（电路与系统专业论文）自动指纹识别系统关键算法研究.pdf

摘要 自动指纹识别系统由于其体积小，成本低，易操作，可靠性高等 优点越来越受到人们的青睐，成为重要的生物识别技术之一。本论文 针对自动指纹识别系统中的指纹图像分割、指纹分类、指纹匹配等关 键技术进行了研究，并取得了以下研究成果： 1 深入研究了指纹图像预处理技术，提出了一种基于h a r r i s 角 点能量的指纹图像白适应分割算法。首先利用h a r r i s 算子计算待分割 图像的角点能量，然后使用一种自适应的方法设定阂值完成初分割； 采用形态学方法进行后处理以减少分割错误，最后通过面积参数去除 分离的残留噪声区域。在原有串并行混合细化算法的基础上使用改进 模板获得了一个良好的、彻底细化的指纹图像。 2 研究了传统指纹分类算法，提出了基于滤波二值指纹图像的 连续分布弧线的分类算法。利用指纹纹线的弧线特性，通过扫描的方 法在每条纹线中计算水平和垂直方向上的最长内弦线，并判断符合要 求的内弦线所在脊线所属弧型。通过扫描一枚指纹所具有的弧型种类 成功对指纹进行分类。 3 针对活体指纹采集样本提出了一种新的基于细化图像的指纹 分类算法，首次通过采用脊线追踪算法成功提取了一种反映指纹纹线 变化特点和规律的新参量。利用这一新特征对f v c 2 0 0 4 库中的指纹 进行分类，准确率达9 8 9 以上，并且对低质量指纹图像具有良好的 鲁棒性。 4 对基于中心点的指纹匹配算法进行了研究，采用一种新的指 纹中心点快速定位方法。首先利用扫描最长内弦线方法迅速定位指纹 中心区域，并利用p o i n c a r e 值定位中心点，通过匹配邻域细节点的结 构，我们能得到两幅指纹图像中的对应点。然后用这些对应点去匹配 指纹图像的全局特征。最后利用细节点到中心点之间的纹线切割数 目、全局匹配距离和协方差距离来判断匹配的结果。 关键词：自动指纹识别系统，指纹图像分割，指纹分类，指纹匹配 i i a b s t r a c t t h ea 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 ns y s t e m ( a f i s ) i s g o i n gt ob ei nm o r ea n dm o r ep e o p l e sg o o dg r a c e sa n d h a sb e c o m e o n eo ft h em o s ti m p o r t a n tb i o m e t r i c sf o ri t ss m a l ls i z e ，l o w c o s t ，e a s ym a n i p u l a b i l i t ya n dh i g hr e l i a b i l i t y i nt h i sp a p e r ，w e f o c u sourr e s e a r c ho nt h ef i n g e r p r i n ti m a g e s e g m e n t a 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 d f i n g e r p r i n tm a t c h i n g ，a n d r e c e i v et h ef o l l o w i n ga c h i e v e m e n t s ： 1 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 ga l g o r i t h miss t u d i e d w ep r o p o s ea na d a p t i v ef i n g e r p r i n ts e g m e n t a t i o nb a s e do nh a r r i s c o r n e rd e t e c t o r a tf i r s t ，h a r r iso p e r a t o ri su s e dt oc o m p u t e t h es t r e n g t ho fh a r r isc o r n e r si nt h ef in g e r p r in ti m a g e ，a n d t h e na t h r e s h o l d s e t t i n g m e t h o di s a d o p t e d t o c o m p u t e a d a p t i v e l yt h et h r e s h o l df o rt h ee a r l ys e g m e n t a ti o n ：a f t e rt h a t m o r p h o l o g yi sa p p li e da sp o s t p r o c e s s i n gt or e d u c et h en u m b e r o fc l a s s if i c a ti o ne r r o r s ；f i n a ll y ，t h ea r e ap a r a m e t e risu s e d t or e m o v er e m a i n i n gn o i s e dr e g i o nt og e tt h ef i n a ls e g m e n t e d i m a g e at h i n n i n ga l g o r i t h mb a s e do ni m p r o v e dt e m p l a t e si s a p p l i e di nf i n g e r p r i n ti m a g et h i n n i n ga n dp r o d u c e sw e l l ，o n e p i x e lf i n g e r p r i n ti m a g e 2 t h et r a d i t i o n a lf i n g e r p r i n tc l a s s i f i c a t i o na l g o r i t h mi s s t u d i e d t h i sp a p e rp r e s e n t san e wc l a s s i f i c a t i o na l g o r i t h m b a s e do ns u c c e s si v e p it c h a r cd is t r i b u ti o n o f f il t e d b i n a r i z a t i o ni m a g e w ec a l c u l a t et h el o n g e s tc h o r do fe v e r y r i d g e1 i n ei nh o r i z o n t a l a n dv e r t i c a ld i r e c t i o n ，a n dt h ea r c t y p eo ft h er i d g e1i n ei sd e c i d e db yf i n g e r p r i n ta r cc h a r a c t e r ， l i i t h ef i n g e r p r i n tc a nb ec l a s s i f i e ds u c c e s s f u l l yb yt h ea r ct y p e s o ft h ef i n g e r p r i n tr i d g e sh a v i n g 3 an e wf i n g e r p r i n tc l a s s i f i c a t i o na l g o r i t h mb a s e do nt h e t h i n n i n gi m a g ef o r1i v ef i n g e r p r i n ts a m p l e si sp r o v i d e d ，i tf o r t h ef i r s tti m es u c c e s s f u ll y e x t r a c t e san e w p a r a m e t e r s u g g e s t i n gt h ec h a r a c t e r i s t i c sa n dr e g u l a r i t yo ff i n g e r p r i n t r i d g e sv a r i a ti o nb ya p p l y i n gt h er i d g ef o ll o w i n gm e t h o d ，w h i c h w a sd e f i n e da sm a c r oa r c li k ee i g e n v e c t i o r t h ep r o p o s e dm e t h o d w h i c hu s i n gt h en e we i g e n v e c t i o rh a sb e e nv a li d a t e do nt h e f v c 2 0 0 4d a t a b a s ea n dp r o d u c e dac l a s s i f i c a t i o na c c u r a c yo f 9 8 9 m o r e o v e r ，t h i sc l a s s i f i c a t i o nm e t h o da l s oh a sag o o d r o b u s t n e s st ot h o s ef i n g e r p r i n ti m a g e so fl o w e rq u a li t y 4 c o r e b a s e df i n g e r p r i n tm a t c h i n ga l g o r i t h mi ss t u d i e d ， a n dw ep r e s e n tan e wc o r ep o i n tc a l c u l a ti o nm e t h o d f i r s t ，t h e c o r er e g i o nisf a s tl o c a t e db ys c a n i n gt h el o n g e s tc h o r do f e v e r yr i d g eli n e ，a n dt h e nt h ec o r ep o i n ti sc a l c u l a t e db yu s i n g p o i n c a r ei n d e xm e t h o d w ed e f i n es o m el o c a lm i n u t i a es t r u c t u r e s a r o u n dc o r ep o i n t ，t h r o u g hm a t c h i n gt h e s e l o c a lm i n u t i a e s t r u c t u r e s ， w ec a ng e ts o m ec o r r e s p o n d i n gp o i n t so ft h et w o f i n g e r p r i n ti m a g e s t h e nw eu s et h ec o r r e s p o n d i n gp o i n t st o m a t c ht h eg l o b a lf e a t u r eo ff i n g e r p r i n t s f i n a ll y ，w ep r o m o t e t h en u m b e ro ft a n g e n tli n e sb e t w e e nm i n u ti a sa n dc o r ep o i n t s ， g l o b a lm a t c hd i s t a n c ev a r i a n c e ，a n dc o v a r i a n c ed i s t a n c et oh e l p m a k et h ef i n a ld e c i s i o n k e yw o r d 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 r m ， f i n g e r p r i n ti m a g e s e g m e n t a ti 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 n ，f i n g e r p r i n tm a t c h i n g i v 湖南师范大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论 文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的 研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人 完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 1 讫橱i o 年6 月y 日 湖南师范大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 研究生在校攻读学位期间论文工作的知识产权单位属湖南师范大学。 同意学校保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权湖南师范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，可以采用影印、缩印或扫 描等复制手段保存和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密阻 ( 请在以上相应方框内打“ ”) 作者签名： 导师签名： 孔诧本 ) 擐 砂v y 日期：v o 年月 日期：护l 。年月 牛日 r 日 自动指纹识别系统关键算法研究 1 绪论 1 1 研究背景 随着科技的进步，通信技术和因特网的迅猛发展，把人类带入了 信息新纪元。人与人之间的信息交流更加方便、快捷，从而极大地提 高了工作效率，推动了社会的快速发展。但是，随之而来的信息安全 问题则显得日益突出，任何非法窃取、冒用或篡改信息的行为都有可 能给社会或个人带来重大损失。当今社会，人们对更安全、更方便的 身份认证方式的需求变得越来越紧迫，如何快速、准确地辨别出个人 身份，确保信息安全和维护社会秩序，己经成为现代社会亟待解决的 重要课题。 传统的身份认证方式【l 】包括基于知识( w h a ty o uk n o w ) 的身份认 证和基于令牌( w h a ty o uh a v e ) f f q 身份认证，基于知识的方法通过核对 “你知道什么”来确定个人身份，即待鉴别者使用所掌握的知识如密 码、口令等来证明自己的身份。基于令牌的方法则通过核对“你拥有 什么”来确定个人身份，即待鉴别者使用所持有的信物如证件、钥匙 等来证明自己的身份。这些身份认证方式存在许多缺点：密码和口令 存在容易遗忘、容易被破译、容易泄露等问题；钥匙和智能卡等则存 在容易丢失、容易伪造、容易盗用等问题。随着信息时代的到来，传 统的身份认证方法己不能满足当今信息化社会对安全性的更高要求。 目前，新兴的基于生物特征识别的身份认证方式( w h a ty o u a r e w h a ty o ud o ) 可以克服传统身份认证方式的许多缺点而得到了非 常广泛的关注。生物特征识别是利用人体某些独一无二的生物特征进 行身份认证的技术。生物特征包括生理特征和行为特征，生理特征是 指与生俱来的特征，如指纹、虹膜、d n a 等；行为特征是指后天习 惯形成的特征，如步态、笔迹等。显然，使用生物特征识别技术比使 用口令或信物的方式要安全得多，但并不是所有人体特征或动作都能 硕十学位论文 用于身份识别，只有满足下列条件的特征才能用于验证人的身份【2 - 3 】： ( 1 ) 普遍性，即是否人人都具有该特征； ( 2 ) 唯一性，即每个人都应与其他人不一样； ( 3 ) 稳定性，即特征或行为应在一个相当长的时间内保持不变； ( 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。 从实际操作的角度看，仅满足上述4 个条件仍然不够，还需要进 一步考虑：采集这种特征是否呵以被人们接受，是否干涉了个人隐私 或对人体有伤害；基于这种特征，系统的整体性能如何，主要涉及到 准确性、速度、硬件要求及成本；针对各种欺骗手段，系统是否具有 足够的适应性等。表1 1 【3 】列出了常用生物特征的参数比较，每个参 数分高、中、低三个等级。 表1 1 常见生物特征识别技术比较 从表1 1 可以看出，在众多生物特征识别技术中，相比较而言， 指纹识别具有准确性高、速度快、采集方便、容易被人们接受等特点， 是一种比较理想的身份认证方式。指纹是最先开展研究的生物特征之 一，在理论研究方面，经过研究人员的不懈努力，指纹识别取得了很 大进展，由于其技术最为成熟，而且成本低廉，在各种基于生物特征 的身份认证方法中，指纹识别所占有的市场份额也最大，图1 1 是国 白动指纹识别系统关键算法研究 际生物识别组织i b g ( i n t e r n a t i o n a ib i o m e t r i c g r o u p ) 4 对2 0 0 9 年各种生 物特征识别技术市场份额的预测，其中指纹识别的市场份额为 6 67 州其中指纹2 8 4 ，自动指纹识别系统a f i s 活体扫描3 83 ) 。 同时，基于生物特征识别技术的产品的市场收入也在逐年上升，预计 到2 0 1 4 年将达到9 3 亿美元的产品收入，如图1 - 2 所示【4 l 。可见，社 会越来越需要基于生物特征的身份认证，尤其是基于指纹的身份认证 方式。目前，指纹识别主要应用在考勤、门禁、保险箱柜等领域。相 信，随着指纹识别技术的完善，它还会被广泛的应用在身份证，机动 车，家居等更多的领域。 b i o m e t r i cr e v e n u e s b y t e c h n o l o g y , 2 0 0 9 o n b f w 口 u t io ai 一一 图l li b g 对2 0 0 9 年各种生物特征识别技术的市场份额的预测【4 】 尽管在过去的几十年中，指纹识别技术取得了很大进展，也获得 了不少应用，但即使是最先进的指纹识别算法在实际应用中的性能也 没达到其理论上的最佳性能陋】【司。国际指纹验证竞赛f v c ( f i n g e r p r i n t v e r i f i c a t i o nc o m p c t i t i o ) 的测试结果 7 - 9 表明，虽然目前指纹识别技术 取得了很大进展，但是其识别准确性和识别速度方面还不能满足很多 实际应用的要求，仍然是一个具有挑战性的研究课题。 硕l 羊仲论立 z 图1 2i b g 对生物特征谚l 别产品的市场收入的预测h 1 2 研究现状 随着图像处理、模式识别和计算机科学等学科的发展，大约在 2 0 世纪7 0 年代美日等发达国家先后开始研究自动指纹识别系统 ( 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 ns y s t e m ，a f i s ) 【】，美国在这一 领域的研究水平一直处于世界最前沿。到2 0 世纪8 0 年代，个人电脑 和光学扫描这两项技术的革新使自动指纹识别在其它领域得以心用， 目前有很多学术机构和工业机构在做指纹识别方面的研究和开发。国 外在这一领域著名的研究机构有美国的密歇根州立大学模式识别与 图像处理研究室，意大利博洛尼亚大学生物特征识别系统实验室，新 加坡南洋理工大学，美国国家标准局视觉图像处理研究组等。国内对 自动指纹识别系统的研究相对较晚，大约开始于九十年代初，但也取 得了令人瞩目的成就。如中科院自动化所、北京大学、清华大学、围 防科技大学等都获得了不少研究成果。比较出色的有北京人学的 d e l t a s 系统，清华大学的c a f i s 系统等。工业界则有汉王、m i a x i s ， 美国的i d e n t i c a t o r 公司、s e c u g e n 公司、d i g i t a lp e r s o n a 公司、口本 n e c 等，它们都有成型产品问世，较早涉足该领域的i d e n t i c a t o r 公司 的i ds a f e 生物识别技术己经得到了较为厂泛的应用。中茸北京斯麦 黧戮霾鹈骧霾 自动指纹识别系统关键算法研究 克信息技术有限公司在参加f v c 2 0 0 6 高级别的l i g h t 级指纹识别算法 竞赛中获得综合排名第一，这界竞赛l i g h t 级前三名，全部由中国公 司获得，这标志着我国的指纹自动识别技术已逐渐赶上国际水平。 l2 l 自动指纹识别系统构成 典型的自动指纹识别系统一般由两大部分组成：指纹注册部分和 指纹匹配部分，如图1 - 3 所示。在指纹注册部分，主要完成指纹图像 采集、指纹图像预处理、特征提取、模式分类、并将指纹特征保存到 系统指纹模板数据库。在指纹匹配部分，同样要完成指纹图像的采集、 图像预处理、特征提取，以及模式分类等功能，然后系统将提取到的 特征与数据库中保存的特征模板进行比对，从而得出匹配结果【1 1 ，l ”。 圈i - 3 自动指纹识别系统结构框图 c = 审n # ( 劬一对一指纹登记与匹霞系统示意圈( b ) 一对多指纹登记与匹配系统示意图 圈l _ 4 指纹登记与验证系统 凸为白叫令叫 u 甲粤 霉：| 亍 叫一 曰甲团 硕+ 学位论文 自动指纹识别系统的识别阶段又分为两类，即指纹验证 ( v e r i f i c a t i o n ) 矛h 指纹辨识( i d e n t i f i c a t i o n ) 。验证就是将一枚采集到的指 纹与一枚已登记的指纹进行一对一的比对( o n e t o o n em a t c h i n g ) ，来 确认身份的过程，如图1 - 4 ( a ) 所示。用户需要同时输入用户名和指纹， 特征提取模块则提取输入指纹的特征，同时系统根据用户名从数据库 中读取在注册阶段保存的指纹特征，然后将输入指纹的特征和读取的 指纹特征模板进行匹配，从而判断该用户的合法性。作为验证的前提 条件，用户的指纹必须在指纹库中已经注册，并与其用户名( i d ，p i n ) 联系起来。 辨识则是把现场采集到的指纹同指纹数据库中的指纹逐一比对， 从中找出与现场输入指纹相匹配的指纹，如图1 - 4 ( b ) 所示，这也叫“一 对多匹配( o n e t o - m a n ym a t c h i n g ) 。对于指纹辨识，用户只需要输入 指纹，而不需要输入用户名，特征提取模块提取输入指纹的特征系统 然后根据某种策略反复地从数据库中读取指纹特征模板与输入指纹 的特征进行匹配，如果能找到与输入指纹匹配成功的指纹，则输出相 应的用户名，否则拒绝该用户，指纹辨识过程需要一次或多次匹配。 1 2 2 自动指纹识别系统关键技术 自动指纹识别中的关键技术主要包括：图像采集技术、指纹图像 质量评估、指纹预处理技术、特征提取技术、指纹匹配技术、指纹分 类与索引技术等。其中指纹预处理技术又主要包括指纹图像分割技 术、指纹增强技术、指纹二值化和细化技术。最近几十年来，指纹识 别技术的研究取得了丰硕的成果，大量的指纹处理算法已经被研究实 现，接下来将对本文重点研究的几种关键技术的研究现状进行阐述。 ( 1 ) 指纹图像分割 从指纹获取装置采集得到的原始信号一般不仅包括指纹本身，还 包括背景信息，所以必须从原始信号中分割出感兴趣内容进行特征提 取。目前，主要的指纹分割算法通常先提取一种或多种指纹图像固有 自动指纹识别系统关键算法研究 的特征参数，然后利用适当的分割方法完成分割，好的特征决定好的 分割结果。现在被利用来进行分割的指纹图像特征主要有：灰阶统计 特征【1 3 】、纹理信息 m 】、指纹频率特础1 5 】等；除空间域上的特征外， 还有频率域上的特征，如傅里叶能量谱【1 6 】、g a b o r 特征【1 7 】等；此外， 用于指纹分割的特征还有g a u s s i a n h e r m i t 的各阶矩及能量【l8 】等。根 据提取特征对象的不同，现有的指纹图像分割方法主要分为基于块水 平和基于像素水平两大类。提取特征后，一般有两类分割算法：有监 督的分割算法和无监督的分割算法。有监督的分割方法主要是训练分 类法，如神经网络训练算法【1 4 】、s v m 训练算法等。训练分类算法需 要事先已知部分样本的类型，其结果受样本影响非常大。无监督的方 法包括直接聚类及设定阈值法等，聚类算法计算复杂度高，时间代价 大，在指纹分割中应用很有限；设定阈值法多适用于异类特征分布距 离较大的分类问题，此方法无需训练，操作简单，时间代价小，在一 定程度上克服了聚类和训练分类算法的不足【1 9 1 。 ( 2 ) 指纹模式分类 指纹分类环节对于分解整个复杂的识别任务、缩小细节匹配范围 和提高识别效率具有非常重要的意义。因此，在一般的指纹识别系统 中，都引入了指纹分类环节。特征提取后，先进行分类，然后再存入 模板数据库。目前普遍采用的是g a l t o n h e n r y 分类方案的变种，即拱 型( a r c h ) 、尖拱型( t e n t e da r c h ) 、左右环型( l e f t r i g h tl o o p ) $ 1 双环 型( t w i nl o o p s ) ，分类的依据是指纹中心点附近的纹线结构以及中心 点、三角点的数量和相对位置。分类技术的选择在一定程度上依赖于 类别数目以及类别的自然分布概率，各类指纹的分布不同，其中拱型 的分布概率约为3 7 ，尖拱型约为2 9 ，左环型约为3 3 8 ，右环 型约为3 1 7 ，漩涡型约为2 7 9 【2 刚。 目前常用的指纹分类方法是统计法 2 1 - 2 3 1 和结构法 2 4 - 2 5 】。另外， j l b l u e 等 2 6 】利用人工神经网络技术对指纹进行分类；k k a r u 与 硕+ 学位论文 a k j a i n 2 7 1 利用c o r e 点和d e l t a 点进行指纹分类；k r a o 与k b l a c k t 2 8 】 以及b m o a y e r 与k s f u 2 9 。3 0 】贝i j 使用了句法模式识别的方法对指纹进 行分类，相对来说利用方向图和奇异点的分类算法较多，但是这类算 法高度依赖方向图，可能导致中心点确定的不准确，三角点出现偏离。 如果指纹奇异点区域模糊或残缺，将会导致检出错误；当前利用脊线 追踪算法进行指纹分类的也比较多【3 1 1 ，这类算法多以纹线的曲率变化 值为依据，容易受变性干扰；祝恩等人【3 2 】采用指纹平均周期对指纹进 行分类，通过计算指纹的平均周期并按照平均周期将数据库中的指纹 进行排序，该方法可有效地提高指纹的搜索速度。目前指纹分类的研 究对象主要是油墨指纹等滚动，按捺得到的指纹图像，一般采用美国 中央情报局的n i s t 4 、n i s t 9 、n i s t l 4 、n i s t 2 4 等指纹数据库，这 些指纹图像通常保留了三角点和中心点等特征点，但活体采集通常不 能完整采集三角点。所以利用目前常用的指纹分类算法对活体采集的 样本分类，效果并不理想。可见，自动指纹分类距离实用化还有较大 距离，有待进一步研究。 ( 3 ) 指纹图像匹配 指纹匹配的任务是判定两个指纹是否来自相同的手指，它是通过 对来自两幅指纹图像的特征集合进行相似性比较，然后判断它们是否 来自于同一枚手指的过程，指纹匹配是一个既经典但又亟待解决的模 式识别问题，目前已有大量的指纹匹配算法被提出。通常情况下，可 以分为基于点模式匹配方法、基于结构模式匹配方法和混合匹配方法 三种。 基于点模式匹配的方法是将细节点模式看成平面点模式，然后通 过求对应细节点的个数来衡量两枚指纹图像的相似度，r a t h a 等人【3 3 】 通过h o u g h 变换匹配细节点，该方法通过指定缩放系数、平移系数 和旋转系数，对个指纹的细节点进行h o u g h 变换。匹配算法快速 性研究主要集中在对搜索算法的改进上，j e a 提出了一种基于两层神 自动指纹识别系统关键算法研究 经网络的残缺指纹细节匹配方法【3 4 1 。洪波3 5 1 、t a n t 3 6 1 等人采用了一 种基于遗传算法的细节点匹配算法，这些方法加快了指纹位置校准， 从而提高了匹配速度。h e 提出了一种基于细节点全局综合相似度的 匹配方法【3 7 】，类似地，m e e n e n 也提出了一个通过泰勒级数变换进行 匹配识别【3 8 】的方法。 s p a r r o w 3 9 1 与h e r c h a t 4 0 1 等人提出了基于结构信息的指纹匹配， s h e r l o c k 还对指纹的特殊拓扑结构进行了详细的研究【4 ，f a n 则采用 h u n g a r i a n 等优化方法分解模糊图像【4 2 】，将模糊加权双向图应用于带 有2 4 个特征分量的指纹匹配，一定程度上降低了匹配算法的计算复 杂度。最近两年，也陆续有一些新的基于图的指纹匹配算法在文献中 被提出，刘伟和杨圣【4 3 】对指纹做h a a r 小波变换，然后对小波分解后 的图像进行匹配。w i l s o n 等人畔】贝0 对指纹做傅立叶变换，然后在傅立 叶频谱上进行指纹鉴别两枚指纹是否来自同一手指的过程。w a n 在 2 0 0 6 年提出了一种基于密度图的匹配算法 4 5 1 ，c h e n 提出的适用于低 质量变形指纹的三角形特征集模糊匹配方法【4 6 】，以及b e n h a m m a d i 在 文献中，展示了一种先通过细节点的局部方向来确定纹理结构，再根 据此纹理结构图进行匹配【4 。7 】的算法，s h a r a tc h i k k e r u r ，s h a r a t h p a n k a n t i 4 8 】等人提出了一种局部纹理特征的指纹识别算法，s h a n k a r b h a u s a h e bn i k a m 4 9 】等人提出了g a b o r 纹理模式和小波全局特征相结 合的方法。 研究结果表明，基于细节点并综合多种匹配方式的思想，是一种 能够提高指纹识别系统性能的有效手段【5 0 1 。p a n k a n t i 在文献中总结了 指纹混合匹配的两种方式 5 ，分别是基于决策层的混合和基于表示层 的混合。目前指纹匹配算法在实际应用中的性能还没达到其理论上的 最佳性能，如何提高指纹匹配的准确性和速度仍然是指纹识别研究急 需解决的问题。 硕士学位论文 1 2 3 自动指纹识别系统的性能评估 迄今为止，任何的指纹识别系统或者方法都有出错的可能。对系 统的识别精度给出客观、准确的评估其实是一个很复杂的问题，它受 测试样本的数量、质量、评估指标等因素的影响。目前用算法检验的 标准指纹库主要有两类【5 2 】：一类是美国国家标准局n i s t ( n a t i o n a l i n s t i t u t eo fs t a n d a r d sa n dt e c h n o l o g y ) 提供的系列指纹库，它包括 n i s t - 4 ，n i s t - 9 ，n i s t - 1 4 ，n i s t - 2 4 ，n i s t - 2 7 等五个系列的标准指 纹数据库，其中n i s t - 4 、9 、1 4 适用于自动分类算法评估，n i s t - 2 4 、 2 7 适用于指纹认证算法评估；另一类是f v c ( f i n g e r p r i n tv e r i f i c a t i o n c o m p e t i t i o n ) 指纹数据库，它是国际模式识别协会举办的指纹识别算 法竞赛所采用的标准数据库。包括f v c 2 0 0 0 、f v c 2 0 0 2 、f v c 2 0 0 4 系列指纹库，而每个系列又包括四个子库，即d b l 、d b 2 、d b 3 和 d b 4 ，这些标准库都是可用于指纹算法性能评测的最新标准数据库。 自动指纹识别系统有两个重要的评估指标：错误接受率( f a r ， f a l s ea c c e p tr a t e ) 和错误拒绝率( e r r ，f a l s er e j e c tr a t e ) 。错误接受 率( f a r ) 是指不属于同一手指的指纹被错误匹配上的次数与所有比 对次数的比值，它实际上是系统的安全度测量；错误拒绝率( f r r ) 指属于同一手指的指纹被错误地判为不属于同一人的次数与所有比 对次数的比值。理想化的产品是安全度高且易用性强，但是这两个指 标是成反比的，r o c ( r e c e i v e ro p e r a t i n gc u r v e ) 曲线给了f a r 和 f r r 之间的关系，如图1 5 所示。 当阈值由o l 等间隔取值时，就得到f a r 和f r r 的两组 数据，如果以阈值做x 轴，f a r 和f r r 数值作y 轴绘制曲线， 又可以得到一个指标e e r ( e q u a le r r o rr a t e ，等错误率) 。e e r 的 意义在于它表示的是f a r 和f r r 同时取得的最小值，它也是评 估指纹识别系统的重要指标。除此以外，还有一些其它技术指标，如 注册时间、匹配时间、模板大小、所需内存等。 自动指纹识别系统关键算法研究 霸! 戳率t f r rj 图1 1 指纹识别率曲线 除了上述常用的技术性能评估指标之外，f v c 还提出了一些新 的扩展指标，主要包括【5 3 】：f e r ( f a i l u r e t o e n r o l lr a t e ) 和 f c r ( f a i l u r e t o c o m p a r er a t e ) ，f m r io o ( f m r 值为o o1 时对应的 f n m r 值) ，f m r l0 0 0 ( f m r 为0 0 01 时对应的f n m r 值) ，z e r o f m r ( 错 误匹配率为0 时的最小错误拒绝率值f n m r ) 和z e r o f n m r ( 错误拒绝 率为0 时的最小错误匹配率值f m r ) ，这里的f m r 、f n m r 分别和 f a r 、f r r 具有相同的含义。其他更多的性能参数信息可以参见 h t t p ：b i a s c s r u n i b o i t f v c 2 0 0 6 p e r f e v a l a s p 。 1 3 研究内容和结构安排 1 3 1 研究内容 本文针对目前指纹识别系统所存在的问题，我们从实际应用出 发，在指纹识别的几个重要环节上进行了算法的改进。系统、深入地 研究了指纹图像分割、指纹分类和指纹匹配算法，主要目标是探求新 的方法提高指纹识别系统的性能。具体的工作如下： 1 1 ) 指纹图像的预处理过程，包括指纹图像分割、指纹图像的增强、 二值化、细化问题。提出了一种基于h a r r i s 角点能量的指纹图像自适 应分割算法。首先利用h a r r i s 算子计算待分割图像的角点能量，然后 使用一种自适应的方法设定阈值完成初分割；采用数学形态学方法进 行后处理以减少分割错误，最后通过面积参数去除分离的残留噪声区 域。在f v c 2 0 0 4 数据库上的实验结果表明，该分割算法能够准确提 取指纹有效区域，并且对低质量指纹图像具有很好的鲁棒性。在原有 硕十学位论文 串并行混合细化算法的基础上使用改进模板得到了彻底八连通光滑 的细化指纹图像。 2 ) 在指纹图像的分类方面，分析前人的指纹分类算法存在的不足 的基础上，提出了基于二值指纹图像连续分布弧线的分类算法和基于 细化图像的宏观弧线特征分类算法。这两种算法都是利用指纹弧线特 征，通过不同的方法得到该分类特征，并给出了一套较为完整的多层 次结构分类规则。由于该算法是运用在增强去噪处理后的图像上，对 噪声的抵抗能力得到了一定的加强，消除了传统指纹分类算法过分依 赖奇异点的缺陷，具有很强的实用性和一定的推广价值。 3 ) 在指纹图像匹配方面，对基于中心点的指纹匹配算法进行了研 究，提出一种新的指纹中心点快速定位方法，首先利用扫描最长内弦 线方法迅速定位指纹中心区域，然后利用p o i n c a r e 值定位中心点。为 指纹中心区域的若干细节点分别构造局部结构，并根据这些结构的匹 配结果实现了基准点的精确定位。通过匹配邻域细节点的结构，我们 能得到两幅指纹图像中对应点。然后用这些对应点去匹配指纹图像的 全局特征。最后利用细节点到中心点之间的纹线切割数目、全局匹配 距离和协方差距离来判断匹配的结果。 1 3 2 结构安排 本文的内容共分为以下五章： 第一章，绪论。介绍了课题研究背景，从自动指纹自动识别技术 的构成、关键技术和系统性能评估等方面来介绍指纹在国内外的研究 状况，最后对本论文的主要研究内容进行了说明。 第二章，指纹图像预处理。研究指纹图像的预处理过程，包括指 纹图像分割、指纹图像的增强、二值化、细化问题。 第三章，基于二值图像指纹分类算法研究。研究了传统指纹分类 算法，提出并实现了一种基于二值指纹图像连续分布弧线的分类算法 第四章，基于细化图像指纹分类算法研究。定义并运用一种新的 自动指纹识别系统关键算法研究 指纹宏观弧线特征向量对指纹进行分类。 第五章，指纹匹配算法研究。对基于中心点的指纹匹配算法进行 了研究，采用一种新的指纹中心点快速定位方法。 第六章，结语。对论文的工作进行了全面总结，在此基础上，对 今后的后续研究工作指明了方向。 硕士学位论文 指纹图像预处理 无论是指纹匹配还是指纹分类都需要提取指纹的有效特征。由于 在采集指纹图像过程中存在多种噪声，如手指汗渍、褪皮、干湿、伤 疤、按捺压力，加上采集系统本身性能等原因，很难保证采集到的指 纹图像纹理清晰。为了保证特征提取的可靠性，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。 对于指纹图像预处理已有很多学者做了大量的研究 1 3 - 1 9 】，对指纹 图像分割、二值化和细化等提出了各种不同的方法，我们的预处理手 段综合了前人的研究成果，整个指纹图像预处理的流程如图2 1 所示。 图像分割是将要处理的有效图像部分从整个指纹图像中分离出来，这 样一方面减少了后续处理步骤的数据量，另一方面也避免了因为部分 图像区域不可靠而导致伪特征的产生。图像增强是对原始图像上模糊 但有可能恢复的部分进行增强，对整幅图像滤波，消除指纹脊线间的 断裂和粘连。图像二值化是提取经过增强处理的指纹图像的脊线，用 0 表示脊线上的点，“1 ”表示背景和谷线，从而把原始灰度图像转 化为二值图像。图像细化是进一步把二值指纹脊线细化为单像素宽度 的骨架线，这是为了方便以后的特征提取 5 4 1 。 1 。一1 一i j 1j i一 图2 - 1 指纹图像预处理过程 2 1 基于h a r r i s 角点能量的指纹图像分割 指纹图像分割是自动指纹识别系统预处理中的一个重要环节。在 指纹图像中，我们感兴趣的是由脊线和谷线组成的清晰的指纹区域； 而非指纹区域或噪声严重的区域，是我们不希望处理的区域，组成背 景。指纹图像分割其目的是将指纹图像背景区、以及在后续处理中很 难恢复的图像区域与前景区分开来。准确、可靠的指纹图像分割，使 自动指纹识别系统关键算法研究 得后续的处理集中于有效指纹区域，不需对背景部分进行后续处理， 这样不仅能够大大减少后续工作的处理时间，而且可以显著提高特征 提取的可信度。 现在被利用来进行分割的指纹图像特征主要有：灰阶统计特征、 纹理信息、指纹频率特征等。大量实验证明利用指纹图像中h a r r i s 角 点检测器来提取指纹有效区域，取得了较好效果，但仍然存在两个问 题：( 1 ) 分割阈值的确定。文献 5 5 】中采用固定阈值的方法，效果显然 不是很理想，文献 5 6 1 在此基础上进行改进，采用动态阈值的方法， 但是采用的阈值过度依赖单个角点能量最高的像素点，极易受噪声影 响，导致部分分割错误；( 2 ) 1 主t 于在图像背景区噪声比较严重的区域， 角点能量值也很大，采用阈值分割后，容易形成孤立的伪前景区域， 文献 5 6 虽然采用了两次模板滤波方法，但仍然不能完全去掉这些区 域，从而影响后面指纹特征点提取。基于以上分析，本文提出了一种 改进的基于h a r r i s 角点能量的二级指纹分割方法，首先使用基于指纹 图像h a r r i s 角点能量均值的动态阈值进行一级分割；然后通过形态学 算法去除部分噪声区域，最后通过求取各连通前景区域的面积来分割 分离的残留噪声区域。在f v c 2 0 0 4 数据库上的实验结果表明，该分 割算法能够准确提取指纹有效区域，并且对低质量指纹图像具有很 好的鲁棒性。 2 1 1h a r r i s 角点算子原理 对于一幅图像，所说的角点就是灰度图像当中的某个点，向某些 方向的小小偏移都会引起灰度值较大变化的点。角点检测器基于信号 的局部自相关函数，而局部自相关函数度量信号在不同方向发生微小 块移动时的局部变化。h a r r i s 角点检测器由h a r r i s 、s t e p h e n s 5 7 】于1 9 8 8 年提出，近年来被广泛应用于图像检索中。它具有计算简单，对图像 的旋转、灰度的变化以