（计算机软件与理论专业论文）掌纹自动鉴别技术的系统架构与方法研究.pdf

中文摘要 摘要 生物特征识别作为一种新兴的身份鉴别技术，近年来得到了蓬勃的发展。 掌纹作为一种生物特征，具有数据量大、通用性强的优点，在各个领域均有“ 泛的应用前景。本文面向刑侦领域的应用需求，围绕掌纹自动鉴别技术的核心 处理方法、应用系统架构展开研究。 在刑侦领域，需要建立包含大量完整掌纹的公民掌纹特征库，需要处理残 缺的罪案现场掌纹，需要快速精确的特征匹配机制以完成海量数据环境下的身 份认定。基于以_ | 二应用特点，本文建立了完整的掌纹自动鉴别软件体系结构， 遵循刑侦业务流程搭建了完整的系统处理过程，设计并实现了友好的人机交互 机制和稳定的底层数据库结构。 本文针对掌纹自动鉴别技术的核心处理方法展开深入研究。基于g a b o r 滤 波思想实现掌纹图像增强，依据生物特性建立了掌纹特征描述体系，针对二值 图像和灰度图像设计了掌纹特征提取方法，采用统计方法对掌纹特征进行分层 比对鉴别。 基于本文各项研究内容的成果，设计并实现了完整的掌纹自动鉴别应用系 统，并使用大批量真实数据进行了性能评测，评测结果证明了本文研究成果的 有效性和稳定性，基本满足刑侦领域的现实应用需求。本文研究成果是国内第 一套针对刑侦应用的掌纹自动鉴别系统，对提升刑侦领域的信息化和自动化有 着重要的价值。 关键字：生物特征识别、掌纹、g a b o r 滤波、图像处理、特征匹配 a b s t r a c t b i o m e t r i c s ，a san e wp e r s o n a li d e n t i f i c a t i o nt e c h n o l o g y ，h a sb e c o m em o r ea n d m o r ep o p u l a ri nr e c e n t y e a r s p a l m p r i n t ，a s ab i o l o g i c a lf e a t u r e ，h a saw i d e a p p l i c a t i o np e r s p e c t i v e i nd i f f e r e n tf i e l d s ，p r o v i d e dw i t hb u l kd a t aa n ds t r o n g g e n e r a l i t yt h i sp a p e rc o n c e n t r a t e so nr e s e a r c h i n gt h ec e n t r a lp r o c e s s i n gm e t h o do f a u t o m a t i cp a l m 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 y , t h ea p p l i c a t i o ns y s t e ms t r u c t u r ef a c i n g t h ea p p l i c a t i o ni nt h ec r i m i n a li n v e s t i g a t i o nf i e l d i nt h ec r i m i n a li n v e s t i g a t i o nf i e l d ，i ti se s s e n t i a lt os e tu pt h ed a t a b a s eo fc i t i z e n s p a l m p r i n tc h a r a c t e rw i t hp l e n t yo fc o m p l e t ep a l m p r i n t ，t od e a l w i t hf r a g m e n t a r y p a l m p r i n ti nt h ec r i m es c e n e ，a n dt og e taf a s ta n dp r e c i s em i n u t i a em a t c hm e c h a n i s m u n d e rt h eb u l kd a t ae n v i r o n m e n t b a s e do na b o v ea p p l i c a t i o nr e q u i r e m e n t s ，t h i sp a p e r s e t su pc o m p l e t es o f t w a r ea r c h i t e c t u r eo fa u t o m a t i cp a l m p r i n ti d e n t i f i c a t i o n ，f o n n sa w h o l es y s t e mp r o c e s sf o l l o w i n gt h ef l o wo fc r i m i n a li n v e s t i g a t i o nw o r k ，a n d d e v e l o p sf r i e n d l yi n t e r f a c ea n ds t a b l eu n d e r l y i n gd a t a b a s es t r u c t u r e t h i sp a p e rc e n t e r so i ls t u d y i n gt h ec e n t r a l p r o c e s s i n gm e t h o do f a u t o m a t i c p a l m 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 y , r e a l i z i n gp a l m p r i n te n h a n c e m e n to nt h eb a s i so f g a b o rf i l t e r ，s e t t i n gu pt h ed e s c r i p t i o na r c h i t e c t u r eo fp a l m p r i n tc h a r a c t e ra c c o r d i n g t ob i o l o g i c a lf e a t u r e s ，d e s i g n i n gp a l m p r i n tm i n u t i a ee x t r a c t i o nm e t h o db a s e do n b i n a r yi m a g ea n dg r a yi m a g e ，a n dm a t c h i n gh i e r a r c h i c a l l yp a l m p n n tc h a r a c t e rb y u s i n gt h es t a t i s t i c a lm e t h o d b a s e do nt h eo u t c o m e sf r o ma b o v er e s e a r c h ，ac o m p l e t ea u t o m a t i cp a l m p r i n t i d e n t i f i c a t i o na p p l i c a t i o ns y s t e mi sd e v e l o p e da n di t sf u n c t i o ni st e s t e du s i n gag r e a t d e a lo fr e a ld a t a t h et e s tr e s u l t ss h o wt h ev a l i d i t ya n ds t a b i l i t yo fr e s e a r c hr e s u l t s ， w h i c hm e e tt h ep r a c t i c a l a p p l i c a t i o n i nc r i m i n a l i n v e s t i g a t i o nf i e l db a s i c a l l y t h e r e s e a r c hr e s u l ti n t h i sp a p e ri st h ef i r s td o m e s t i ca u t o m a t i cp a l m p r i n ti d e n t i f i c a t i o n s y s t e mf o rt h ec r i m i n a li n v e s t i g a t i o na p p l i c a t i o n ，w h i c hh a st h ei m p o r t a n tv a l u ef o r i m p r o v i n gi n f o r m a t i o nd e g r e ea n da u t o m a t i o no fc r i m i n a li n v e s t i g a t i o nf i e l d k e y w o r d ：b i o m e t r i c s ，p a l m p f i n t ，g a b o rf i l t e r , i m a g ep r o c e s s i n g ，m i n u t i a em a t c h i l 内容目录 图目录 图2 1 掌纹自动鉴别系统结构图。8 图2 2 掌纹自动鉴别系统的主要功能模块9 图2 3 比对业务流程图。1 0 图2 4 队列操作示意图1 2 图3 1掌纹组成示意图1 5 图3 2 掌纹图像的纹线端点和纹线分叉点1 6 图3 4 不同质量的掌纹图像的特征提取结果1 7 图3 5 平滑滤波邻域的选择1 9 图3 6 二维中值滤波窗口1 9 图3 7 锐化滤波模板2 0 图3 8 掌纹图像的灰度滤波增强处理2 1 图3 9g a b o r 滤波增强的处理流程图2 5 图3 1 0s o b e l 算子2 7 图3 1 1 脊线频率示意图2 8 图4 1 像素的8 邻域示意图3 2 内容目录 图4 2 细化后的掌纹图像3 4 图4 3 细节特征点的8 邻域示意图3 5 图4 4 基于二值图像提取的特征点3 6 图4 5 掌纹图像的离散立体表面示意图3 7 图4 6 脊线跟踪算法示意图3 8 图4 7 基于灰度图像提取的特征点3 9 图4 8 邻域特征点结构示意图4 1 图4 9 特征点及其邻近点结构模型4 2 内容目录 表目录 表4 1比对速度测试结果4 4 表4 2 比对精度测试结果4 5 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：- f i 浩夜 两年6 月1 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 内部5 年( 最长5 年，可少f5 年) 秘密1 0 年( 最长l0 年，可少于1 0 年) 机密2 0 年( 最长2 0 年，可少于2 0 年) 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，足本人在导师指导下，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，均已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：响高 珈厂年月i 曰 第一章概述 第一章概述 第一节引言 在现实生活中，个人身份的鉴定是一个非常重要的问题。姓名就是个人蛙 重要的标识。但是，在很多场合f ，需要使用安全、鲁棒、不可欺骗的个人身 份鉴定机制，以判断个人身份是否合法。随着电脑与网络的普及，人类进入厂 网络信息时代。身份的数字化和隐性化，已经成为保护信息安全、个人安全乃 至国家安全的重要问题。 为提高效率，在很多应用环境中，人们使用机器完成个人身份鉴定工作。如 何让机器高精度、鲁棒的鉴定个人身份，是一个非常网难的技术问题。传统的 个人身份鉴定方法包括两类：基于知识( k n o w l e d g e b a s e d ) 的个人身份鉴定方 法：如p i n 码和个人密码等；基于令牌( t o k e n b a s e d ) 的个人身份鉴定方法： 如i c 卡、证件等。但足，这些方法存在着明显的缺点：证件、i c 卡及其他基于 令牌的识别标志容易丢失或被伪造，个人密码容易遗忘或记错。更为严重的是， 这些方法无法区分真正的拥有者和取得身份标识物的冒充者，一旦他人获得了 这些身份标识物就可以拥有完全相同的权力。 能否使用与生俱来的个人身体特征进行身份鉴定呢? 生物科学已经证明，指 纹、虹膜、声纹具有唯一性( 更严格的说，在世界范围内，两个人拥有相同指 纹，虹膜，声纹的几率非常小) 。而在一定的应用环境和个人群体中，人脸、步态、 掌纹也具有满足实现要求的唯一性。由此，就诞生了生物特征识别技术。 第二节生物特征识别技术综述 所谓生物特征识别技术( 或称生物测定技术b i o m e t r i c st e c h n o l o g y ) ，是指 通过计算机、利用人体所固有的生理( p h y s i o l o g i c a l ) 特征或行为( b e h a v i o r a l ) 特征进行个人身份鉴定。生理特征与主俱来，多为先天性的；行为特征则是习 惯使然，多为后天性的。人的生理特征一般包括：指纹、掌纹、眼睛( 视网膜 和虹膜) 、脸型、骨架、人体气味、皮肽毛孔、手腕手的血管纹理和d n a 等： 而人的行为特征则包括：签名、语音、行走的步态、击打键柱的力度等。我们 第l 矗 第一章概述 将生理特征和行为特征统称为生物特征。 1 2 1 常见的生物特征识别技术 从理论上讲，如果一个人的生物特征具有以f 性质，它就能用于身份鉴别： l 、j “泛性：每个人都应该具有这种特征； 2 、唯一性：每个人拥有的特征应该各不相同： 3 、稳定性：所选择的特征应该不随时间发生变化； 4 、可采集性：这一特征可以通过一定的设备和于段采集到，并可以量化。 然而，从实际应用的角度讲，满足以 ：条件的，卜物特征并不是都能用丁生物 特征识别系统。在实际的生物特征识别系统中，还应考虑可行性、可接受性和 安全性等方面。 目前些t 【 = i 于身份鉴别的生物特征主要包括【1 - 4 1 ：d n a 鉴定、指纹识别、人 脸识别、虹膜识别、声音识别、签名识别、步态识别、掌纹识别等。 遗憾的是，目前为l r ，还没有任何一种单独的生物特征可以满足上述的伞部 要求。基于各种不同生物特征的身份鉴别系统都有各自的优缺点，适用于一定 的范围。比如，有些人的指纹无法提取特征，患白内障的人虹膜会发生变化。 在对安全有严格要求的应用领域中，人们往往融合多生物特征来实现高精度的 识别系统。数据融合是一种通过集成多知识源的信息和不同专家的意见以广。牛 一个决策的方法。将数据融合方法用于身份鉴别，结合多种生理和行为特征进 行身份鉴别，提高鉴别系统的精度和可靠性，无疑是身份鉴别领域发展的必然。 1 2 2 生物特征识别技术的应用与研究现状 宏观上看，生物特征识别技术的应用领域大致i i j 以分为两类，一类是公芡 安全领域，另一类是民用领域。 自2 0 世纪8 0 年代末9 0 年代初，一些以生物特征识别为核心技术的高科技 公司如雨后春笋般涌现。1 9 9 3 年，剑桥大学的d a u g m a n 博士在对虹膜识别算法 深入研究的基础上创立rl f i s c a ni n c 。同时许多诸如s o n y 、n e c 等知名介业也 都纷纷成立了生物特征识别相关的门子公司，如h a m s 半导体的a u t h e n t e c i n c ，西门予的i n f i n e o ni n c 等等。据1 9 9 9 年的统计显示，从事生物特征识别技 术的公司已超过百家。此外，许多公司还共同发起组织了一个到际行业组织1 b i a 第2 页 第一章概述 ( i n t e r n a t i o n a lb i o m e t r i ci n d u s t r ya s s o c i a t i o n ，m ) 。美国政府还成立了专门的 生物特征协会( b i o m e t r i cc o n s o r t i u m ) ，组织协调和指导牛物特征识别领域的研 究开发等方方面面。可以说，正是诱人的市场前景使得生物特征识别己经形成 了一个具有相当规模的产业。 近十年来，生物特征识别广阔的应用前景推动着理论研究的发展。国外诈 多高校和大公司都专门成立了针对生物特征识别的研究团队，并在生物特征的 各个领域进行了系统深入的研究工作。位于圣何塞州立大学( s a nj o s es t a t e u n i v e r s i t y ) 的美国国家生物特征识别实验中心( n a t i o n a lb i o m e t r i c s t e s t c e n t e r ) 在生物特征识别的系统建模、标准制定等方面进行了许多很有意义的基础_ _ 作； 以密歇根州立大学( m i c h i g a ns t a t eu n i v e r s i t y ) 的模式识别与图像处理实验室为 依托的生物特征识别研究组主要在指纹识别领域的多个专题做了许多卓有成效 的j 作；意大利伯罗尼亚大学的生物特征系统实验室则在指纹、人脸、手掌以 及系统评测等方面开展了些创新研究。这砦研究都取得丰硕成果，每年许多 高水平的论文不断出现在国际上相关领域的顶级学术期刊和会议上。 我国在生物特征识别领域的起步较晚，过去，只有北大、清华、长春光机 所等少数单位较甲进行了自动指纹识别和采集的研究开发，并己研制出实用产 品，在公安司法等领域得到应用，但总体上，与国外相比研究面相对狭窄，产 品的软硬件水平上也相对落后，更没有形成根大的产业规模。 近年来，国内逐渐重视起对生物特征识别的研究。目前中科院自动化所模 式识别国家重点实验室在虹膜、人脸、语音、步态等多种生物特征卜开展了多 方位的研究，自动化所人工智能实验室在自动指纹识别e 做了卓有成效的工作， 浙江大学、西北人学等许多学校都启动了针对某些生物特征的长期稳定的研究 课题，呈现出了百花齐放的可喜态势。面向国内学术界的中国生物特征识别研 讨会( s i n o b i o m e t r i c sw o r k s h o p ，h t t p ：w w w s i n o b i m e t f i c so r g ) 已分别在2 0 0 0 年 北京、2 0 0 1 年杭州、2 0 0 2 年西安、2 0 0 3 年北京、2 0 0 4 年广州成功举办r 五届。 与此同时，国内企业界也注意到了生物特征识别巨大的市场前景，许多以 生物特征识别技术为旗帜产品的新兴公司应运而主。但他们之中绝大多数是代 理国外公司的软硬件产品，或者是做二次开发、系统集成等工作，而真f 拥有 核心硬件和相关算法的知识产权，有能力独立完整实现系统解决方案的企业很 少。冈此，如何在良好的市场环境下，借鉴国外成功经验，依托幽内科研力量， 做好产学研三者相结合，研制出具有自主知识产权的成熟的生物特征识别系统， 第3 页 第一章概述 形成与国外同行具有相当竞争力的产业规模，依然是值得各界关注的重要问题 和需要继续努力的方向。 第三节掌纹识别技术综述 掌纹是手掌上出现的花纹、纹理。掌纹的形态受染色体基因的调控，遗传学 家对掌纹的遗传研究表明：掌纹的形态形成是一种多基因遗传。这种遗传基凼 没有显形效应，受环境影响小。在掌纹的甲期形成的过程中，如有遗传性疾病， 尤其是染色体或基因异常的疾病时，便会导致掌纹的形态 5 现异常，一旦掌纹 形成后便会十分稳定。尽管掌纹的乳突纹或属肌线的大小或间距会随年龄的增 大而变化，但发展到成年时就基本不变了，所以从整体上来说是很稳定的。 每个人的掌纹形态均不相同，即使花纹形体相似，其纹线数目与长短均1 i 一 致。掌纹的乳突纹和屈肌线、皱纹等的形态有一定的规律，尤其是主要的屈肌 纹特征明显，因而掌纹可用于分类分析。 1 3 1 掌纹识别技术的研究现状 基于掌纹的身份鉴别方法己受到国内外有关研究与应用部门的关注，并开展 了一些尝试性的研究，也取得了一些阶段性的实验结果。m a t s u m o t o 和k a t s u h e i 在1 9 8 5 年发表的论文【5 】中首次介绍了利用掌纹识别进行人身份鉴别，主要用在 预防计算机有关的犯罪，即防止非法的拷贝软件，非法使用数据库等，但该论 文只做了初步的研究。s h i o n o ，i s h i k a w a 和s h i m a d a l 6 在1 9 9 1 年发表的论文中介 绍了他们用手掌和掌纹进行身份鉴别的试验结果、他们试验了。种结合手形和 掌纹的识别方法，并在5 0 个人的小群体巾测试，拒绝非授权人进入率为9 98 。 k u n g ，l i n ，和f a n g n l 的论文提出了一种决策化的神经网络识别人脸，并将此方 法用于手掌识别，但未考虑手掌上的屈肌线特征，识别可靠性不高。p a u l sw u 和黎明| 8 9 】等人于1 9 9 7 年提出了基于堆栈滤波器的金字塔法和金字塔自适应动 态h o u g h 变换法提取手掌屈肌线，但其重点研究的是脉冲噪声干扰下的边界 探测方法，与在线采样得到的图像样本间有些差异；束为o ，川和d a v i d z h a n g ”1 等提出了强制模板法和基于拉普拉斯算子的金字塔法来提取掌纹的线特征，但 结果也不理想 1 ”。f u n a d aj ，o h t a n a d a m s 【1 4 1 提出了一种消除手掌皱折的方法， 第4 页 第一章概述 李文新m 1 提出了一种基于纹理能量的掌纹鉴别方法，虽取得了一些阶段性的研 究成果，但算法仍有待进一步改进。 1 3 2 掌纹识别技术的研究意义 掌纹与指纹、人脸、手形等其它生物特征相比具有以下优点： 1 、掌纹的区域比指纹大的多，可以比较容易地获取掌纹质量较好的掌纹块 来提取细节特征： 2 、除细节特征具有唯一性和稳定性以外，掌纹中的各类线特征也具有唯 性和稳定性： 3 、在获取掌纹的同时还可获取手掌的几何特征； 4 、可在较低空间分辨率的图像中提取掌纹中的线特征，提高掌纹识别系统 的抗噪声干扰能力； 5 、由于对掌纹图像的分辨率可降低要求，因此比指纹更易采集，特征提取 也更容易，成本价格也比较低。 掌纹识别并不会让人联系到隐私权的侵害，其被测试者的可接受程度较高， 而且识别系统的硬件标准化程度也比人脸识别、语音识别、视网膜识别的标准 化程度高。识别率与识别速度均可达到实用系统的要求。因此掌纹识别的身份 鉴别技术是基于生物特征识别技术的重要内容。 基于掌纹的身份鉴别方法，既能满足个人身份鉴别系统的技术指标( 唯“陛、 抗噪声、防伪、实时、安全可靠、低成本、特征数尽可能少、在精度上降低两 类误差、保护隐私等) ，又能克服指纹方法的局限性，可大大简化掌纹图像采集、 掌纹特征提取与掌纹鉴别过程，为该技术的实用化提供了可能，叮广泛应用t ： 公安系统犯罪嫌疑人的身份鉴别、信用卡身份鉴别、公司员工身份鉴别、出入 控制、遗传性研究、安全系统控制、人类学、医学研究等方面。 掌纹中所包含的信息远比一枚指纹所能提供的信息丰富，利用掌纹的线特 征、点特征、纹理特征、几何特征完全可以确定一个人的身份。掌纹采集方法 简单，采样设备的成本也不高，从理论上讲掌纹识别应比指纹分析技术更日靠、 更先进。但从相关文献的检索结果来看，虽然对掌纹的研究正在不断地从理论 与应用两方面深入，但无论是研究规模、成果还是应用情况，掌纹的研究都远 落后于对指纹的研究。 第5 页 筇一章概述 第四节本文主要研究内容和结构 本文在第二章中讨论了掌纹自动鉴别系统的设计与实现。根据国内删侦领 域的需求，自主研发实现了掌纹自动鉴别系统，本系统是国内第一套完全遵循 国家公安部标准、面向刑侦领域应用量身定制的掌纹痕迹鉴别系统，建立了针 对多种相关数据和信息的完整数据库结构，设计了符合刑侦工作需要的完整f 作流程，实现了友好的人机交互机制。 然后分别在第三章和第p q 中对掌纹自动鉴别中的关键技术进行深入研究和 讨论。 第j 章主要对掌纹图像的增强处理进行研究。针对质量较差的掌纹图像， 本文首先对传统的图像的滤波增强进行讨论，然后根据掌纹图像的局部频率特 性和局部方向特性，提出了采用g a b o r 滤波器对掌纹图像进行图像增强的方法， 在前人研究的基础上，改进算法，实现了快速的g a b o r 滤波增强用于掌纹图像 的算法。 第四章对掌纹的特征提取和特征匹配进行研究。特征提取中分别实现基于 二值图像和基于灰度图像的特征提取算法，通过比较，选用基于灰度图像的特 征提取算法用于掌纹自动鉴别系统中。特征匹配属于模式分类问题。本文根据 掌纹的特征点模式的特点，提出了分层式特征匹配算法，在掌纹自动鉴别系统 中得到理想的效果。 在最后一章中对本文的工作进行总结，并对未来的发展方向进行展望。 第6 页 第二章掌纹自动鉴别系统的架构 第二章掌纹自动鉴别系统的架构 基于掌纹鉴别的身份认证一般分为身份验证和身份辨别两大类。基于掌纹 的身份验证是要确定两个掌纹样本是否来自同一个人。身份验证要求利用的掌 纹的生理特征应具有稳定性、唯一性、不易仿造、提取方便的特点，因此可提 取手掌的几何尺寸、掌纹三角点和屈肌线等特征来进行身份验汪。基于掌纹的 身份辨别是指用一个掌纹样本从掌纹库中查找具有相同或相似生理特征的掌 纹，从而判定掌纹的主人，身份辨别主要应用于刑事侦查。 本文实现的掌纹自动鉴别系统是针对国内刑侦领域需求设计的掌纹痕迹分 析处理鉴别系统，本系统融合了刑侦领域痕迹鉴定专家经验、刑侦技术规范、 生物特征识别领域先进技术和软件产品研发技术。 本系统的主要研发目的包括以下两点： 1 、针对国内刑侦领域需求量身定制可实用的掌纹自动鉴别系统，填补国 内同领域掌纹自动鉴别技术的产品空白。 2 、遵循公安部各项标准、支持掌纹特征的快速提取j 自动比对、实现分 时分步的应用处理流程、提供丰富强大的界面操作和信息管理功能。 与刑侦领域现有的其他信息化系统相互融合，为刑侦人员提供更为强 大的技术工具。 掌纹自动鉴别系统通过扫描仪、电子文件、活体采集等形式将掌纹档案卡 和现场学纹照片中的掌纹转换为二维灰度图像，通过对图像进行结构分析和特 征抽取以获得能够不同掌纹的特征信息，然后采用性能稳定的特征比对算法实 现对掌纹的自动攀别。在提供了良好掌纹特征比对机制的基础 ：，同时实现了 完整的j 、i 用流程和网络化环境。 第一节系统拓扑结构设计 根据应用系统的需求和软件设计的需要，掌纹自动鉴别系统采用分层次结 构设计，多模块分别实现，如图2l 所示。这种嫂计结构的特点是，前台应用和 核心处理模块分开，功能实现与数据库操作分开。这种系统结构设计的优点是： 第7m 第二章掌纹自动鉴别系统的架构 第一，就系统结构而言，方便功能划分，利于模块移植。核心处理模块实 现的算法呵以方便快捷的移植到其他应用系统中，并日可以方便地移植到其他 操作系统中，提高软件的适用范围，利于代码的重用，缩短了软件的开发周期。 第二，功能实现与数据库操作的分开，可以方便实现数据库管理系统的转 换。根据需要，如果系统需要使用其他数据库管理系统，则可以只修改数据库 控制模块，就可以方便的用于其他数据库管理系统。目前的数据库管理系统很 多，比如s q ls e r v e r 、o r a c l e 、i n f o r m i x 等，这样可以根据需要选用合适的数据 库管理系统，提高系统的适应能力。 第三，从软件开发的过程来看，通过模块的划分，可以实现团队开发，提 高开发进度，荠且方便开发过程中的 日题定位，i ，j - 以快速的定位开发过程中b u g ， 提高开发进度。 图2 1 掌纹自动鉴别系统结构图 从图2 1 的系统结构图中，还可以石出，掌纹自动鉴别的核心处珲模块分为 图像预处理模块、特征提取模块、特征匹配模块和人机交互编辑修改模块等几 个子模块。子模块划分的依据主要是根据模块的功能，每个模块实现一个相对 独立的功能，然后根据模块的接口进行相互之问的访问和交瓦。 第8 负 第= 章掌纹自动鉴别系统的架构 第二节应用层设计 掌纹自动鉴别系统实现了刑侦领域使用掌纹信息的完整工作流，提供了完整 的应用处理流程和友好的人机交互方式。图2 2 显示了对用户操作界面的主要功 能模块。 。l 7 l 数据录入 掌 纹f 数据编辑 自 7 l 动 鉴 别 j 比对和检视 系 7 i 统 浏览和管理 图2 2 掌纹自动鉴别系统的士要功能模块 掌纹自动鉴别系统的主要业务流程为：档案掌纹通过各种方式输入剑计算机 中，通过计算机图像处理和提取特征点取得掌纹图像的特征值后，存储到档案 库中；现场掌纹通过各秘方式输入到计算机中，通过人工编辑标记特征点取得 掌纹图像的特征值后，存储到现场库中。如果需要比对，则将比对源的掌纹特 征值同数据库中的掌纹特征值进行比对，得到比对结果队列，这时由人j ：来对 第9 页 第一章掌纹a 动鉴别系统的架构 其做出判断，判断是否在数据库中找到同疑犯，如果有，则产生输出( 包括屏幕 和打印输出) 。如果是现场掌纹经比对后，可以确认案件已破，则从现场库中删 除当前对应掌纹到已破案库中。 比对是掌纹自动识别系统的主要流程，通过单个掌纹与数据库中掌纹进行 逐一比对，搜索出犯罪嫌疑人的相关资料或连带案件的相关资料，为案件侦破 提供线索。比对操作可以分为档案比现场、现场比档案、现场比现场蔓种方式。 档案比现场：撩印掌纹与现场掌纹库比对过程，也称积案比对或倒查。 现场比档案：现场掌纹与档案掌纹库中比对过程，也称现场比对或正查。 现场比现场：现场掌纹与现场掌纹库中比对过程，也称串并案比对或串 奄。 现场比档案、现场比现场的操作流程类似，不同之处主要在j r 现场比档案 是用现场掌纹同档案库巾的掌纹进行比对，而现场比现场是用现场掌纹与现场 库中的掌纹进行比对。档案比现场是用档案掌纹与现场库中的掌纹进行比对。 其业务流程图分别如图2 3 ( a ) 、2 3 ( b ) 所示。 现场掌纹录入 上 图像处理 特征提取 上 建库h _ _ - 人工编辑 r 赢付一一 ( 档案库( 一! 1 人盍视 厂7 、 ( 己破案库( 1 卜一 、j 厂丐赢库一n 1、一。!- f 厂赢 1 1 。一 i 生一 j 人j 榆视 ! 结果输出 ( a ) 现场比现场、现场比档案( b ) 档案比现场 图2 3比对业务流程图 第1 0 页 第二章掌纹自动鉴别系统的架构 由于用户经常需要对多个掌纹进行处理，如果按照流程处理完一个掌纹再 处理下个的话，必然导致用户在不同的界面中跳来跳去的情况。同时由于图 像处理、比对操作是比较占用时间的操作，也会导致用户等待的情况。为了提 高操作效率，将任务排成队列，采用多线程机制，存后台逐次完成。 任务建立相应的任务队列，将会协调各种操作。同时某些时候系统关闭时， 某些任务尚未完成，当系统重新启动后，可以通过队列方便的找到上次未执行 完的任务。图2 4 是在一个完整的识别操作巾队列的操作示意图。 第1 1 虹 第二：章掌纹自动鉴别系统的架构 图2 , 4 队列操作示意围 第】2 贞 第二章掌纹自动鉴别系统的架构 队列可分为六种队列类别：档案待处理队列、档案待交互队列、现场待人 工编辑队列、待比对队列、比对结果队列。现场掌纹经输入后添加任务到待人 工编辑队列。档案掌纹输入后按处理、处理比对添加任务到待处理、待处理比 对队列。现场掌纹经过人工编辑后需要入库的入库，需要比对的添加任务到待 比对队列中。档案掌纹经过图像处理后需要入库的入库，需要比对的添加任务 到待比对队列中。掌纹经过比对后，产生一个对应的比对结果队列( 待人工检 视队列) 。档案掌纹入库后质量不符合质量标准的系统自动生成档案待人机交互 队列。队列之问根据各自的内部处理流程，相互协调操作，实现系统的脚调运 行。 第三节数据库设计 在掌纹自动鉴别系统中，需要记录保存不同类型的大量信息，同时需要提 供对各类信息的管理维护功能，因此必须定义完整合理的数据库结构和方便简 介的数据操作流程。本文从以下几个方面阐述数据库设计与实现的思想和方法。 1 、数据与信息的分类和处理流程设计 将掌纹自动鉴别技术应用于刑侦领域，需集中记录并管理以卜i 类别的数据和 信息： a 、掌纹罔像、编号、掌位、特征等用于掌纹比对的数据和信息； b 、比对任务、比对结果、人工检视结果等刑侦工作流数据和信息； c 、与掌纹图像相关的案件、人员等信息； d 、用户权限、系统配置、操作选项、系统日志等管理维护信息。 在将各类数据和信息进行分类后，我们进一步设计了各类信息和数据的处理 流程，对其产生位置、输入方式、可用的处理操作进行了严格界定。为降低系 统总体成夺，我们选择i n f o r m i x 作为掌纹自动鉴别系统的数据库平台，针对各 类信息定义了3 0 余个不同的数据库表单，用来保存各类信息和数据，同时建市 了各个表单的相互依赖关系。 2 、数据保存与增删改查等操作设计 为提高掌纹自动鉴别的精度，掌纹自动鉴别系统采用的档案掌纹图像采集 标准为5 0 0 d p i 灰度图( 2 4 0 0 2 4 0 0 大小) ，由此造成掌纹图像占据大量的磁盘 空间。如果直接将图像信息保存在数据库中，那么数据库的大小将极具扩充， 第1 3 页 第二苹掌纹自动鉴别系统的架构 同时也会影响对其他信息和数据的检索性能。 因此，在设计了完整合理的数据库结构之后，我们采用链接的方式对掌纹 图像和特征点信息进行保存。将掌纹图像和特征点信息保存在磁盘文件中，在 数据库中只保存对应磁盘文件的位置。由此会大大提高数据库处理操作的性能。 在现实应用中，许多与掌纹相关的案件1 人员信息都以数字编码的形式存在 ( 如身份证号、地区编号等) ，为降低操作人员的工作强度，我们提供了基于数 据库词典的信息录入辅助功能，操作人员只需选择“省、市、地区”等文字信 息，就能够自动输入数字编码。这样的处理设计大大提高了数据操作的友好性。 针对掌纹自动鉴别系统中的各类数据和信息，我们均提供r 相应的数据检 索与浏览机制。在检索与浏览结果显示的窗口中，提供了与处理步骤的关联。 操作人员可直接选择可用的处理步骤对数据进行处理( 如直接进行特征编辑或 人一】：检视) 。 3 、数据共享与安全性设计 掌纹自动鉴别系统将运行于网络化环境中，必然需要人量的信息共享和数 据传递。为此必须充分考虑数据共享的可行性和安全性。 我们选用i n f o r m i x 作为数据库平台，并进一步定义了完整的数据库操作接口， 数据库的所有操作均进行了封装。当在不同结构的数据库之间进行数据共享时， 可通过统一的数据库操作接口实现无阻碍的信息传输。同时，我们也采用了性 能可靠的数据加密机制，对所有数据进行加密处理，有效的保证了数据的安全 性。 第1 4 贞 第三章掌纹图像增强 第三章掌纹图像增强 掌纹图像增强的目的是针对一幅给定的模糊掌纹图像，去除噪声，同时增 强掌纹图像的脊线和谷线之间的对比度，使掌纹纹理清晰、边缘明显，以便提 取特征进行识别。图像增强结果的好坏直接关系到特征的提取，以至影响掌纹 识别的准确率。实际应用中根据需要，选择合适的图像增强方法，为图像特征 提取提供质量较好的增强图像，使之尽量减少因图像噪声引起的伪特征的数目。 第一节掌纹图像的特征选择 掌纹由乳突纹、皱纹和屈肌线三种纹线组成。乳突纹是手掌皮肤组织的凹 凸结构显示在表面上的细小阳凸纹路，其具有唯一性和终身基本4 i 变性。皱纹 是皮肤松驰活动形成的细小沟纹。皱纹虽然横压在乳突纹e ，但不损坏乳突纹 的结构。屈肌线是手掌关节长期的届伸运动在一定部位上形成的固有的沟纹。 该纹线主干的分布和形态是终生不易改变。一个手掌可能有多条屈肌线，但占 8 0 以上的人的手掌有三条主要屈肌线( 如图3 1 所示) 。 图3 1掌纹组成示意图 第15 贞 第三蕈掌纹图像增强 掌纹中含有丰富的信息，这些信息都可以用于掌纹自动鉴别。在掌纹自动鉴 别中通常选用的掌纹特征主要分为以下几类：几何特征 1 6 , 1 7 】、纹理特征m 。”、 线特征阻2 4 ，2 扪、点特征。 本文研究的掌纹自动鉴别方法旨在用于公安刑侦领域，快速准确的确定犯 罪嫌疑人或现场死者的身份，指导破案。由于现场遗留的掌纹痕迹不清晰，甚 至得不到完整的掌纹痕迹，很难利用掌纹的几何特征或纹线特征进行掌纹识别。 所以本文采用掌纹的细节点特征来表示掌纹，记录细节点特征的位置和方向， 对掌纹进行鉴别。 在掌纹的细节点特征表示法中，最常见的两种细节点特征是：纹线端点和 分叉点，用这些特征点的位置和相互关系来表征掌纹。纹线端点( e n d i n g ) 定义 为一条纹线终止处的位置；纹线分叉点( b i f u r c a t i o n ) 定义为两条纹线相遇处的 位置。图3 2 为纹线端点和纹线分叉点在掌纹中的示意图。本文所提出的算法主 要用于提取这两种细节点，所指的特征点( m i n u t i a e ) 均指上述两种。 图3 2 掌纹图像的纹线端点和纹线分义点 第二节掌纹图像增强 理想情况下，掌纹图像中的纹线结构相当清晰，脊线和谷线平钼1 交替延伸。 但是当一幅掌纹图像质量受损时，纹路结构不再清晰甚至相对模糊。图像增强 的目的是针对一幅给定的模糊掌纹图像，去除噪声，同时增强掌纹图像的脊线 和谷线之问的对比度，使掌纹纹理清晰、边缘明显，以便提取特征进行识别。 图像增强结果的好坏直接关系到特征的提取，以至影响掌纹识别的准确率。实 第1 6 负 第三章掌纹图像增强 际应用中可根据需要，选择合适的图像增强方法，为图像特征提取提供质量较 好的增强图像，使之尽量减少因图像噪声引起的伪特征的数日。 3 2 1 图像增强的必要性 在掌纹自动鉴别技术中，提取出正确、可靠而有效的特征信息是进行最终 掌纹特征匹配的基础，而特征信息提取的准确性又直接依赖于掌纹图像自身的 质量。 目前，文献中报道的细节点提取算法的性能均在很人程度上依赖丁输入掌 纹图像的质量盼3 1 1 。质量良好的掌纹图像，可以比较精确地对特征点进行定位， 伪特征点也相对较少。但是在实际应用巾，由于采集环境、设备或者掌纹皮肤 自身的因素，如掌纹皮肤上的褶皱、汀水，以及捺印时的轻重等原因，均会造 成掌纹的不清晰。所谓掌纹图像质量差主要是掌纹图像中的纹线结构币清晰， 甚至已被破坏。在低质量的掌纹图像中，脊线结构不清晰，因此特征点也1 i 容 易被准确地抽取出来。这就导致了下述问题： l 、出现了相对数量的伪特征； 2 、一部分真特征反而被漏掉； 3 、在特征点的定位( 位置和方向计算) 上引入了较大的偏差。 ( a ) 高质量图像特征提取结果( b ) 低质量图像特征提取结果 图3 , 4 不同质量的掌纹图像的特征提取结果 第17 虹 第三章掌纹图像增强 图3 4 ( a ) 和2 4 ( b ) 分别是细节特征提取算法对质量良好和质量很差的 掌纹图像进行特征提取的结果。显然，对质量很差图像的细节特征提取结果很 不理想，出现了大量的伪特征点。使用这样的细节特征提取结果是很难正确地 进行掌纹匹配的。因此，为了提高特征提取算法的可靠性和鲁棒性，对纹线不 清晰的掌纹图像进行增强处理是很有必要的。一个好的增强算法可以去除或抑 制图像中的噪音，同时强化图像的脊线和谷线之间的对比度，使纹理清晰、边 缘明显，从而町以提高特征提取的准确性，进一步提升系统的性能。 另一方面，即使是残缺不全的犯罪现场掌纹，刑侦专家也能够根据局部纹线 方向、纹线的连续性以及纹线的趋势等视觉线索识别出掌纹特征从而进行正 确的掌纹鉴别。因此，从理论上来讲，掌纹自动鉴别技术也完全可以利用这些 可视的线索来提高被破坏的掌纹区域结构的清晰度，以达到对质量较差( 甚至 质量非常著) 的掌纹进行准确的鉴别。 图像增强是一项相对耗时的工作，一幅2 4 0 0 * 2 4 0 0 像素的掌纹图像有j ，7 6 0 ， 0 0 0 个像素，对每个像素进行若干次乘法和加法操作，如果采用频域分析方法， 还需要进行时域和频域的相互转换，这样需要很大的时间开支。如果在图像增 强环节上采用过于简化的处理方法，以期望达到快速计算，往往得不偿失。因 此为了提高整个系统的性能指标，必须选择合适的图像增强算法。 3 2 。2 传统的图像增强方法介绍 在掌纹图像采集过程中，由于印压强度及皮肤干燥潮湿等凶素，使得所采 集的图像或多或少地存在着图像信号不均匀和信号误差等。图像均值