（计算机软件与理论专业论文）基于gabor滤波的指纹图像质量综合评价方法研究.pdf

基于g a b o r 滤波的指纹图像质量综合评价方法研究摘要近年来，以指纹为代表的生物特征识别技术引起了人们的广泛关注。指纹识别技术具有较高的可行性和实用性，成为最流行、最方便、最可靠的个人身份识别技术之一。因此，对自动指纹识别的研究具有重要的学术意义和应用价值。自动指纹识别系统是集光电技术、图像处理、计算机及网络、数据库技术、模式识别技术等于一体的综合系统，一般包括指纹图像采集、指纹图像质量评价、指纹图像预处理、特征提取、特征匹配等过程。在实际应用中，由于指纹采集仪性能的不同、采集环境的不同以及手指的干湿、洁净、磨损程度不同，导致采集的指纹图像容易产生模糊、断纹或粘连等现象；此外，有时采集到的指纹图像还存在之前指纹采集残留污迹和背景噪声，从而导致指纹图像质量下降。在自动指纹识别系统中，质量较差的指纹图像将会导致系统的误判率和拒识率显著上升，从而影响到整个指纹识别系统的性能。因此，指纹图像的质量评价是自动指纹识别系统中一个非常关键的环节，受到广大研究者的广泛关注。本文在总结、归纳和吸取了国内外学者所取得的研究成果的基础上，对自动指纹识别系统中指纹图像质量评价算法进行了深入的研究。本文首先介绍了生物识别技术和指纹识别技术的基本原理；然后对现有指纹图像质量评价方法进行分析，对指纹图像质量的影响因素、指纹图像的质量评价思想、指纹图像的质量评价模块功能进行说明，并对两种典型的指纹图像质量评价方法进行比较说明：再介绍了二维g a b o r 滤波器的基本原理，并针对指纹图像的特点和指纹图像质量评价的要求，设计了八方向二维g a b o r 滤波器：最后本文提出了基于g a b o r 滤波的指纹图像质量综合评价算法，并在f v c 2 0 0 4 标准指纹库上进行了大量实验验证。实验结果表明本文提出的算法是比较有效的。关键词：指纹图像采集；质量评价；g a b o r 滤波器；指纹图像分割：奇异点t h er e s e a r c ho ft h ef i n g e r p r i n ti m a g eq u a l i t ya s s e s s m e n tb a s e do ng a b o rf i l t e ra b s t r a c ta 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 nt e c h n i q u eh a sc a u s e ds t r o n gi n t e r e s ti nb i o m e t r i c sf i e l dd u r i n gt h el a s td e c a d e s d u et ot h ep r e v a l e n c e ，c o n v e n i e n c ea n dr e l i a b i l i t yo fa u t h e n t i c a t i o nt e c h n i q u e sa n dt h ec o m p l e m e n ta n da p p l i c a t i o no ft h ef i n g e r p r i n ti d e n t i f i c a t i o nt e c h n i q u e ，t h er e s e a r c ho fa na 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 ) p l a y sa ni m p o r t a n tt e c h n i c a lv a l u ea n dp r a c t i c a lv a l u e 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 mi sas y n t h e t i cs y s t e mt h a ti n t e g r a t e sp h o t o e l e c t r i ct e c h n i q u e ，i m a g ep r o c e s s ，c o m p u t e ra n dn e t w o r k ，d a t a b a s et e c h n i q u ea n dp a t t e r ni d e n t i f i c a t i o nt e c h n i q u e i tc o n u d _ o n yi n c l u d e sf i n g e r p r i n ti m a g ec o l l e c t i o n ，f i n g e r p r i n ti m a g eq u a l i t ya s s e s s m e n t ，f i n g e r p r i n ti m a g ep r o c e s s ，m i n u t i a ee x t r a c t i o n ，m i n u t i a em a t c h i n ge t c t h ep e r f o r m a n c eo ft h ea f i sr e l i e sh e a v i l yo nt h eq u a l i t yo ft h ei n p u tf i n g e r p r i n ti m a g ei na p p l i c a t i o n t h ep o o ri m a g e sw i l ll o w e rt h ep e r f o r m a n c eo ft h ea f i s s of i n g e r p r i n ti m a g ea s s e s s m e n th a sb e c o m eac r u c i a lp a r ta n dd r a w nas u b s t a n t i a la m o u n to fa t t e n t i o nr e c e n t l y t h i sp a p e rp r o v i d e ss o m er e s e a r c h e so nt h ef i n g e r p r i n ti m a g eq u a l i t ya s s e s s m e n ts y s t e m t h i sa r t i c l ef i r s ti n t r o d u c e st h eb a s i cp r i n c i p l e so fb i o m e t r i ct e c h n i q u ea n df i n g e r p r i n ti d e n t i f i c a t i o nt e c h n i q u e ，a n dt h e na n a l y z e st h ee x i s t i n gm e t h o do ff i n g e r p r i n ti m a g eq u a l i t ya s s e s s m e n t ，t h ef a c t o r si nt h el o wf i n g e r p r i n ti m a g eq u a l i t y , t h ec o g i t a t i o no ff i n g e r p r i n ti m a g eq u a l i t ya s s e s s m e n t ，a n dt h ef u n c t i o no ff i n g e r p r i n ti m a g eq u a l i t ya s s e s s m e n tm o d u l e w ea l s oi n t r o d u c et w ot y p i c a lm e t h o d so ff i n g e r p r i n ti m a g eq u a l i t ya s s e s s m e n t ，a n dt h eb a s i cp r i n c i p l e so ft h e2 一dg a b o rf i l t e r b a s e do i lt h ec h a r a c t e r i s t i c so ff i n g e r p r i n t sa n dt h en e e do ff i n g e r p r i n ti m a g eq u a l i t ya s s e s s m e n t ，w eh a v ed e s i g nt h e2 dg a b o rf i l t e rw i t h8i i浙江师范人学硕士学位论文d i r e c t i o n s f i n a l l y , a ne f f i c i e n ta l g o r i t h mo ff i n g e r p r i n ti m a g eq u a l i t ya s s e s s m e n tb a s e do n2 一dg a b o rf i l t e rh a sb e e nd e v e l o p e d i no r d e rt ot e s to u ra l g o r i t h m ，at e s ts y s t e mh a sb e e nd e s i g n e df o rf i n g e r p r i n tq u a l i t ya s s e s s m e n tr e s e a r c ha n dal a r g en u m b e ro fe x p e r i m e n t sh a v e b e e np e r f o r m e di ni tu s i n gf v c 2 0 0 4s t a n d a r df i n g e r p r i n ti m a g ed a t a b a s e a l lt h e s er e s u l t ss h o wt h a to u ra l g o r i t h ma c h i e v eag o o de f f e c t k e yw o r d s ：f i n g e r p r i n ti m a g ea c q u i s i t i o n ；q u a l i t ya s s e s s m e n t ；f i n g e r p r i n ti m a g es e g m e n t a t i o n ；2 一dg a b o rf i l t e r ；s i n g u l a rp o i n ti i i浙江师范大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。论文中除了特别加以标注和致谢的地方外，不包含其他人或其他机构已经发表或撰写过的研究成果。其他同志对本研究的启发和所做的贡献均已在论文中作了明确的声明并表示了谢意。本人完全意识到本声明的法律结果由本人承担。作者签名：= ；5 磊裆日期：硼年珀弘日学位论文使用授权声明本人完全了解浙江师范大学有关保留、使用学位论文的规定，即1 学校有权保留并向国家有关机关或机构送交论文的复印件和电子文档，允许论文被查阅和借阅，可以采用影印、缩印或扫描等手段保存、汇编学位论文。同意浙江师范大学可以用不同方式在不同媒体上发表、传播论文的全部或部分内容。保密的学位论文在解密后遵守此协议。作者签名：夯氖耗导师签名：孝除日期：硼年岁月日浙江师范大学学位论文诚信承诺书我承诺自觉遵守浙江师范大学研究生学术道德规范管理条例。我的学位论文中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明并详细列出有关文献的名称、作者、年份、刊物名称和出版文献的出版机构、出版地和版次等内容。论文中未注明的内容为本人的研究成果。如有违反，本人接受处罚并承担一切责任。承诺人( 研究生) ：指导教师：元曩托部风1 1 课题研究背景1 1 1 身份验证面临的挑战1 绪论科学技术的日新月异使我们的生活发生着翻天覆地的变化。科技发展推动了社会的进步。随着网络的普及，人们的生活、工作、沟通都变得快捷轻松。一切似乎都可以在网络的这一边通过点击鼠标轻松解决。但同时我们也面临着这样的问题：在高科技信息时代，如何及时、准确和有效地进行身份验证，确保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。人类在寻求物品、信息及社会活动安全保护的有效性与方便性方面经历了三个阶段。第一个阶段是最初始的方法：采用大家都早已熟悉的各种机械钥匙。第二阶段是由机械钥匙发展到数字密钥，如：密码、条形码、智能卡等。第三阶段是利用人体所固有的生物特征来辨识和验证身份。传统的机械钥匙在安防技术的发展过程中起到了重要的作用。但是，随着人们社会交往日益频繁和广泛，人们每天需要比以往更多的钥匙，这给人们造成携带上的负担。而且容易丢失或被盗用。“用户i d + 密码的方法虽然被广泛使用在计算机系统中，包括许多非常机密的系统。实际上，该方法潜伏着一定的隐患。用户如果将密码设的过于简单很容易被人窃取，设置的复杂又可能造成记忆的负担。用户重新找回密码是费时又费力的。而且密码容易被盗。甚至有些黑客可以破解密码进入系统窃取机密资料。无论是机械钥匙还是“用户i d + 密码 从本质上说是验证此人持有的某种“物的合法性，而没有进一步验证此人是否是此物的真正主人，从而不能真正验证此人身份的合法性。如果合法的用户遗失验证其身份的“物 ( 如钥匙、密码等) ，那么他将得不到合法的验证。而各种信物、伪造证件以及密码被盗用或破解又将使非法的用户得到合法的验证。给合法用户带来不可估计的损失。可见，随着科技的发展，现行的身份验证系统面i 隘着巨大挑战，人们开始寻找更为可靠的信息来确定此人即其宣称的那个人，而正是由于人体特征具有不可复制优点，使得生物特征识别技术研究成为热点。l 绪论1 1 2 生物识别概述生物识别技术( b i o m e t r i ct e c h n o l o g y ) 是指利用人体的生理或行为特征进行个人身份识别认证的技术n 3 。生理特征与生俱来，多为先天性的，包括指纹、牙形、颅骨、掌纹、眼睛( 视网膜和虹膜) 、人体气味、d n a 、脸型、手手腕的毛血管纹理和皮肤毛孔等等。行为特征是习惯使然，多为后天性得来的，包括签名、笔迹、语音等等。我们将这些生理和行为特征统称为生物特征。因为这些特征是每个人所独有的，其他人无法复制取代，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。每个人身上都具有众多的人体特征和形成习惯的行为动作，但并不是所有人体特征或动作都能用于身份识别，而是只有具有以下性质的，才能用于验证个人身份倥1 。( 1 ) 普遍性，即每个人都应具有的特征。如果是一部分人才有的比如胎记或疤痕，就无法用于大范围的身份识别。( 2 ) 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。( 3 ) 唯一性，即每个人所具有的特征都应与其他人不一样。( 4 ) 可测量性，即是否可以方便地获取并量化这些特征或行为。由于各种生物特征都各有优势和局限，没有任何一种生物特征能完美地满足各种应用要求。所以我们在设计应用系统时，应考虑以下一些问题来选择适合应用场合和实际需要的生物特征。系统整体的性能，也就是说采用这种特征来识别身份、速度、精度以及系统的鲁棒性是否能够达到要求。可接受性，采用这种生物特征人们是否可以接受，是否干涉了人的隐私或对人体造成伤害，以及对用户而言，是否操作方便。可欺骗性，即坏人、不法分子欺骗、愚弄系统的难易程度。系统的应用模式，因为辨识系统比验证系统计算更为复杂，相应地应该选择具有更好区分性的特征。系统的运行模式，是有监督还是无监督，是公开还是隐蔽性，是常用性还是非常用性，是合作性还是非合作性等等。存储要求，应用中如果识别过程可以在远程的服务器完成，那么系统需要较小的存储空间，反之，不然。生物识别技术已经成为国内外研究和开发的一个热点，包括企业界和政府部门，每一年都会有一些计算学的新突破。大家比较熟悉的一些生物特征识别技术，比如指纹、人脸等等，从大的方面看，已经基本成熟了，前提是在限定的场景和用户配合的情况下，已经可以满足大部分应用需求，这个前提非常重要口1 。对于我们熟知的生物识别技术展开研究的同时，一些新的生物识别技术比如：掌纹、静脉、步态、人耳、21 绪论三维人脸、皮纹，还有多种生物识别技术融合在一起等也在不断出现。生物识别的性能测试和标准化工作正在蓬勃发展，引导生物识别技术的健康和良性发展。下面对一些比较成熟、应用比较广泛的生物识别技术进行简要的介绍。指纹识别：指纹是分布在人体手指上凹凸不平的纹线，指纹是具有唯一性的。根据这种唯一性，就可以通过与预先保存的指纹的纹理，细节特征等信息进行比较来把一个人和其身份对应起来，从而验证其身份。作为最古老也是目前最成熟的生物识别技术，指纹识别技术不仅具有高安全性，更因其具有很高的实用性和可行性被广泛应用，也被大家所接受。虹膜识别：虹膜即瞳孔和巩膜间的环形区域，它具有复杂的纹理结构信息，该生理特征具有唯一性和永久性，防伪性很高。人脸识别：其主要是利用人面部各器官如眼睛、眉毛、鼻子、嘴和下巴的位置关系进行识别的。虽然其准确性要低于虹膜、指纹的识别，但由于它的无侵害性和对用户最自然、最直观的方式，使人脸识别成为最容易被接受的生物特征识别方式。视网膜识别：视网膜是一些位于眼球后部十分细小的神经( 1 5 0 英寸) 。人类视网膜上的静脉血管分布具有很好的唯一性，并且由于视网膜不可见因此很难伪造。但是采集比较困难，而且可接受程度也不高。下面是几种常见生物识别技术的比较：表1 1 几种生物识别技术的比较生物普遍性唯一性稳定性可采准确性可接安全性特征集性受性人脸高低中高低高低指纹高高高中高中高手形由中中高中中中手部中中由中中中高血管虹膜高高高中高中高视网膜高高中低高低高笔迹低低低高低高低语音中低低中低高低红外高高低高中高高温谱-气味高高高低低中低步态中低低高低高中耳形中中高中中高中d n a高高高低高低低在这些常见的生物特征识别技术当中，指纹识别在普遍性、唯一性、稳定性、可接受性等等各方面有一定的优势值得推广。3l 绪论1 1 3 指纹识别技术指纹作为身份鉴定手段早已有着悠久的历史嵋儿6 钉呻引。公元前7 0 0 0 6 0 0 0 年，古代的亚述人和中国人就意识到了指纹的特点，并使用指纹作为个人身份的象征。1 9世纪末2 0 世纪初，科学研究发现了指纹的两个重要特征，一是唯一性，两个不同指纹纹脊的式样不同：二是不变性，指纹纹脊的式样终生不变，从而揭开了指纹技术研究和应用的序幕。2 0 世纪6 0 年代，随着计算机图形处理技术的发展，人们开始研究基于计算机来进行指纹识别的技术自动指纹识别系统( a u t o m a t e df 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 ) ，简称a f i s 。2 0 世纪8 0 年代，由于个人电脑和光学扫描技术的发展，指纹识别技术开始应用于其他领域，并逐渐向商业化方向发展。9 0 年代后期，廉价的取像设备以及指纹识别算法的开发与研究，进一步为指纹识别技术的发展铺平道理，a f i s 也大量应用于人们的生产和生活，如门禁系统、指纹考勤机、网络用户身份注册和认证系统、资料信息的加密、各种金融交易的身份鉴别等等，并逐渐在各个领域中发挥更为重要的作用。指纹识别技术的发展得益于现代电子集成制造技术和快速可靠的识别算法的研究。尽管指纹只是人体皮肤的一小部分，但用于识别的数据相当大，对这些数据进行比对已不是简单的相等与不相等的问题，而是要使用模糊匹配算法。目前指纹技术识别算法的可靠性也在不断改进提高。1 1 3 1 指纹的特征所有指纹识别算法最终都归结为在指纹图像上找到并比对指纹的特征。指纹特征包括两种，全局特征和局部特征。1 全局特征全局特征指那些用人眼直接就可观察到的特征如图1 1 所示，它包括指纹的纹形和模式区( 包含中心点、三角点和纹线数) 。按照英国人e r h e n r y 的分类法，指纹纹形可分为环形、弓形、螺旋形3 种( 每种还可细分) 。中心点在读取指纹和比对指纹时作为参考点。三角点提供了指纹纹线计数跟踪的开始之处。纹线数指连接中心点和三角点之间的连线与指纹纹路相交数量。4畿蠹鎏弓型螺旋型图il 指纹的基本纹彤其它的指纹图案都是基于此3 种基本图案。这只是一个粗略的分类，通过详细分类可使在大数据库中搜寻指纹更为便捷。2 局部特征局部特征即指纹上节点的特征，这些具有某种特征的节点称为特征点。两枚指纹经常会具有相同的总体特征，但它们的局部特征即特征点，却不可能完全相同。指纹纹路并不是连续、平滑笔直的。而是经常出现中断、分叉和转折的，这些断点、分叉点和转折点以及纹线构成的小眼和桥等就称为“细节特征点”。一个指纹含有细节特征点大约在1 0 0 个上下，通常认为，只要有1 3 个特征点重合，就可以确认是同一个指纹。指纹上的节点有4 种不同特性。1 ) 特征点的类型( t y p e ) ：特征点有多种类型，最典型的是末梢点和分叉点如图1 2 所示；2 ) 方向( o r i c n t a t i o n ) ：节点可朝着一定的方向；3 ) 曲率( c u r v a t u r e ) ：描述纹路方向改变的急剧程度；4 ) 位置( p o s i t i o n ) ：节点位置通过( x ，y ) 坐标来描述，可以是绝对的，也可相对于三角点或特征点。蒸黛图1 2 分叉点和束梢点l 绪论0 1 3 2 指纹识别的特点指纹是人体独一无二的特征，并且它们的复杂度足以提供用于鉴别所需特征；如果我们想要更加可靠，我们只需登记更多的指纹，最多时可以登记十个手指，而每一个指纹都是独一无二的，通过鉴别更多的手指提高系统的安全性和可靠性。指纹扫描的速度很快，使用非常方便。如果采集指纹时，用户将手指与指纹采集头直接接触，那么指纹采集头就可以更小型化，使得价格会更加的低廉。从而推动指纹识别的应用。这也是指纹识别技术能够占领大部分市场的一个主要原因。但是某些人或某些群体的指纹因为指纹特征很少，故而很难成像；过去因为在犯罪纪录中使用指纹，使得某些人害怕“将指纹纪录在案 。然而，实际上现在的指纹鉴别技术都可以保证不存储任何含有指纹图像的数据，而只是存储从指纹中得到的加密的指纹特征数据。虽然每一次使用指纹时都会在指纹采集头上留下用户的指纹印痕，但是这些指纹痕迹存在几乎不可能被用来复制指纹。可见，指纹识别技术是目前最方便、可靠、非侵害和价格便宜的生物识别技术，具有很大的应用价值。1 1 3 3 指纹自动识别系统指纹自动识别系统由样本库和待识别指纹图像两部分组成，其系统框图如图1 3所示。系统的样本库部分，用指纹采集仪采集指纹，经过前期处理和预处理后提取细节点特征，存入样本库。在待识别指纹图像部分，用指纹采集仪采集指纹，经过前期处理和预处理后提取细节点特征，然后将这些细节点与保存在样本库中的模板细节点进行比对，判断待识别指纹是否与样本库中的某一指纹图像来自于同一人的同一个手指。i样本库部分!幢堕州互固怔堕丑匝互m 堕习|：【一l 一l 一【一【一：；待识别指纹图像部分：i _ - - - - - - - - - _ - - - - - - - - - - - - - - - - - - - - - - - - - - 一- - - - - - - - - - - _ - - - - - _ - - 图1 3 自动指纹识别系统框图指纹自动识别算法从实现过程划分，可以分为四大部分：指纹图像的前期处理、指纹图像预处理、特征提取和匹配。其中指纹图像的前期处理主要包括指纹图像分割和图像质量评价，预处理包括指纹图像增强、二值化和细化，特征提取包括奇异点的6l 绪论检测和细节点的提取。1 指纹图像采集n 叫指纹采集的作用是获取指纹图像的点位图。指纹扫描录入设备主要有光学传感器，硅晶体传感器和超声波扫描传器这三类。光学传感器的工作原理是利用c c d 将深色脊和浅色谷构成的指纹图像转换成数字图像。光线照到压有指纹的玻璃表面，反射光线由c c d 去获得，反射光线的数目会受压在玻璃表面指纹的脊谷的深度和皮肤与玻璃间的油脂和水分的影响。光线经玻璃射到谷后反射到c c d ，而射到脊后则不反射到c c d 而是被脊线与玻璃接触面吸收或者漫反射到别的地方，光学传感器是最古老也是应用最广的指纹录入设备，优点是成本低，耐性好，缺点是体积大，成像质量一般。目前市场上还有晶体传感器，这些含有微晶体的平面通过多种技术来绘制指纹图像。最常见的是电容传感器，温度传感器和压感传感器。电容传感器是1 9 9 8 年才在市场上出现的，它通过电子度量技术来捕捉指纹。电容设备是能结合大约1 0 0 0 0 0 导体金属列阵的传感器，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金属间的距离而变化，这里指的是脊( 近的)和谷( 远的) 之间的距离。压感式的晶体传感器的表面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。温度感应传感器是通过感应压在设备上的脊和远离设备的谷的温度不同来获得指纹图像的。硅晶体电容传感器设备成本低，体积小，耗电少，缺点是易受干扰，包括静电干扰，手指汗液中的盐分，手指脏物或磨损等。超声波扫描被认为是指纹取像技术中非常好的一种方式，其过程很像光学扫描中的激光。超声波线扫描指纹的表面，然后接收设备获取其反射信号，测量它的范围，得到脊的深度。在超声波扫描中，积累在皮肤上的脏物和油脂对获得的图像影响不大，所以能真实反应脊地形。然而由于成本过高，限制了该技术的推广应用。2 指纹图像分割图像分割就是把图像分成各具特性的区域并提取出感兴趣目标的技术和过程，对指纹图像的分割主要是找出指纹区和非指纹区。指纹分割位于预处理之前，后续步骤都是在这个基础上进行的。对指纹图像进行分割后，后续处理就可以只考虑我们感兴趣的指纹区，对非指纹区将不再计算，这样可以为整体系统节省大量时间，提高整个系统的运行效率。而且可以减少背景区域中伪特征点的引入，降低系统的错误率。3 指纹图像质量评价指纹图像的质量评价是前期处理工作的重要部分，它对后面的指纹图像的识别有着重要的意义，由于刚采集的指纹因为各种原因比如手指的破损，手指上的油污，水迹等等会造成其所采集图像质量上的差异，一些图像比较差的指纹如果不经处理直接入库，会对后续的指纹识别产生很大的影响。7i 绪论4 指纹图像增强在采集指纹图像的过程中，由于采集环境，皮肤表面的性质，采集设备的差异等各种因素的影响，获取的图像会不同程度地受到噪声的干扰，从而改变了脊线的结构。对质量比较差的指纹，指纹专家却往往能够利用诸如局部纹线方向、纹线连续性、纹线趋势和纹线疏密程度等各种视觉线索正确地识别出特征信息。因此，从理论上讲，通过算法对指纹图像进行增强改善图像的质量，恢复脊线原来的结构又是完全可行的。指纹增强技术正是在这样一种背景下产生和发展的。到目前为止，已有不少文献对指纹增强的算法进行了研究。绝多数方法都使用了指纹纹线方向作为增强算法的参数，有些方法还同时使用指纹纹线的频率信息。纹线方向和纹线频率都是指纹的固有结构信息，只有充分地使用这些信息才能取得指纹图像增强的良好效果。5 指纹图像二值化增强后的指纹图像还需要进一步变换成o 1 取值的二值图像。处理后图像的几何性质只与0 和l 的位置有关，不再涉及到像素的灰度值，使处理变得简单，数据大量压缩给存储带来很大方便。该过程的基本要求是经过二值化后的图像能真实地再现原指纹。好的二值化算法应尽可能将几乎所有的脊线部分取值为1 ，同时将其他部分取值为o 。常用的二值化方法是阈值分割法，最简单的一种是根据整幅图像的灰度直方图中的峰值，确定二值化分割的阈值，有人选择两峰值的中点，也有根据别的公式来计算。但是这种全局阈值方法存在着很大的问题，因为在实际采集图像中，因为光照、手指按压的用力不均等因素都会使得图像灰度不均衡，有的地方过白，有的地方过浅，这样无论所取的阈值为多少，都不可避免的会将指纹纹线当作背景，造成大量信息的丢失，这种情况在实际应用中是行不通的。因此，要将整幅指纹图像分块，为每块图像选取不同的阈值，对每块分别进行处理，这就是局部阈值选取的概念。最常用的局部阈值选取方法是自适应局部阈值二值化方法，它比使用区域中值，区域均值二值化的效果都要好。该算法的思想是，对每块图像，选取的阈值应尽量使该块图像内的大于该阈值的像素点数和小于该阈值的像素点数相等，这一思想和指纹图像脊线、谷线间隔均匀出现的特征相吻合。6 指纹图像细化采集指纹图像时，由于按捺的轻重不均使指纹脊线的粗细不能恒定，难以据此直接抽取指纹的特征集，因此指纹图像二值化后还需进行细化。细化是将二值图像在保持原有的纹路特征的前提下删除纹线的边缘像素，直到单像素为止。细化是图像分析、信息压缩、特征提取、模式识别常用的基本技术。好的细化算法应保持原有图像的拓扑结构、形状和连通性。细化算法，按细化处理过程分为串行细化、并行细化和混合算法，按细化后图像的连续性可分为4 邻连接算法、8 邻连接算法和混合连接算法。7 奇异点的检测和细节点提取在指纹图像中，有两类特殊的点可以用于指纹分类。一类叫做三角点，另一类叫8l 绪论做核心点，统称为奇异点。核心点是纹线上曲率最大的点，位于指纹纹线的渐进中心，周围纹线大致呈半圆趋向。三角点被定义为模式区内离典型线分叉处最近的点。在进行指纹图像的几何位置校正、分类和识别时，经常利用到奇异点的数目以及奇异点的相对位置关系。常用的奇异点求取方法有计算p o i n c a r ei n d e x 值，据此判定像素点的类型。指纹细节特征点主要指的是纹线端点和纹线分叉点。要区分任意两枚指纹，仅仅依靠全局特征是不够的，还需要通过局部特征的位置、数目、类型和方向才能唯一确定。对于理想的细化图像，对细化图像的所有目标点进行跟踪检测，就可以检测出纹线端点和分叉点。常规的细节特征提取算法可靠性是建立在修复后的细化图像是理想图像的基础上。要想使用常规的细节特征提取算法来准确的提取指纹的细节特征而且不丢失真正的特征信息，又不引入伪特征信息，就必须要求细化指纹图像满足以下两个条件：( 1 ) 所有纹线完全细化；( 2 ) 细化后图像中无毛刺、断线粘连等噪声。一般地，以上两个条件是较难实现的。实际中，可以采用常规的算法提取特征，再结合经验做细化后处理来去除伪细节点的引入。8 指纹匹配指纹匹配是自动指纹识别系统的核心研究内容之一，它在指纹特征提取之后，是自动指纹识别的最后一步，也是非常关键的一步。指纹匹配要解决的问题是对两幅给定的图像提取特征信息，进行匹配，判断这两枚指纹是否来自同一个指头。匹配算法可以分为以下三大类：基于相关性的匹配，基于细节点的匹配，基于脊线特征的匹配。这些匹配方法在精度、速度或者鲁棒性上都有不同。其中基于细节点的匹配一般都是比较两幅图像的特征点组成的模式。两个特征点模式的相似程度用匹配的特征点的个数来度量，匹配结果是通过与预先设定的阈值相比较而得出的。其他的匹配方法还有基于神经网络的方法，此类方法具有较强的容错性，却需要训练样本，较为耗时，在一些实用性要求的场合不适用。对此，也有人进行改进工作以提高其性能。1 2 课题的研究意义和国内外研究现状指纹图像自动识别作为研究的热点被国内外诸多专家学者所研究，其应用产品也纷纷面市。虽然如此该领域仍然存在一些值得深入研究的问题。其中，指纹图像质量评加就是一个十分重要的方面，它无论是对采集到指纹图像后的指纹识别过程还是对于指纹库的建立，都有重要的意义，影响着整个自动指纹识别系统的性能。质量差的图像难以辨识，若将这些指纹录入库中，在进行二值化、细化等操作步骤后就会产生很多伪特征点，从而对后续匹配产生影响，造成高误识率。而质量好的指纹图像可以在很大程度上降低指纹识别算法的复杂度和指纹识别的误识率和拒识率。9l 绪论指纹图像质量评价分整体评价和局部评价两类1 ，整体评价是对指纹图像整体质量进行评价，从而决定该图像是否符合匹配条件，是否需要重新采集等。而在同一枚指纹图像中指纹图像质量往往具有较大的变化，有效区域和无效区域并存。为了尽可能利用指纹的有效区域进行处理，就需要对指纹不同质量的区域进行准确区分，因此图像局部评价也是指纹图像质量评价一个非常重要的指标。现今主要的指纹质量评价方法有：t a b a s s i n 羽等通过提取指纹图像各子块的对比度、主纹线流和曲率特征测量指纹图像质量，但这种方法只是从指纹图像局部纹理进行分析，不足以反映指纹图像全局信息；r a t h a 和b o l l e n 3 1 等人提出了一种方法在小波领域进行图像质量的评估，这种方法适用于w s q 压缩指纹图像，但对于非压缩指纹图像并不理想，因为小波变换的计算相当复杂。h o n g n 4 1 等人通过计算指纹图像每一块指纹纹线垂直方向上的灰度方差评估指纹图像质量，它在图像噪声较大时并不能很好获得指纹图像的方向图，从而影响最后的评估效果。s h e n u 日等将g a b o r 滤波器用于图像子块，质量好的块其g a b o r 滤波器输出是纹线峰和谷的清晰重复。该方法只使用了指纹的局部信息，而指纹图像结构是具有一定流势的峰谷交替的纹理结构，仅局部信息不足以确定指纹的整体质量。林喜荣n 6 1 等人提出基于3 个评价因子( 前景比重、g a b o r 滤波特征值和指纹图像中心位置) 的指纹图像综合评估方法，能准确有效地评估指纹图像质量，但在计算前景比重方面过于复杂，没有充分利用g a b o r 滤波结果带来的信息。赵衍运和蔡安妮u 7 3 提出了通过快速傅立叶变化在频域中对指纹图像质量进行评价，但整个算法计算量较大，实时性差。本论文综合前人研究成果的基础上，综合考虑了决定指纹图像质量的各种因素，选取了指纹图像有效区域大小、偏移量，干湿性，有无奇异点等多个参数并结合g a b o r 滤波特征值来评价指纹图像质量。以期在前端对指纹质量进行控制，确保好的指纹进入下一环节。1 3 本文的研究内容和章节安排本文的主要工作是对自动指纹识别系统中的指纹质量评价系统进行研究，提出了基于g a b o r 滤波的指纹图像质量综合评价方法。第一章绪论，介绍身份识别技术面临的问题，生物技术的概念、意义、研究现状和指纹识别技术的概念、意义研究现状来说明课题选取的背景。第二章指纹图像质量评价的研究，阐述了指纹质量评价方法的基本原理，对指纹图像质量评价的重要性、影响指纹图像质量的主要原因、指纹评价思想和指纹质量评价模块的主要功能进行了说明，并分析和介绍了两种典型的指纹图像质量评价方法。1 01 绪论第三g a b o r 滤波器的介绍，介绍了时频分析中常用的g a b o r 变换的原理。通过对g a b o r 变换的介绍，引出了二维g a b o r 滤波器，介绍了g a b o r 滤波器的特性，说明了g a b o r 滤波器在特征提取方面的优势，从而为后续g a b o r 滤波器的设计以及g a b o r滤波器在指纹图像质量评价中的应用奠定了理论基础。第四章基于g a b o r 滤波的指纹图像质量综合评价方法，提出了一种实用的基于g a b o r 滤波的指纹图像质量综合评价方法，详细说明了算法各个步骤，并给出了实验结果。第五章总结与展望，进行全文总结及以后工作的展望。2 1 引言2 指纹图像质量评价方法的研究指纹图像质量评价模块在整个自动指纹识别的前端，具有重要的实际价值。指纹图像的质量是影响自动指纹识别系统的识别兢率的重要因素之一。图21 给出了两幅指纹图像预处理后的细化图像，从图中可以看出，质量差的图像细化后，纹线的连续性和拓扑结构不能得到有效的保证，而且增加了很多虚假的特征点，这对指纹识别的后续处理的影响很大，在指纹识别的后续阶段使用这种图像可能造成指纹匹配的失败。为了降低系统的错误率，系统需要对前端的指纹进行控制，只允许质量合格的指纹进入下一步的处理，对于不合格的指纹应要求重新采集。而对于合格的指纹中质量良好的指纹区域，系统将提供一个较高的信任度；对于质量较低的区域采用特殊预处理算法、减少从低质量区提取特征信息的数目、降低比对权重等。这样不仅降低了系统的错误率还提高了系统的运行效率。因此在自动指纹识别系统中引入指纹图像质量评价模块非常必要。b ) 较好幽像的细化图像c ) 质量较差的图像d ) 较差闰像的细化图像图21 质量较好与较差的指纹图像对比鬟鑫墓2 指毂图像质量评价方法的研究2 2 指纹图像的质量指纹图像有多种采集途径但实际应用系统中活体指纹图像的采集技术主要有光学全反射技术、硅晶体电容传感技术和超声波扫描技术“。其中超声波扫描是成像效果是好的，它很少受手指外表面异物的影响，但由于成本较高限制了其应用和推广。光学传感器和硅晶体电容传感器是最为常用的指纹采集设备，但是因为易受到手指干湿程度的影响，两者所采集到的指纹图像质量稍差。比如：干手指用光学传感器采集的效果较差，而用硅晶体电容传感器采集的效果较好。而多汗和稍脏的手指在光学传感器中成像模糊，在硅晶体电容传感器中不能成像。图2 2 和图23 分别给出不同采集技术采集到的较好的和较差的指纹图像例子“”。在特殊应用场台如侦破系统中指纹的采集通常采用传统油墨撩印指纹的方法，受油墨浓淡、采集时用力太小等外在因素的影响，加上所得图像还要经过扫描或数码相机拍照输入计算机得到数字指纹图像，其质量更差。可见采集设备是影响指纹图像质量的一个重要因素。采集设备的工作环境不好比如温度和湿度不当、设备参数设置不当咀及设各电路噪声等都会造成图像对比度低和图像噪声。霾劬用硅晶体电容传感器采集图2 2 较劬用硅晶体电容传感器采集”用光学传感器采集囤23 较差的指纹图像指纹图像的质量还受到采集过程中操作情况的影响。比如，对于光电指纹采集设一垂篓。盏囊乒麓漂2 指纹图像质量评价方法的研究备，如果指纹的脊线与采集设备表面充分接触，而谷线与采集设备完全不接触，那么将获得清晰的指纹纹线结构。但实际使用中这种理想条件很难满足。手指表面的油脂、汗液、污渍，手指皮肤的破皮以及采集设备表面残留的痕迹等使指纹脊线无法充分接触到采集设备表面。此外，手指按压力度不同导致接触程度不同，如果按压力度很大，指纹脊线受挤压变形互相靠近，使图像中的脊线出现粘连。对于油墨转印法采集指纹，当指纹上油墨太多、太少或涂抹不均匀时将造成图像质量较差。此外，手指指纹本身也是影响指纹图像质量的一个决定性因素。统计结果表咧1 9 】，大约有4 的人其指纹天生就不好。另外，老人的手指上通常存在很多褶皱，皮肤病患者的手指上有很多翘皮，体力劳动者的手指上存在老茧且经常会产生划痕。如果指纹图像中的指纹纹线非常清晰，即脊线和谷线对比度很大、脊线之间明显分离，则很容易用图像二值化方法从指纹图像中分离出脊线区域和谷线区域，进而从脊线上提取出指纹局部特征或全局特征。然而在实际中，受各种因素的影响，采集到的指纹图像不能保证都很清晰，图像中可能出现纹线粘连、纹线断裂或对比度不均匀等情形。在这种情况下很难从图像中正确地分离出指纹纹线，导致指纹特征的可靠提取变得非常困难。指纹纹线模糊对指纹局部特征的影响尤为严重。当指纹图像质量较差时，作为指纹匹配关键环节的细节点特征提取过程可能会产生以下错误：( 1 ) 提取出大量虚假细节点，即将不是细节点的地方判为细节点，如将纹线断裂处判定为两个纹线端点，将纹线粘连的地方判定为纹线分叉点，但是事实上这些并不是真实细节点。( 2 ) 遗漏真实细节点。由于指纹图像的对比度较差，从而隐藏了其中的细节点结构，导致忽略了存在细节点的地方，进而没有从中提取出细节点。( 3 ) 细节点位置和方向存在误差。虽然判断出在某处存在细节点，但是给出的细节点位置和方向不很精确。( 4 ) 细节点类型错误。由于纹线断裂或纹线粘连将可能导致纹线端点被判定为纹线分叉点，纹线分叉点却被判定为纹线端点。基于错误的细节点显然很难达到较高的指纹匹配精度。为了保证可靠地提取出指纹特征，为指纹识别提供更加可靠的依据，一方面需要研究对指纹图像质量具有鲁棒性的指纹特征提取方法，另一方面应该从提高输入系统的指纹图像的质量入手。因此，设计好的指纹质量评价系统势在必行。2 3 指纹图像质量评价的思想指纹图像质量评价顾名思义是要对所采集的指纹图像进行系统、科学的分析，并从指导后续处理的角度给出该指纹图像评价结果。总体来说j 评价所要实现的目标分为宏观和微观两个方面，如下：1 42 指纹图像质量评价方法的研究1 ) 宏观上把握指纹图像的指纹有效区域大小，图像偏移方向和大小。2 ) 微观上主要从指纹纹理角度把握指纹的纹路清晰程度，按压变形程度、手指的干湿状况、奇异点等参数。当前采用较多的指纹评价体系如图2 4 所示。评价参数分为两类，一类是直接作为最终评价结果的参数，另一类需要通过评价决策得到综合评价后参与到最终结果。图2 4 指纹图像质量评价系统框图2 4 指纹图像质量评价的基本功能指纹图像质量评价所要实现的基本功能有如下几个方面啪1 ：( 1 ) 将指纹图像区域从采集图像的背景区域中分离出来，尽量减少背景区域的噪声对后续处理结果的影响，并减少后续所要处理的图像区域，从而可以提高系统的精度、降低后继处理时间。( 2 ) 给出一幅指纹图像的总体区域的大小、图像偏移量、手指的干湿度、奇异点等指标，从而为现场采集指纹图像时的调整提供一个比较合理的依据。( 3 ) 给出一幅指纹图像的总体质量评价，完成对质量低劣的指纹的筛选功能，能准确识别出质量很差的指纹图像，从而实现直接拒绝，既降低了由于指纹图像质量本身的问题而出现的错误率，又有效减少了系统的处理时间。( 4 ) 完成对指纹图像的局部区域的质量评价，给出一幅指纹图像中每一个小区域的图像质量等级，从而在后续的处理过程中，可以针对这些区域进行有针对性的处理，另外，在后继的特征提取过程中可以有效避开这些区域，有效地降低了采集图像的过程中由于局部区域的采集图像质量问题而对整个自动指纹识别系统所造成的影响。1 52 指纹图像质量评价方法的研究2 5 指纹图像质量评价方法比较2 5 1 基于灰度和方向性的指纹图像质量评价该方法在对指纹图像的灰度分布图，方向场图，指纹图像相对中心区域的偏移，指纹图像的有效区域等评价因子进行分析后，给出了多因子水平下的指纹图像质量评价方法川。1 评价参数选取首先选取指纹图像的总体灰度均值、块水平下的灰度均值和灰度方差作为一级评价参数，对指纹图像进行一次整体分割，来获得指纹区域大小、指纹图像偏移量、干湿程度等评价参数；然后求取点方向图、块方向图来检测指纹图像的奇异点；最后综合这些评价因子给出最终的评价