（计算机软件与理论专业论文）基于细节点特征的指纹识别算法研究与改进.pdf

摘要 摘要 生物特征识别技术是指通过人体所特有的生理特征或行为特征来进行个人 身份验证的一项技术。相对于其它的生物识别技术，指纹识别技术在广泛性、 持久性、独特性，存储安全性和易采集性等多方面都具有较强的优势，所以是 目前国际公认的应用最广泛，价格最低廉，实用性最高的生物认证技术。 目前大多数指纹识别是基于指纹细节点特征进行的，其优点在于特征描述 简单，在指纹注册时记录的是指纹细节点模板，占用的存储空间小，并且无法 恢复出指纹图像，从而能有效的保护个人隐私。但是这类方法也有它的缺点： 其将所有细节点视为同等重要，然而事实上这些细节点在指纹匹配时起到的重 要程度是不一样的，这样将所有细节点同等对待容易造成匹配决策过程中的误 识，并且单纯的细节点特征表示丢失了大量指纹脊线的纹理信息。 针对上述问题，本文提出了基于细节点可靠性的指纹识别方法，对不同的 细节点给予不同的分类，使不同的细节点在匹配时的重要程度得以区分，弥补 了在传统的细节点方法中将所有细节点视为同等重要的不足。 本文提出了基于g a b o r 特征和细节点特征相融合的指纹识别方法，弥补了 传统细节点方法中只重视局部细节点特征，忽视脊线纹理信息的不足。并进一 步在此算法基础上利用细节点可靠性的方法对其进行改进。 在标准数据集n i s t 2 9 ，f v c 2 0 0 2 d b l 和f v c 2 0 0 4 d b l - - - 个大规模真实数据 集上的实验表明，基于细节点可靠性的指纹识别方法和基于g a b o r 特征和细节 点特征相结合的指纹识别方法都在一定程度上有效的降低了指纹识别的拒识 率( f r r ) 和误识率( f a r ) 。 关键词：指纹识别细节点可靠性g a b o r 变换纹理信息 a b s t r a c t a b s t r a c t b i o m e t r i c si d e n t i f i c a t i o nt e c h n o l o g yi sat e c h n o l o g yt oa u t h e n t i c a t ep e r s o n a l i d e n t i t yt a k i n ga d v a n t a g eo fp h y s i o l o g i c a lf e a t u r eo rb e h a v i o rf e a t u r eo fh u m a nb o d y w i t hr e s p e c tt oo t h e rb i o m e t r i c si d e n t i f i c a t i o nt e c h n o l o g y , f i n g e r p r i n ti d e n t i f i c a t i o n t e c h n o l o g yi s aw o r l d w i d er e c o g n i z e dt e c h n o l o g y 嬲ar e s u l to fi t sw i d er a n g e a p p l i c a t i o n ，c h e a pp r i c ea n dg r e a ta c c e s s i b i l i t y t h i st e c h n o l o g y h a sal o to f p r e d o m i n a n c es u c ha su n i v e r s i t y ，c o n s t a n c y , u n i q u e n e s sa n dg r e a ts t o r a g es e c u r i t y c u r r e n t l y , m o s tf i n g e r p r i n tt e c h n o l o g ya p p l i c a t i o n u s et h em e t h o db a s e do n f i n g e r p r i n tm i n u t i a ee x t r a c t i o n t h ea d v a n t a g eo ft h i sm e t h o di st h a tt h ef e a t u r eo f m i n u t i a ei sq u i t es i m p l e w er e c o r dt h et e m p l a t eo f m i n u t i a ew h e nw er e g i s t e rt h e f i n g e r p r i n ts ot h es t o r a g es p a c ei ss m a l l ，a n dt h i sm e t h o dc a ne f f e c t i v e l yp r o t e c t p e r s o n a lp r i v a c yb e c a u s ew ec o u l d n tr e c o v e rt h ef i n g e r p r i n ti m a g e b u tt h i sm e t h o d a l s oh a si t sd i s a d v a n t a g e s i tt r e a t se v e r ym i n u t i a e ss i g n i f i c a n c ee q u a l l y ，h o w e v e r ， d i f f e r e n tm i n u t i a eh a sd i f f e r e n te f f e c ti nm a t c h i n gp r o c e s s i fw et r e a te v e r ym i n u t i a e e q u a l l y ，w em a y c a u s ef a l s er e c o g n i t i o ni nm a t c h i n gp r o c e s s i na d d i t i o n , t h em e t h o d o fs i m p l ee x t r a c tt h ef i n g e r p r i n tm i n u t i a ea l s oo m i ts o m ec r u c i a li n f o r m a t i o no fe d g e t e x t u r e d i r e c tt o w a r d st h e s ep r o b l e m s ，w ep u tf o r w a r dt h ef i n g e r p r i n tm e t h o db a s e do n m i n u t i a er e l i a b i l i t ym a r k t h i sm e t h o dp l a c e sd i f f e r e n tm i n u t i a ei n t od i f f e r e n t c l a s s i f i c a t i o n ，s ot h es i g n i f i c a n c eo fd i f f e r e n tm i n u t i a ec a l lb ed i f f e r e n t i a t e d f u r t h e r m o r e ，i tc a nm a k eu pt h ed e f i c i e n c yo ft r e a t i n ge v e r ym i n u t i a ee q u a l l yi n t r a d i t i o n a lm e t h o d w ep u tf o r w a r 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 nm e t h o dc o n n e c t i n gg a b o rf e a t u r e a n dm i n u t i a ef e a t u r e t h i sm e t h o dm a k e su pt h ed e f i c i e n c yt h a to n l yv a l u et h e m i n u t i a ef e a t u r eb u to m i tt h et e x t u r ef e a t u r ei nt r a d i t i o n a lm e t h o d w ef u r t h e ru s e t h ec o n c e p t i o no fr e l i a b i l i t ym a r ko fm i n u t i a et oi m p r o v e e x p e r i m e n to n3s t a n d a r dd a t as e t ( n i s t - 2 9 ，f v c 2 0 0 2 ，f v c2 0 0 4 ) s h o w st h a t t 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 o l o g yb a s e do nm i n u t i a er e l i a b i l i t ym a r ka n d c o n n e c t i n gg a b o rf e a t u r ea n dm i n u t i a ef e a t u r eb o t he f f e c t i v e l yb r i n gd o w nt h er a t e i i a b s t r a c t f a l s er e j e c tr a t e ( f r r ) a n df a l s ea c c e p tr a t e ( f a r ) k e yw o r d s ：f i n g e r p r i n tr e c o g n i t i o n ，m i n u t i a er e l i a b i l i t ym a r k ，g a b o r t r a n s f o r m a t i o n ，t e x t u r ei n f o r m a t i o n i i i 南开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，是本人在导师指导下，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，本学位论文 的研究成果不包含任何他人创作的、已公开发表或者没有公开发表的 作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集 体，均己在文中以明确方式标明。本学位论文原创性声明的法律责任 由本人承担。 学位论文作者签名：舌杯 叫年3 - 月f 6 日 南开大学学位论文版权使用授权书 本人完全了解南开大学关于收集、保存、使用学位论文的规定， 同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版 本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、 扫描、数字化或其它手段保存论文；学校有权提供目录检索以及提供 本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有 关部门或者机构送交论文的复印件和电子版；在不以赢利为目的的前 提下，学校可以适当复制论文的部分或全部内容用于学术活动。 学位论文作者签名：舌概 沙户多年厂月t 日 经指导教师同意，本学位论文属于保密，在年解密后适用 本授权书。 指导教师签名：学位论文作者签名： 解密时间：年 月日 各密级的最长保密年限及书写格式规定如下： 第一章绪论 第一章绪论 1 1引言 在信息化社会中，身份的验证和识别起着越来越重要的作用，在社会各个 领域和日常生活中的应用也越来越广泛。 生物特征识别( b i o m e t r i c s ) 技术是指通过人体所特有的生理特征或行为特 征来进行个人身份识别的一项技术【1 1 。指纹识别技术作为利用生理特征进行生物 特征识别的一种，因其在广泛性、持久性、独特性、防伪性和采集性等多方面 都具有较强的优势，是目前国际公认的应用最广泛的指纹识别技术之一。 目前，指纹识别技术中主流的应用方法是基于细节点的指纹识别方法。基 于细节点的自动指纹识别方法具有描述简单，占用存储空间小，匹配速度高等 优点，在现实的指纹识别系统中有着非常广泛的应用。 但是，基于细节点自动指纹识别方法中也存在着一些不足之处。在传统的 基于细节点自动指纹识别方法中将所有的指纹细节点视为同等重要，并没有对 不同的细节点在匹配过程中的重要程度给予区分。另外在传统的细节点指纹识 别方法中单纯的利用细节点信息忽视了指纹丰富的脊线纹理信息。 本文以细节点自动指纹识别方法为研究对象，关注传统细节点自动指纹识 别方法中存在的一些不足之处，提出在细节点的方法中引入细节点可靠性和利 用g a b o r 特征融合纹理信息的方法，对传统的细节方法进行改进。 1 2 研究背景 随着科学技术的进步，人类社会已进入快速发展的信息时代，信息化浪潮 正全方位地影响着整个社会。信息技术的进步使人类的信息交流变得更加方便 和快捷，极大地提高了人们的工作效率，并推动社会的快速发展。在信息化社 会中，身份认证技术起着越来越重要的作用，并广泛的应用在金融证券，i t ， 安防，医疗，社会福利等领域。 第一章绪论 传统的身份认证技术大体上可以分为两种1 2 ：基于知识( k n o w l e d g e b a s e d ) 的方法和基于信物( t o k e n b a s e d ) 的方法。基于知识的方法通过核对“你知道什 么来确定个人身份，通过验证如密码，个人识别码( p i n ) 等知识来鉴定待识别 者的身份。基于信物的方法则通过核对“你拥有什么 来确定个人身份，通过 待识别者所拥有的如证件，印章，钥匙等来证明自己的身份。 在很多场合往往需要将这两种方法结合使用。基于知识的方法容易出现忘 记、错记、被他人猜到或破译，而基于信物的方法则可能会丢失、被盗、遗忘 或没有携带。而且一旦别人获得了这些知识或信物，他将拥有同失主同样的权 利。由于这些传统份鉴别方法固有的缺点，人们开始寻找新的身份认证技术。 由于人体的生物特征具有不可复制的特点，人们把目光转向了生物特征识 别技术( b i o m e t r i c s ) 3 - 5 1 ，希望可以通过此技术克服传统身份识别方法的缺陷。所 谓生物特征识别( b i o m e t r i c s ) 技术是指通过人体所特有的生理特征或行为特征 来进行个人身份识别的一项技术。生理特征是指对人体某部分进行直接测量所 获得的数据，多为先天性的，主要包括指纹、掌纹、手形、视网膜、虹膜、人 脸、静脉、瞳孔等；行为特征是对个人习惯性动作的度量，是对人体特征的间 接性测量，多为后天性的，主要包括声音、笔迹、步态等。生理特征和行为特 征的区分是人工给定的，在很多场合，二者之间的界限可能不十分严格。最常 用的生物特征识别技术包括指纹、人脸、声音、虹膜、视网膜、手形、签名、 击键习惯、掌纹等。还有一些技术因为使用的不方便或不成熟而缺乏商业价值， 这些技术包括d n a 、耳型、气味、手背血管纹路、步态、指型、手指甲纹理等。 在各种生物识别技术中，指纹识别和掌形识别的应用最为广泛。其中指纹 识别更是占据了绝对的优势，国内外市场上的主要生物识别产品基本上都是基 于指纹识别技术的。指纹是分布在人体手指皮肤表面凹凸不平的纹线，具有多 种不同的全局分布，并呈现出断点、分叉、环形以及汗孔等细节形态。随着计 算机技术和传感器技术的发展，越来越多的自动指纹识别系统已经在很多行业 得到了广泛的应用。如金融行业中的a t m 指纹终端，公司提现确认，医疗行业 中的献血输血管理，个人医疗档案管理，安防行业中的指纹门禁系统，指纹保 险箱等很多领域都采用了指纹识别系统。采用指纹特征进行身份认证具有以下 优点： 1 1 独特性：每个人的指纹都是独一无二的，任何两个人之间不存在完全相同的 指纹，这非常有利于区分不同的个体。 2 第一章绪论 2 ) 持久性：每个人的指纹都是相当稳定的，同一手指的指纹形态和细节特征在 人的一生中保持不变，不会随着人的年龄的增长或身体健康程度的变化而变 化，但是人的声音、面相等却存在较大变化的可能。 3 ) 易采集性：指纹样本的采集过程非常简便，完成指纹采集功能的硬件部分成 本低廉，也比较容易实现；同时目前国际上已经有了标准的指纹样本库，很 容易在此基础上进行自动指纹识别系统的软件开发工作。 4 ) 广泛性：每个人的十个手指的指纹都不相同，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。 表1 1 为各种生物特征识别方法在各种性能上的比较 表1 1 各种生物特征识别方法在各种性能上的比较 生物特征识别 独特性持久性易采集性广泛性普遍性防伪性可接受性 性能比较 指纹高高高高高高中 掌纹中中高 由 中中中 虹膜高高中高 高 高低 视网膜高高 中 中中高 中 人脸中 中中 由 高中中 面部热像中 由 高中高中中 语音低中 由 中中中高 击键低低低中低中中 步态 中 由 高 由由 中高 1 3 研究现状 目前基于指纹细节点特征的识别方法在众多的识别方法中是最主流的方 法。基于细节点特征的指纹识别方法的基本步骤流程图如图1 1 。 第一章绪论 图1 1 基于细节点的指纹识别方法的基本步骤流程图 基于细节点特征的自动指纹识别方法由两个过程组成，即注册过程和识别 过程。在注册过程中，用户需要先采集指纹，然后通过指纹识别系统自动进行 细节点特征提取，提取后的特征将作为模板保存在数据库或其他指定的地方； 在识别或验证阶段，用户首先也要采集指纹，并通过指纹识别系统进行细节点 特征提取，提取后的待验特征将与数据库中存储的模板进行比对，并给出比对 结果。在很多场合，用户可能要输入其他的一些辅助信息，以帮助系统进行匹 配，如账号、用户名等。其具体步骤如下： 1 3 1 指纹图像增强 当前采集技术条件下采集到的指纹图象质量参差不齐，有些质量较差的指 纹图像中存在纹线粘连、纹线断裂等缺陷，如图1 2 所示，这些缺陷为指纹特征 提取带来很大的难度。指纹增强的目的是提高指纹纹线的清晰度，例如分离粘 连的纹线，连接断裂的纹线，平滑纹线的边缘等等，以保证指纹特征提取的可 靠性和准确性。 4 第一章绪论 图1 2 低质量指纹图像 数字图像处理中一些通用的图像增强方法如低通滤波、边缘增强等【9 。1 4 1 ，对 指纹图像的增强效果不尽理想，这是因为这些方法主要针对图像中的随机噪声， 而模糊指纹图像中的指纹纹线缺陷属于结构性噪声。当前的指纹增强方法主要 利用指纹纹线的局部方向和频率特性。基于这一原理，提出了很多方法 1 5 - 2 2 】， 这些方法的区别主要在于：( 1 ) 所使用的带通滤波器不同，有的用g a u s s i a n 滤波器， 有的用g a b o r 滤波器等等。( 2 ) 滤波处理的实现方法不同，有的在空间域通过卷积 实现，有的在傅立叶频谱空间进行。( 3 ) 采用不同的求方向图方法，以及使用不 同分辨率的方向图。有的求出每个象素点处的方向，有的求局部区域内的主导 方向；有的将方向量化为少数几个均匀分布的方向，有的采用连续方向值。( 4 ) 采 用不同的增强策略。有的对每个象素点使用不同参数的滤波器进行逐点滤波， 有的先用若干固定特性的滤波器对整幅图像进行滤波，然后根据象素点的特性 从不同滤波后的图像中选择该象素点增强后的值。 1 3 2 指纹图像细节点提取 细节点的提取是指从增强过的指纹图像中提取指纹的细节点特征。理想的 细节点特征提取应该做到所提取的细节点的位置，类型，方向没有误差，不遗 漏真实的细节点并且不产生伪细节点。所提取的细节点特征是否准确，会直接 影响到指纹特征匹配的准确性。 目前最常见的细节点提取方法主要有两类： 1 ) 从细化图像上提取【2 5 。6 1 。这种方法首先对指纹图像进行细化处理，通过对细 5 第一章绪论 化后的指纹纹线上的点的八邻域象素点的性质来分析判断是否为细节点以 及细节点的类型和位置，利用细节点所在的纹线来计算细节点的方向。这种 方法原理简单，便于实现。但对一些低质量的指纹图像进行细化时容易产生 畸变从而导致提取出很多伪细节点，此外对指纹图像进行细化处理也比较费 时间。 2 ) 从原始灰度图像上提取 3 7 - 3 8 】。该方法的基本原理是在指纹方向图的引导下跟 踪指纹纹线，并根据图像在跟踪方向垂直的线段上的投影的极值确定纹线的 位置，并在遇到端点和分叉点时停止跟踪。该方法的优点是克服了细化方法 的不足，具有较高的精度。其缺点是实现起来较复杂，且当图象质量较差时 方向场的不可靠可能会使跟踪出现偏差从而产生伪细节点或遗漏细节点。 1 3 3 指纹图像细节点匹配 指纹匹配的方法很多，如基于图像相关匹配方法【3 9 , 4 0 】，纹线匹配方法【4 1 1 ，以 及细节点匹配方法【4 2 郴】。图像相关匹配方法速度快，对图像质量要求不高，但 由于忽略了细节点特征，匹配率较低。纹线匹配方法需要较多的特征信息，提 取速度较慢。细节点匹配方法简单，充分利用了指纹图像在细节特征上的差异， 得到了较广泛的应用。指纹细节点匹配的任务是计算两个指纹细节点特征模式 的相似性，并给出两个指纹是否来自相同的手指的判定。由于指纹图像存在平 移、旋转以及其他非线性形变，细节点提取过程中细节点的位置和方向都有可 能出现偏差，还可能有伪细节点或遗漏细节点，而且两个指纹图像可能包含不 同的指纹区域也会使细节点集合不完全相同，这些难点都需要在细节点匹配的 过程中加以考虑。 目前指纹细节点匹配的方法主要有两种： 1 ) 基于点模式匹配的方法【4 3 5 5 】。这种方法将细节点模式看成平面点模式，通过 求对应细节点的个数来衡量相似性。方法一般分两步：首先对齐两个点模式， 然后统计相对应的细节点的个数。对齐的方法有基于h o u 曲变换的方法【5 引、 基于纹线对齐的方法【5 0 1 、基于局部结构对齐的方法【4 6 1 等等，对齐的关键在于 如何快速排除根本不可能对齐的情况。细节点对应关系的判定依据于两个细 节点在模式对齐后的位置、类型等的一致性，一般采用界限盒方法【5 5 1 ，也有 的采用动态规划法【5 0 1 。这种方法的优点是能找到细节点之间明确的对应关系； 其缺点是对细节点模式的变形以及细节点的位置、方向误差较敏感，且计算 6 第一章绪论 复杂度较大，速度较慢。 2 ) 基于细节点结构匹配的方法【4 2 56 。这种方法通常不使用细节点的绝对位置坐 标和类型，只考虑细节点之间的相对位置关系。每个细节点和其邻近的细节 点构成特征向量【4 2 l 或表示成图的形式【5 6 1 ，通过比较两个指纹中出现的特征向 量或图的形式以及数量来衡量相似性。这种方法的优点是不使用细节点的绝 对位置坐标和类型信息，因此对指纹的变形导致的误差具有较强的鲁棒性； 其缺点是对虚假细节点和遗漏真实细节点较为敏感。 1 3 本文主要研究内容 本文针对目前指纹识别的主流方法中存在的问题，即传统的基于细节点特 征的指纹识别方法中将所有细节点的重要性同等对待，没有有效区分不同细节 点的重要程度以及缺少对指纹纹理信息的应用等问题，有针对性的进行改进， 包括提出基于细节点可靠性的指纹识别方法和基于g a b o r 特征和细节点特征融 合的指纹识别方法，提高基于细节点特征的指纹识别方法的准确性和性能，从 而提高指纹识别方法的应用性。 1 ) 针对在传统的细节点指纹识别方法中，将所有提取出的细节点看成是同等重 要的缺点，本文提出基于细节点可靠性的指纹识别方法，将用传统细节点方 法提取的细节点进一步加以分类，将细节点分成最可靠细节点，较可靠细节 点和不可靠细节点三类。使得不同的细节点在匹配过程中的拥有不同的重要 程度。 2 ) 针对在传统细节点指纹识别方法中，单纯的利用细节点特征忽视蕴藏在细节 点周围大量的脊线纹理特征的缺点，提出基于g a b o r 特征和细节点特征融合 的指纹识别方法。在细节点方法中利用g a b o r 特征对细节点方法进行改进， 使基于细节点方法和基于纹理统计特征的方法加以结合。同时利用细节点可 靠性标记的方法进一步对其进行改进。 3 ) 针对本文提出的基于细节点可靠性的指纹识别方法和基于g a b o r 特征和细 节点特征融合的指纹识别方法进行实验验证并对其结果进行分。 第一章绪论 1 4 本文的组织结构 本文共分五章，各章节内容和结构安排如下： 第一章为绪论。介绍了论文的研究背景，基于细节点指纹识别研究综述， 研究内容和论文组织结构。 第二章为基于细节点可靠性的指纹识别方法。详细介绍了细节点可靠性的 概念和如何利用细节点可靠性的方法对传统的指纹细节点匹配方法进行改进。 第三章为基于g a b o r 特征和细节点特征融合的指纹识别方法。详细介绍了 g a b o r 滤波变换的概念，基于g a b o r 特征和细节点特征融合的指纹识别方法和利 用细节点可靠性的改进算法。 第四章为实验结果与分析。详细介绍了实验环境，指纹识别的评测及技术， 数据集，和实验结果及其分析。 第五章为结束语，在此对全文的研究工作进行归纳总结，并对后续的研究 作进一步展望。 8 第二章基于细节点可靠性的指纹识别方法 第二章基于细节点可靠性的指纹识别方法 传统的基于细节点的方法特征描述简单，在指纹注册时记录的是指纹细节 点的模板，占用的存储空间小，并且无法恢复出指纹图像，从而能有效的保护 个人隐私。但是这类方法也有它的缺点：这类方法将提取出来的细节点视为同 等重要的，然而事实上在指纹专家进行人工指纹匹配的过程中发现指纹上的每 个细节点所起到的重要程度是不一样的，有些细节点对指纹的判别起着较重要 的结果，甚至是关键作用，相反有些细节点对指纹的判别作用则较轻，无足轻 重。本章针对此问题，提出基于细节点可靠性的指纹特征提取方法，依据细节 点在指纹匹配时的贡献大小，给予不同的细节点不同的权重，并给出基于细节 点可靠性的指纹匹配改进方法。 本章第一节首先介绍传统的细节点提取方法，第二节介绍基于细节点可靠 性的细节点提取方法，第三节介绍基于细节点可靠性的细节点匹配改进方法。 第四节为本章小结。 2 1 传统的指纹细节点提取方法 2 1 1 指纹细节特征 指纹细节特征是指纹脊线或谷线的突变，是指纹图像中的局部特征。指纹 上众多细节特征的组合，是人各不相同的本质所在。指纹细节点有多种类型【5 7 】： 末梢点( e n d i n g ) 、分叉点( b i f u r c a t i o n ) 、环( 1 a k e ) 、岛( i s l a n d ) ，毛刺( s p 呻、桥( b r i d g e ) 、孤立点( d o t ) 等等，如图2 1 所示。 在指纹识别中另一类很重要的特征是奇异点，包括中心点( c o r e ) 和三角点 ( d e l t a ) 。h e n r y 将中心点定义为指纹模式区中最内部纹线的最上部的点，将三角 点定义为三种不同方向的脊线交汇在一起的三角区域的中心点【5 4 】，如图2 2 所 示。 9 第_ 章基于细节点可靠性的指纹识别方法 图2 1 指纹细节点特征 。标记中心点的位置，厶标记三角点的位置 图2 2 指纹图像奇异点示例 l o 第二章基于细节点可靠性的指纹l 识别方法 对于高清晰的指纹图像脊线上的汗孔心o r e ) 分布清晰，可以用来标注脊线 也是指纹识别的一种特征啡5 ”，如图23 所示。 蝌 图23 脊线上的汗孔 指纹的细节特征种类较多。但是这些特征出现的概率并不相等，很多特征 是极其罕见的。美国国家标准局提出用于指纹匹配的四种细节特征为末梢点， 分叉点，复合特征( - - 分叉或者交叉点) 以及未定义。但是目前在自动指纹识别技 术中，通常采用美国f b i 组织提出的脊线的二向分叉点( n d g eb i f u r c a t i o n ) 和末梢点 ( r i d g ee n d l n g ) 来鉴定指纹【6 0 “】，如图2 4 所示，这是因为：一方面，岛、桥、多 叉点等其他类型的细节特征可以用这两种细节点或者其组合来表示；另一方面， 大量统计结果和实际应用证明，这两类特征点在指纹中出现的机会最多、最稳 定，而且比较容易获取。根据统计实验表明，末梢点f 又可称作端点) 和二向分叉 点( 又可称作分歧点) 出现的几率分别是6 8 2 g f 1 2 38 。每个清晰的指纹一般有 4 0 1 0 0 个这样的细节点，这个数量的细节特征点足以满足后续匹配工作的进行。 ，一- 。 匠：二。 _ _ - _ ， ( 曲末梢点 图24 分叉点与末梢点 ( b ) 分叉点 0 甥 第二章基于细节点可靠性的指纹识别方法 2 1 2 传统的细节点提取方法 对于细节点提取问题，目前文献中主要有两种方法：基于细化图像分析的方 法 2 5 - 3 6 1 和直接从原始灰度图像提取细节点的方法【3 7 3 引。本文主要采用基于细化 图像分析的方法并在此基础上结合细节点可靠性标记的方法对其进行改进。 基于细化图像分析的方法首先需要得到指纹的细化图像，如图2 5 所示。 图2 5 细化指纹图像 在细化图像上，首先需要对指纹的方向场进行计算。指纹是分布在人体手 指表面凹凸不平的纹线，具有明显的方向规律性。但是由于指纹噪声的影响， 很少有采集到的指纹图像具有完全清晰的指纹纹线，能够直接满足计算的要求， 所以真正获得每一根纹线的走向是很难的，一般都是利用区域方向计算的方法， 常称为方向场的计算。计算指纹方向场的方法很多，最普遍的方法是掩模法和 梯度法。实验表明【6 2 1 ，这两种方法计算方向场的准确率基本相似，无本质区别。 本文采用梯度的方法计算方向场。 r a o 等人提出一种经典的基于梯度的方向场估计算法，基于的基本假设是： 指纹图像在有限的局部块内，所有点的方向几乎一致，可以用块方向代替块内 每一点的方向1 63 1 。估计算法首先将指纹图像分成互不重叠的子区域，然后针对 每个区域，利用最小二乘的原理，将区域中所有点在石和】，方向的灰度梯度进 1 2 第二章基于细节点可靠性的指纹识别方法 行最小二乘拟合，根据拟合直线的角度得到一个统计方向，该方法简单直观， 区域尺寸和梯度算子都可以灵活选择，而且根据梯度的分布和强度可以进行区 域图像质量的初步评价。 1 ) 计算每个像素块内像素的梯度 用s o b e l 算子计算指纹图像的梯度矢量场 il g 。( i j ) = e s 。( “+ 1 ，v + 1 ) f ( i + u ，+ v )( 2 1 ) 1l g y ( i j ) = s ，( “+ l ，v + 1 ) f ( i + u ，+ v ) u = 一l v = 一i 足，s 为s o b e l 算子，f ( i ，) 为各像素的灰度值。 ( 2 2 ) 2 ) 选取以( f ，_ ，) 为中心的大小为w w 的方形邻域，本文选取w 为5 。按( 2 2 0 ) 如 下公式计算点( f ，) 的方向o ( i ，) i + w 2 j + w 2 v x ( i ，) = 2 g ，( u ，v ) g ( 州) u = i w 2v = j - w 2 i + w 2j + w 2 v y ( i ，) = q 2 ( “，v ) 一q 2 ( “，v ) u = i w 2v = j - w 2 ( 2 3 ) ( 2 4 ) p 力= a r c t a n ( v y ( l 力化( f ) ) 哌( f ”u( 2 5 ) 【8 ( i ，_ ，) = 万2 ，矿( ( f ，川= 0 大量实验表明，最初获得的方向场，在指纹图像中裂纹，污迹以及残留指 纹较多的地方，存在着不同程度受噪声干扰的问题。 本文采用低通滤波校正对初步获得的方向场进行校正瞰】。根据指纹纹线在 局部区域内的方向不会出现大的变化，使用低通滤波的办法来修正块方向。进 行块平滑滤波时，不能直接使用上述块方向，首先而应转化到矢量域中。转化 公式如( 2 6 ) 所示。 i 以( f ，j ) = c o s ( 2 0 ( i ，朋 1 丸( f ，) ：s i n ( 2 眠朋 ( 2 6 ) 织和吮是矢量域的x 和y 分量，平滑滤波如( 2 7 ) 所示： 第二章基于细节点可靠性的指纹识别方法 i z7 z ，_ ，) = 艺艺w ( u ，净，( i - u w 巾，一) “= 。- w 2 2 7 7 2 坨 ( 2 7 )“ 恤 、， , l , y l ( f ，) = z - w ( u ，v 净，( f 一“k ，j - v w , ) 其中，形是一个二维低通滤波器，滤波器的尺寸为x ，这个平滑操作是 在块上进行的，滤波器尺寸为5 5 。 3 ) 计算以( f ，) 为中心的块方向 1 o ( i ，) = i 孤c 啪l w ，i ( f ，j ) c j ( f ，_ ) )( 2 8 ) 二 f h ( 2 8 ) ，o ( i ，) 的范围为【一万4 ，万4 】，而脊线方向应为【o ，7 1 】，故需要对上式进 行修正，根据王升国在其论文【6 5 】的经验公式计算如下： o ( i ，_ ，) = 三a r c t a n ( 吐, ，( f ，g ，( f ，埘+ 三，电，小o i 1a r c 伽1 ( 哆，) ，) ) + 万，电，( f ，) 0 ，电，) 0 ，哆钷，) 0 在完成指纹方向场的计算后，需要一个3x3 的模板将细节点( 末梢点和分 叉点) 提取出来。对于细化的二值指纹图像，像素点的灰度值只有两种情况( 假 设o 表示背景点的灰度，用白色表示；1 表示纹线点的灰度，用黑色表示) 。3 3 掩码模板如图2 6 9 f i 示。 图2 63 x 3 掩码模板 其中，p 是待检测的像素点，暑，最只是它的8 个邻域点，尺( 1 ) ，r ( 2 ) r ( 8 ) 分别是像素点墨，最最的灰度值。 1 4 第二章基于细节点可靠性的指纹识别方法 如果尸是末梢点，则它的8 邻域点的灰度满足下面的特点，如图2 7 ( b ) 所示： 8 i 足( 七+ 1 ) 一r ( 七) i 二2 ，r ( 9 ) = r ( 1 ) ( 2 1 0 ) 如果m 是分叉点，则它的8 邻域点的灰度满足下面的特点，如图2 7 ( c ) 所示： 8 l 尺( 七+ 1 ) 一r ( 后) l = 6 ，r ( 9 ) = r ( 1 ) k = l ( 2 1 1 ) 【一 ( a ) 非分又点和末梢点 ( b ) 末梢点( c ) 分又点 图2 7 细节点与非细节点几何图示 2 2 基于细节点可靠性的细节点提取方法 传统的细节点提取方法比较简单，易于实现。但存在着以下的缺点：这种 方法简单的将所有细节点的重要程度视为等同，然而事实上每个细节点在细节 点匹配时的贡献是不一样的，所以有必要对这种方法进行改进，将不同的细节 点在匹配时的重要程度加以区分。本文提出基于细节点可靠性的细节点提取方 法对此问题进行改进。 本文利用细节点的拓扑和结构信息对细节点进行可靠性标记，将可靠性较 高的细节点标记为“最可靠的细节点”，可靠性中等的细节点标记为“较可靠的 细节点”，可靠性最差的细节点标记为“不可靠的细节点”。田捷等人在 8 6 中 将细节点可靠性的方法应用在指纹的伪细节点去除中，本文将其应用到指纹细 节点特征匹配中。 1 分叉点可靠性标记 分叉点的各个分支与邻近的脊线基本呈平行关系，而位于中心点区域和三 1 s 第二章基于细节点可靠性的指纹识别方法 角点区域的分叉点不满足这种关系，依据细节点的可靠程度的不同呈现出不同 的平行程度。这一特征可以用来判断分叉点可靠性。分叉点可靠性标记的算法 可用算法2 1 描述，其中兄为8 个像素。几何示例如图2 8 所示。 算法2 1 分叉点可靠性标记算法 1 ) 选择一个分叉点尸 2 ) 沿着该分叉点的各个分支前进五个像素，检查在正交的1 5 兄的范围 内是否存在与之平行的脊线 3 ) 如果没有发现平行脊线，标记此分叉点为不可靠分叉点 4 ) 如果在一个或两个分支发现平行脊线，则标记该点为较可靠分叉点 5 ) 如果在三个分支都发现平行脊线，则标记该点为最可靠分叉点 ( a ) 不可靠分叉点( b ) 较可靠分叉点 ( c ) 最可靠细节分叉点 图2 8 分叉点可靠性标记 1 6 第二章基于细节点可靠性的指纹识别方法 2 末梢点可靠性的标记 相邻脊线之间一般距离保持不变，呈平行关系。而脊线的末梢点不满足这 种关系，不同可靠程度的末梢点依据其拓扑结构的不同呈现出不同的几何关系。 这一特性可以用来判断末梢点的可靠性。 末梢点可靠性标记的算法可用算法2 2 描述，其中名为8 个像素。几何示 例如图2 9 所示。 算法2 2 末梢点可靠性标记算法 1 ) 选择一个末梢点 2 ) 沿着与该末梢点相连的脊线前进o 5 名 3 ) 在正交方向搜索邻近的脊线 4 ) 如果在1 5 彳的正交方向没有两条脊线存在，将此细节点标记为不可 靠末梢点 5 ) 如果存在两条脊线呈近似平行态，则标记为较可靠末梢点 6 ) 如果存在两条脊线呈汇聚趋势，则标记为最可靠末梢点 末梢点 ( a ) 不可靠末梢点 束梢点 ( b ) 较可靠末梢点 、 末梢点 ( c ) 最町靠末梢点 图2 9 末梢点可靠性标记 1 7 第二章基于细节点可靠性的指纹识别方法 对提取出来的细节点进行可靠性标记如图2 1 0 所示，蓝色为最可靠的细节 点，绿色为较可靠的细节点，黄色为不可靠的细节点。 ( a )原指纹图像( b ) 指纹图像细节点可靠性标记 图2 1 0 可靠性标记图例 2 3 基于细节点可靠性的细节点匹配方法 指纹匹配是指纹识别系统的核心步骤，也是一个重要的研究课题，人们在这 方面作了很多工作，基于细节点的匹配方法最为流行。 基于细节点的匹配方法根据匹配时采用的手段不同分为基于h o u g i l 变换的 点模式匹配算法【6 7 , 6 8 , 6 9 】，点模式匹配的松弛算法，能量最小化的匹配算法。其中 基于h o u g h 变换的方法因为其精确度高，鲁棒性强而被广泛使用。该方法是把空 间图像中复杂的点对应问题转换为对参数空间峰值的探测，求得待识指纹与模 板指纹各个特征点间的指纹变换参数，把受支持的特征点最多的参数作为指纹 变换参数进行匹配。这种方法当然也存在一些缺点，比如涉及到一系列的重复 循环计算，运算复杂度较高，速度较慢。本文即采用基于h o u g h 变换的点模式匹 配算法( 韶】并利用细节点可靠性标记的概念对其算法进行改进。 h o u g h 变换是图像处理中进行图像中几何形状识别的基本方法，应用广泛。 下面以直线提取来说明h o u g l l 变换的思想。 对于图像空间如图2 1 2 中的一条直线可以表示为y = k o x + b o ，如果知道直线 1 8 第二章基于细节点可靠性的指纹识别方法 上一点( ，) ，则在参数空间如图2 1 3 中找到一条直线b = - x o k + y o 。相应地，如 果对于图像空间直线上的n 个点可以在参数空间中有挖条对应的直线。由于图像 空间中同一直线上的点具有相同的斜率和截距玩，所以，2 条直线会相交于一点 ( ，6 0 ) ，如图所示。在算法中，首先初始化一块缓冲区，作为计数器对应于参数 平面，将其所有数据置为o 。对于直线上每一点，求出参数平面对应的直线，把 这直线上的所有点的值都加1 。最后，找到参数平面上峰值点的位置，这个位置 就是图像上直线的参数。这就是h o u g h 变换的基本思想。 y 图2 1 2 图像空间 b 0 图2 1 3 参数空间 k 类似地，在指纹匹配中也可以把图像空间的问题运用h o u g h 变换转换到我们 关心的参数空间去。 假如已经求得变换参数，= ( z ，a y ，s ，其中峨缈分别为横坐标和纵坐标 的平移参数，s 为比例调整参数，秒为角度旋转参数，根据几何特性可得待识别 指纹中特征点到模板指纹坐标系的转换公式： 萨盼惦；篙捌 亿 ( 2 1 2 ) 包含有两个方程。若已知待识别指纹与模板指纹间的一对细节点( p i ，q ，) ， 欲求得参数，| = ( a x ，y ，s ，乡) ，必须需要四个方程来求解，则必须已知两对细节点。 分别在待识指纹和模板指纹取出两个细节点( 扔，乃) 和( 吼，q b ) 。满足b 乃，得 到如下方程。 ( ；： = ( 箸 + l s s c s ；o n s 口o - s s c s 。i s n 汐t f f x p i ) c 2 3 ， 1 9 第二章基于细节点可靠性的指纹识别方法 盼+ 瞄瑚 亿 有了这两个方程，转换参数，= ( 硝，a y ，s ，0 ) 就相应的唯一确定下来，联立这 两个方程，求解得： a x = 一x p f ( s c o s o ) + y p i ( s i n 0 ) ( 2 1 5 ) a y = y q a x ( s s i n 0 ) + y ( c o s o )( 2 1 6 ) s 刊q a q 6i ip f p ，i ( 2 1 7 ) 秒= 旺一旺 n18)qaqbp l p jl - 每两对细节点都可以求出相应的四个变换参数，最后可以求得参数空间计 数器的局部峰值，确定两副指纹图之间的变换参数。由于这里有四个参数，涉 及至r j h o u g h 变换时有多重循环运算，计算非常复杂。 考察( 2 1 3 ) 减( 2 1 4 ) ： 旺毫旌s c o s 秒o 瑚巴 亿 从( 2 19 ) 中可以发现参数空间的a x 和缈被相减掉了，这样h o u g h 变换的四维转 换