（仪器科学与技术专业论文）指纹图像处理及匹配方法的研究.pdf

中文摘要 i 摘 要 传统的安全系统主要采用基于信物或口令的方式，随着社会的发展，这种系 统显得越来越脆弱。为了应对这些挑战，人们把目光转向了生物识别技术，希望 能借助人体的生理特征或行为动作来提高身份识别的精度。 在我们的手指表面，因为皮肤的凸凹不平会产生各种各样的纹路，人们常把 这些纹路称谓指纹。现代解剖学和统计学已经表明，每个人的指纹都终身不变且 与其他人的不一样，同时，每个人各个手指的纹路也各不相同。也就是说，指纹 具有稳定性和唯一性。指纹作为主要的生物识别技术之一，被广泛应用于司法、 公安和各种安全防护系统。指纹识别作为模式识别最先涉足的领域之一，发展极 为迅猛，实际上在很多场合已经成为生物识别技术的代名词。 自动指纹识别是图像处理技术、模式识别技术与计算机数据库技术的综合应 用。它的研究可追溯到上个世纪 60 年代末，经过近 40 年的发展，在司法、公安 和某些商业领域已取得了成功应用，但目前 afis 仍是模式识别研究的热点之一。 本文在收集和分析了大量近年来国内外关于指纹匹配和指纹分类的学术论 文、研究报告等，对计算机指纹识别技术的若干理论问题进行了探讨，针对指纹 自动识别方法的两个主要技术环节，即预处理及匹配进行了深入的研究，提出了 一套指纹质量自适应增强的方法以及指纹特征点的整体方向场描述的匹配方法。 试验证明，该方法能够是合理的，具有一定的理论价值与实用价值。本课题受重 庆市重点攻关项目的资助，系统稳定可靠，并于 2006 年通过验收。本文的内容安 排如下： 第一章介绍了一些常用的生物识别技术，如指纹、人脸、虹膜、掌形、签名、 声纹等，并从稳定性、唯一性、准确性、可接受性等七个方面对这些技术进行了 比较。同时，还介绍了生物识别系统的评价参数以及两种常用工作模式。接着， 文章介绍了自动指纹识别系统的结构，详细分析了指纹分类、指纹匹配和指纹压 缩各子系统的功能和组成。在本章的最后，指出了当前自动指纹识别系统在指纹 采集、图像增强、特征表述匹配等方面所面临的问题以及本文所采用的对策。 第二章介绍了指纹方向信息的获取以及校正。指纹的方向信息是指纹图像处 理中的核心信息，准确的方向信息能够很大程度的提高指纹自动识别系统的性能， 由于指纹的噪声影响，初始的方向信息经常出现错误。所以方向的校正又方向信 息中的核心。本章提出并实现了一种基于整体的最优模型残差的方向校正方法， 将噪声从指纹整体方向场的拓扑结构中分离出来并进行抑止，比常用的无差别方 重庆大学博士学位论文 ii 向低通平滑具有更强的抗干扰能力。 第三章介绍了指纹的指纹频率获取的方法并根据指纹区域的主要频率的幅值 进行指纹的区域质量评价。指纹的频率信息是指纹图像中的重要信息之一，本章 提出并实现了一种变形的局部数字傅立叶估计频率的方法，并进行了验证。该方 法能够在较小尺寸的窗口中对指纹的频率进行较高精度的估计，比常用的投影统 计以及 fft 方法具有较明显的优势。 第四章介绍了指纹的质量自适应滤波。首先从理论上对 gabor 滤波器的滤波 强度进行了分析。然后根据前面所获得的方向、频率以及区域质量评价，获得滤 波器参数，对指纹区域采取了质量自适应滤波，使区域质量不同的指纹图像在滤 波后达到相对统一的质量，该方法在保护清晰区域的纹线结构和获得劣质区域的 特征信息两方面都具有重要的意义，也是本论文算法的核心之一。 第五章介绍了指纹特征点的整体方向场描述及其匹配方法。指纹的匹配是指 纹的重点和难点之一，本论文在大量研究国内外匹配算法的基础上，提出了一种 以指纹整体特征来描述细节点的方法，并利用指纹方向场相对的稳定性作为这种 描述的基础，极大增强了特征点之间的区分度，提高了点和点匹配的效率，由于 整体结构的引入，降低了系统的误识率。 最后对整体的算法的优缺点进行了评价，并得出结论和今后进一步研究的方 向。 关键词：指纹增强，质量自适应滤波，指纹匹配，细节点描述，方向场描述 英文摘要 iii abstract traditional security system is mainly based on token or password. with the development of society, this system has become vulnerable. to deal with this challenge, man has turned to the biometrics to improve identity verification by using his physical feature and behavior. a fingerprint is the pattern of ridges and valleys on the surface of a fingertip. modern anatomy and statistics have proved that each individual has unique fingerprints and fingerprint doesnt change all life, i. e. fingerprint is steady and exclusive. as a primary biometric, fingerprint has been widely used in forensic, police and other security system and been studied by using pattern recognition technique firstly. fingerprint identification has been synonymous with biometrics in many situations. automatic fingerprint identification system (afis) has integrated image processing, pattern recognition and database technique. back in 1960s, after 40 years of development, afis has been successful and still the hotspot in pattern recognition domain. based on plenty of papers and technical reports on fingerprint matching and classification, this dissertation makes some research works on the theories on afis, including two main aspects that are fingerprint processing and matching. furthermore, a set of measure dealing with fingerprint quality adaptive enhancement and minutiae described by global orientation field matching is proposed. through experiments, this measure is rational and has value of practicality and theory. this research is sponsored by the cstc (cstc.2004aa2001-8277-02) project and the acceptance of the project has been adopted. in chapter 1 the biometrics are introduced. and then two working modes and the evaluation of biometrics system are presented. also, the structure of afis is introduced and some popular sensors are analyzed in this chapter. furthermore, functions and composing of classification subsystem, matching subsystem and compression subsystem are listed. in the last of this chapter, some problems in the development of afis on fingerprint capturing, image enhancement, minutiae representation and our sratage are presented. 重庆大学博士学位论文 iv in chapter 2, the algorithm of the orientation estimation and correction is proposed. as the core information in the fingerprint image processing, the orientation information can improve greatly the performance of afis if it is accurately estimation. since the noise, the coarse orientation field contains many error. so the orientation correction is the core of the orientation estimation. in this chapter, a fingerprint orientation correction based on the optical model residual error is purposed. the noise can be separated from the topology structure of the fingerprint and be removed. compared with the orientation low pass filtering usually used, our algorithm performance is better in the noise resistance. in chapter 3, an algorithm of the frequency estimation and the quality evaluation approach by value of the master frequency amplitude are presented. the frequency information is one of the most important information in fingerprint image processing. a frequency estimation via improved local discrete fourier transformation and its verify are proposed. the estimation can be applied on the small scale window with high accuracy. so it is with distinct advantage versus general projective method or the fast fourier transformation. in chapter 4, a quality-adaptive enhancement is presented. first the filtering intensity of the gabor filter is analysed in theory. then the parameters of the filter are determined by the region orientation, the frequency and the quality evaluation. the local regions with different quality are enhanced by the quality-adaptive filter and become quality-consistent. the algorithm is with the important meaning in two aspects: the protection of the clear high quality region structure and the minutiae extracting in low quality region. so it is one of the main propose in this dissertation. in chapter 5, a fingerprint minutiae representation by the global orientation field and the corresponding matching method are introduced. after a lot of researches of the matching method, a minutiae representation by the global structure is proposed, which is based on the relative stability of the orientation field. the distinction of the minutiae representations is greatly raised. so the matching efficiency of minutia from point to point is improved. furthermore the false acceptance rate is fall down as the global structure is brought in. finally, the evaluation of the holistic algorithm and the characteristics is presented. we make conclusion and indicate the direction of future researching. key words: fingerprint enhancement, quality-adaptive filtering, fingerprint matching, minutiae representation, orientation field representation 1 绪论 1 1 绪 论 1.1 研究背景 1.1.1 安全技术所面临的挑战 现代科技为人类相互交流提供了更为快捷与便利的手段， 它既大大地推动了现 代社会的进步和发展，但也给各个国家和社会管理者带来一个全新的重要课题：在 高科技的信息时代，如何及时、准确和有效地验证每个社会成员的身份，以保障人 们的合法权益和各种社会活动的合法性和有效性， 及时打击与遏制各种违法犯罪活 动，维护国家安全和社会稳定。 长期以来，在人类社会活动中需要验证个人身份时，传统的方法是验证该人是 否持有有效的证明文件或信物1。从本质上来说，这种方法验证的是该人持有的某 种“物” ，而不是验证其本人。只要“物”的有效性得到确认，则持有该“物”的 人的身份也就随之得到确认。这种以“物”认人的办法的漏洞是显而易见的。首先： 合法的人如果遗失验证其身份的“物” （如密码、钥匙等） ，则合法的人本身得不到 合法的验证。其次：各种伪造证件、信物以及密码被破译或盗用又使非法的人得到 合法的验证。 例如一些罪犯通过伪造证件进入机密场所以窃取机密信息或伪造签证 和护照非法入境或移民。另一个例子是考勤机2，它的使用方便了企业进行职工的 考勤管理，但使领导头疼的是经常有人弄虚作假，代别人打卡。另外如果丢了钥匙 不仅打不开门，还要当心坏人拾到你的钥匙盗取你的家财，其他使用钥匙的场合同 样也有如此的问题 现行的许多计算机系统中，包括许多非常机密的系统，都是使用“用户 id+密 码”的方法来进行用户的身份认证和访问控制的1。实际上，这种方案隐含着一些 问题。例如，密码容易被忘记，也容易被别人窃取。而且，如果用户忘记了他的密 码，他就不能进入系统。有关机构的调查表明，因为忘记密码而产生的问题已经成 为 it 厂商售后服务的最常见问题之一；密码被别人盗取则更是一件可怕的事情， 因为用心不良的人可能会进一步窃取公司机密数据、 可能会盗用别人的名义做不正 当的事情、甚至从银行、atm 终端上提取别人的巨额存款。实际上，密码的盗取比 较容易， 别人只要留意你在计算机终端前输入口令时的击键动作就可以知道你的密 码，甚至可以通过你的生日、姓名、电话号码或者其他一些信息猜出你的密码，这 就显得极不安全。众所周知，高度机密的美国一些军事机构计算机网络（包括五角 大楼和国防部）曾不止一次被黑客侵入，黒客们实际上就是破解了这些计算机网络 的某一合法用户的密码来开始的。 尽管现行系统通过要求用户及时改变他们的口令 来防止盗用口令行为，但这种方法不但增加了用户的记忆负担，也不能从根本上解 重庆大学博士学位论文 2 决问题。表 1.1 给出了美国在 1996 年因为身份验证引起的欺诈损失3。 上述这些问题表明，传统的依赖于信物或口令的系统安全性技术已经面临严峻 的挑战。尽管它们具有简单并且方便集成的优点，但随着网络社会的到来，电子商 务日趋普及，人们更想通过一些更为安全可靠的信息，来确认在网络的另一端与其 交易的人是他宣称的那个人吗。而正是由于人体特征具有不可复制的优点，目前已 经成为安全技术研究的热点。 表 1.1 由于身份验证引起的欺诈损失表（美国 1996 年为例，单位：美元） table 1.1 fraud loss from error identification (usa, 1996, unit is dollars) 计算机 安全(/年) 移动电 话(/天) 汽车失 窃(/年) 金融(/年) 社会保 障金(/年) 计算机 安全(/年) 移动电 话(/天) 汽车失 窃(/年) 金融(/年) 社会保 障金(/年) 63 亿 30 万 76 亿 7 亿 10社保总额 1.1.2 生物识别的概念及要求 所谓生物识别(biometric)，就是利用人体的生理特征或行为动作来认证人的身 份4-8。因为这些特征是每个人所独有的，其它人无法复制取代，用它们来识别人 的身份，显然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 都能用于身份识别，而是只有满足了下列条件4 ，6的，才能用于验证人的身份。 （1） 普遍性， 即是否人人都具有该特征， 比如象只有一部分人有的胎记或疤痕， 就无法用于大范围的身份识别； （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，经常变化的特 征是无法保证识别系统的鲁棒性的； （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。 然而，在实际操作中，仅仅满足上述四个条件还是不够的，还需要考虑到以下 问题4,6： （1）系统整体的性能，也就是说采用这种特征来识别人的身份，速度、精 度以及系统的鲁棒性是否能够达到指标要求； （2）采用这种生物特征人们是不是可 以接受，是否干涉了人的隐私或对人体有伤害，以及对用户而言，是否操作方便等 等。 因此，一个实用的生物识别系统应具备以下特征： （1）用于识别的生物特征可 以被人们所接受； （2）可以方便地获取这些生物特征； （3）系统的识别精度和速度 能够满足应用需要； （4）对于各种欺骗手段，系统应有足够的适应性。 1 绪论 3 1.1.3 生物识别系统的组成 从本质上而言， 生物识别系统就是一个通过验证人的生理特征或行为动作来识 别人的身份的模式识别系统。一个通用的生物识别框图如 1.1 所示。从逻辑上，该 系统可以分为登记和认证两大模块。登记模块是把人体的生物特性存入识别系统， 在这个阶段，首先利用采集器获取人体特征产生表征特征的原始信息，为了方便后 续的匹配过程，这些原始信息一般需要进行进一步处理，压缩信息量，提取最有效 的部分（一般称之为模板 template） ，最后根据不同应用的需要，将模板存入数据 库或用户 ic 卡上。认证模块用于在访问控制中验证人的身份。在这个阶段，同样 需要用特征采集器来获取人体的生物特性，然后使用类似于登记模块中的处理方 法，用一种更紧凑的形式来描述获取的信息。最后匹配子模块使用模板数据库中的 模板与获取的压缩生物特征比较，输出判断结果。 1.1.4 生物识别系统的工作模式 生物识别系统根据其应用目的的不同，可以分为两类，即验证(verification) 和辨识(identification)8。 验证就是通过把现场采集到的生物特征与一个己经登 记的模板进行“一对一的比对（one-to-one matching） ” ，来确认身份的过程。作 为验证的前提条件，他或她的特征必须在模板数据库中已经注册，以一定的压缩格 式存贮，并与其姓名或其标识（id，pin）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： “他是他自称的这个人吗？” 辨识则是把现场采集到 的生物特征同数据厍中的模板逐一对比，从中找出与现场特征相匹配的模板。这也 叫“一对多匹配（one-to-many matching） ” 。辨识其实是回答了这样一个问题： “他 user group 特征采集器特征采集器 特征压缩特征压缩 登登 记记 模模 块块 server 特征采集器特征采集器 特征压缩特征压缩 认认 证证 模模 块块 特征匹配特征匹配 模板数据库模板数据库 图 1. 1 通用生物识别流程 fig 1. 1 a generic biometric system 重庆大学博士学位论文 4 是谁？” 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 比对算法的速度要求不如辨识系统高，但更强调易用性；另外在辨识系统中，一般 要使用分类技术来加快查询的速度。 1.1.5 生物识别系统性能评价 生物识别系统作为一种典型的模式识别系统，它的输出不可能象基于信物或口 令的系统那样，给出一个绝对正确与否的答案，而是一个有一定置信度的结果。因 此就有可能出现两种错误判断， 一是把正确的匹配当成错误的而拒绝 （拒真率 false reject rate, frr） ，另一种则是把原本不匹配的当成正确的而接纳（误识率 false accept rate, far） 。如果系统的 frr 较大， 就会造成用户多次输入而无法确认其身 份，使用户感到不便，进而对该系统产生不信任和厌恶感。而若系统的 far 较大， 就会使不法之徒乘虚而入，对合法的用户造成损失。但是，对于一个已有的生物识 别系统，要使两者同时降低则不可能。因为由模式识别系统的特性可知，这两个错 误率是互成反比的，一个参数的减少必然会导致另外一个参数的增加。因此我们只 能根据用途的不同，调整系统的参数，使其满足于不同目的的需求。例如，对于指 纹识别系统，如果用于高度机密的访问控制，则可适当调高拒真率，把误识率降到 最小；反之，对于公安和司法部门，则需要降低拒真率，在尽可能匹配上的范围内 搜寻嫌疑人；而对于一般民用系统，我们可以兼顾精度和效率，选取折中参数。 对于一个生物识别系统，我们一般用 roc（receiver operating curve）曲线来 描述系统的精度属性。曲线上的每一点，都对应了一定安全阈值下系统的 frr 和 far。图 1.2 给出了 roc 曲线的一个实例。在实际应用中，因为各厂商和研究机构 实际只是给出了最好的 frr 和 far，而这两个参数并不是对应同一个安全阈值， 所以，一个更为科学的评估参数等错误率（eer）被广泛应用，所谓等错误率， 是指 frr 与 far 相等时值（如图 1.2 所示） 。很显然，eer 越小，系统的精度越 高。另外，系统的匹配速度也是系统性能的一个重要指标。特别是对于辨识系统， 由于做“一对多”的匹配，速度就显得格外重要，即使是“一对一”的验证系统， frr far eer 公安系统公安系统 高安全系统高安全系统 民用系统民用系统 图 1. 2 指纹识别系统的 roc 曲线 fig 1. 2 roc curve example for fingerprint 1 绪论 5 速度太慢，也会影响系统的推广使用。 1.1.6 主要生物识别技术简介及比较 生物识别技术或使用人体的生理特征，或使用人的行为动作。如果从识别的准 确度而言，生理特征要比行为动作更加可靠。因为生理特征反映了人体更本质的部 分，在操作过程中有更好的重复性，相对于行为动作更容易识别。 目前，广泛使用或研究较深的生物识别技术有：人脸识别9-17、指纹识别、掌 形识别5、手部血管识别8、虹膜识别23,24、视网膜图形识别、面部热象图识别11、 人耳识别26,27、签名识别8,28和声纹识别29。其中人脸、指纹、掌形、手部血管、 虹膜、 面部热象图、 人耳和视网膜图形属于生理特征， 而签名和声纹属于行为动作。 图 1.3 显示了部分生物特征25。所有这些生物识别技术，都在一定程度上满足 1.2 节提出的条件， 并且大部分技术已经有了实际运行系统或已在实验室的研究中显示 了巨大的潜力。 表 1.2 各种生物识别技术的比较 table 1.2 comparison of biometric technologies 性能 名称 普遍性 唯一性 稳定性 采集方 便性 识别精 度 可接受 性 防欺骗 性 人脸 识别 高 低 中等 高 低 高 低 指纹 识别 高 高 高 中等 高 中等 高 掌形 识别 高 中等 中等 中等 中等 中等 中等 手部血 管识别 中等 中等 中等 中等 中等 中等 高 虹膜 识别 高 高 高 中等 高 低 高 视网膜 图形识 别 高 高 中等 低 高 低 高 签名 识别 中等 低 低 高 低 高 低 声纹 识别 中等 低 低 中等 低 高 低 面部热 象图识 别 高 高 低 高 中等 高 高 人耳 识别 高 中等 中等 高 低 高 低 需要指出的是，上述的大多数生物识别技术的认证结果，都不能作为法律上的 证据。目前，被世界各国司法机关认可的只有指纹和签名识别，尽管还存在一些争 议35，但同一时期出现同样指纹的概率仍然可以认为是零36。 这两种技术经过多年的研究与应用，已经日趋成熟，并被广泛接受。 随着近年来计算机和芯片集成技术的发展， 生物识别也呈现出蒸蒸日上的势头。 重庆大学博士学位论文 6 除了传统的警用指纹和签名识别， 越来越多的生物识别系统在向更广泛的民用领域 扩展。目前，民用生物识别系统主要用于以下两个方面： （1）在银行、金融、电子 商务及其它安全控制领域取代或加强传统的基于信物或口令系统； （2）用于社会福 利保障、流动人口管理以及其它新兴领域。 1998 年 5 月 20 日美国众议院举行了题为“biometrics and the future of money” 的听证会。听取并讨论了关于生物特征（包括指纹、人脸、虹膜和语音等）身份确 认技术应用于银行、金融，以及个人信息安全领域的情况。到会的有相关领域的公 司、学校、科研机构的总裁、ceo 和教授等高层人士。他们各自介绍了当今生物识 别技术的应用状况以及未来的发展， 并一致认为生物识别技术将改变人们现有的生 活方式和商业模式。 1.1.7 自动指纹识别系统结构 在本论文中， 我们的目标是使用指纹识别技术设计一种自动的个人身份认证系 统。之所以采用指纹，从上面的比较可知，指纹识别技术具有以下的优点： 一、每个人的指纹是独一无二的并且相当稳定，指纹不会随年龄的增长和身体 健康状况的变化而变化1。图 1.3 可以看到，(a)和(b)是一对同卵胞胎姐妹对应手指 的指纹，可明显看出两者的差异。 二、指纹识别的有效性已经得到了广泛的证明和认可。 三、指纹取样设备种类繁多，并且价格低廉32，另外，已有标准的指纹样本库 33,34，便于识别系统的软件开发。 四、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，不增加系统的设计负担。 五、指纹识别中使用的模板并非最初的指纹图像，而是由指纹图像中提取的关 （a） （b） 图 1.3 同卵胞胎的指纹比较 fig 1. 3 fingerprints of identical twins 1 绪论 7 键特征构成，这样使系统对指纹模板库的存储要求减小。另外，特征模板也大大减 少了网络传输的负担， 便于通过指纹实现异地身份确认。 自动指纹识别系统 （afis） 最早是应司法部门的请求而研制的。因为随着指纹鉴别技术的快速发展，各国司法 机关的指纹数据库越来越大，如美国 fbi 的指纹数据库就由最开始的 810000 枚发 展成现在的 630000000 枚，如此之大的数据量，仅靠人工的方法是远远不能满足各 方面需求的。因此，从上个世纪六十年代起，fbi、英国内政部和巴黎警察局开始 着手研究自动指纹识别系统， 希望借助现代计算机超强的计算能力来节约人力和时 间。我们国家的公安系统也在八十年代初，与各大高校合作，共同研究自动指纹识 别系统。经过几十年的努力，虽然已有一些系统运行于世界各地，但自动指纹识别 仍是近年来模式识别领域研究的一个重要热点，并且随着电子商务和网络化的到 来，人们希望能够借助指纹识别在司法部门的成功，推出民用自动指纹识别产品， 以增强现有安全系统。般说来，自动指纹识别系统主要由图 1.4 所示的几大部分组 成。下面我们对这几部分分别加以介绍。 1.1.8 指纹图像采集 传统的指纹采集方式是油墨加纸。因为该方式费时费力，现已很少应用于自动 指纹识别系统。目前，自动指纹识别主要采用活体指纹传感器来采集指纹图像。 活体指纹传感器是随着电子集成技术的发展，在近几年流行的新型技术。因为 指纹传感器体积较小，操作方便，同时可以直接获取数字图像，因此被广泛应用于 自动指纹识别系统。活体指纹传感器主要采用以下几种技术： （1）光学衰减全内反 射（ftir）37-39； （2）超声波反射40-42； （3）全息摄像43-45； （4）热敏传感46-49； （5）电容或深度电场方式50-53。对于活体指纹传感器，一般都采用自动增益控制 图图 象象 采采 集集 指纹分类系统指纹分类系统 指纹匹配系统指纹匹配系统 指纹图像压缩系统指纹图像压缩系统 应应 用用 系系 统统 图 1.4 自动指纹识别系统的组成 fig 1.4 system configuration of afis 重庆大学博士学位论文 8 (agc)技术，即使用软件调整的方法来改善获取的图像质量。agc 在不同的环境下 结合反馈的信息便可产生高质量的图像。例如， veridicom 公司的 fps110 指纹传 感器， 在指纹采集过程中， 根据反馈信息调节电容放电时间等参数以增强其灵敏度， 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） ， 并在捕捉的瞬间为这些象素提高灵敏度。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。 光学指纹传感器最常用的是 ftir 技术 37。光线照到压有指纹的玻璃表面，反 射光线由 ccd 去获得，反射光的量依赖于压在玻璃表面指纹的脊和谷的深度和皮 肤与玻璃间的油脂和水分。一般说来，光学传感器体积较大，这是因为它要在其中 安装光源和光学反射系统。但大也有大的好处，它获取的指纹面积也比较大（如图 1.7(a)所示） 。光学指纹仪采集的图像质量较好，但对干手指比较敏感。 硅晶体传感器是目前被广泛应用的另外一种指纹采集器。它的体积很小，可以 很方便地集成到鼠标、移动电话等其他设备中。这些传感器通过多种技术来绘制指 纹图像。最常见的硅电容传感器（见图 1.5）通过电子度量被设计来捕捉指纹。在 半导体金属阵列上能集成大约 100,000 个电容传感器，其外面是绝缘的表面，当用 户的手指放在上面时，皮肤组成了电容阵列的另一面。电容器的电容值由于导体间 的距离而降低，这里指的是脊（近的）和谷（远的）相对于另一极之间的距离。电 容式的指纹传感器对湿手指比较敏感，且易受静电干扰。其产生的图像可参见图 1.7(b)。另一种晶体传感器是压感式的，其表面的顶层是具有弹性的压感介质材料， 它们依照指纹的外表地形（凹凸）转化为相应的电子信号。其他的晶体传感器还有 深度电场型的，据说它可以穿透皮肤表面死皮层到达真皮层，这样就不用担心手指 表皮划伤影响图像质量。但我们在测试中发现，事实并不像宣称的那样，并且这种 传感器的图像分辨率偏低，只有 250dpi。 热敏温度感应传感器， 它通过感应压在设备上的脊和远离设备的谷温度的不同 就可以获得指纹图像。图 1.6 为 thomson 公司的温度指纹采集仪。而超声波扫描被 认为是指纹取像技术中非常好的一类，它很象光学扫描的激光，超声波扫描指纹的 图 1.5 veridicom 公司电容指纹传感器 fig 1.5 capacitance fingerprint chip 图 1.6 热敏指纹传感器 fig 1.6 thermal fingerprint chip 1 绪论 9 表面。紧接着，接收设备获取了其反射信号，测量它的范围，得到脊的深度。不象 光学扫描，积累在皮肤上的脏物和油脂对超声波获得的图像影响不大，所以这样的 图像是实际脊谷地形（凹凸）的真实反映。图 1.7(c)为使用超声波指纹采集仪获取 的指纹图像。至于全息光学指纹采集器，它避免了因成像平面与指纹平面不平行而 造成的几何形变，但目前因为技术和成本原因，还很少使用。 表 1.3 给出了几种常用指纹传感器的比较54。尽管电容式指纹芯片产生的图像 质量不能让人十分满意，但由于其体积小，功耗低，价格低廉且易于开发，因此被 选作为我们的 afis 的指纹采集仪。 最后，需要指出的一点是，对于自动指纹识别系统，fbi 建议的图像分辨率为 500dpi，目前，市场上的大多数光学或晶体传感器都满足这个条件，但也有少数， 如深度电场式或超声波式的，指纹图像分辨率就只有 250dpi，这也是我们在系统设 计时没有使用这两种传感器的原因。另外，美国国家标准技术局（nist）提供了用 于测试 afis 的指纹数据库，如 nist-4 和 nist-9 等，这些指纹图像大都是使用油 墨方式获得，图像的分辨率为 500dpi。 表 1.3 指纹成像技术性能比较 table 1.3 comparison of different fingerprint sensing 体积 耐用性成像质量 成本 功耗 体积 耐用性成像质量 成本 功耗 光学全反射技术 光学全反射技术 中 一般 干手指差，图像采集面积大 低 较多 硅晶体传感技术 硅晶体传感技术 小 一般 湿手指成像模糊，图像采集面积小 低 较少 超声波扫描技术 超声波扫描技术 中 一般 不受手指干湿影响，但图像分辨率低 高 较多 1.1.9 指纹分类 指纹分类的目的是为了给大规模数据库提供一种检索机制，常用于警用辨识系 (a) (b) (c) 图 1.7 使用不同指纹传感器获取的指纹图像 fig 1.7 fingerprint images captured by different sensor 重庆大学博士学位论文 10 统，以减少指纹匹配的数量。对于一般民用 afis，指纹分类技术使用较少。常用 的指纹分类方法是利用指纹的宏观或总体特征。 指纹的总体特征是指在指纹中心区 域形成的特殊结构。 根据指纹总体特征，一般可简单的把指纹分为以下几类： （1）弓形纹弓形纹。纹线由一方流向另一方，中部向上弯曲呈弓，不返转。又依据 其弯曲的程度不同，分为弧形（arch）和帐形纹（tented arch） 。一般帐形纹中心部 位有一根以上的垂线或斜行线支撑着弓形线。在人的自然分布中，弧形指纹和帐形 指纹一般占 6.16%和 7.79%55。图 1.8 为弧形和帐形的示例。 图 1.9 箕形指纹 fig 1.9 loop fingerprints 图 1.8 弓形指纹 fig 1.8 arch fingerprints 1 绪论 11 （2）箕形纹箕形纹。指纹中心的纹线从一方流向另一方，拐弯后返回原方向，其上 部和两侧外围由较多的弓形线包绕。根据中间箕形线的开口不同，又可分为左箕形 和右箕形（如图 1.9 所示） 。据统计，左箕形和右箕形的比例分别为：17.03%和 36.48%55。 （3）螺形纹螺形纹。指纹中心至少有一根环形线、或螺形线、或曲形线，其上部和 两侧外围由较多的弓形线包绕 （如图 1.10 所示） 。 在所有纹形中的比例为 32.5255。 目前，对于指纹分类，无论是人工方法还是计算 机自动方法，都有相当的困难。特别是对于面积 较小的传感器，由于指纹图像的不完整，目前还 没有特别有效的分类方法。 1.1.10 指纹匹配 自动指纹匹配的过程一般可分为以下三步： 一、根据指纹图像中的关键信息对指纹图像 进行增强处理，削弱图像中的噪声，突出有用信 号。 图 1.10 螺形指纹 fig 1.10 whorl fingerprints （a） 帐形 （b） 箕形（c） 螺形 图 1 .11 难以分类的指纹示例 fig 1.11 examples of fingerprints that are difficult to classify 图 1.12 脊线的端点和分歧点 fig 1.12 ending and bifurcation 重庆大学博士学位论文 12 二、提取指纹图像中的特征点（奇异点，端点和分歧点等） 。 三、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。 目前常用的自动指纹识别系统，除了一些光学系统采用图像相关的方法，其他 基本上都采用细节匹配的方法。目前，基于细节点的匹配有多种算法，第五章我们 将详细进行介绍。在以上三个步骤中，指纹图像的增强以及指纹的匹配算法是目前 的重点和难点，下一部分我们将针对指纹图像增强和匹配中存在的问题进行阐述。 1.2 自动指纹识别所面临的问题 尽管目前已有多种商用自动指纹识别系统在市场上销售， 这些产品都宣称有极 好的性能61（如表 1.4 所示） ，但没有哪家公司说明他们测试所用的数据库，他们 的系统在使用通用数据库如 fvc 或 nist 数据库测试时， 很难达到他们所宣称的技 术指标， 有时偏差甚至超出他们指标的几十倍。 表 1.5 给出了在 2004 年国际指纹识 别大赛 fvc2004 通用数据库 db1 上测试时中前 5 名所能达到的精度61。 表 1.4 一些公司宣称的性能指标 table 1.4 performance of afis reported by various companies 公司名称 传感器类型 far（） frr（） 公司名称 传感器类型 far（） frr（） biolind usa 光学式 0.0000001 0.01 biometridid 光学式 0.01 0.01 startek 光学式 0.001 3.3 iosoftware 光学式 0.1 1 identix 光学式 0.0001 1 nec 晶体式 0.0002 0.05 biometrix int 晶体式 0.001 0.0001 pollex 晶体式 0.001 1 sony 晶体式 0.001 1 表 1.5 fvc2004-db1 指纹识别算法性能比较 table 1.5 comparison of fingerprint verification algothrim in fvc2004-db1 公司名称 eer(%) 注册时间（秒）匹配时间（秒） 公司名称 eer(%) 注册时间（秒）匹配时间（秒） sonda ltd. 1.97 1.95 1.87 bioscrypt inc 2.72 0.10 3.19 nitgen co., ltd 3.38 0.74 0.75 suprema inc 3.62 0.25 0.23 neurotechnologija ltd 3.91 0.32 0.47 1 绪论 13 这表明，自动指纹识别技术并未完善，还有大量的工作要做，要使系统性能完 全满足各种应用的需求，还有很长的路要走。目前，困扰自动指纹识别的主要障碍 有以下几种： 一、缺乏统一的行业标准和评价方法。尽管在商业领域已经有很多产品问世， 也声称达到了较高的技术水平， 但是在自动指纹识别系统领域始终缺乏一个权威而 统一的行业标准。在中国，指纹识别行业到现在还没有一个相应的行业标准。现在 一些国际组织已经开始制定一些标准，以推动指纹技术更广泛的开展应用。典型的 如 bioapi consortium，它已经制定了一些有关的标准（生物特征识别技术的应用 开发接口标准，bioapi） ，以推动生物特征验证技术在计算机操作系统、网络和电 子商务等方面的应用。但对于各种算法及其不同环节所进行评价的体系还远不完 善。比如，目前对于增强方法