（计算机软件与理论专业论文）脱机掌纹图像处理方法研究.pdf

中文摘要 中文摘要 随着生物特征识别技术的发展，对掌纹识别技术的研究的需求日益明显。 为适应日趋严峻的社会公共安全形势，“掌纹自动识别核心方法与应用系统研 究 已列为我国公安部十一五重点科技攻关项目。由于脱机掌纹的图像质量会 影响后期特征抽取和比对结果，图像分析和图像增强成为脱机掌纹识别的研究 重点。基于此项目，本文有效地结合了脱机掌纹图像的生理特点和图像质量， 提出了掌纹特殊区域的判别方法，基于掌纹块的图像质量判断以及图像增强处 理方法。 本文首先对提出了一个有效的脱机掌纹特殊区域定位的方法，可以分为两个 阶段：第一个阶段是根据四个相邻掌纹块的主方向进行粗定位。在第二阶段， 一个动态聚类算法将粗定位的特殊区域的方向图进行分割，来定位奇异点。最 后根据奇异点来最终定位特殊区域。在该部分，本文介绍了一个非常重要的概 念方向图。方向图作为关键概念，贯穿于整个掌纹识别的各个步骤中。 在掌纹图像质量判断中，我们采用基于掌纹块的块间质量参数和块内质量 参数判断。块间质量参数采取块间方向连续性和脊线宽度一致性特征。块内质 量参数采用：皮肤干湿度，块内方向一致性，谷脊线频率特性和特殊区域等特 征。 最后我们提出了脱机掌纹图像增强的方法，该方法分为基于灰度图像和基 于二值图像的增强的方法。在灰度图像上，我们基于方向图，设计了一组方向 滤波器来增强灰度掌纹图像；在二值图像上，我们设计了基于标定矩阵和连通 区域的方法去除= 值图像上的外部噪音和内部噪音。 基于本文各项研究内容的成果，我们设计并实现了图像分析和图像增强的 完整流程，并使用北京刑事科技计算所提供的真实数据进行了性能评测，评测 结果证明了本文的方法有效性地完成了脱机掌纹图像分析和增强的目标。基本 满足刑侦领域的现实应用需求。本文研究成果已发表在各大国际会议上，并在 北京刑事科学计算所投入使用。 关键字：生物特征识别、脱机掌纹、图像分析、图像增强、特殊区域 a b s t r a c t a b s t r a c t w i t ht h ed e v e l o p m e n to fb i o m e t r i c s ，t h er e q u i r e m e n to fp a l m p r i n tr e c o g n i t i o n t e c h n o l o g yg r o w s t om e e tt h ei n c r e a s i n g l ys e v e r es o c i a lp u b l i cs e c u r i t ys i t u a t i o n ，t h e r e s e a r c ho nc o r e a l g o r i t h m s a n d a p p l i c a t i o ns y s t e m o f p a l m p r i n t a u t o r e c o g n i t i o n s h a sb e e np r o p o s e da sak e yp r o j e c ti nt h em i n i s t r yo fp u b l i c s e c u r i t y ”llt hf i v e - y e a r ”p l a n s i n c et h eq u a l i t yo fo f f l i n ep a l m p r i n ti m a g ew o u l d a f f e c tt h ea f t e rp r o c e d u r e s ，s u c ha sf e a t u r ee x t r a c t i o na n dm a t c h i n g ，o f f l i n ep a l m p r i n t i m a g ea n a l y s i sa n de n h a n c e m e n ta r ek e yp r o b l e m so fr e s e a r c h o nt h eo f f i i n e p a l m p r i n tr e c o g n i t i o n b a s e do nt h ep r o j e c t ，n o v e la l g o r i t h m so nl o c a t i o no fs p e c i a l a r e a s ，b l o c k - b a s e d o f f l i n ep a l m p r i n t i m a g eq u a l i t ym e a s u r e m e n t a n di m a g e e n h a n c e m e n th a v e b e e np r o p o s e di nt h i sp a p e r , w h i c ht a k ea c c o u n to ft h e p h y s i o l o g i c a lc h a r a c t e r i s t i c sa n dq u a l i t yo f o f f i i n ep a l m p r i n ti m a g e s a tf i r s t ，t h i sp a p e rp r o p o s e sa l le f f i c i e n ta l g o r i t h mt ol o c a t et h es p e c i a la r e a so n o f f i i n ep a l m p r i n t ，w h i c hc a nb ed i v i d e di n t ot w os t a g e s t h ef i r s ts t a g ei st ol o c a t et h e c o a r s e - l e v e ls p e c i a la r e a sb a s e do nt h et o p o l o g yo ff o u ra d j a c e n tb l o c k s a n dm e n 、a d y n a m i cc l u s t e r i n ga l g o r i t h mi sa d o p t e dt os e g m e n tt h e o r i e n t a t i o nf i e l d so ft h e c o a r s e - l e v e ls p e c i a la r e a sa c c o r d i n gt ow e l l s u i t e do p t i m a l i t yc r i t e r i a t h es i n g u l a r p o i n t sc a nb ed e t e c t e db a s e do nt h ei n f o r m a t i o no fs e g m e n t e do r i e n t a t i o nf i e l d b a s e d o nt h es i n g u l a rp o i n t s ，t h ef i n a ls p e c i a la r e a sa lel o c a t e d i na d d i t i o n ，o r i e n t a lf i e l d ， a sak e y p a r a m e t e ri nt h ew h o l ep r o c e d u r eo fp a l m p r i n ti d e n t i f i c a t i o n ，i si n t r o d u c e di n t h i ss e c t i o n t h i sp a p e ri n t r o d u c e sab l o c k b a s e da p p r o a c ht oe v a l u a t et h eq u a l i t yo fa p a l m p r i n t ，i nw h i c ht w oi n t e r - b l o c k i n d i c e sa n df o u ri n n e r - b l o c ki n d i c e sa r e d e v e l o p e d i n t e r - b l o c kq u a l i t yi n d i c e si n c l u d e sb l o c kl e v e lo r i e n t a t i o nc o n t i n u i t y , r i d g et h i c k n e s su n i f o r m i t y , w h i l ei n n e r - b l o c kq u a l i t yi n d i c e si n v o l v es m u d g i n e s s d r y n e s sj u d g m e n t ，t h ec e r t a i n t yo fo r i e n t a t i o ni nab l o c k ，r i d g e v a l l e yf r e q u e n c y v a l u e ， a n ds p e c i a la r e a si n f o r m a t i o n f i n a l l y , an o v e le n h a n c e m e n ta l g o r i t h mo no f f i i n ep a l m p r i n th a sb e e np r o p o s e d ， i i a b s t r a c t w h i c hc o m p r i s e st w os e p a r a t e ds t e p s ，w h i c ha r et h ee n h a n c e m e n to ng r e y - s c a l e i m a g e sa n dt h ee n h a n c e m e n to nb i n a r yi m a g e s w ed e s i g nag r o u po fo r i e n t a t i o n f i l t e r sf o rg r e y - s c a l ei m a g e ，w h i c hc a nf i l t e ra ni m a g ea c c o r d i n gt oo r i e n t a t i o nf i e l d i nb i n a r yi m a g e s ，w ei n t r o d u c ea na l g o r i t h mb a s e do nt h et a g g e dm a t r i xa n d c o n n e c t e d c o m p o n e n tt oe l i m i n a t et h ei n t e r i o rn o i s ea n de x t e r i o rn o i s e 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 , o u rp r o p o s e da l g o r i t h m so no f f i i n e p a l m p r i n ti m a g ea n a l y s i sa n dp r o c e s s i n ga r et e s t e du s i n gag r e a td e a lo fr e a ld a t a , w h i c hi so f f e r e db yt h ei n s t i t u t eo fc r i m i n a lt e c h n o l o g yc o m p u t i n gi nb e i j i n g t h e t 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 ni nc r i m i n a li 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 er e s e a r c hr e s u l th a v eb e e n p u b l i s h e do nt h ep r o c e e d i n g so fs e v e r a li n t e r n a t i o n a lc o n f e r e n c e sa n db e e na p p l i e di n b e i j i n gn o w k e y w o r d ：b i o m e t r i c s ，o f f i i n ep a l m p r i n t ，i m a g ea n a l y s i s ，i m a g ee n h a n c e m e n t ， s p e c i a la r e a i i i 内容目录 图目录 图1 1 生物特征的常见分类1 图1 2 犯罪现场掌纹图5 图1 3 脱机掌纹核心处理的流程和图像分析处理的具体内容1 0 图2 1 掌纹中的三角区和中心区1 2 图2 2p o i n c a r 6i n d e x 的计算1 3 图2 3 在元素的八邻域中计算p o i n c a r 6i n d e x 的例子1 4 图2 4 特殊区域定位的流程图和特殊区域的用途1 5 图2 5 脱机掌纹的方向图1 6 图2 6 掌纹特殊区域的方向结构1 7 图2 7 方向图的计算和修正1 9 图2 8 特殊区域方向图分割结果2 3 图2 9 方向图分割结果中没有交叉点的不是特殊区域2 3 图3 1 掌纹的“t 形区域2 5 图3 2 脊线宽度的计算参数。2 7 图3 3 手掌过湿和过干的掌纹图像2 8 v i i 内容目录 图3 4 在x - y 坐标系下的方向窗口2 9 图4 1 掌纹中的细节特征点3 2 图4 2 脱机掌纹图像增强流程图3 4 图4 3 水平方向滤波器3 5 图4 4 掌纹八方向示意图和滤波器作用的图像象素的范围3 5 图4 5 掌纹边缘区域二值化3 7 图4 6 掌纹二值图像上的内部噪音和外部噪音3 8 图4 7 二值图像上的内部噪音3 8 图4 8 脱机掌纹图像标记矩阵3 9 图4 9 去除内部部噪音的结果4 0 图4 1 0 去除外部噪音的结果4 0 图5 1 一组提取出的特征区域4 1 图5 2 一副标有特征区域的完整掌纹图像4 2 图5 3 在降低质量较差的掌纹图块置信度后精确率提高的示意图4 5 图5 4g i 值和图像最终质量值之间的关系4 6 图5 5 一组增强的掌纹块图像4 7 图5 6 一张经过图像增强后的脱机掌纹的二值图像4 7 v i i i 内容目录 表目录 表5 1 八幅随机样本特殊区域定位的评测结果4 3 表5 2 通过掌纹专家评测结果和本文质量判断结果之间的比较。4 3 表5 3 八幅随机样本的g i 值及所有样本的平均g i 值4 8 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：都串岂 加鬈年了月瑁日 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： 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：知丰色 细寥年5 月叼e l 第章概述 第一章概述 第一节引言 生物特征识别用于通过比较一个输入样本和已有模板来鉴别该样本。这项技 术被广泛用于鉴别个人身份。和其他流行的个人身份鉴别的方法不一样，例如， 钥匙卡，图片，p i n 码等，生物特征识别具有不可丢失，不可复制性，不易 更换性等特点 2 。生物特征往往分为两大类( 如图l1 所示) ： 生理特征：和身体固有的生理特征相关的。最早被用于该类的生物特征为指 纹，已经有 0 0 多年的历史。其他特征识别还包括：人脸识别，掌纹识别 虹膜识别。 行为特征：和人的行为相关。签名特征是首先被采用的，目前仍在广泛使用。 当前正在研究的这类特征还有按键动态学和语音特征等。 严格来讲，语音特征是一个人固有的生理特征，因为每个人都有自己特有的 音高，但是语音识别往往是基于个人说话的方式来研究的因此被广泛划分 为行为特征识别。 掌纹作为一种生物特征，由于其采集手段简易，特征种类繁多，识别精确率 商，不可复制性高等特点，越来越得到广泛的关注和研究，成为生物特征识别 领域的研究热点和应用热点。 b i o m n t 帕c s 二_ _ _ j 二_ 一 一恬* 2 一f i n g e r p r i n t ，i 穗 一h a n d ! ； 一i r l s 。吣罨 一 辫 图1 1 生物特征的常见分类 第l 第一章概述 第二节生物特征识别介绍 1 2 1 几种流行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下性质，它就能用于身份鉴别【1 】： 1 、广泛性：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，该特征能够区分彼此； 3 、稳定性：所选择的特征应该不随时间发生变化，或者在一定时间范围内 基本不发生变化： 4 、可采集性：这一特征可以通过一定的设备和手段采集到，并可以量化。 然而，从实际应用的角度讲，满足以上条件的生物特征并不是都能用于生物 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。下面是几种生物特征的介绍。 1 2 1 1 指纹特征 指纹是最古老、最久为人知的生物特征。早在十九世纪八十年代，英国的警 察官已经使用指纹来鉴别犯罪分子了。在二十世纪四十年代，美国联邦调查局 已经人工维护并且处理了一亿张指纹卡片。在1 9 7 1 年，指纹卡片数量上升到两 亿。指纹识别现在被广泛用于各大公司的门禁系统。指纹识别较其他特征识别 具有成本低，规模小，易于集成等特点。 1 2 1 2 手部几何特征 手部几何特征识别使用手部的物理特性作为识别特征，例如手指的长度，大 小，厚度和曲率等等。手部几何特征同指纹等生物特征识别相比精确率较低。 但是，由于其易于实现，效率高等特点，被用于大型数据库。 1 2 1 3 声音特征 这种生物特征在公司或者私有机构中比较少见，而经常见于法律强制执行机 关。这是一种特有的特征，每个人都有独有的“声音纹 。但是由于电子设备限 制和局部声学变化性等特点，没有得到广泛的应用。研究者们看到了声音特征 第2 页 第一苹概述 识别研究的潜质，随着科技的进步，声音识别必定会被广泛应用于各个领域。 1 2 1 4 视网膜扫描 在这项技术中，光耦合器发出的低强度的光源将会扫描用户的特有的视网膜 结构来采集特征。虽然该技术非常安全可靠，但该项生物特征的采集手段存在 各种障碍，例如一些人们佩戴眼镜，一些人们不愿光线射入眼中。目前，视网 膜扫描的应用仍是比较有限。 1 2 1 5 虹膜扫描 比起视网膜扫描，虹膜扫描采集手段比较没有侵犯性，只需一个照相设备， 而不需要和用户近距离的接触。并且技术障碍也易于克服；例如，用户是配否 戴眼镜并不影响虹膜识别的准确性。因而该项技术得到了广大用户的接受并广 泛应用。 1 2 1 6 签名特征 签名识别同其他生物特征识别相比，更得到用户的广泛接受。并且，由于其 相对较高的识别准确率和易于执行性，签名识别使用的广泛程度必将继续增加。 1 2 1 7 人脸特征 近年来，人脸识别在正面和负面都吸引了广大媒体的注意。不论正面和负面， 都存在着对人脸识别的误解。人脸识别并不是要到达百分之百的识别准确率， 而是提供一种概率估计。然而，随着人脸识别系统在公共场所的配置，一些法 律和道德问题仍待于解决。目前，人脸识别系统作为一种预防犯罪的手段主要 用于司法机关。然而，随着安全机制的完善，该项技术必定会得到改进，最终 将用于私人机构。 1 2 2 生物特征识别技术的应用领域 生物特征识别技术在私人机构应用，主要用来减少商业连续性的风险，保证 财产的安全性。生物特征识别被证明是和“b u d d yp u n c h i n g 作斗争的有利武器： 使用卡片和p i n 码的职员往往可以在工作时间上做手脚。可口可乐公司就此使用 了手掌几何特征读取扫描器成功的阻止了这种欺骗行为的发生。 也有公司使用生物特征识别和客户的欺骗行为作斗争。迪斯尼主题公园在验 第3 页 第一章概述 证季票时，通过验证游客的指纹作为十字转门的通行手段。这种手段，可以防 止游客通过更换季票上的照片来共享季票。实际上，生物特征识别技术一个有 效的应用是作为一种威慑。通常情况下，当一个公司通过生物识别技术制定一 项药品检测的政策将会使得该公司不再有吸毒分子。生物特征技术成为一种威 慑。为即将犯错的人的提醒警告。 医疗机构也成为生物特征识别技术的一个大客户。许多大的医疗结构，受到 h i p a a 法案( 更好的管理和保护敏感的信息) 通过的影响，也开始使用生物特 征识别。印第安纳州的印第安纳波利斯s t v i n c e n t 医院，使用了s a f l i n k 公司 提供的注册生物特征的方案，要求医生和护士使用指纹而不是密码来获取病人 的资料。 生物特征识别另一个重大的应用是刑侦领域，在些犯罪现场，往往会留下 当事人的指纹，或者掌纹等线索。而这些重要的依据可能成为公安机关人员的 破案关键。采集到这些生物特征，和指掌纹库中已有模板进行比较，就会为破 案提供更多的依据。 第三节掌纹特征识别 掌纹在刑侦领域的识别和纪录，几乎和指纹系统有着同样长的历史。有报告 显示，3 0 的犯罪现场都可以采集到掌纹信息，另外的2 0 由手掌的边缘，指节 纹或者手的其他部分组成。因此全手信息的采集工作对于识别犯罪现场留下的 指掌纹十分重要。 一个最早的掌纹用于刑侦领域的案例发生在1 9 1 8 年的美国内达华州。这是 起马车抢劫案，司机被谋杀了。一个掌纹留在了犯罪的现场( 如图1 2 ) ，经过 两名专家的认定，这个掌纹被认为是k u h l 的，因此他被处于死刑，后来缓刑为 终身监禁。 ， 第4 页 第章概述 雪鲞 图1 2 犯罪现场掌纹图。该图片来口于内达华州立图书馆。左侧的图是犯罪现场采集的图 片，右侧的圈是k u h l 于1 9 1 7 年1 月1 7 日撩印的掌纹图。 最早支持掌纹识别的a f i s 系统由匈牙利建于= 十世纪九十年代。在1 9 9 7 年，这项技术被一个美国公司购买。在最近的几年里，大多数a f l s 制造者都将 掌纹纪录和识别的能力加入到他们的系统中去。 很多司法机构正在向掌纹识别系统中投入大量科研经费，例如，英国公安部 的i t 组织( f i t 0 1 已经和n o r t h r o pg r u m r i l a r l 签署了12 2 亿英镑的舍约用于指掌 纹识别的研究。其他国家地区的也在加紧研究掌纹识别，澳大利亚指掌纹识别 系统已存有04 8 亿张掌纹。 13i 掌纹的数据采集和识别特征 掌纹数据采集的手段，通常有以下三种： 脱机采集，掌纹首先捺印在纸上，然后再将其扫描进掌纹系统中； 联机采集，掌纹直接被扫描设备采集； 实时采集，掌纹被掌纹扫描设备采集，然后直接进行实时处理。 掌纹特征一般分为结构特征和统计特征，由于脱机掌纹图像分辨率较高，往 往使用结构特征。而联机掌纹通常使用统计特征。而结构特征叉可以分为以下 三种【4 】： 几何特征，这个一般包括掌纹区域的面积和宽度。由于几何特征是一个对于 第5 页 第一章概述 掌纹的粗略的测量并且易于复制，因此没有足够的区别能力。 线特征，包括主纹线和屈肌纹。线特征包括掌纹上主纹线和屈肌纹的长度， 位置，深度，和宽度。屈肌纹被证明可以有效的区别两张不同的掌纹图像并 且不易复制，而主纹线没有足够的区别能力。 点特征或者细节特征点。点特征或者细节特征点和指纹中的细节特征点非常 相似，包括脊线的端点，分叉点或者短线。 和指纹识别相似，基于结构特征的掌纹比对通常包括以下三种： 基于细节特征点的比对，该比对方式应用最为广泛； 基于自相关的比对； 基于脊线的比对。 另外还有一些研究关于如何使用掌纹作为生物特征识别的应用，例如，特征 空间技术将掌纹描述为特征掌纹。这项技术在将掌纹进行数学变换和统一后的 特征掌纹上进行特征抽取，在比对时提供一个全局的比对分数。 其他一些技术研究包括g a b o r 滤波，傅立叶变换，小波变换，主要组部分分 析( p c a ) ，独立部分分析( i c a ) 。这样的一些技术正在综合成为新的标准，例如 i s o i e c1 9 7 9 4 3 生物特征识别数据交换格式。 1 3 2 掌纹识别的研究历史和机构 对掌纹识别的研究有着2 0 多年的历史。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 和s 1 l i m a d a 【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、他们试验了一种结合手形和掌纹的识别方法。k u n g ， l i n , 和f a l l d l 7 】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。w h 和“拶儿刿等人 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 法提取手掌屈肌纹。在1 9 9 8 年，清华大学自动化系的束为和当时还在香港城市 大学计算机系的张大鹏【4 】系统的提出了掌纹用于生物特征识别的可行性，文中提 出了d a t u mp o i n t 和线特征提取以及比对方法。几乎与此同时，n e c 公司c & c 媒体研究试验室的j u n i c h if u n a d 等人【lo j 提出了一种去除掌纹中皱纹的方法， 第6 页 第一章概述 用于脊线特征的提取。接下来的2 0 0 1 年，清华大学自动化系荣刚【l l 】等人又提出 了使用掌纹的皱纹作为特征进行特征提取和比较。 在2 0 0 2 年，台湾中华大学的c h i n c h u a nh a n 等人【1 2 提出了r o i 的概念，在 关键区域中使用s o b e l 算子和形态学操作进行特征的提取，最后使用神经网络将 输入的掌纹与模版掌纹进行匹配。澳大利亚格里菲斯大学的j a n e y o u 1 3 提出了多 种掌纹特征提取以及匹配的方法，第一次提出了分阶段进行掌纹比对，他使用 的是全局纹理特征和兴趣点特征。哈尔滨工业大学生物特征识别研究实验室【1 4 】 提出了掌纹统计特征和结构特征的概念，使用方向元素能量特征( d e f ) 进行掌纹 识别。 2 0 0 3 年，哈工大继续和已在香港理工大学的张大鹏合作提出了f i s h e r p a l m s 和e i g e n p a l m 的概念 16 1 ，继续进行联机掌纹的研究工作。张大鹏等人【1 刀又提 出了基于二位g a b o r 滤波进行掌纹特征提取的研究结果。这个阶段应该算是联 机掌纹研究的热门时期，很多基于统计信息的特征抽取和比对方法提出。 2 0 0 4 年，j a n e y o u 将掌纹特征提取和比对伸向了大型数据库【1 8 1 ，继续完善他 的多种特征比对的方式，加快了掌纹比对的速率以及精确率，和2 0 0 2 年的文章 不同，在该文中使用了四种掌纹特征。香港理工大学又提出了小波变换【1 9 2 0 以 及离散余弦变换【2 l 】等方法对掌纹进行识别。而哈尔滨工业大学则侧重于线特征 比对的研究，提出了主纹线比对和方向线能量特征比对【2 2 】【2 3 】。 2 0 0 5 年，滑铁卢大学刎和哈尔滨工业大学 2 5 1 都和香港理工大学合作研究使 用f u s i o n c o d e 对掌纹进行特征提取和特征比对。同时哈尔滨工业大学的w u 等 人 2 6 】，提出使用掌纹的方向码( p o c ) 和四个方向模板进行比较。卡耐基梅隆大学 h e n n i n g s 等人2 刀提出了相关滤波器对掌纹进行识别。中科院自动化所 2 8 】提出了 一种新型的掌纹表示方法o r d i n a lm e a s u r e ，该方法将现有的掌纹算法归结到一个 一般的框架中，在该框架中有提出了一个o r t h o g o n a ll i n eo r d i n a l 的特征。 2 0 0 6 年，加拿大的c o n c o r d i a 大学提出了复杂的小波变换【2 明；北京交通大学 提出了灰度分布特征和使用k f d a 来表示掌纹特征【3 0 】；香港理工大学使用无局 部保留投影技术来进行特征提取 ”】，同时张大鹏等人在继续研究使用多种生物 特征进行鉴别个人信息的方法 3 2 】；新加坡南洋理工大学对多级特征比对进行研 究 3 3 】，提出了基于纹线的霍夫变换的概念 3 4 1 。 2 0 0 7 年，新加坡南洋理工和i n f o e o m m 研究所合作研究使用“l a p l a c i a n p a l m ” 对掌纹进行识别 3 5 】：中科院自动化所则将掌纹和人脸结合在一起进行生物特征 第7 页 第一苹概述 识别；北京交通大学则研究了一种在g a b o r 特征上改进的2 d l p p 方法 3 7 1 ，用 于掌纹识别；而香港理工大学则继续研究复杂的小波变换嗍；可以看出这些年 的主要研究都集中于综合掌纹的多种特征，以及掌纹和其他生物特征进行多级 别识别的方法。 从上面的综述中，我们可以看到有很多公司机构，大学在研究掌纹识别，这 里以张大鹏领导的香港理工大学为核心，还包括清华大学自动化所，中科院自 动化所，哈尔滨工业大学，北京交通大学，滑铁卢大学，澳大利亚的格里菲斯 大学，c o n c o r d i a 大学，新加坡南洋理工和卡耐基梅隆大学。另外，美国密歇根 州立大学的a n i lk j a i n 3 9 1 和土耳其海峡大学川则注重对于掌纹几何特征的研 究。 我们实验室( 南开大学机器智能研究所) 也在掌纹识别的研究上取得了不小 的成果【4 1 1 1 4 2 1 。我们研究的重点是脱机掌纹，在公安部十一五重点科技攻关项目 “掌纹自动识别核心方法与应用系统研究”的基础上，我们提出了一整套基于 脱机掌纹的图像处理，特征提取，特征比对的方法。 第四节脱机掌纹识别 1 4 1 脱机掌纹识别研究的必要性 从上节的掌纹研究综述中，大多数的研究都注重于联机掌纹研究，这种研 究一般适用于具有较小型数据库，需要实时性较高的系统。但对于有些特殊领 域，例如刑侦领域，应采用分辨率较高的脱机掌纹进行特征提取和比对。这是 因为刑侦领域的掌纹比对的范围往往比较大，需要大型的数据库；另外，对于 现场采集的残缺掌纹，联机掌纹特征抽取和比对的方法就不适用了。因此脱机 掌纹识别的研究在刑事侦查等领域的应用中十分必要。 ， 有些研究人员认为，由于脱机掌纹使用的特征，如线特征，细节特征点特 征，和指纹很相似，现有的指纹图像处理，特征抽取和比对的方法可以被直接 用于脱机掌纹图像识别。然而，这种认识是不正确的，因为脱机掌纹图像和指 纹图像存在着以下差别： 拓扑结构的不一致性指纹图像的谷线脊线结构具有全局一致性，而脱机 掌纹结构只具有局部的一致性，不同局部区域具有不同的结构特征。 第8 页 第一苹概述 图像质量的低下脱机掌纹图像的质量往往低于具有相同分辨率的指纹 图像的质量。 图像信息的膨胀脱机掌纹图像的大小远大于指纹图像，因此图像处理算 法必须有很高的处理效率。 特征的多重性用于指纹的特征往往主要是细节特征点，而在脱机掌纹上 存在的多重特征，包括屈肌纹特征，主纹线特征，几何特征，特殊区域特征， 细节特征点特征等等。 因此完全照搬指纹的一整套图像处理，特征提取，和特征比对等方法往往是 不适用的，即使适用，也存在效率低下，精确率低等问题。所以对于脱机掌纹 的研究存在着很大的必要性。 由于脱机掌纹识别往往采用结构特征进行识别，所以采用较高分辨率的扫描 仪扫描捺印掌纹图像。然而特征提取的准确率和特征比对的精确率往往依赖于 掌纹的图像质量。因此对于掌纹图像质量的分析和对脱机掌纹进行图像增强也 成为脱机掌纹识别中非常关键的一步。 1 4 2 脱机掌纹识别核心算法 脱机掌纹识别核心算法和一般模式识别的关键步骤非常相似，包括图像采集 处理，特征提取处理和特征比对这三个方面( 如图1 3 所示) 。我们所的万洪武 同学已经给出了掌纹自动鉴别技术的系统架构和方法研究。在特征比对方面， 冯秋同学已经给出了一个详细完整的脱机掌纹特征比对的算法，包括核心理念 以及识别。因此对于前面的图像处理和特征处理，仍然是我们研究的关键。本 文就着重研究脱机掌纹的图像分析和处理。主要包括特殊区域的提取，为后面 多级特征比对提供关键信息；图像质量判断，对掌纹质量的控制，和提高图像，7 增强的效率起着关键作用；图像增强工作，为后面细化提供高质量的掌纹二值 图像，既保证有用信息的强化，又要保证噪音的去除。在这三个方面中，都贯 穿着一个关键参数方向图。可以说不仅仅是这三个方面，在后续的特征提 取和比对中，方向图都起着不可低估的作用。另外，在计算图像质量值的时候， 我们还使用了一些掌纹的特性i 例如纹线宽度和纹线频率。 第9 页 第一章概述 l l图像采集 l i l 滤除灰度图像 ， 计算方向图 l的噪音 l 掌纹定位 0 ，提取特殊区域 l r 图像增强 t 图像二值化 p 皙和处 卜 0 y 滤除二值图像 计算纹线宽度卜 图像质量判 的噪音 t p 警和处 断 计算纹线频率 ， i特征比对 i 图1 3 脱机掌纹核心处理的流程和图像分析处理的具体内容 第五节本文主要研究内容和结构 本文着重研究脱机掌纹的图像分析和图像增强方法。在图像分析方面本文提 出了一种基于网格模型的图像质量判定方法，为特征提取提供可信度信息。另 外，本文提出了三角区、中心区的特殊区域的提取方法，为多级特征比对提供 信息，同时对方向图的修正有着重要的指导作用。在图像增强方面，本文提出 了基于方向图的掌纹灰度图像修正方法和基于二值图的掌纹图像去噪方法。实 验结果显示，我们的图像分析和增强方法对后面的特征的提取和比对有着积极 的作用。 在本文的脱机掌纹图像处理中，首先将掌纹分为网格模型的掌纹块。假设原 掌纹图像的大小为m v ，掌纹块的大小为m x m ，则，为从上起第i 行区域， 从左起第j 列个区域。对所有的掌纹块，进行下面的操作。其中， ，、 毛1 0 f 0 m 一1 ，0 j 虬m 一1 ( 1 1 ) 第二章提出了一个有效的脱机掌纹特殊区域定位的方法，可以分为两个阶 段：第一个阶段是根据四个相邻掌纹块的主方向进行粗定位。在第二阶段，一 个动态聚类算法将粗定位的特殊区域的方向图进行分割，来定位奇异点。最后 根据奇异点来最终定位特殊区域。同时，该方法还能够区别中心区和三角区。 第1 0 页 第一章概述 本文第二章将给出脱机掌纹图像质量判断的方法，该方法基于掌纹块，文中 给出了两个块间判别参数，和四个块内判别参数，根据判别参数来计算掌纹块 的质量值。最后根据所有掌纹块的质量值来计算整个掌纹图像的质量值。同时， 文中还提出了质量判别参数权重系数的计算方法。 第四章有效地结合了脱机掌纹图像的生理特点和图像质量，提出了分别在灰 度图像上增强和在二值图像上增强的脱机掌纹图像增强处理方法。提出了内部 噪音和外部噪音的概念。 实验部分在第五章介绍，实验基于的掌纹库是北京邢科所提供的捺印脱机掌 纹库。该库由来自4 9 1 3 个人的9 8 3 0 幅掌纹组成，掌纹大小为2 4 0 0 x2 4 0 0 ，图 像分辨率为5 0 0 d p i ，2 5 6 灰度级。每一个小区域块的大小为6 0 x 6 0 。展示实验 结果皆为随机选择的掌纹图像。 最后一章对本文的工作进行总结，并对我们今后研究工作的目标进行展望。 第1 1 页 第二章脱机掌纹特殊区域判定 第二章脱机掌纹特殊区域判定 第一节特殊区域介绍 特殊区域是脱机掌纹中台有奇异点的掌纹区域。根据其奇异点的类型，又分 为三角区和中心区。台有三角点地特殊区域称为三角区，含有中心点的区域为 中心区( 图2 1 ) 。 幽21 掌纹中的三角区和中心吒 角点 在文献 4 ”中，张泽等人使用基于改进的p o i n c a r 6i n d e x 算法来定位掌纹区域 中的奇异点，然后使用指根区和掌外侧的奇异点数目作为标准来进行粗分类。 第1 2 页 第二章脱机掌纹特殊区域判定 另外，在我们后面的掌纹图像质量判断，特殊区域也发挥着重要的作用。因此 对脱机掌纹特殊区域定位的研究非常有意义。 特殊区域定位的关键问题是如何确定奇异点的位置，在指纹识别中通常使用 p o i n c a r 6i n d e x 来定位奇异点。因此在引入我们的算法之前，我们首先来看一下 p o i n c a r 6i n d e x 算法【州。 2 1 1p o i n c a r 6i n d e x 算法介绍 p o i n c a r 6i n d e x 算法最早由k a w a g o e 和t o j o 于1 9 8 4 年提出。其基本思想是， 假设g 是一个矢量空间，c 是g 空间中的一个曲线，则p o i n c a r 6i n d e xp g ，c 定义 为在矢量场g 中沿着c 的一个旋转度数，如图2 2 所示。 图2 2p o i n c a r 6i n d e x 的计算 指纹中的奇异点的提取和指纹分类都用到基于p o i n c a r 6i n d e x 的算法。在指 纹应用中，让g 为方向图d 的空间， i ，j 为方向图中方向o ( i ，j ) 的坐标位置， 则最r ( f ，) 的计算步骤如下： 曲线c 定义为方向图d 中的元素的有序序列的闭合路径，假设 i ，j 】为这个有 序序列的一个内部元素； 晶f ( f ，) 可以由c 中相邻元素的方向差的代数和计算而得。计算方向差的和 一定需要对于每一个元素的方向进行确定一个方向的数值。解决这个问题的 办法可以随机分配第一个元素一个方向，然后接下来连续分配其相邻元素的 方向值。因此，非常容易证明，在一个闭合曲线中，p o i n c a r bi n d e x 只可能是 下面这几个离散的度数之一：o 。，1 8 0 。和_ + 3 6 0 。那么对应于指纹奇异点的 第1 3 页 第二苹脱机掌纹特殊区域判定 信息如下： 1 0 。 i f i ，j 】d o e sn o tb e l o n gt oa n ys i g u l a rr e g i o n 枷= 僻搿瓣幻t o 礼a w 叩h o r 哪lt y p e ；s 刚i g u 缸l a 咖r r e g i o n l ， 【- 18 0 。i f i ，j 】b e l o n g st oad e l t at y p es i g u l a l r e g i o n 其中w h o r lt y p e 和l o o pt y p e 都是指纹特殊区域的两种类型。 图2 3 显示了三个指纹的部分方向图。路径c 定义为围绕在 i ，j 周围的八个 元素的序列以o c = 0 7 ) 。以的方向使用