（计算机软件与理论专业论文）指纹身份验证系统的研究.pdf

中文摘要 摘要 ： ， 一 高可靠性的个人身份验证系统在身份证管理、电子商务、自动银行等 i 众多领域有着广阔的应用前景。生物识别技术，是利用人体生物特征进行 身份验证的一种技术。与传统的使用密码或p i n 等的身份验证手段相比， 它有着固有的无可比拟的高可靠性。其中，指纹识别技术是应用最为成熟 的一项技术。1 本课题的主要目的是针对个人身份验证的应用特点，提出一个较具可行性 及实用性的整体解决方案，并给出较完备的实现与评价。据此，本文首先在系统 设计中给出了我们各阶段的实验测试方案；然后针对系统的主要环节：采集质量 自动评测、方向图计算、预处理及指纹匹配算法分别进行讨论，对实验中的改进 思路和提出的新算法进行了分析和描述；最后，根据理论分析和实际测试的结果， 对相关算法进行了总结，得出了一些有意义的结论。在此基础上，我们完成了一 个系统实现f v 2 0 0 3 ，并利用我们建立的指纹库，依照系统测试方案对其进行了 测试和评价。 关键词：图像增蔷：特症猫取：点宣缸 英文摘要 a b s t r a c t a na c c u r a t ea u t o m a t i cp e r s o n a lv e r i f i c a t i o ni sc r i t i c a li naw i d er a n g eo f a p p l i c a t i o n d o m a i n ss u c ha sn a t i o n a li d c a r d ，e l e c t r o n i cc o m m e r c e ，a n d a u t o m a t e d b a n k i n g b i o m e t r i c s ，w h i c h r e f e r st oa u t o m a t i cv e r i f i c a t i o no fa p e r s o nb a s e do nh e rp h y s i o l o g i c a lo rb e h a v i o r a lc h a r a c t e r i s t i c s ，i si n h e r e n t l y m o r er e l i a b l ea n dm o r ec a p a b l ei nd i f f e r e n t i a t i n gb e t w e e na na u t h o r i z e dp e r s o n a n daf r a u d u l e n ti m p o s t e rt h a nt r a d i t i o n a lm e t h o d ss u c ha sp a s s w o r d sa n dp i n n u m b e r s a u t o m a t i cf i n g e r p r i n tv e r i f i c a t i o ni so n eo fm o s tr e l i a b l eb i o m e t r i c t e c h n o l o g y i n t h i s t h e s i s ，o u ro b j e c t i v e i st o d e s i g n a f i n g e r p r i n t - b a s e d b i o m e t r i c s y s t e m w h i c hi s c a p a b l e o f a c h i e v i n gaf u l l ya u t o m a t i c “p o s i t i v e p e r s o n a lv e r i f i c a t i o n ”w i t hag o o dl e v e lo fc o n f i d e n c e w eh a v ei d e n t i f i e da n d e x p l o r e dt h ef o l l o w i n gi s s u e s ：( i ) i m a g eq u a l i t ye v a l u a t i n g ，( i i ) d i r e c t i o nm a p c o m p u t i n g ，( i i i ) 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 g ，( i v ) m i n u t i a em a t c h i n g w e h a v ed e s i g n e dap r o t o t y p eb i o m e t r i cv e r i f i c a t i o n s y s t e m f v 2 0 0 3w h i c hu s e s f i n g e r p r i n t st oa u t h e n t i c a t et h ei d e n t i t yc l a i m e db yau s e r o u rs y s t e mh a v eb e e n e v a l u a t e de x t e n s i v e l yo na l a r g en u m b e ro ff i n g e r p r i n t si m a g e sc a p t u r e dw i t h t h eo p t i c a le q u i p m e n tm a d ew i t ho u r s e l v e s e x p e r i m e n t a lr e s u l t ss h o wt h a to u r s y s t e mp e r f o r mw e l lo nt h e s ed a t as e t s k e yw o r d s ：i m a g ee n h a n c e m e n t ，f e a t u r ee x t r a c t i o n ，m i n u t i a em a t c h i n g 笙= 童! ! 童一 第一章引言 1 1课题工作的背景和意义 1 1 1 传统身份验证方法的局限性 随着现代社会各种信息技术特别是网络与通信技术的飞速发展，各种电子信 息系统不断地进入到人们的f ：i 常生活中，例如桌面电脑、笔记本电脑、蜂窝电话、 门禁控制系统、a t m 提款机等等：同时基于网络的大量业务得到蓬勃发展，例 如电子商务、电子银行、电子货币等等，人类的物理与虚拟活动空间不断扩大。 与之相应的，现代社会对于人类自身身份识别的准确性、安全性与实用性提出了 更高要求，传统身份验证方法正越来越受到局限。传统的身份验证方法主要基于 身份标识物品和身份标识知识。身份标识物品如钥匙、证件、自动取款机的银行 卡等；身份标识知识包括用户名、密码等。在一些安全性要求严格的系统中，往 往将这两者结合起来，如自动取款机要求用户同时提供银行卡和密码。但标识物 品容易丢失或被伪造，标识知识容易遗忘或记错，更为严重的是传统身份验证系 统往往无法区分标识物品真正的拥有者和取得标识物品的冒充者，一旦他人获得 标识物品，就可以拥有相同的权力。诸如此类的问题不断的出现在我们身边，充 分的安全从来没有实现过，而对于更好的安全性则往往伴随着使用的不便捷和巨 大的额外开销。种种迹象表明，传统的身份验证技术己经遭遇到了严峻的挑战。 1 1 2 指纹识别是一种理想的身份验证技术 由于人体的身体特征具有不可复制的特点，人们把目光转向了生物识别技 术，希望可以借此技术来应付传统身份验证手段所面临的挑战。要把人体的特征 用于身份识别，这些特征必须具有唯一性和稳定性。研究和经验表明，人的指纹、 掌纹、面孔、发音、虹膜、视网膜、骨架等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，因此就可以据此识别出人的身份。 基于这些特征，人们发展了指纹识别、面部识别、发音识别等多种生物识别技术， 目前许多技术都己经成熟并得以应用。其中，指纹识别技术更是生物识别技术的 一1 一 第章引言 一大热点，这主要是因为： 1 ) 每个人的指纹是独一无二，两人之间不存在相同的手指指纹。 2 ) 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 年龄增长、身体健康程度的变化而改变，而人的声音却有着较大的变化。 3 ) 便于获取指纹样本，易于丌发识别系统，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 丌发；另外，识别系统中完成指纹采 样功能的硬件部分( 即指纹采集仪) 也较易实现。丽对视网膜则难于采 样，也无标准的视网膜样本库供系统软件开发使用，这就导致视网膜识 别系统难以开发，可行性较低。 4 ) 一个人的十指指纹皆不相同，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，同时，并不增加系统的设计负担。 5 ) 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。 从以上的分析可以看到，自动指纹识别相对于传统身份验证手段和其它生物识别 方法，不仅具有许多独到的信息安全角度的优点，更重要的是还具有很高的实用 性、可行性。 据国际生物识别产业协会估计，生物识别技术的软件和硬件市场，有望在 1 0 年内达到每年2 0 亿美元的规模。图1 - 1 显示了2 0 0 1 年的统计数据，各种生物 识别技术中指纹识别技术占据将近5 0 的市场份额。多项调查已经表明，自动 指纹识别技术已经并将继续成为身份验证技术领域的研发热点和未来市场应用 的重点。因此，针对自动指纹识别系统在个人身份验证方面的应用技术的研究， 具有十分重要的实际意义和非常广阔的应用价值。 第一章引言 图1 - 12 0 0 1 年各种生物识别技术市场份额比较图 1 2指纹识别的基本原理和方法 1 2 1 指纹采集技术 目前的自动指纹识别系统基本上都采用了活体指纹采集技术，相应的取像设 备主要包括下面三种：光学采集仪、晶体传感器和其它设备，其中，以前两种最 为常用。 光学采集仪的历史可以追溯到上世纪7 0 年代，它所依据的原理是光的全反 射( f t i r ) 。光线照到压有指纹的玻璃表面，经玻璃射到谷的地方后在玻璃与 空气的界面发生全反射，而射向脊的光线不发生全反射，而是被脊与玻璃的接触 面吸收或者漫反射到别的地方；反射光的量依赖于压在玻璃表面指纹的脊和谷的 深度及皮肤与玻璃问的油脂和水分，反射光线由c c d 获得后便形成了指纹图像。 晶体传感器是1 9 9 8 年才在市场上出现的，最常见的如硅电容传感器，在其 半导体金属阵列上结合了大约1 0 0 ，0 0 0 个电容传感器，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 问的距离而降低，这里指的是脊( 近的) 和谷( 远的) 相对于另一极之间的距离。 另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 能依照指纹的外表地形( 凹凸) 产生为相应的电子信号。还有其他的晶体传感器 第一章引言 如温度感应传感器，它通过感应压在设备表面上的脊和远离设备表面的谷的温度 差异就可以获得指纹图像。 其他设备中，超声波扫描被认为是指纹取像技术中非常好的一类。很象光学 扫描的激光，超声波首先扫描指纹的表面，紧接着，接收设备获取其反射信号， 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地形( 凹凸) 的真实反映。 下面的表1 - 1 给出了三种主要取像技术的比较 屎集方式光学全反射技术硅晶体电容传感技术超声波扫描 l 体积 由 小大 l 耐用性非常耐用容易损坏一般 干手指差， 干手指好汗多的手指 i 成像能力非常好 汗多的手指成像有些模糊 不能成像抗静电能力差 分辨率 4 5 0 d p i 3 0 0 d p j 5 0 0 d p i | 耗电较少一般较多 l 成本低低很高 1 2 2 指纹的特征 表1 - 1 三种主要取像技术的比较 指纹识别算法最终都归结为在指纹图象上找到并比对指纹的特征。从生理上 看，纹路是手指皮肤的凸起的部分( 脊) ，纹路之间是凹下的部分( 谷) ，因此， 理想的指纹图像是一幅黑白相间的二值图像。但是，由于指纹通常是用按压的方 式得到的，因此按压的压力不均匀、按压的位置和方向不同、手指的状况以及皮 肤的变形等等都会导致指纹图像不理想：而且，美国有关法律认为，指纹图象属 于个人隐私，这些因素都使得灰度图像不能直接用来匹配。因此，有必要选择合 适的特征来描述指纹。 一般将指纹的特征区分为总体特征和局部特征两类： 第一章引言 1 1 总体特征是指那些用肉眼直接就可以观察到的指纹特征( 图1 - 2 是它们 的示例图) 其中包括： 量缀黧黧圃 拱类尖拱类左环类右环类 漩涡类 ( a ) 五种基本纹型 c o ) 模式区 ( c ) 核心点( d ) 三角点( e ) 纹数 图i - 2 指纹总体特征 a ) 纹形：根据指纹脊或谷的整体流向的模式，指纹被分为五种基本纹型。 b ) 模式区( p a t t e r na r e a ) ：模式区是指指纹上包括了总体特征的区域，即 从模式区就能够分辨出指纹是属于那一种类型的。 c ) 核心点( c o r ep o i n t ) ：核心点位于指纹纹路的渐进中心，它在读取指纹 和比对指纹时作为参考点。 d ) 三角点( d e l t a ) ：三角点位于从核心点开始的第一个分叉点或者断点、 或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点。三角点 提供了指纹纹路的计数跟踪的开始之处。 e ) 纹数( r i d g ec o u n t ) ：指模式区内指纹纹路的数量。在计算指纹的纹数 时，般先连接核心点和三角点，这条连线与指纹纹路相交的数量即可 认为是指纹的纹数。 2 ) 局部特征是指指纹上的节点的特征，指纹纹路并不是连续的、平滑笔直 的，而是经常出现中断、分叉或打折，这些端点、分叉点和转折点就称为特 征点。两枚指纹经常会具有相同的总体特征，但它们的局部特征特征点， 第一章引言 却不可能完全相同。 其中，总体特征多用来指导指纹的分类，其主要目的是方便大容量指纹库 的管理，加速指纹的搜索匹配；而具体的指纹匹配则依赖于指纹的局部特征。这 里个很重要的结论是由英国学者e r h e r r y 提出的：即在考虑局部特征的情况 下，两枚指纹只要比对1 3 个特征点重合，就可以确认为是同一个指纹。美国国 家标准局( n i s t ) 提出了用于指纹匹配的4 种细节点特征：端点、分叉点、复 合特征( 三分翁或交叉点) 与未定义。但目前最常用的细节特征是美国联邦调查 局( f b i ) 提出的细节点坐标模型，它利用端点与分叉点这两种关键点来鉴定指 纹，图1 3 中给出了它们的图例。 图1 - 3 两种关键特征点 1 2 3 指纹识别系统的工作模式 应用系统在利用指纹识别技术时，通常采用的有两种工作模式：验证模式 ( v e r i f i c a t i o n ) 和识别模式( i d e n t i f i c a t i o n ) ，图1 4 是它们的工作流程示意图。 验证就是通过把一个现场采集到的指纹与个己经登记的指纹进行一对一 ( 1 ：1 ) 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。作为验证的前提 条件，被验证者的指纹必须在指纹库中已经注册，并与其姓名或标识( i d ，p i n ) 联系起来。随后在比对现场，先验证其标识，然后，利用系统的指纹与现场采集 的指纹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：“指纹的 拥有者a 与库中的b 是同一个人吗? ”，这是应用系统中使用得较多的方法。识 别则是把现场采集到的指纹同指纹数据厍中的指纹进行一对多( 1 ：n n 较大) 的比对( o n e - t o m a n ym a t c h i n g ) ，从中找出与现场指纹相匹配的指纹。识别其实 是回答了这样一个问题：“他是谁? ”。鉴定主要应用于犯罪指纹匹配的传统领域 呶 阿一 第一章引言 中，例如，我们可以将一个不明身份的人的指纹与指纹库中有犯罪记录的人的指 纹进行比对，来确定此人是否曾经有过犯罪记录。 ( a ) 验证工作模式 ( b ) 识别j ：作模式 图1 4 指纹识别系统的两种工作模式 一7 一 第一章引言 1 2 4 指纹识别系统的可靠性 指纹识别系统在处理指纹时，只是涉及了指纹的一些有限的信息，而且比对 算法并不是精确匹配，因此，其结果也不能保证1 0 0 准确，对其的评价需要建 立在下面这些衡量指标上： 1 ) 登记错误率( f 1 e ) ：手指指纹“太差”，不能登记的概率。 2 ) 拒认率( f r r ) ：正确指纹被误判而拒绝接受的比率，可视为系统好不好 用的一个指标，其值越低越好。f r r 值与系统门槛值( t h r e s h o l d ) 的设 定有关，门槛值设定越低，f r r 值自然降低( 容易进入) ，但f a r 会相 应升高。 3 ) 误认率( f a r ) ：错误指纹被误判而被接受为正确的比率，可视为系统安 全性的一个指标，其值越低越好。f a r 值与系统阈值( t h r e s h o l d ) 的设 定有关，门槛值设定越高，f a r 值自然降低( 不易进入) ，但f r r 值会 相应升高。 4 ) 验证时间( v e r i f i c a t i o n 面m e 一1 ：1 ) ：比较判断两枚指纹是不是来自同一 手指所耗费的时间。 5 ) 识别速度( i d e n t i f ys p e e d - - 1 ：r , 0 ：对一枚指纹在指纹数据库中查找与之 相对应的指纹时的判断速度。 6 ) 特征长度( t e m p l a t es i z e ) ：一枚指纹经过系统处理后，特征数据的字节 数。 这里要指出的是，尽管指纹识别系统存在着可靠性问题，但其安全性也比相 同可靠性级别的“用户i d + 密码”方案高得多。例如采用四位数字密码的系统， 不安全概率为0 0 1 ，如果同采用误判率为0 0 1 指纹识别系统相比，人有可能 在一段时间内试用完所有可能的密码，因此四位密码并不安全，但是他能找到一 千个人去为他把所有的手指( 十个手指) 都试一遍的可能性却几乎为零。正因为 如此，权威机构认为，在指纹识别应用中，误认率低于1 就可以接受。 第一章引言 1 3指纹身份验证系统 个人指纹身份验证系统采用的是以验证为主的工作模式，与以识别为主要任 务的指纹系统相比较，它们在系统设计和比对算法上各具不同的技术特点。例如， 验证系统一般只考虑对完整的指纹进行比对，而识别要考虑残纹的比对：验证系 统对比对算法的速度要求不如识别系统高，但更强调易用性：而在识别系统中， 往往需要在大量数据中寻找匹配，因此一般要使用分类技术来加快查询的速度： 另外，对于验证系统来说，如何定义是否匹配，即阈值的选取，是一个重要问题。 因为系统只给出两种可能答案：是与不是，如果阈值较大，真正的用户可能会被 系统拒绝；阈值较低，又识别不出冒充者。 对于个人指纹身份验证系统来说，除了包含前面提到的1 ：1 比对方法，在 实际应用中还经常存在一对几( 1 ：m m 较小) 比对的情况( o n e t o f e w m a t c h i n g ) 。我们可以把它看作是1 ：1 与1 ：n 两种比对方式的折中方式，即在 1 ：1 的前提下，进行1 ：n 验证。例如，考勤的分组方式就是采用的这种方式， 应用时先按组号( i o 号1 ，然后在每组的指纹库中进行1 ：m 验证( 通常设定m 采集结果：共1 7 人参与采集，其中男生1 2 人、女生5 人，共得1 0 0 个 手指的1 0 0 4 = 4 0 0 幅指纹图像。 第二章系统设计 2 3 2 预处理算法测试 从指纹库中随机抽取1 0 幅图像，我们对原始图像数据做人工判读，找出其 中可以确定的细节点m 。；b ：，m ；，朋? ) ，与程序检测的结果 m ，= ( 卅：，m ，2 ，m ：) 作比较。m ：b ，y i , 0 ) ，有如下三种情况： 1 ) 如果程序检测的细节m ：一也，y ：，8 ；) 与人工判断的细节肌：= g ：，y ：，8 f ) 位 置、方向误差在允许范围内，则称为吻合的细节点。误差允许的范围是x y 坐 标误差小于8 ，方向误差小于1 2 度。否则属于位置、方向错误。 2 ) 如果人工识别的细节点在误差范围内没有程序检测的细节点与之对应，则为 遗漏的细节点。 3 ) 程序检测的细节点在误差范围内没有人工识别的细节点与之对应，则为伪细 节点。 4 ) 我们用如下方法评价算法的性能，r 表示准确率，c 。表示程序检测的细节 点个数，g 表示人工识别的细节点个数，c 。表示位置、方向错误的细节点 个数，c 。表示丢失的细节点个数，c 0 表示伪细节点个数。评价的方法对细 节点位置、方向错误，丢失的细节点和伪细节点作惩罚， r ：鱼二鱼二刍二! 竺 2 3 3 匹配算法测试 1 ) 从指纹库中随机抽取1 0 个手指各4 幅图像，共4 x l o ：4 0 幅图像，对于图像 i ( 0 c fs 4 ) ，我们让该图像和属于同一个手指的图像f ，( 0 c ，s4 ，一f ) 进行 匹配，这样组合匹配共需c ：1 0 = 6 0 次，匹配失败的次数除以总数得到的数 值我们称之为拒真率。 2 ) 从指纹库中随机抽取1 0 个手指的各i 幅图像，：共l o x l 。4 0 幅图像，对于每 个手指的一幅图像t ( 0 c 七s 1 0 ) ，我们让该图像和不属于同一个手指的图像 第二章系统设计 鼻( o c ，s 1 0 ，f 一七) 进行匹配，这样组合匹配共需q 2 。一4 5 次，匹配失败的次 数徐以总数得到的数值我们称之为认假率。 2 3 4 整体算法测试 1 ) 对每一个手指从4 枚图像中随机抽取3 枚图像入库，定义其为一个模板，我 们的指纹库中总共有1 0 0 个模板。将余下1 0 0 枚手指的1 0 0 枚图像作为测试 用例进行匹配，记录如下数据： 定义a l l h 啪为匹配总次数，这里即为1 0 0 ，r e j e c t h u m 为被拒识的次数， c o r r e c t n u m 为正确识别的次数，归l s e 一忍“m 为错误识别的次数，识别率与 拒识率用下式计算： 识别率。竺竺生掣l 1 0 0 c o r r e c tn “，h + t a l s eh u m 拒识率；r e j e c t _ h u m 1 0 0 a l l n u n 2 ) 方法同1 ) ，另增加进行3 组不同容量的测试，即从测试模板库中随机取样， 得到3 个子集模板库，容量分别为2 5 个手指( 7 5 枚图像) 、5 0 个手指( 1 5 0 枚图像) 和7 5 个手指( 2 2 5 枚图像) 。同时分别记录下每次拒识、认同、误 配时的验证时间，各自取平均数得拒识平均时间、认同平均时间、误配平均 时间。取平均验证时间= 每次验证时间之和，测试用例数。 ( 测试环境：c p u i n t e l ( r ) 41 6 0 g h z 内存2 5 6 m ) 第三章采集质量评测 第三章采集质量评测 3 1 质量评测的意义 刚采集的指纹原始图像一般有很多噪音，图像质量存在差异。这主要是由被 采集者手指本身的特性、被采集者平时的工作和环境引起的，比如，手指蜕皮、 有刀伤、疤、痕，手指被弄脏、干燥、湿润等。同时，也与指纹采集仪的性能有 着密切的关系，比如，光学全反射技术干手指差，但汗多的和稍脏的手指成像模 糊；硅晶体电容传感技术干手指好，但汗多的和稍脏的手指不能成像。有些质量 较差的图像灰度对比度低、背景部分存在高噪音，指纹脊谷纹理不清晰，甚至难 以辨识。由于影响自动指纹识别系统水平的最重要的因素之一是在注册和辨识过 程中对那些采集质量差的指纹的判别及处理能力，因此，设计一个适合、有效的 指纹图像质量自动评测方法，对于提高自动指纹识别系统的性能有着重要的实际 价值。它可以帮助系统实现：在用户登记指纹时要求多次获取指纹，然后，把最 好的指纹作为注册的模板；或是为了得到较好的识别率，在匹配之前对部分质量 较差的指纹图像先进行特殊的图像预处理，然后再进行辨识等等。 3 2质量评测的标准 指纹图像质量通常以人的主观判决作为评价准则，受评测者背景知识、评测 动机等等因素的限制和影响。在实际应用中，让计算机模拟人的行为对指纹图像 质量自动做出评测是困难的。迄今为止，有关指纹图像质量判断的文献较少，方 法多是将一些灰度图像质量判断的方法应用于指纹图像，用图像的信噪比、灰度 分布等等手段评测，没有充分考虑指纹脊线的特殊纹理特征；另一类方法是计算 指纹细节点的个数，如果提取的细节点过多或过少，都认为是质量差的指纹图像， 这种方法从理论分析上比较可信，但是质量判断操作是在增强处理和提取细节点 的操作之后，而且判断结果依赖于增强和提取细节点的算法效率，不能完全满足 自动指纹识别系统中对指纹图像注册和拒登操作的快速高效的需求。 本文中，我们参考专家视觉评测过程并基于视觉特性的客观测度，设计了一 第三章采集质量评测 种指纹图像质量自动评测方法，其中给出了下面几种不同的评测参数： 1 指纹图像有效大小q 1 对指纹图像而言，研究的兴趣主要在于图像中的指纹本身，而背景图像在我 们的研究中没有意义。所以我们通过图像分割技术从采集的原始指纹图像中 提取出感兴趣的有效前景指纹图像，并计算该前景指纹图像与原始指纹图像 面积比q 1 ，作为评分参考： 2 指纹图像位置偏移程度q 2 、q 3 分别计算出有效指纹图像的质心j l f 相对于原始指纹图像中心0 在x 、y 方 向上的偏移程度q 2 、q 3 ，作为评分参考； 3 指纹图像干湿程度q 4 指纹图像过干，则脊线不够连续，甚至有许多断裂的地方，可能导致提取伪 细节点：指纹图像过湿，则脊谷边界不清晰，甚至图像模糊漆黑，导致提取 不出真实的细节点。可见采集图像的干湿直接影响后期指纹图像的细节点提 取的可靠性。通过对指纹图像千湿程度进行量化评估可得到干湿度值q 4 ， 作为评分参考； 4 其它传统评测参数 常用的还有指纹图像明暗程度，灰度均值、方差，灰度分布直方图等等。 3 3算法描述 3 3 1 预处理 首先，对输入的原始指纹图像进行规格化处理，以利于后面评测参数的计算。 规格化是针对像素点的一种操作，目的是降低指纹脊线和谷线间的灰度偏差，调 整指纹库中的指纹灰度均值和方差接近给定的期望均值肘。和期望方差瑚尺。灰 度图像规格化并不改变指纹纹理的清晰度。其处理方法如下f l l ： 第三章采集质量评测 g ( fj ) ：m 。+ 竺竺! 生二竺! ：竺 矿，g ，) 吖 l m 。一v a r 。( ，( fj ) 一m ，v a r o t h e r w i s e 这早我们分别取肘。v a r 。为1 5 0 和2 0 0 0 。 3 3 2 部分评测参数的计算 1 传统评测参数 记灰度指纹图像，为m m 的矩阵，g ，) 表示第f 行第，列像素点对应的灰 度值。灰度指纹图像的均值和方差分别定义如下： 灰度均值：m ( ，) = 丽1 荟磊， 灰度施脚( ，) = 志蓦蓑) 一肘( ，) ) 2 给定阀值f 1 、t 2 、t 3 ，如果0 c m ( ，) s t l ，图像较暗，m ( ，) t 2 ，图像较亮： 如果v a r ( i ) t b l0 o t h e r w i s e 3 21 口 o j v 56 ， 图3 - 2b 的8 连通邻域表示图 i 己b l o c k s t a t e ) 表示块b 的状态值。 如果b f d c 地n f e ( 8 ) = o 并且b f o c k s t a t e ( n j ) s 一6 ，贝1 b l o c k s t a t e ( b ) 1 铷 一1 9 一 第三章采集质量评测 果b l o c k s t a t e ( b ) to 并且xb l o c k s t a t e ( n ib6 ，则b l o c k s t a t e ( b ) 一1 ： 皿 如果肋批州= 域螂且 砉肋舭把叫虬舢如拙刺- o o 4 ) 计算阀值配= 丘c t o r , m o ) ，其中f a c t o r 是一个在0 和1 之间的小数值。 5 ) 计算满足肋如胞陋) 一1 的w x w 的正方形的个数k 及这些区域的局部 灰度均值g r a y m e a n l 。 6 ) 干湿程度q 4 = 1 0 0 ( 1 一k l ) 。如果q 4 较小，若g r a y m e a n l 算法b 。 取模板边长w 一7 ，滤波器的系数分布如下图5 2 所示，余同算法a 。 一z 3 2 z 3 一z z z 一2 z 3 一z 3 y 32 y 3yyy 2 y 3y 3 x 3 2 x 3 xxx 2 x | 3x 3 h 32 n 1 3 m “ m 2 u 3m 3 x 3 2 x 3 zxx 勉3x 3 y 32 y 3y yy2 y 3y 3 一z 3 2 z 3 一z z z 一2 z 3 一z 3 图5 - 27 x 7 方向滤波器模板系数 各系数之间有关系：“ x y 0 ，z 0 和“+ 2 x + 2 y 一2 z = 0 。每一行的系数 由中间向两端很快的衰减，这是为了避免破坏大曲率的纹线构型。 实验结果表明( 见图5 3 ) ，方向滤波器的模板边长和模板系数的选择对于图 像的增强效果有着决定性的影响。 图像增强后，二值化之前，为了消除采集背景噪声以及规格化处理时将背景 信号增强的不良影响，需要进行一次方差法图像分割处理，实验表明( 见图5 。3 ) ， 针对我们采集方法得到的图像的特点，这种方法简单有效。 第五章预处理算法 ( a ) 原始图像 ( b ) 规格化图( c ) 算法a 5 5 模板 忙) 算法a 7 7 模板 5 2二值化及二值增强 5 2 1 二值化 ( d ) 算法b 7 x 7 模板( e ) 分割图 图5 - 3 预处理图例一 二值化的目的是把灰度图象变成0 、1 两个灰度级的图像，前景点( 指纹脊 线) 取作1 ，背景点取作o ，以把指纹脊线提取出来，便于后续处理。多数二值 化方法的实现1 1 4 - 2 8 l 是基于指纹图象的下面三点特点： 1 ) 脊线与谷线宽度大致相等，因此二值化后黑白像素的个数应大致相同； 2 ) 在局部领域内，垂直于纹线方向上的灰度值在脊线处取到极大值； 3 ) 脊线与谷线相邻处存在阶跃性边缘，因而可以使用边缘检测与提取技 术。 第五章预处理算法 如最常见到的局部自适应算法就是利用了上面第一点性质。一般来说，二值化方 法可分为两类：静态阈值法和动态阈值法。它们通过下式来确定二值化图像的像 素灰度值： 加仨粼r 为雌 一 其中动态阈值法的应用较为普遍，关于它的两个关键问题是：划分区域的大小问 题和区域阂值的选取问题。对于前一个问题，划分的区域不能太大也不能太小。 区域过大就失去了划分的意义，区域过小则区域像素太少，区域灰度直方图体现 不出区域的灰度分布和纹线的结构信息，都得不到理想的结果。因此，划分区域 要充分考虑到指纹图的结构信息，在一个区域内必须同时包含隆起线和沟线两种 结构，且所占比例应大致相当，使灰度直方图呈双峰特性，这样才可以得到理想 的结果。而对于后一个问题，可以采用不同的选择阈值方法。 实验中，我们分别在8 x 8 或1 6 x 1 6 两种邻域大小下对分块均值法和自适应分 块均值法两种算法的效果进行了比较。结果表明( 见图5 5 ) ，与方向图的平滑窗 口类似，二值化时邻域大小的选择对于二值化的效果有较显著的影响。 5 2 2 基于规则的二值增强 由于灰度增强的不完全及二值化过程又可能引入噪音，所以指纹图象二值化 后，在指纹的脊线上仍然存在着或多或少，大大小小的孔洞，且脊线边缘并不光 滑，即有不少的缺口和突出物。若直接对其进行细化，则这些缺口、突出物就会 使细化线变得参差不平，并出现一些短小的分叉，即毛刺：同时，处于纹线上的 孔洞，在保持连通性的细化处理过程中将被扩大，形成一些圆圈和网状线。这不 仅使细化图变得杂乱，而且在特征提取时，将得到许多假特征点，从而影响以后 的识别。因此，细化之前必须采取措施，对指纹二值图象进行一次增强处理，目 的就是去除或减弱图像中的噪音，增强图像中有意义的部分。本文中采用了一种 基于规则的二值图像增强方法。 基于规则的二值图象增强过程包括填充和删除两个算法。并提出了相应的规 则。其中填充算法可以填补二值化后纹线上的孔洞，删除算法则是为了删除模式 上的毛刺”和孤立的值为1 的像素。其中p l p 8 ( 值为0 或1 ) 定义如图5 4 c 所示。 1 1 填充，如图5 4 a 所示 填充算法把同时满足以下条件的像素p 值取为1 ； a 1 p 为0 像素； b 1 的四邻域中有三个以上的邻点为1 像素。 2 ) 删除，如图5 4 b 所示 删除算法把同时满足以下条件的像素p 值取为o ： a 1 p 为l 像素： b ) ( p l + p 2 + p 3 ) ( p 5 + p 6 + p 7 ) + ( p 3 + p 4 + p 5 ) ( p 7 + p 8 + p 1 ) = o ； c 1 p 不是端点。 圈1 1 1 竺圈圈竺圈 ( a ) 填充过程实例 5 3细化及细化去噪 ( c ) 模板 图5 - 4 填充与删除算法 ( b ) 删除过程实例 细化是图像分析、信息压缩、特征提取和模式识别常用的基本技术，它使图 象的每条纹线都变为单像素宽的“点线”，且细化后的纹线近似处于原图的“中 轴”。在指纹的自动识别过程中，细化处理可以去掉大量的冗余信息，同时保留 指纹纹线的拓扑连接关系，突出其主要特征，从而便于后面的特征提取。 指纹图象细化算法应该满足： 不破坏纹线的连接性； 保护指纹的细节特征； 纹线宽度为一个像素； 第五章预处理算法 细化结果应接近原图象的“中轴”： 算法简单有效。 图像细化算法的种类很多，代表性的有h i l d t c h 、d e u t s c h 方法等，但它们都 很难同时满足上面提出的要求。目前，应用在指纹图象上的细化算法主要基于模 板匹配或数学形态学方法【2 6 1 。 细化后，考虑到前面增强处理的不完全性及细化过程不可避免的要引入噪 音，因此在细化后的指纹图象中往往仍存在纹线上的毛刺等噪音。为了进一步提 高指纹特征提取的正确性，可以考虑对细化图再进行一次去噪