fa l lk i n d so fd i s t o r t i o n ， b u tn o n eo f t h e mq u e s t i o nt h ev a l i d i t yo f t h er e g i s t r a t i o ni naw h o l e t h em a i nc o n t r i b u t i o no ft h i st h e s i si n c l u d e s ： 1 s u r v e yo f a l lk i n d so f f i n g e r p r i n t f e a t u r er e p r e s e n t a t i o ns c h e m e s a p r o p o s e ds c h e m eo fr e p r e s e n t a t i o nt h a tf a c i l i t a t e st h em a t c h i n go fd i s t o r t e d f i n g e r p r i n ti m a g e s 2i n t r o d u c et h e c o n c e p to f “r e g i s t r a t i o np a t t e r n ”i nt h ef i r s tt i m ea n d p r o p o s e d an o v e le l a s t i c f i n g e r p r i n tm a t c h i n gm e t h o dw h i c ho p t i m a l l y r e g i s t e ra l lp a r t so ft h et w of i n g e r p r i n t sa n dc h e c kt h ev a l i d i t yo ft h e “r e g i s t r a t i o np a t t e r n ”b e f o r ep e r f o r m i n gt h ef i n a lm a t c h i n gk n o w l e d g eo f “g e n u i n er e g i s t r a t i o np a t t e r n s w a sg a i n e db yc o m p u t i n gp a t t e r n sf r o m s i m u l a t e dd i s t o r t e dm a t c hb ym a t c h i n gi m a g e se x t r a c t e df r o mn i s t2 4t e s t o nt h ef v c 2 0 0 22 “od a t a b a s es h o wt h a tt h i s a l g o r i t h mh a sv e r yg o o d a c c u r a c yo f f i n g e r p r i n tv e r i f i c a t i o n k e y w o r d s ：r e g i s t r a t i o np a t t e r n ，e l a s t i cf i n g e r p r i n tm a t c h i n g ，n o n l i n e a rd e f o r m a t i o n f e a t u r er e p r e s e n t a t i o n ，f i n g e r p r i n tr e c o g n i t i o n 独创性声明 本人声明所成交的论文是我个人在导师指导下进行的研究_ j _ = 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。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地说明并表示了谢意。 繇煎亟新虢边日期：兰臼2 关于论文使用授权的说明 本人完全了解中国科学院自动化研究所有关保留、使用学位论文的规定， 即：中国科学院自动化研究所有权保留送交论文的复印件，允许论文被查阅和 借阅；可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段 保存论文。 ( 保密的论文在解密后应遵守此规定) 签名：二煎銎址导师签名：嗽同期：二羔塑蚴 第一章前言 传统的身份认证技术大致可以分成基于标志的和基于知识的明类 6 。基 于标志的技术主要通过检查“你有什么”来达到身份认证的目的，例如检查护 照，驾驶执照，证件等。基于知识的技术主要通过检查“你知道什么”来确认 身份，通过提供只有自己知道的信息来证明自己的身份，常用的就是i d + 密码 的方式。然而这些方法存在着许多问题： 证件、徽章、钥匙等物品容易丢失或者被盗取； - 物品一旦丢失，身份就可以被盗用； 密码容易被窃取、猜测或者通过高速计算机大量尝试而获得： 密码容易遗忘。 这些问题说明传统的身份识荆技术在安全性和方便性上无法满足需求，迫切需 要寻找其他的替代技术。 1 1 生物特征识别技术 由于人的身体特征具有不可复制的特点，人们便把目光转向了生物特征识 别技术。通常认为生物特征识别的定义为： “利用独特的生理学的或者行为的特征自动完成人的身份确认”。 具体丽言，“生理特征的生物识别技术”依据的是对人体直接测量获碍的数握。 例如指纹、虹膜、手形和人脸识别都是生理学的生物识别技术。而“行为的生 物识别技术”则是对人的行为的测量获得的数据，共不直接对人体进行测量。 是非直接的人体特征。比如声音识别、击键习惯谚 别和签名识别都属于行为的 生物特征识别技术。 能够作为身份识别的生物特征应该满足以下要求： 普遍性：即每个人都应该拥有段特征： 唯一性：即两个人之间不存在相同的该特征； 不变性：即该特征不随时间变化； 可采集性：即该特征可以定量采集。 在实际应用中还要考虑一些其他指标，如； 准确率：即可实现的i , y & j 准确率 自动指纹识别的配准模式研究 成本：实现和运行系统的花费； 易用性：用户使用的方便程度； 可接受性：指用户对该系统的接受程度。 目前实际应用的生物识别技术有指纹识别、人脸识别、声音识别、虹膜识 别、视网膜识别、手形识别、签名识别、击键习惯识别和掌纹识别。 一些生物特征，例如d n a 、耳形、人体气味、手指形状、步态等，则由于 使用成本、用户的接受程度、特征的可测量性、稳定性等多种原因，目前并不 被采用。 1 2 自动指纹识别技术及应用 相对于其它身份鉴定技术如d n a 鉴定、语音识别及视网膜识别，自动指 纹识别是一种较为理想的身份确认技术。原因如下： 每个人的指纹是独一无二的，两人之间不存在着相同的手指指纹。 甚至对于d n a 几乎完全相同的同卵双胞胎的指纹也是不同的 1 1 6 9 a 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 人的年龄的增长、或身体健康程度的变化而变化。人的声音、脸部 特征等却有着较大的变化 指纹易于获取，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也较易实现。而视网膜、虹膜等则难于采样， 也无标准的样本数据库供研究使用，这就导致视网膜识别系统难以 开发，可行性较低 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 多重口令，提高系统的安全性。同时，并不增加系统的设计负担。 从以上的分析可以看到，用自动指纹识别相对于其它方法不仅具有许多独 到的信息安全角度的优点，更重要的是还具有很高的实用性和可行性。 目前，许多基于指纹识别的产品已经开始应用于同常生活中( 图1 ) 。如结 合指纹扫描仪的鼠标、键盘，用指纹代替传统的密码登录计算机系统；结合i c 卡技术的身份认证系统应用于身份证、准考证和驾驶执照等方面。 rq 苦 幽1 自动指纹识别开始应用到日常生活的许多方面 根据国际生物识别组( i b g ) 4 2 】对2 0 0 3 年生物识别技术的市场份额的预 测( 图2 ) ，指纹识别技术占有超过5 0 的份额。这些数据进一步说明了指纹识 别技术良好的应用前景。 剖2 i b g 对2 0 0 3 年生物识别技术市场份额预测1 4 2 1 自动指纹识别的配准模式研究 1 3 本文的主要内容和组织 经过2 0 多年的研究，在自动指纹识别领域已经出现大量的研究成果。然而 仍然有许多问题没有解决，例如指纹特征的选择、低质量指纹图像的特征提取、 非线性形变指纹的匹配等问题。通过对现有弹性指纹匹配研究成果的分析，我 们发现这些方法的一个共同缺陷它们仅仅强调的它们的模型( 或者方法) - n j 以描述几乎所有的弹性匹配，但是没有将所有配准参数作为一个整体的合理性 作检验。 本文通过对现有各种指纹特征的描述方案的总结和比较，提出了一种适合 弹性指纹匹配指纹的指纹特征描述方案。提出“配准模式”这概念，将所有 局部最优配准作为一个整体来考察。并提出一种新颖的弹性指纹匹配方法，对 指纹图像的重叠部分求局部最优配准，并检验其“配准模式”的合法性。算法 在f v c 2 0 0 2 数据库上进行测试，结果显示算法有很高的识别准确率。 本文第二章概述自动指纹识别的系统组成、指纹采集仅的基本原理、自动 指纹识别的研究内容、挑战、性能评估标准以及研究现状。 第三章介绍各种指纹的特征描述方法，并作总结对比，最后提出一种结合 细节点和联系脊线采样点以及方向场的指纹特征描述方法。 第四章介绍指纹菲线性形变的产生原因和现有菲线性形变指纹匹配的研 究，提出一种新的弹性指纹匹配方案，并提出指纹匹配的“配准模式”这。概 念以及将对“配准模式”的检验引入到指纹识剐中的方法。 第五章总结并结束全文。 第二章自动指纹识别概述 2 1 引言 随着计算机技术、模式议别与图像处理技术的进步，自动指纹识别技术得 到了迅速的发展。指纹的唯一性、稳定性、随身性、便于采集等特点。与其他 人体生物特征识别技术相比，指纹各不相同、终生基本不变的特点已经得到公 认，指纹识别技术在操作方便、性能稳定、成本低廉、用户易接受等方面具有 综合优势。近三十年的警用指纹自动识别系统的研究和实践为自动指纹识别打 下了良好的技术基础。自动指纹识别已经成为生物特征识别技术中最成熟、应 用最广泛的一个分支。 本章首先简单介绍自动指纹识别的系统组成和流程，指纹采集仪的原理、 指纹的表示和识别等问题。接着介绍自动指纹识别算法的挑战和自动指纹识别 算法的评价方法。最后介绍国内外研究机构在这方面的研究现状。 2 1 。1 自动指纹识别系统的组成 从完成的功能的角度来看，一个自动指纹识别系统通常由如下几个部分组 成( 图3 ) ： 指纹采集设备， 特征提取系统， 模版存储系统， 匹配系统。 图3 自动指纹识别系统的组成 从使用流程来看，一个自动指纹识别系统则可以分为( 图4 ) 自动指纹识剐的配准模式研究 离线部分一注册过程， 在线部分一验证过程。 离线部分完成注册任务，首先通过采集设备获取使用者的指纹，提取特征生成 模版，然后存储在系统中。在线部分通常也是先经过指纹采集和特征提取，然 后与指定的模版作比较验证身份，或者在模版数据库中搜索是否存在与该特征 相符的指纹，做出决策。 离线处理部分 图4 自动指纹识别系统的工作流程 一个完整的身份识别系统还需要有软硬件结合的活体指纹鉴别系统 6 6 。 对于大容量的身份识别应用，则需要运用分类、索引技术加快检索速度【6 1 】 6 7 】，或者融合多种生物特征进行识别 5 3 】。 2 ，1 2 指纹采集仪及原理 实现自动指纹识别的个主要问题就是如何获取数字化的指纹图像。传统 的采集指纹的方法是用指尖蘸墨然后按压在纸上。这样的方式不仅不卫生，而 且费时费力( 需要通过扫描仪来数字化) 。同时这样采集的指纹信息容易被窃取 和伪造。 廉价而又高质量的指纹采集仪的出现，使得自动指纹识别的j “泛应用成为 可能。迄今为止，人们已经利用多种技术，例如全反射原理、电容原理、电感 原理、超声波反射原理、热敏电阻原理、光电效应等发展出多种在线指纹采集 设备。光学采集仪和c m o s 工艺的电容式采集仪是目前应用最广泛的两种指纹 采集仪。 光学采集仪的原理是当指尖按压在采集表面上( 一个全反射棱镜) 时，( 见 自动指纹识别概述 图5 ) ，与之接触的是脊线部分( 指纹中突出的纹路) ，而指纹的谷线部分则是 悬空的。接触部分( 脊线) 由于折射率与棱镜差异习i 大，导致部分光线透射出 去被皮肤吸收；而没有接触的部分( 谷线) ，就会发生全反射。这样不同的部位 反射回来的光强就不一样。通过在适当的地方发射平行光，经过全反射棱镜的 反射，然后通过聚焦棱镜和c c d 就可以记录下指纹图像了。图6 是两种光学 指纹采集仪的实物图。 图5 光学指纹采集仪的原理。( 引i i l1 7 8 】) 圈6 利用“全反射原理”制成的光学指纹采集仪。 电容式的c m o s 指纹采集仪的工作原理也是利用了指纹的凹凸结构。山于 人体是导体而空气是绝缘体，c m o s 采集仪与人体就构成了一个个小电容。由 于脊线部分( 电容的一个平面) 接触采集平面( 另一个平面) 比较紧密，电容 就大；而谷线部分距离采集面远，电容就小。脊线和谷线的差异就转换成了电 容的不同。采集仪不停的进行充放电( 图7 ) 并测量电量。通过记录电容分布， 自动指纹识别的配准模式研究 就可以获得指纹图像。图8 列出了两种c m o s 工艺的指纹采集仪。 幽7 电容式c m o s 指纹采集仪的原理。( 引自1 7 8 1 ) 圈8 c m o $ 工艺指纹采集仪。尺寸小，适合嵌入式应用。 指纹采集仪的成像质量完全决定一个自动指纹识别系统的性能上限。目前 光学采集仪和c m o s 采集仪在成像质量和成本方面都获得了巨大的进步。总体 上光学采集仪的成像质量要优于c m o s 采集仪，但是成本较高。图9 给出两种 采集仪的成像结果示例。 圈9 指纹采集仪获得的数字化的指纹图像。 滑动式指纹采集仪( 图1 0 ) 由于所需的硅片面积大大减少，而且成像面积 可以和光学采集仪相比，代表了未来的一种发展方向。 自动指纹识别概述 图1 0 c m o si 。艺的“滑动式”指纹采集仪，尺寸极小( 1 3 8 m m x 5 m 1 3 m m ) ，价格 低廉。 2 1 3 指纹的特征表示和识别 指纹通过采集仪采集，成为数字化的图像信息( 图9 ) 。这些原始数据并不 能直接的被计算机程序利用做匹配，需要通过一定的图像增强算法进行处理， 然后提取特征信息。 圈1 1 主要的两种细节类型：终结点和分叉点 选择什么特征来表示一枚指纹，是自动指纹识别研究韵一个重要问题。目 前最普遍的方法是用细节点信息( 图1 1 ) 来表示指绞像愚。有的方法则记录， 一些局部的特殊细节结构 4 9 1 。还有的方法用指纹图像盼滤波特征代替传统的 细节点特征表示指纹。 指纹的识别方法问题则是依据选择的特征描述方案而定的。例如将指纹描 述成一些具有方向和位置特点的特征点组成的点模式，则匹配问题就归结为寻 找一个最优的变换，使得两组点模式得到最大的匹配。 本文将在第三章详细讨论指纹特征的选择和表示问题。第四章详细描述我 们提出的指纹匹配算法。 自动指纹识别的配准模式研究 2 2 自动指纹识别的挑战 自动指纹识别特征的挑战主要来自于如下三个方面： 特征的选择与描述； 低质量指纹图像的特征提取； 含有较大形变量指纹的匹配。 选择什么特征来描述指纹是指纹识别的一个重要问题，它的选择同时也是 和匹配算法的设计紧密关联的。已经有许多研究提出各种描述方法，但是目前 还没有哪种方法有明显的优势。 图1 2 各种冈数导致指纹图像质量著。( a ) 指纹中有大量的折痕，影响对纹路的分析 ( b ) 手指太干导致指纹豳像太浚；( c ) 残留印迹太强；( d ) 手指上有污渍。 自动指纹识别概述 由于人的皮肤条件有很大差别，例如手指的干湿状况、蜕皮、疤痕、折痕、 手指皮肤上或者残留在采集仪表面的污渍等因数都有可能影响采集图像的质 量。再加上采集仪使用环境又有许多不同，导致有相当一部分的指纹图像质量 较差。指纹图像质量的好坏直接影响特征提取的有效性，从蕊最终影向的识别 效果。图1 2 绘出了一些质量较差的指纹图像。 从犯罪现场获取的指纹的识别是自动指纹识别的一个重要应用f 5 7 1 。但是 到目前为止，这种指纹仍然采用的是人工判读提取特征的方式。图l3 给出了。 幅犯罪现场获耿的指纹示例。 图1 3 犯罪现场留t - 的指纹印迹。这样的指纹印迹的仍然属于质量较好的。 ( n i s t s p e c i a l d a t a b a s e 2 7 ，l a t e n t q u a l i t y ：g o o d ) 月前的指纹采集技术依赖于指尖与采集仪器的接触，而人的皮肤是有弹件 的。每一次手指的施力状况都会有所不同，这种差别导致每次采集的指纹图像 都有不同的形变。图1 4 给出了采自同个指纹的两幅图像的叠加结果，显示指 纹形变引起局部细节特征发生较大位移的问题。 自动指纹识别的配准模式研究 图1 4 来自同一个手指的两个指纹图像的叠加。中心部分完全重合，边缘部分形变很大。 2 3 自动指纹识别的性雒评估方法和标准 表1 指纹识别公司声称的性能指标【7 2 】 公司名称采集仪类型 f a r ( lf r r ( ) b i o l i n k o p t i c a l 10 j 71 0 。2 b i o m e t r i c l d o p t i c a l 1 0 + 2 1 0 s t a r t e k o l o t i c a i 1 0 + 333 1 0 s o f t w a r e o p t i c a l 1 0 + 11 i d e n t i x 0 p t i c a 1 0 。1 n e cs o l i d s t a t e2 x 1 0 。5 x 1 0 。2 b i o m e t r i xs o l i d - s t a t e1 0 3 1 0 4 p o 1 e xs o l i d s t a t e 1 0 3 1 自动指纹识别概述 一个自动指纹识别系统的性能取决于许多因素，其中最主要的便是测试的 数据集。许多提供自动指纹识别系统的公司声称他们可以达到相当高的性能指 标( 表1 ) 。然而这样的结果数据，由于得自各公司私有的数据集的测试，完 全没有可比性。为了对算法进行客观的评价，需要用统一的、公开的测试标准 和测试数据。 2 3 1 美国国家标准技术局( n i s t ) 标准数据库 美国联邦调查局( f b i ) 从8 0 年代初开始与美国国家标准技术局( n i s t ) 合作研究自动指纹识别。n i s t 从f b i 庞大的指纹数据库中随机的选择部分数 据进行整理和人工标注，出版了大量标准指纹数据库。如人工标注指纹类型、 用于自动分类和识别研究的n i s ts p e c i a ld a t a b a s e4 、9 、1 4 1 2 4 】【2 5 】 2 6 】：专 门用于研究指纹弹性形变的连续指纹影像数据库n i s ts p e c i a ld a t a b a s e 2 4 2 7 1 ：还有人工标注细节点位置、类型、方向等信息，用于自动特征提取研 究的n i s ts p e c i a ld a t a b a b e2 7 2 8 1 。这些数据成为研究自动指纹识别的通用性 能标准。 2 3 2 国际指纹识别竞赛( f v c ) n i s t 出版的指纹数据库是从纸介质或者摄影胶片形式的罪犯档案通过扫 描仪数字化获得的。这些蘸墨然后按压在纸上的指纹图像以及从犯罪现场采集 的指纹与现在常用的通过数字化的指纹采集仪有很大的不同。2 0 0 0 年和2 0 0 2 年，意大利b o l o g n a 大学的生物识别系统实验室、美国生物识别技术测试中心、 美国密歇根州立大学模式识别与图像处理实验室三个单位联合组织- ，第一次和 第二次国际指纹识另n 竞赛f v c 2 0 0 0 、f v c 2 0 0 2 1 3 3 】【3 5 1 。竞赛组织者采用顸先 设计j l 个不同数据库( 活体指纹数据库和台成数据库 ，对参赛者提供的算法进 行封闭测试，并在网络上公布测试结果的形式。竞赛获得来自世界各地的众多 商业公司和科研机构的响应，其测试结果一定程度上反殃出当前自动指纹识别 研究的最高水平 3 4 1 3 5 1 。 f v c 竞赛主要考察算法如下几个指标： 一e e r ：等错误率，当f m rf a r 曲线相交时二者有相等值的读数 自动指纹识别的配准模式研究 _ f m r t 0 0 ：当f m r = i 时的错误接受率( f a r ) 一 f m r l 0 0 0 ：当f m r = 0 1 时的f a r 值， r e je n r o l l ：拒绝注册的比例 _ r e jm a t c h ：拒绝匹配的比例 一a v g e n r o l lt i m e ：平均注册时间 a v gm a t c ht i m e ：平均匹配时间 伺时f v c 还通过r o c ( r e c e i v e ro p e r a t i o nc u r v e ) 曲线详细的描述算法在各种 条件下的表现。 目前，两届f v c 竞赛公布的测试数据库以及他们所采用的评价方法已经成 为众多学术机构评价它们的研究成果的重要依据。 2 。4 自动指纹识剐问题的研究现状 由于巨大的需求和应用价值，自动指纹识别受到了许多政府机构、商业机 构的重视，如美国联邦调查局( f b i ) ，美国国家标准技术局视觉图像处理研究 组( n i s tv i s u a li m a g ep r o c e s s i n gg r o u p ) ，i b m 公司，日本n e c 公司，法国 s a g e m 公司等。 许多教育、科研机构也在积极从事这方面的工作，如i b m 沃特森研究中心 ( w a t s o nr e s e a r c hc e n t e r ) ，密歇根州立大学的模式识别与图像处理实验室 ( p r i pl a b ) ，意大利b o l o g o n a 大学生物识别系统实验室( b i o m e t r i cl a b ) ， 荷兰t w e n t e 大学信号与系统实验室( s & sl a b ) ，新加坡南洋理工大学信号处 理中心( c s p l a b ) 等。 国内的科研单位如科学院自动化所的智能生物信息系统研究组，模式识别 实验室，北京大学视觉与听觉信息系统国家实验室，清华大学智能技术与系统 国家重点实验室，北京邮电大学电信工程学院，山东大学计算机系等单位也作 了很多研究工作。 在指纹识别领域，每年有许多研究成果在i e e et r a n s a c t i o n so np a t t e r n a n a l y s i sa n dm a c h i n ei n t e l l i g e n c e ( t p a m i ) ，i e e e t r a n s a c t i o n so n m a g e p r o c e s s i n g ( t i p ) ，p a t t e r nr e c o g n i t i o n ( p r ) ，i e e ec o n f e r e n c eo nc o m p u t e rv i s i o n a n dp a t t e r nr e c o g n i t i o n ( c v p r ) ，i e e ei n t e r n a t i o n a lc o n f e r e n c e o ni m a g e p r o c e s s i n g ( i c i p ) ，i e e ei n t e r n a t i o n a lc o n f e r e n c eo np a t t e r nr e c o g n i t i o n ( i c p r ) 等 自动指纹识别概述 杂志和会议上发表。还有生物识别领域专门会议i n t e r n a t i o n a lc o n f e r e n c eo n a u d i o a n dv i d e o b a s e db i o m e t r i cp e r s o na u t h e n t i c a t i o n 和i n t e r n a t i o n a l c o n f e r e n c eo nb i o m e t r i c sa u t h e n t i c a t i o n 4 1 】。 生物识别技术的迅速发展引起了许多杂志的关注，纷纷设立生物识别的特 别专辑，如i e e et r a n s a c t i o n so ns y s t e m s ，m a n ，a n dc y b e r n e t i c s ( s m c ) ，i e e e t r a n s a c t i o n so nc i r c u i t sa n ds y s t e m sf o rv i d e ot e c h n o l o g y ( c v s t ) ，e u r a s i p j o u r n a lo na p p l i e ds i g n a lp r o c e s s i n g ( e j a s p ) 。 第三章指纹特征的选取和表示 3 1 引言 用计算机的语言完整地描述稳定而又有区别力的指纹特征是实现自动指纹 识别的一个关键问题。选择什么特征以及如何表示这种特征既关系指纹本身的 特点，又和具体的指纹匹配算法紧密联系同时还要考虑所采用的指纹采集设 备的特点。 本章首先介绍指纹的各种特征描述方法，然后对它们的特点作比较总结， 最后提出一种融合细节点特征和脊线采样的指纹特征表示方案。 3 2 指纹韵整体特征撒述 人类应用指纹作为身份识别的手段已经有狠长瓣鹰瘦。在现代社会中，指 纹被应用于公安、法院等法律部门作为身份鉴别韵有效证据。因此。法律部门 培养了大量的指纹专家，他们的经验成了自动指纹识别技术的起点和依据。 图1 5 衬辟 指纹特征区域的特祖溅可以识掰指纹的类型 引1 3 8 11 5 4 11 7 1 1 ) 大量的指纹资料被法律机关积累、保存下来，为了方便检索，需要采用某 种索引机制来减少每次需要遍历的数量。1 8 9 9 年，爱德华亨利( e d w a r dh e n r y ) 和他的两个助手建立了第一套指纹分类体系现在称之为亨利系统( h e n r y s y s t e m ) 。该方法把人类的指纹分为三大类二十多个子类。后来美国联邦调查 自动指纹识别的配准模式研究 图1 6 六种基本的指纹类型。由丁i 双旋和漩涡这两个类容易混淆，通常把它们合并为一 类，这就构成了五种基本指纹类型。基于同样的鳆因。有时还把拱雨i 尖拱台并成一类，这 就构成四种基本指纹类型。( n i s ts d b4 ) 指纹特征舶选取和表示 局( f b i ) 延续这种方法，将人类指纹分成8 个类型。文献 3 8 1 详细描述了利 用指纹特征区域的特征线( t y p e l i n e s ，图1 5 ) 进行人工分类的方法。 这8 种指纹类型中，有部分类型的类间差别很小，很难实现用计算机程序 将他们准确的区分开。因此自动指纹分类算法普遍采用将这8 种类型合并为5 种或者4 种基本类型的方法。图1 6 给出了6 种基本类型的指纹图和它们的合并 成为5 类和4 类的情况。 1 9 9 4 年，美国国家标准和技术局( n i s t ，f 7 6 ) 出版了一个专门的指纹分 类数据库n i s ts p e c i a ld a t a b a s e4 2 4 】。该数据库给出了指纹专家对2 0 0 0 对指 纹图像的分类标识。这个数据库后来成为众多自动指纹分类算法的评价标准 9 】 【1 3 】【2 8 】 4 8 儿5 0 】 6 3 】。 指纹方向场的不连续点被称为奇异点奇异点可以用p o i n c a r ei n d e x 来计算 【7 7 】。p o i n c a r ei n d e x 为i 2 的地方称为c o 点，p o i n c a r ei n d e x 为1 2 的点称 为d e l t a 点。一幅指纹的c o r e 点和d e l 协点的分布和位罱如果确定，就可以比 较容易的判断出一个指纹的类型，因此有诲多研究检测c o r e 点和d e l t a 点的算 法 1 。s h e r l o c k 等 2 0 】提出了一种甩奇异点信息确定指纹的整体模式的模型。 图1 7 标出了一幅指纹的c o r e 点和d e r a 点。 现有的这种分类规则是为指纹专家进行人工分类而定义，并不适合计算机 来实现，所；以有研究尝试适合计算机的分类方法f 1 3 l ，但是到禺静为止还没有 令人满意的结果。 幅指纹的类型、奇异点的位置和类型在一定程度上可以用来区别不同的 指纹，但是这些信息远不足以区分所有不同的指纹，通常只用在分类检索方面。 3 3 指纹的局部特征描述 3 3 1 指纹的细节点特征 人的指纹由相涮的脊线和谷线构成，在局部表现为多种多样的细节特征， 如终结点、分叉点、桥、环、四分叉、岛等多种类型，称为细节点。不同指纹 的局部细节点的分布位置和方向是不同的。图1 7 给出了部分细节点的类型示 倒。在各种类型的细节点中。由于终结点和分叉点( 图i l ) 的出现频率最高 2 4 ， 自动指纹识别的配准模式研究 并且其他的细节点类型也可以用这两种细节特征的缀合来表示，所以目前多数 自动指纹识别算法都采用以这两种缨节特征的匹配为基础的方式f 8 1 。 图1 7 指纹的各种类型昀细节点。方向场不连续的点被定义为c o r e 点和d e l t a 点 3 32 高分辨率的指纹特征汗子l 入体皮肤表面布满了汗孔( p o r e 。研究显示，在指尖表面每一个汗孔的形 状帮是难一的( 不对采集条件和采集仪器分辨率作限制) 。汗孔只分布在脊线上， 并且它们在脊线上的分布位置是随机的1 1 4 】。 要有效的获取汗孔的位置信息，需要至少8 0 0 d p i 分辨率的采集仪。从中等 的分辨率( 5 0 0 d p i ) 采集饺获得的图像，只能有效提取细节点特征。图1 8 给 出两种分辨率条件下获取的汗孔图像的比较。 j d ，s t o s z 等 4 3 1 提出通过利用脊线上的汗孔的位置信息结合脊线信息匹 配指纹，证明引入汗孔信息能够提高识别的准确率。然而与通常使用的5 0 0 d p i 的采集仪不同，为了获得清新豹汗孔图像，浚实验使用分辨率高达i 2 7 0 p p ix 2 4 0 0 p p i 的指纹采集仪。由于目前还没有关于汗孔特征能否被可靠的获取的统 指纹特征的选取和表示 计数据，因此无法证明增加汗孔信息作为指纹的特征能够提高制动指纹识别系 统的识别率。 图1 8 中等分辨率( 5 0 0 d p i ) 的采集仪只能获得少量尺寸较人的汗孔信息。商分辨率一p ( 8 0 0 d p i ) ，汗孔的位置信息可以可靠的获得。( 圈b 引f l 文献1 1 4 1 ) 3 4 指纹的纹理特征 用细节点特征柬表示指纹有许多优点，比如： 细节点的特征描述简单； 占用的存储空间小： 单独使用模版本身无法恢复出指纹，不侵犯个人隐私。 但是这种方法也有很多的弊端： 对于质量较差的图像，细节点信息难以被有效的提取； 自动指纹识别的配准模式研究 单纯的细节点特征匹配方法误识率比较高 细节点特征表示丢失了大量的脊线信息，这些信息同时也是不同指 纹之间十分有效的区别特征。 1 9 9 9 年，a n i lkj a i n 等b 2 1 提出了一种基于g a b o r 滤波函数库的指纹特征 表示法一f i n g e r c o d e 。他们分别用多个方向的g a b o r 滤波器作用于指纹图像( 图 1 9 ) 。然后用结果图像的局部区域的平均绝对方差a a d ( 图2 0 ) 来描述指纹的 局部特征。 图1 9 8 个方向的g a b o r 滤波嚣作用于指纹圈像生成滤波特征图像 圈2 0 特征图像按照区域计算b a d 特征值组成f i n g e r c o d e 该算法在n i s t9 数据库和m s ud b l 数据库t 耿得了很好的效果。尤其是 在对误识率的要求不是很高的情况下，该算法的识别率甚至优于前最好的基于 细节点的识别算法。这个结果也证明了图像质量较差的情况，用滤波特征来描 述指纹的鲁棒性要优于传统的细节特征描述方法。 f i n g e r c o d e 的设计巧妙的实现了平移不变性和一定程度的旋转不变性，但 是这种设计下，匹配与识别的可靠性高度依赖于算法对中一c 、点( 索引点) 选取 的准确性。当指纹图像的中心点附近区域十分模糊时，或者对于拱形指纹，这 种准确性毫无疑问是难以保证的。另外，f i n g e r c o d e 的扇形区域划分方法舍弃 了相当一部分面积的指纹信息，妨碍了算法识别率的进一步提高。 指纹特征的选取和表示 2 0 0 2 年，a r o s s 等 1 6 】提出用滤波特征空间相关性的方法匹配指纹。该 方法沿用了滤波图像作特征的方式，但使用了全部的滤波特征信息，并将问题 转化为特征空间内求解配准参数和相似度的问题。该方法有效解决了 f i n g e r c o d e 算法存在的中心点准确性难以保证的弊端。但是由于配准参数的搜 索空间较大，该方法丧失了原方法匹配速度快的优点。 3 5 结构化的指纹特征描述方法 还有一些文献用结构化的方法描述指纹的特征。 罗西平等 7 9 】【8 4 【8 6 】提出采用细节点特征加上段联系脊线作为指纹特 征( 图2 1 ) 。这种方法通过增加所记录的细节点信息的附属信息，在一定程度 上提高了细节不同细节点的区分度，从而提高了匹配的可靠性，算法在识别准 确率方面有了提高。 a $ s d “a t e er l d g o 圈2 1 用细节点及其部分联系脊线作为指纹特征 f a n 等 4 9 j 定义了2 0 个几何形状模版( 图2 2 ) 。用这些精心选择的几何结 构和它们的局部分布结构描述指纹的局部脊线结构特征。 圈2 2 定义2 0 种局部脊线结构特征柴描述指纹的局部细节特征。( 引自文献【4 9 1 ) 自动指纹识别的配准模式研究 早期的方法还有r a t k o v i c 4 7 1 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 等 4 s 1 提出在指纹图上叠加栅格并 对特征的分布编码的方法来识别特征。s p a r r o w 5 5 】 5 6 】与h r e c h a k 等【2 】都提 出了基于结构信息的指纹特征匹配而i s e n o r 与z a k y 3 2 1 使用图来表示指纹 特征，并用图匹配的方法来匹配指纹图。这些方法都利用了指纹图中的拓扑结 构信息，以克服指纹图的噪声、旋转与变形对识别的干扰。 3 6 各种特征表示方法比较 细节点特征( 终结点和分叉点) 是中等分辨率下指纹图像的最稳定而又最 显著的特征。但是单纯的细节点特征描述法没有记录指纹中丰富的脊线信息， 不足以完全描述指纹的特征。在大量的指纹数据中，很容易出现两个完全不同 的指纹有很多对细节点匹配上的情况。同时对于图像质量较差的区域，细节点 特征难以被有效的提取，这进一步限制了基于细节点的方法的性能。 对细节点类型做仔细的区分的方法并不能提高算法得准确率，理由是有相 当一部分的指纹采集的图像质量很低，必须通过一定的图像增强算法进行处理， 这样的处理经常会造成细节点类型的改变。 汗孔特征由于需要专门的高分辨率采集设备，而且现有的数据库无法使用， 所以不采用作为特征。 g a b o r 滤波的指纹纹理特征描述方法可以保留丰富的脊线信息，一定程度上 可以克服质量较差的区域细节点难以提取的困难。这种表示方法和细节点表示 的方法有很高的互补性 5 1 5 】。但是由于需要对图像作多次卷积，滤波表示 的方法运算量很大。而且滤波表示难以处理较大形变指纹图像的匹配。 和纹理特征描述方法类似，通过构造结构的表示方法利用结构本身来解决 或者适应噪声、形变等问题，这种方法对小范围的形变很有效果，但是难以解 决形变量很大的图像的匹配问题。 3 7 融合细节点特征和脊线采样的指纹特征表示 通过3 6 对各种指纹特征描述方案的比较，本文提出用细节点特征加上联 系脊线的采样特征点以及整体的方向场信息来描述指纹的方法。图2 3 给出了 指纹特征的选取和表示 一幅指纹图像记录的特征信息。 图2 3 一幅指纹图像提取的特征。