（模式识别与智能系统专业论文）指纹识别算法研究及应用开发.pdf

! 望型兰堕堕塑些竺塞堕堡j j ! ；= 亘些苎塑堂 指纹识别算法研究及应用开发 摘要 计算机和网络技术的发展对身份认证技术提出了更高的要求。传统的身份 认证方法存在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。 而指纹识别技术凭借其独有的优势在众多生物特征识别技术中脱颖而出，得到 了广泛的关注和应用。经过2 0 多年的研究，在自动指纹识别领域已经积累了大 量的研究成果。然而仍然有许多问题没有解决，例如指纹特征的提取、低质量 指纹图像的增强、非线性行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一步提高。 本文针对上述指纹识别算法难题进行了深入的探讨和研究。首先，将动态 尺度空间概念引入指纹增强算法中，有效地消除指纹图像的噪声。其次，通过 对现有各种指纹特征描述方案的总结和比较，提出了一种适合弹性指纹匹配的 指纹特征描述方法。最后，采用点模式并集合可变限界盒的方法进行匹配，使 匹配算法对非线性形变更具鲁棒性。 为了解决指纹识别技术在实际应用中存在的一些问题，设计开发了基于 d s p 处理器的嵌入式指纹识别系统，重点研究了在嵌入式系统上进行指纹识别 算法优化的问题，提出了算法串行化处理和混合编程的方法。 最后，在现有网上银行系统的基础上，与招商银行电脑部合作，提出了一 套完整的基于指纹身份认证的网上银行系统方案。解决了传统方案中存在的安 全性不高、密码遗忘等隐患，满足了网上银行对安全性的要求，提高了网上银 行的安全等级。 关键词：指纹识别，动态尺度空间，可变限界盒，嵌入式系统，网上银行 ! 里型堂堕旦垫些堑塞堑竖圭旦些塑塑宣 一一指纹识别算法研究及应用开发 a b s t r a c t w i t ht h er a p i dp r o g r e s so fc o m p u t e rs c i e n c ea n dn e t w o r kt e c h n i q u e ，a na c c u r a t ea n d r e l i a b l ep e r s o n a li d e n t i f i c a t i o nt e c h n o l o g yb e c o m e sm o r ea n dm o r ei n p o r t a n t w h i l e s 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 ，p e o p l et u r nt ob i o m e t r i c s ，an e wr e s e a r c h f 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 t i d e n t i f i c a t i o n ，o n e o ft h em o s ti m p o r t a n t b r a n c h e si nb i o m e t r i c s ，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 a 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 ，t h o u s a n d so fv a l u a b l er e s u l t sw e r e g a i n e d h o w e v e r , t h e r ea r e s 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 r q u a l i t yi m a g e ，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 曲t l y d i s t o r t e d f i n g e r p r i n ti m a g e s i nt h i s p a p e r , w e f o c u so nt h ed i f f i c u l t p r o b l e m s o f f i n g e r p r i n t i d e n t i f i c a t i o n a l g o r i t h m f i r s t ，ad y n a m i cs c a l es p a c em e t h o di s u s e dt oe n h a n c ef i n g e r p r i n t s s e c o n d ，ap r o p o s e d s 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 e m a t c h i n g o f d i s t o r t e df i n g e r p r i n ti m a g e si si n t r o d u c e do nt h es u r v e yo fa l lk i n d so ff 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 f i n a l l y , t h em e t h o do f i n v a r i a b l e b o u n d i n gi su s e di n f i n g e r p r i n tm a t c h i n ga l g o r i t h m e x p e r i m e n t a l r e s u l t ss h o wi t i m p r o v e d t h e f i n g e r p r i n tp e r f o r m a n c ee f f e c t i v e l y w ed e v e l o pad s pe m b e d d e ds y s t e mb a s e do nf i n g e r p r i n ti d e n t i f i c a t i o n w ef o c u s o ns e r i a l i z e da l g o r i t h mi nt h ep r o c e s so fa l g o r i t h ms i m p l i f i c a t i o n t h es o l u t i o no f m i x - l a n g u a g ep r o g r a m m i n g a n dc o d es c h e d u l i n ga r ea l s op r e s e n t e di nt h i sp a p e r b a s e do nt h ee x i s t i n gn e t b a n ks y s t e m ，aw h o l es e to fs c h e m ef o rn e t - b a n kh a sb e e n p r e s e n t e da n dr e a l i z e d ，w h i c h i sb a s e do nf i n g e r p r i n ti d e n t i f i c a t i o no n l i n e ，a n dh a s c o n b i n e dt h ef i n g e r p r i n ti d e n t i f i c a t i o na l g o i r h t m ，e n c r y p t i o na l g o r i t h m ，a n dt h er e a l t r a d i n gs y s t e mo f n e t - b a n k t h em e t h o dc a r ls u b s t i t u t et r a d i t i o n a lp e r s o ni d e n t i f a c i o n w a yb yc i p h e r ，w i t h o u tt h es h o r t c o m i n g o f l o w - s e c u r i t ya n db e i n ge a s i l yf o r g o t t e n k e y w 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 ，d y n a m i cs c a l es p a c e ，i n v a r i a b l e b o u n d i n g ， e m b e d d e ds y s t e m ，n e t - b a n k 中国科学院自动化研究所博士后出站报告 指纹识别算法研究及应用开发 第一章引言 1 1 生物特征身份认证技术 由于人体的生物特征具有不可复制的特点，因此出现了生物特征识别技术 ( b i o m e t r i c s ) ，即通过计算机利用人体所固有的生物特征来进行个人身份识 别，以应付现行系统安全所面l 临的挑战。人体的生物特征可分为身体特征和行 为特点两类。其中身体特征包括：指纹、掌型、眼睛( 视网膜和虹膜) 、人体气 味、脸型、手腕手的血管纹理和d n a 等；行为特点包括：笔迹、声音、步态 等等【1 】。这些生物特征都具有唯一性和稳定性的特征，即每个人的这些特征都 与别人不同，且终生不变。因此，可以凭借这些特征识别出人的身份。 生物特征识别作为身份鉴别的一种快捷而便利的手段已经越来越广泛地应 用在众多基于网络的服务等应用领域里。根据著名的i b g ( i n t e m a t i o n a lb i o m e t r i c g r o u p ) 组织对生物特征市场的统计和预测报告，到2 0 0 7 年该领域的税收估计达 到$ 4 ，0 3 5 ，0 0 0 ，0 0 0 ；平均增长率3 0 5 0 ，其中包括生物特征识别设备和识别核 心算法 2 。 t o t 列b i o m e t r l cr e v e n u e s2 0 ( 0 - 2 7i s m 挪2舢2 加4 2 0 0 5 扣0 62 d 唧 c o p y r l 们e 2 呻2h 5 n t b n dh or r h ob o 图1 1 生物特征识别技术赢利预测( 2 0 0 2 年i b g 提供) 生物特征识别的应用需求是巨大的，这一需求将随着移动互联时代的来临 更为拓宽。据美国官方估计，利用可靠的方法鉴别a t m 持卡人的身份可以使全 美国每年a t m 诈骗案造成的损失减少3 亿美元。基于生物特征的身份鉴别的关 锄咖铷咖锄嘲锄咖锄o 4 4 3 3 2 2 1 1 孛鞫群学院叁动纯姘宠掰簿士鑫豳站报告 一一指绞谖尉舅壤帮 究& 勰嚣开发 键研究从应用角度和理论缴展的趋势来说都是势在必行。 生凌褥征识嗣技术在实际痤爱中逐黉考虑一些葵趣豢蠡，蠢l ： 准确率：即可实现的识别准确率； 成本：实现和运行系统豹花费； 易耀健：用户使用翁方便程度； 可接受性：指用户对该系统的接受程度。 i b g 缓织采用z e p h y r 图潦各秘零掰的生物特征识别技术的做了比较【3 3 ，如 瞬12 所示。不丽的标号分别表示干撬鬻户程度、独特性、价格稻翁用性。标 号间的相对位置表示每种拽术对应性能的相互关系。越好的生物特征识别技术， 对应的所有标号应该越接避于外围；丽越差的生物特征识别技术，对应所有标 号越接近予疑簿y r 鹜夔中，洛位置。 z e p h y f ”分析 蛔固蹴露 日羊挠用户毪度减特性赉蔫代僚群带性 图1 2 生物特征识别技术分析 从图1 2 可以看出，相对于其他多种生物特征而言，指纹具商采集设备价 格低廉，采集方式比较友好，采集图像较易处理等优点，因此，指纹识别在安 中国科学院自动化研究所博十后出站报告指纹识别算法研究及应用开发 全领域得到了更广泛的关注和应用。 1 2 自动指纹识别技术 指纹识别是基于模式识别技术，同时融合传感器技术、生物技术、电子技 术、数字图像处理等多种核心技术于一体的的综合技术。从理论上分析，自动 指纹识别问题是一个复杂的模式识别问题，从特征空间到身份代码的映射都是 非线性的。复杂的特征模式决定着较高的可靠性，然而伴随而来的往往是复杂 的算法。除了尝试一些经典的匹配算法以外，人们一直在不断探索新的方法和 手段应用到大多数指纹识别技术中，如：统计学习方法，马尔可夫过程等非线 性理论，自适应神经网络，模糊逻辑和g a b o r 小波变换等等。为了将指纹识别 技术推向更广阔的应用领域，还有许多难题需要解决。近两年，已有越来越多 的研究人员在指纹识别领域进行理论研究和算法的尝试。 相对于其它身份鉴定技术( 如语音识别及视网膜识别等) ，自动指纹识别是 一种更为理想的身份确认技术【4 。原因如下： 每个人的指纹是独一无二，两人之间不存在相同的指纹【5 】 6 。 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。 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也较易实现。 一个人的十指指纹皆不相同， 重口令，提高系统的安全性。 这样，可以方便地利用多个指纹构成多 同时，并不增加系统的设计负担。 指纹识别中使用的模板并非最初的指纹图，而是由指纹图中提取的关 键特征，这样使系统对模板库的存储量较小。另外，对输入的指纹图 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。 指纹作为一种最成熟的生物特征识别技术，具有许多独到的信息安全角度 的优点，在电子商务领域，可以用指纹来确保交易的安全和防抵赖问题；在金 融领域，有带指纹识别功能的信用卡，a t m 机，p o s 终端等等，在种类繁多的 应用领域中，最有发展潜力的就是互联网上信息的安全和身份认证 7 1 1 8 1 1 9 。 中国科学院自动化研究所博上后出站报告指纹识别算法研究及应用开发 1 2 1 自动指纹识别技术简介 指纹识别技术的研究虽然由来已久，并出现了很多实际应用产品，但由于 指纹图的噪声、使用者指纹按捺的力度及方向不同而产生的非线性形变、指纹 录入的位置偏移等多方面因素，以及许多研究文献都因商业利益而保密未与公 开，理想的自动指纹识别系统至今仍是一个相当困难的研究任务。 从实现的功能角度来看，自动指纹识别系统通常由指纹采集设备、特征提 取系统、模板存储系统、匹配系统组成。 从使用流程来，系统由离线部分和在线部分两部分组成。离线部分完成注 册任务，用指纹采集设备采集指纹，提取出指纹特征并生成模板，存储数据库 中，形成指纹模板数据库。在线部分通常也是先经过指纹采集和特征提取，然 后将这个特征与保存在数据库中的特征模板进行匹配。 图1 3 自动指纹识别系统框图 结果 如果是进行验证，属于一对一匹配问题，那么匹配结果是y n ，表示验证通 过或不通过。如果是进行辨识，属于一对多匹配问题，匹配的结果将返回匹配 通过的特征模板或模板识别号i d 。 4 中国科学院自动化研究所博士后出站报告一指纹识别算法研究及应用开发 一对一指纹登记与验证系统示意鼬 图1 4 指纹验证示意图 一对多拯纹登记与辨识系统示意闰 图1 5 指纹辨识示意图 虽然现在市场上已经有了很多商业化的指纹识别系统，但是指纹识别的算 中国科学院自动化研究所博士后出站报告 指纹识别算法研究及应用开发 法研究仍然是一个充满了挑战的课题，这些难点是： 1 指纹特征提取 在指纹采集过程中，由于手指本身的因素和采集条件的影响，如手指太干、 太湿、脱皮等，总有定比例的指纹图像质量比较差。对于这一类的图像，如 何设计一个鲁棒的指纹特征提取算法，仍然是一个艰巨的任务。 2 指纹增强 对于质量差的指纹图像，增强算法可以修复断裂的指纹脊线，消除噪声， 提高指纹特征提取的质量，改善系统的性能。设计一个性能优秀的指纹图像增 强算法也是很困难的。 3 细节匹配 指纹识别系统的性能很大程度上依赖于指纹校准和细节匹配的效果。细节 匹配中遇到的最大难点是如何处理形变很大的指纹图像。 4 ，生物特征的融合 不同的生物特征都各有优缺点。例如人脸识别无法处理同卵双胞胎的识别 问题，但是对于指纹来说不存在这个问题，而人脸不会出现象手指那样的脱皮 现象。如何结合这些生物特征的优点，设计融合的多生物特征的识别系统，是 现在一个比较热门的研究课题。 1 2 2 国际标准指纹测试方法f v c 计算机技术和指纹传感器技术的发展 1 0 】，推动了自动指纹识别技术的研 究，众多研究机构和公司开发了很多的指纹识别算法，并建立自己的指纹数据 库【l l 】【1 2 】 1 3 1 4 1 5 】，因此在算法评估方面，如测试方法和指纹数据库等，迫 切需要建立统一的标准。 为了解决不同算法性能评估问题，在2 0 0 0 年i c p r 国际模式识别学术会议 举行的时候，举行了一次公开的指纹认证竞赛f v c 2 0 0 0 ( f i n g e r p r i n t v e r i f i c a t i o n c o m p e t i t i o n ) 。这次竞赛的组织者分别是意大利的b o l o g n a 大学生物特征识别实 验室，美国的s a nj o s e 州立大学的生物特征测试中心，密歇根州立大学的生物 6 中国科学院自动化研究所博上后出站报告指纹识别算法研究及应用开发 特征识别实验室 1 6 1 ，他们都是生物特征识别方面的学术权威机构。由于f v c 的测试方法公正透明，因此得到了各研究机构和厂商的认同，获得了巨大的成 功。之后再2 0 0 2 再次组织了f v c 2 0 0 2 指纹认证竞赛【1 7 ，共有2 9 家参赛者， 总共提交了3 3 个算法。目前，f v c 已经成为指纹算法评估的权威标准，每两 年举行一次，第三次指纹认证竞赛f v c 2 0 0 4 将在i c b a ( i n t e r n a t i o n a lc o n f e r e n c e o f b i o m e t r i c a u t h e n t i c a t i o n ) 会议期间举办。 f v c 之所以的能够成为权威的标准，主要原因在于其公正透明的评测方法， 及其数据库的选择。 f v c 数据库采用通用的t i f 图像格式。每次竞赛的f v c 数据库分成四个子 库，每个子库又分成a 库和b 库两部分。a 库包括1 0 0 个手指的图像，b 库只 包括1 0 个手指的图像。对于每一个手指，f v c 数据库采集8 幅指纹图像。b 库的8 0 幅图像参赛前发给各个参赛者，用于参赛者调整算法的参数。a 库是进 行评测用的数据库，在竞赛结束后公开。 f v c 的四个子库中，有两个子库是通过光学传感器采集得到的，另外两个 分别是通过半导体传感器和指纹生成器随机生成。四个库基本上覆盖了现在指 纹在线认证系统所使用的图像类型。f v c 2 0 0 2 保证旋转角度控制在不超过3 0 。， 对于f v c 2 0 0 0 ，同一幅指纹的旋转角度控制在【一1 5 0 ，1 5 0 之间。所采集的指纹图 像绝大多数都是年轻志愿者的图像，但是每个库都保证有一些质量较差的图像。 f v c 数据库的测试方法如下： 每个对立的数据库包含有l o o 个手指共8 0 0 幅图像，我们把第f0 = 1 o o ) 个手指的第，a = 1 1 0 0 ) 个图像记为厢，它们注册得到的模板记做，注册失 败的图像数目除以总数8 0 0 等到据登率r e j e n r o l 。 对于注册得到的模板t i j ，让该模板和属于同一个手指的图像f i j ( j k 8 1 进行匹配，匹配分数记做g m s i j k ，共需匹配( ( 8 x 7 ) 2 4 1 0 0 ) = 2 8 0 0 次， 这个数字称为n g r a ( n u m b e ro fg e n u i n er e c o g n i t i o na t t e m p t s ) ，匹配 失败的次数除以总数称作r e j n g r a 让每个手指的第一个模板t i l ( 1 1 0 0 ) 和不属于同一个手指的图像 f k l ( i 正确的匹配将产生匹配分数，并归一化到区间 0 ，1 。假设匹配阈值是t 【o ，1 ，得到据识率曲线f n m r ( t ) ，和误识率曲线f m r ( t ) ，如果把拒 绝匹配的r e j n g r a ，r e j n i r a 部分去掉，得到曲线f n m r * ( t ) f m r + ( t ) 。二者的交点，称作等错误率e e r 。f n m r * ( t ) 和f m r * ( t ) 的 交点称作e e r * 以f m r 为横坐标，f n m r 为纵坐标，画出的曲线称作r o c 曲线 r e j n i r a ，r e j n g r a 的加权平均值称作拒绝匹配率r e j m a t c h ，公 式如下： r e d = 堡型筹羚 上述指标中，最重要的指标就是e e r ，是衡量算法性能的基本参数。 f v c 2 0 0 2 中增加了f m r l 0 0 和f m r l 0 0 0 两项指标，以便能更加准确的描述算 法的性能。 我们实验室研究开发的自动指纹识别算法，通过f v c 2 0 0 2 组织的验证评 测，各项指标已经达到了排名第七的水平，是目前国内研究领域的最好成绩， 具体将在论文的后面加以介绍。 1 3 指纹识别技术的应用 指纹识别技术应用的重要性有两个层次，第一个层次是解决身份验证等问 题。比如重要场所的监控，信用卡的用户验证等等。第二个层次是关系到社会 安定和信息乃至国家安全的重要应用。正确鉴别一个人的身份是保障各种安全 的关键。生物特征识别软件的接口标准b i o a p i 也已经发布，并成为国际标准 【1 6 】，这必然大大推动指纹识别技术的发展。 指纹识别技术的典型应用领域包括重要通道及场合( 如机场、银行金库等) 的监控、证件( 包括护照) 的证明、与网络相关的各种服务性应用( 如a t m 机 用户身份验证) 。在种类众多的应用领域中，最有发展潜力的就是互联网上信息 的安全和身份认证。 银行作为国家的重要部门，掌管着国家的经济命脉。在以计算机技术为基 础的市场经济条件下，信息已成为起决定作用的资源，基于互联网的电子商务 浪潮席卷全球，网上银行正是在这股浪潮中应运而生，并将成为2 1 世纪银行业 中国科学院自动化研究所博士后出站报告一一指纹识别算法研究及应用开发 经营的主体。 由于网上银行是一种网络应用，它的所有内容都是以数字的形式流转于 i n t e r n e t 之上，因此在应用中不可避免地存在着由i n t e m e t 的自由、开放所带来 的信息安全隐患 1 7 。另外，网上银行作为庞大资金流动的载体，更易成为非 法入侵和恶意攻击的对象 1 8 1 1 1 9 】。网上银行应用中存在的主要信息安全隐患包 括： 1 身份认证。由于非法用户可以伪造、假冒网上银行和网上银行业务用户 的身份，因此登录到网上银行应用系统的用户无法知道他们所登录的是否是可 信的网上银行应用系统，网上银行应用系统也无法验证登录的用户是否是经过 认证的合法用户，非法用户可以借机进行破坏：“用户名+ 口令”的传统认证方 式安全性较弱，用户口令易被窃取而导致损失。 2 信息的机密性。传输在客户端与网上银行应用系统服务器之间的敏感信 息和交易数据，如用户的银行帐号、密码等，有可能在传输过程中被非法用户 截取。 3 信息的完整性。敏感信息和交易数据在传输过程中有可能被恶意篡改。 p k i 技术的使用已基本能够解决上述问题，保证数据传输和身份认证等诸 多方面的安全，但在身份认证上却仍然存在一些安全隐患。为保护集团企业内 部帐务信息的私密性和完整性，网上银行给每一位操作人员签发一个数字证书， 并且将该数字证书和密钥放在i c 卡中，需要使用时，输入证书密码，获得证书 中的私钥，对所传输的内容进行加密或签名，服务器端验证签名【2 0 1 2 1 】。客户 证书对于网上银行认证客户身份、保证交易信息的机密性、完整性和交易的不 可否认性上起重要作用。但尽管在网上交易中运用1 0 2 4 - b i tr s a 系统等种种安 全措施，却仍存在隐患，尤其是目前采用的对证书的唯一保护措施是存贮在证 书i c 卡上的证书密码，而密码系统存在被遗忘和窃取等弱点。不彻底解决安全 问题，那么就难以真正实现无纸贸易、电子信贷和网上银行等业务 2 2 1 。 据日经b p 社报道，2 0 0 3 年2 月6 日，日本警视厅高科技犯罪对策综合中 心与中央署以违反非法访问禁止法为由逮捕了两名犯罪嫌疑人。两位嫌犯 人以东京为中心，利用一个名为“k e yl o g g e r ”的特殊软件在1 0 0 多家网吧非 法窃取了他人的网络银行i d 和密码，并涉嫌通过非法访问美国著名的“花旗银 行”，以虚假身份将大约1 6 0 0 万日元划入了自己的账户。犯罪嫌疑人的方法非 常简单，就是在网吧中对其他用户网络数据进行监听，当有人通过网吧连接银 9 中国科学院自动化研究所博上后出站报告一一指纹识别算法研究及虑用开发 行网络时，他们分析网络数据，得到别人的银行账户和密码，从而达到自己的 目的。 在国内，万事达信用卡每年4 5 0 ，0 0 0 ，0 0 0 美元的欺骗大部分是因为身份 验证中的欺骗：前年银广夏股票的“盗买”事件也由于身份验证的安全性不够。 这样不仅给用户带来经济损失，也会对金融机构的信誉带来巨大的损失。 以上分析可以看出，安全性、数据的完整性、抗否认性和信息保密性是网 上银行的需要。如果把指纹技术、加密技术和网上银行结合起来，则可以解决 这些问题。把信息安全和生物特征身份认证结合起来是解决现在管理信息系统 安全的一个非常可靠、有效的手段。这不仅是自然科学领域中各学科的交叉应 用、科学研究成果向实际应用转化的一个良好的实例。同时，对于加速网上银 行的发展，实现银行业务、服务、管理的电子化、信息化，迎接入世后面临的 严峻挑战，提高国际竞争力，带动经济的发展和技术的进步，都将具有十分重 要的意义。 1 4 研究工作的背景、定位与主要研究内容 面对电子商务对安全身份认证技术的迫切需求，以及以指纹识别为代表的 生物特征识别技术的不断发展，我们将后者引入网上银行系统，结合计算机密 码学的相关知识，提出基于指纹身份认证的网上银行解决方案。并对指纹识别 算法进行深入研究，在指纹特征提取和匹配算法方面提出新的思路并加以实现， 在f v c 数据库上进行评测验证，取得了非常好的成绩。同时，设计并实现了 d s p 嵌入式指纹识别系统，解决了指纹识别应用难题。 1 0 中国科学院自动化研究所博士后出站报告一指纹识别算法研究及应用开发 第二章指纹识别算法研究 2 1 指纹特征信息提取 指纹的唯一性是由指纹纹理上的特征点来决定的。因此，如何提取一幅指 纹图像的特征信息并使之能真实全面地反映指纹的独特性是实现自动指纹识别 的一个关键问题。 为了有效提取指纹特征信息，需要对指纹图像进行预处理，提高指纹图像 的质量，使图像中蕴藏的特征信息更加明显。 2 1 1 指纹图像的增强 指纹图像在采集过程中，由于采集条件的影响以及手指本身的因素，会受 到各种噪声的干扰，因此需要对指纹图像进行增强处理。现有的增强算法多数 是基于局部脊线方向估计来进行增强处理。如d o u g l a sh u n g 2 3 等人的自适应 的局部脊线方向的增强算法和l i nh o n g 2 4 等人提出的使用g a b o r 滤波器的算 法。虽然这些方法在处理质量较好的指纹图像方面取得了很好的效果，但也存 在一定的问题，如受噪声污染严重的区域淹没了指纹特征，而在这样的区域对 局部脊线方向的估计是不可靠的。 为避免上述问题，我们从图像的全局信息出发，采用动态尺度空间 f 2 5 2 6 2 7 2 8 1 拘1 方法对指纹图像进行增强处理。 一方向场估计 一般的指纹图像都有比较清晰的方向场，方向场估计的准确性直接决定了 图像增强算法的效果。为估计方向场，我们把指纹脊线的走向分为如下8 个方 向( 如图2 1 ) 。 中国科学院自动化研究所博士后出站报告一指纹识别算法研究发府用开发 2 3456 1234567 l7 00 00 7l 765432l 65 432 图2 1 一个像素的8 个指纹脊线方向 对图像的每一个象素，为确定在该像素处脊线的方向，在以该象素为中心 的9 x 9 窗口内，分别计算8 个方向( f _ o ，1 ，7 ) 上的灰度平均值g f 】，然后将 这8 个平均值按两两垂直的方向分成4 组，0 和4 一组，1 和5 一组，2 和6 一 组，3 和7 一组，计算每组中两个平均值的差值：g a l l = g o 】一g 叶4 ( = o ，l ，2 ，3 为四个脊线方向) 。取差值的绝对值最大的两个方向为可能的脊线方向，若： 2 甜g t f 。锪3 ( 瓯( f ) ) ) 2 1 则方向f 衙和i m a x + 4 为该象素处可能的脊线方向，若该象素处的灰度值为 g r e y ，则脊线方向为： i2 矿( 1g r e y g i m a x 】l d 。= i g r e y g f 胁。+ 4 】i ) ( 2 2 ) l f f “+ 4 o t h e r w i s e 即取f 细和f m 。+ 4 方向中灰度平均值与该象素的灰度值比较接近的方向作 为该象素处的脊线方向。 为减少噪声的影响，保证方向场估计的准确性，我们将图像分成1 6 1 6 的 小块，以小块内所有象素的方向的平均值作为该小块的脊线方向，该小块内每 个象素的脊线方向都取为该小块的脊线方向，具体做法为：先计算该小块内方 向估计为i ( i = o ，l ，7 分别代表8 个方向) 的象素个数f ，然后将该小块图像的脊 线方向取为： b = a r g 蜘、( f ) ) ( 23 ) l _ 0 ，1 7 ) 1 2 中国科学院自动化研究所博士后出站报告指纹识别算。法研究及触用开发 二动态尺度空间的指纹图像增强 尺度空间理论被广泛应用于图像分割、边缘检测等计算机图像领域中。由 于指纹图像是类流线型模式的图像，具有独特的纹理特征，脊线与谷线相互交 叉，交替出现。因此将尺度空间理论引入到指纹图像增强，有效地过滤掉指纹 图像的噪声。具体做法如下：首先将一幅指纹图像分解成各尺度下的子图像， 用高斯滤波函数滤除各尺度子图像中的噪声，最后融合各尺度下的予图像。每 次这样增强处理过程都能消除指纹图像中的部分噪声，多次循环，即可得到一 幅性能更好、更清晰的增强处理后的指纹图像。 假设动态尺度参数：d i - - 2 ( k = l ，2 ，门o )( 24 ) 其中 o 是尺度空间的大小，即尺度函数序列长度。因为n o 是可变的，因此d = 2 被称之为动态尺度，它所构成的尺度空间被称之为动态尺度空 - i f i j 2 6 2 8 】。 1 0 = f 0 9 2 ( 2 + 叻 ( 2 5 ) 其中，是指纹脊线平均宽度，并可以利用方法 2 9 1 来计算。 下面处理指纹图像，： 用标准方差为6 , - - 2 ( k = 1 ，2 ，7 0 ) 的高斯序列函数生成指纹图像f 的动态 尺度空间：l k ( k = - i ，2 ，n o ) ，l k = f x g 2 ( 2 6 ) 尺度空间理论中，一个两维图像f ( x ，力的尺度空度表达上：月2 r r 可以 表示为f ( x ，j j ) 与标准高斯函数g ，0 ，) 的卷积所构成的序列函数， 即： l ( x ，y ；t ) = v ( x ，y ) o g ( x ，y ) ； j - ( x l + y z ) 1 2 t l ( 2 7 ) 【g ( w ) 5 i ； 其中参数t 是标准高斯序列函数g 舡，力的尺度参数。序列函数l ( x ，y ；f ) 可以通过对微分方程的解来产生，即： o t l = 寺v 7 w = 寺( a ；：+ o y 2 ) 上 ( 2 8 ) 且它的初始值定义为三0 ，y ；o ) = 甩，力。 由公式( 2 7 ) 和( 2 8 ) 得到特征序列图像仇( k = o ，1 ，n o - 1 ) 。 中国科学院自动化研究所博士后出站报告 一指纹识别算法研究及应用开发 噪声的影响将在尺度空间l i , 中被削弱，l 女中的灰度值反映了指纹图像像中 的脊线信息；特征序列仇含有l 所包含，但被l “l 遗漏的特征信息。但由于 仇也存在噪声干扰，因此使用方差为t = 2 川( k = - l ，2 ，伽) 的高斯函数对d 女进 行处理，记： l k = k g z + 1( 2 9 ) 令如l 为在尺度2 下增强后的图像，计算出在尺度2 k 下增强图像最，即： 风( f ，) 2 5 5 ，r = o 或致一l ( f ，) 女+ i ( f ，) + t ( f ，) ； o ，f o ，& 一l ( f ) 马三+ l ( f ，) 一l k ( i ，) l ；( 2 1 0 ) 墅堕盘掣丛业互塑，枷，e k _ 1 ( i , j ) l i + l ( i , j ) + t “n 其中， ，= j ilk+1一(ii上,j女)+l(lf，k_，()i一,j)-e，k，_)1l7，7,，其lk它+1255l k ( i ，7 + 反7 ，2 5 5 ； ( 2 11 ) 【一i 上女+ l ( f ，_ ，) 一，) l，其它 ”1 “ 比较滤波处理后的l k + l ( f ，力与三，并得到增强后的图像，此时已将噪声降 低到最低点，并且每次处理都能降低指纹图像的噪声。 三二值化与细化 得到图像每个象素处的方向场后，再依据方向场来对图像进行二值化。 若该象素处的脊线方向为i ，先用估计方向场时用到的方法计算该象素处在 方向i 和垂直方向i v a r = ( + 4 ) m o d8 的灰度平均值g 【f 】和g f 珞r ，然后将该象素 二值化为： 屯，：誓? 揶 f v a t ( 2 1 2 ) k 7 2 1 0其它 ( 21 2 ) 其中i v a r 表示二值图像中该象素处的值，2 5 5 为二值图像中图像背景和谷线 的灰度值，0 为二值图像中图像脊线的灰度值。另外，本文采用的是【3 0 】中介绍 的方法对二值化图像进行细化处理。 1 4 中国科学院自动化研究所博士后出站报告 指纹识别算法研究及应用开发 四增强效果 图2 2 为利用e 述方法进行增强处理的效果图。原始图像来自f v c 2 0 0 0 3 1 的d b 4 。 ( c ) 二值化 2 1 2 指纹特征描述方法概述 图2 , 2 增强效果实例图 ( d ) 细化 目前常用的指纹特征描述方法，包括：n i s t 所定义的指纹细节点特征；指 串蕊拜掌浚鑫动毙磷究氍薄圭螽露站援告一一指纹援鬟箨法鹾究及瘫曩静发 纹纹理特征；指纹的整体特征。下面分别加以介绍。 一指纹魏缁麓点特征 人的指纹由相问的脊线和谷线构成，局部表现为多种多样的细节特征，如 终结点、分叉点、辑、强、嚣分叉、岛镣多耱类型，拣为绥节点。不同撂纹局 部细节点的分布位置和方向是不同的。阁2 3 给出了部分细节点的类型示傍j 。 图2 3 细节点类型示意圈 疆翦在秘秘稠商用领域竣豢用静特鬣建美国联邦调套弱( f e d e r a l b u r e a u o f i n v e s t i g a t i o n 郎f b i ) 提高的细节点坐檬参考模型，它程用终结点鞠分叉点这两 种特征来鉴定指纹。原因在于二者出现的频率最高，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 3 2 】。 二指纹的纹理特征 1 9 9 9 年，a n i lk j a i n 鼯【3 3 】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 。该方法分嚣矮多个方肉懿g a b o r 滤波器佟瘸予指纹圈像， 然后再用局部区域的平均绝对方差a a d 来描述指纹的局部特征。如图2 4 和图 2 5 所示。 审鏊科学院自动化研究所博士后出姑报告一指纹识硝舞法研究发瞳用歼发 图2 48 个方向的g a b o r 滤波器作用于指纹图像，生成滤波特征图像 圈2 , 5 特征圈像按照区域计辫a a d 特征值组成f i n g e r c o d e 该方法在对误识率的骤求不是很高的情况下，识别率优于所有基于细节点 酌识别算法。说明在图像质量较差的情况，用滤波特征来描述指纹的鲁棒性要 饶予细节煮特征箍述方法。 f i n g e r c o d e 的设计虽然巧妙地实现了平移不变性和一定程度的旋转不变 牲，但匹配与识别的可靠矬高度依赖于黧法对中心点选取的准确性。当指纹图 缳豹中心熹瓣i 霆速壤十分攘穰对，或粪瓣予捺形指纹，这秘疆确靛蓬无疑润是 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。 三。鬃绞魏熬髂特征 根据美圈联邦调查局( f b i ) 的方法，将人类指纹分成8 个类型见文n 1 1 3 4 。 毯囊予这8 耪撂绞类型孛，蠢部努类型豹差弱缀小，缀难实现矮诗舞梗理_ | 事将 他们准确的区分开。因此游遍采用将这8 种类型合荠为5 种或者4 年中基本类型 的方法，如网2 6 所示。 美星国家标准秘技术髑( n i s t 3 5 1 ) 发毒豹标准攒绞数撂痒中，n i s t 4 1 3 6 中国科学院自动化研究所博士借i 如站报告指纹识别算法研究投应用开发 给出了总共2 0 0 0 对灰魔指纹图，图像即分成五粪：拱类、左环类、右环类、尖 拱类、淤瀑类。这个数据淳联基戒为众多囊动摇纹分类鬓法豹评馀撂准 【3 7 】 3 8 3 9 】【4 0 4 1 1 1 4 2 1 。 ( 3 ) 右环粪( 4 ) 扶拱类 ( 5 ) 旋涡类 强2 6 搔绞分类蘸 中辫科学院自动纯研究所博士詹国舔摄告 一指纹谖割簿法姘究及应用并发 必各种特征表示方法的# t 较 用细节点特征来表示指纹有许多优点，如：细节点的特征描述简单、占用 的存储空间小以及单独使用模版本身无法恢复出指纹，不侵犯个人隐私等。但 楚这秘方法搬密缀多的弊端，翅：对予瑷量鞍差的躅像，缨节点傣惑难以被有 效的提取、荦纯静绍节熹特征匹配方法谟鼋袋率眈较勰、缀节点特鬣表示丢失了 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等，因 此也限制了基于细节点方法的性能。 基于纹瓒静特 正接述方法可醵绦鹜韦富静脊线信感，一定稔发主霹l 冀尧骚 质量较差的区域细节点难以提取的困难。但这类方法需要为调整和比较来确定 个可靠的参照点，对指纹的非弹性形变难以处理，而且对存储代价要求高。 不遗，艺遮嚣耱方法蠢攘高静互耱後，嚣 嚣诲多熬磷究工终蠢瓣出了基予 综合特征( 包括细节点及部分纹理特征) 的指纹算法。这类方法熙有如下几个 优点：首先，纹理特征具肖加速对细节点模板的调懿作用；其次，纹理特征能 弥补缨节点磁不毙爱应熬攒纹特征，郝分纹理与细节赢缝合更戆全霆撼述一个 指纹，而且所浠的代价晓较小；第三，该类算法能融合以上两类赣法的许多方 法。 铡援摆纹整搭特征约分类，在一定援度上可以题米区别不溺敬指纹，但这 些信息不足以爝来区分所露不同的指纹，因此通常只髑在分类检索方蘧。 2 1 3 指纹特征提取 本文提融糟细节点特铤加上联系脊线的采样特饺点以及整体的方向场信息 米描述指纹的方法。图2 7 给出了一幅指纹图像记录的特征信息。 1 9 中国科学院自动化研究所博士后出站报告指纹识别算法研究及应用开发 方向场信息细节点。和联系脊线采样信息一 图2 7 指纹图像特征的提取 为了提高细节点和脊线特征提取的准确性，我们采用前面介绍的动态尺度 空间方法对指纹图像作增强处理，接着进行二值化和细化处理 4 3 4 4 】，然后采 用罗西平等提出的基于知识的增强方法 4 5 1 去除伪细节点，最后提取特征。图 2 8 描述了这一过程。 2 2 点模式匹配算法 图2 8 指纹图像处理过程 两幅指纹图像的匹配，主要是解决旋转、平移和形变等问题。指纹图像的 2 0 审辫稃学院鑫霸纯辫究所薄圭鑫出站摄告一指薮识翻算法簪 究聂瘟霞歼发 非线性形变往往是影响指纹匹配效果的关键问题。三如文【4 6 中搬出的，在极 熊耘系中进行缨节匹配套缀多熬往点：蕾走，摆纹黧像熬蒌线蠖形变 主往呈敖 射状，在某个区域内的形变眈较大，然鬣非线性施囱外扩张，因两在极坐标中 能更好地描述非线性形变。另外，在极嫩标系中，我们不需要考虑输入图像与 模扳图像的参照点之间的平移，因为输入图像与摸扳图像闽的平移魑固定的， 瞧藏是蘧要步 一蹲对应点之簿静平移与参羹i l l 点之赫鹃平移是一样豹，这释，籍 另外一对对应点的坐标相对于参照点转换为极坐标时，平移就被抵消掉了。而 且，在极坐标系中显然比狂直角坐标系中更便于处理两幅图像间的旋转。综合 上述纛因，我们将在援坐搽系中骰缨节菠醚。 即使输入指纹图像与数据库中的模扳图像来自同一个手指，两幅图像之间 也会有平移、旋转、尺度变化这样的形变。我们在对两幅图像进行匹配之前先 要售计它搬之阕载