（计算机应用技术专业论文）脱机掌纹特征提取与比对算法研究.pdf

权书 根据南开大学关于研究生学位论文收藏和利用管理办法，我校的博士、硕士学位获 得者均须向南开大学提交本人的学位论文纸质本及相应电子版。 本人完全了解南开大学有关研究生学位论文收藏和利用的管理规定。南开大学拥有在 著作权法规定范围内的学位论文使用权，即：( 1 ) 学位获得者必须按规定提交学位论文 ( 包括纸质印刷本及电子版) ，学校可以采用影印、缩印或其他复制手段保存研究生学位论 文，并编入南开大学博硕士学位论文全文数据库；( 2 ) 为教学和科研目的，学校可以将 公开的学位论文作为资料在图书馆等场所提供校内师生阅读，在校园网上提供论文目录检 索、文摘以及论文全文浏览、下载等免费信息服务；( 3 ) 根据教育部有关规定，南开大学向 教育部指定单位提交公开的学位论文；( 4 ) 学位论文作者授权学校向中国科技信息研究所和 中国学术期刊( 光盘) 电子出版社提交规定范围的学位论文及其电子版并收入相应学位论文 数据库，通过其相关网站对外进行信息服务。同时本人保留在其他媒体发表论文的权利。 非公开学位论文，保密期限内不向外提交和提供服务，解密后提交和服务同公开论文。 论文电子版提交至校图书馆网站：h t t p ：2 0 2 1 1 3 2 0 1 6 1 ：8 0 0 1 i n d e x h t m 。 本人承诺：本人的学位论文是在南开大学学习期间创作完成的作品，并已通过论文答 辩；提交的学位论文电子版与纸质本论文的内容一致，如因不同造成不良后果由本人自负。 本人同意遵守上述规定。本授权书签署一式两份，由研究生院和图书馆留存。 作者暨授权人签字： 婆淫超 2 0 1 0 年5 月3 1 日 南开大学研究生学位论文作者信息 论文题目脱机掌纹特征提取与比对算法研究 姓名谭泽超学号 2 1 2 0 0 7 0 3 1 9 答辩日期2 0 1 0 年5 月2 7 日 论文类别 博士口学历硕士硕士专业学位口高校教师口同等学力硕士口 信息技术科学学院 院系所专业计算机应用技术 机器智能研究所 联系电话1 5 8 2 2 6 8 3 7 0 5e m a i lz e c h a o t a n 1 6 3 c o m 通信地址( 邮编) ：天津市南开区卫津路9 4 号南开大学信息学院机器智能研究所( 3 0 0 0 7 1 ) 备注：无 是否批准为非公开论文 否 注：本授权书适用我校授予的所有博士、硕士的学位论文。由作者填写( 一式两份) 签字后交校图书 馆，非公开学位论文须附南开大学研究生申请非公开学位论文审批表。 南开大学学位论文使用授权书 根据南开大学关于研究生学位论文收藏和利用管理办法，我校的博士、硕士学位获 得者均须向南开大学提交本人的学位论文纸质本及相应电子版。 本人完全了解南开大学有关研究生学位论文收藏和利用的管理规定。南开大学拥有在 著作权法规定范围内的学位论文使用权，即：( 1 ) 学位获得者必须按规定提交学位论文( 包 括纸质印刷本及电子版) ，学校可以采用影印、缩印或其他复制手段保存研究生学位论文， 并编入南开大学博硕士学位论文全文数据库：( 2 ) 为教学和科研目的，学校可以将公开 的学位论文作为资料在图书馆等场所提供校内师生阅读，在校园网上提供论文目录检索、文 摘以及论文全文浏览、下载等免费信息服务；( 3 ) 根据教育部有关规定，南开大学向教育部 指定单位提交公开的学位论文；( 4 ) 学位论文作者授权学校向中国科技信息研究所和中国学 术期刊( 光盘) 电子出版社提交规定范围的学位论文及其电子版并收入相应学位论文数据库， 通过其相关网站对外进行信息服务。同时本人保留在其他媒体发表论文的权利。 非公开学位论文，保密期限内不向外提交和提供服务，解密后提交和服务同公开论文。 论文电子版提交至校图书馆网站：h t t p ：# 2 0 2 1 1 3 2 0 1 6 1 ：8 0 0 1 i n d e x h t m 。 本人承诺：本人的学位论文是在南开大学学习期间创作完成的作品，并已通过论文答辩； 提交的学位论文电子版与纸质本论文的内容一致，如因不同造成不良后果由本人自负。 本人同意遵守上述规定。本授权书签署一式两份，由研究生院和图书馆留存。 作者暨授权人签字：塑壑 2 0 ，口年3 - 月3 日 南开大学研究生学位论文作者信息 论文题目 帐机蓑伙憾纽奴专胀亩僖船忍勉 姓名 诣滔鼹 学号 2 i2 刁0 0 3 17 答辩日期 2 口o 年岁月叼日 论文类别 博士口 学历硕士团硕士专业学位口高校教师口同等学力硕士口 硫i 系 蕨俄童貅脚删铡 专业 潮札应席撼齐 联系电话 阿留z 乩留了7 0 s - e m a i l 2 幽。亿 p ，3 相们 通信地址( 邮编) ：撕辆四幸资竹号南矸六黼愈嗜m 7 勰；f 诵讹l3 0 d 印d 备注： 祀 是否批准为非公开论文 歪 注：本授权书适用我校授予的所有博士、硕士的学位论文。由作者填写( 式两份) 签字后交校图书 馆，非公开学位论文须附南开大学研究生申请非公开学位论文审批表。 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 取得的研究成果。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：逢淫超2 0 1 0 年5 月3 1 日 非公开学位论文标注说明 根据南开大学有关规定，非公开学位论文须经指导教师同意、作者本人申 请和相关部门批准方能标注。未经批准的均为公开学位论文，公开学位论文本 说明为空白。 论文题目 申请密级口限制( 2 年)口秘密( 1 0 年)口机密( 2 0 年) 保密期限2 0年月日至2 0年月日 审批表编号批准日期 2 0 年月 日 限制2 年( 最长2 年，可少于2 年) 秘密1 0 年( 最长5 年，可少于5 年) 机密2 0 年( 最长l o 年，可少于1 0 年) 中文摘要 中文摘要 本文工作是国家“十一五科技攻关项目“掌纹自动识别系统关键技术研究 的一部分，主要研究脱机掌纹识别的特征提取与过滤，以及多模式掌纹比对问 题。在脱机掌纹中，特征数量庞大而且结构混杂，不同的掌纹在位置上缺乏一 致性。比对问题一直是脱机掌纹识别中的一个难题。掌纹比对依赖于特征的提 取。本文针对以上两个问题展开了研究。 第一，本文提出了在细化图上提取纹线，并修复纹线的方法去除断纹区域和 皱纹区域的伪细节点，以提高细节点比对精度。 第二，本文设计了一种新颖的单环四扇区局部结构，提出了一种新的校准中 心选取方法，并设计了基于细节点特征的掌纹比对算法。 第三，针对大容量掌纹比对问题，本文设计了一种有效的相似度计分机制， 以及多级比对流程，提高比对效率和比对精度。 为验证本文提出的方法的效果，本文精心设计了一系列对比实验。实验表明， 纹线提取与修复的方法不仅提高了特征提取的精度，还提高了特征提取的速度。 在现场掌纹比档案掌纹的比对实验中，改进的基于细节点的比对方法提高了识 别率。在档案掌纹比档案掌纹比对实验中，本文提出的多级比对方法不仅提高 了速度，还提高了识别率。 本文提出的方法已经应用于北京市刑事科学技术研究所，并成功通过了由多 位验收专家组织实施的“十一五科技攻关项目验收测试。 关键字 生物特征识别，细节特征点，掌纹校准与比对，局部结构，相似度计算 m a t c h i n ga l g o r i t h m t h i r d ，f o rt h el a r g e c a p a c i t yp a l m p r i n tm a t c h i n gp r o b l e m ，t h i sp a p e rp m s e m sa e f f e c t i v es i m i l a r i t yc o m p u t i n ga p p r o a c h ，a sw e l la sam u l t i l e v e lp a l m p r i n tm a t c h i n g a p p r o a c ht oi m p r o v em a t c h i n ge f f i c i e n c ya n da c c u r a c y t h i sp a p e rd e s i g n sas e r i e so fc o m p a r a t i v e e x p e r i m e n t s t oe v a l u a t et h e p e r f o r m a n c eo ft h ep r o p o s e da p p r o a c h e s t h ee x p e r i m e n t a lr e s u l t sr e v e a lt h a tt h e p r o p o s e dr i d g ea p p r o a c h e sa l ee f f e c t i v ea n de f f i c i e n t i nl a t e n t - t o - a r c h i v ep a l m p r i n t m a t c h i n ge x p e r i m e n t ，t h ep r o p o s e dm i n u t i a e b a s e dm a t c h i n ga p p r o a c hi m p r o v e s m a t c h i n gr a t e i na r c h i v e t o a r c h i v ep a l m p r i n tm a t c h i n ge x p e r i m e n t ，t h em u l t i l e v e l m a t c h i n ga p p r o a c hi m p r o v e sr e c o g n i t i o nr a t ea sw e l la sm a t c h i n gs p e e d t h ep r o p o s e da p p r o a c h e sh a v ea l r e a d yi m p l e m e n t e di n t h ei n s t i t u t eo f c r i m i n a lt e c h n o l o g y ( i c t ) o fb e i j i n gi ne r c h i n a , a n dh a v es u c c e s s f u l l yp a s s e dt h e 11m5 - y e a rn a t i o n a lk e yt e c h n o l o g i e sr & dp r o g r a ma c c e p t a n c et e s to r g a n i z e db y s e v e r a le x p e r t s l i i a n dm a t c h i n g ，l o c a l 内容目录 中文摘要。i a b s t r a c t i i 第一章绪论1 第一节前言1 第二节生物识别技术综述1 1 2 1生物特征2 1 2 2 生物识别技术的发展2 1 2 3 掌纹识别研究发展。3 第三节本文研究背景和内容组织4 1 3 1本文研究背景。4 1 3 2 本文研究的难点和目标6 1 3 3 本文主要内容及组织结构7 第二章脱机掌纹特征与比对模式8 第一节脱机掌纹特征。8 第二节特征比对模式1 5 第三节比对算法评价方法1 6 第三章关键技术1 9 第一节特征提取与过滤19 3 1 1 黑纹线提取1 9 3 1 2 纹线修复2 2 第二节细节点局部结构比对2 4 3 2 1 局部结构研究状况简析2 4 i v 第二节现场比档案比对算法3 7 4 2 1 实验数据3 7 4 2 2 实验结果分析3 7 第三节档案比档案比对算法4 9 4 3 1 实验数据4 9 4 3 2 实验结果分析5 0 第五章总结与展望5 4 第一节本文工作总结5 4 第二节展望5 5 参考文献5 6 鸳贮谢。6 0 个人简历、学术论文与研究成果6 1 v 录 录 图1 2 联机掌纹灰度图像( 3 0 0 d p i ) 。5 图1 3 现场掌纹示例( 5 0 0 d p i ) 6 图2 1 高分辨率脱机掌纹识别特征层次结构9 图2 2 脱机掌纹灰度图和细化图皱纹。1 0 图2 3 脱机掌纹细节特征示意图。1 1 图2 4 奇异点示意图，( a ) 三角点，( b ) 中心点1 2 图2 5 局部结构层次图1 3 图2 6 普通局部结构示意图1 3 图2 7 邻居点转化示意图1 4 图2 8 基于细节点的比对流程1 5 图2 9 多级比对流程1 6 图2 1 0c m c 曲线示意图1 8 图3 1 像素的八邻域示意图2 0 图3 2 细化图中的纹线。( a ) 端点纹线( b ) 分叉点的纹线2 1 v i 内容目录 图3 3 纹线修复。( a ) 皱纹区域( b ) 可能的断纹修复结果2 2 图3 4 连接代价使用的参数2 2 图3 5 纹线修复示例( a ) 原始图像( b ) 修复结果2 4 图3 6 单环四扇区局部结构示意图2 6 图3 7 局部比对流程2 7 图3 8 邻居点示意图2 7 图3 9 数量分数的非线性增长3 1 图3 1 0 档案掌纹细节点的矩形划分3 3 图3 n 掌纹比对中数量分数与质量分数的分布3 4 图3 1 2 正确匹配与错误匹配的分类线3 4 图4 1 实验1 1 的c m c 曲线3 8 图4 2 实验1 2 的c m c 曲线。3 9 图4 3 实验1 3 的c m c 曲线4 0 图4 4 实验1 4 的c m c 曲线4 1 图4 5 实验1 5 的c m c 曲线。4 2 图4 65 次现场比档案局部结构实验的c m c 曲线4 3 图4 7 实验2 1 与实验1 1 的c m c 曲线。4 4 v 内容目录 图4 8 实验2 2 与实验1 5 的c m c 曲线4 5 图4 9 实验2 3 与实验1 5 的c m c 曲线4 6 图4 1 0 实验2 4 与实验1 5 的c m c 曲线4 7 图4 1 1 实验2 与实验1 1 ，实验1 5 的c m c 曲线4 8 图4 1 2 传统比对算法的f m r 与f n m r 对比。5 l 图4 1 3 传统比对算法的r o c 曲线。5 l 图4 1 4 多级比对算法的f m r 与f n m r 对比5 2 图4 1 5 传统比对算法的r o c 曲线5 2 图4 1 6 两种比对算法的r o c 曲线5 3 v i ：! 3 7 4 3 4 4 q 1 5 表4 5 实验2 3 与实验1 5 结果对比4 6 表4 6 实验2 3 与实验1 5 结果对比4 7 表4 7 实验2 与实验1 1 ，实验1 5 实验结果对比。4 8 表4 8 传统比对算法的评价参数5 2 表4 9 多级比对算法的评价参数5 3 表4 1 0 传统比对方法与多级比对方法结果对比5 3 i x 第一章绪论 第一章绪论 第一节前言 在当今世界中，个人身份的识别每天都在发生。政府在国界上检测出入境 人口，火车站工作人员在进站口记录着旅客的身份。来到工作的地方，需要用 类似员工卡或者钥匙才能进入办公室。打开电脑，需要输入密码，收发个人邮 件也需要使用密码。去超市购物，可能会用到信用卡或者银行卡等等。 这些传统的身份识别技术比如身份证、姓名、钥匙、密码和信用卡等都是 基于“你知道什么，或者“你拥有什么 ，都是人这个自然个体的附属物，是 后天得来的。传统的身份识别技术有着明显的不足之处。身份证、密码等都很 容易丢失或者遗忘。钥匙等很容易复制或者伪造。更严重的是，只要某个人知 道这些信息或者拥有这些物品就能通过身份认证，获得合法的权利，而不管他 是否是真正的所有者。 是否有一些身份识别技术是真正基于“你是谁”了? 答案是肯定的。人与 生俱来的一些生物个体的属性如人脸、指掌纹、虹膜，或者行为属性如签名、 步态等都具有区分性，而且很难被猜测，被复制、伪造，这些属性都可以用来 鉴别身份。使用与个人相关的生物属性的身份识别技术就是生物识别技术，这 些属性我们也把它们称为生物特征。 第二节生物识别技术综述 生物识别技术( b i o m e t r i c s ) ，通常包含三个组成部分。第一，通过扫描仪等 采集设备得到人的生物特征，第二，交给计算机进行特征提取等操作，第三， 利用提取到的这些特征进行个人身份识别。生物特征包括解剖特征和行为特征。 解剖特征是先天性的，行为特征则是后天形成的。人的解剖特征一般包括：指 纹、掌纹、虹膜、脸型等，而人的行为特征则包括：签名、语音、步态等。 第l 页 任何一种生物特征，如果它满足以下条件时，则它从理论上是可以用来进 行身份识别。这些条件主要有四个： 1 普遍性：每个人都拥有这类特征； 2 唯一性：没有两个人拥有相同的该类特征； 3 持续性：该类特征不随时间发生巨大变化； 4 可采集性：该类特征可以通过量化方法得到。 除了上述四个理论特征之外，在实际应用中还有三个重要的评价标准。 1 性能：使用该类特征可以达到的识别率以及所带来的成本； 2 接受性：日常生活中，人们愿意使用该类特征的程度； 3 易欺骗性：使用该类特征的生物识别系统是否容易被有意的欺骗。 表1 1 从以上七个方面对比了七种常用的生物特征。 表1 1 七种常用生物特征对比 特征普遍性唯一性持续性可采集性性能接受性易欺骗性 掌纹 中高两中两中中 指纹中高高中高中中 人脸两低 中 两低i 葡局 虹膜高高高 中 高低低 声音中低低中低两高 签名低低低中低两高 步态中 低 低 高低高中 1 2 2 生物识别技术的发展 生物识别技术有着悠久的历史，生物特征最古老最基本的一个应用是由目 击证人指认犯罪嫌疑人。在古巴比伦、古中国以及古埃及的民间都存在着应用 生物特征的例子，但真正意义上的生物特征识别系统则是出现在2 0 世纪后则。 1 8 9 9 年，s i re d w a r dh e n r y 开发了一个影响深远的指纹分类系统”h e n r y s y s t e m 。1 9 0 3 年，纽约州立监狱开始使用指纹鉴别罪犯【3 j 。1 9 3 6 年 o p h t h a l m o l o g i s tf r a n kb u r c h 提出了使用虹膜进行身份识别的概念 4 1 。1 9 6 0 年， 第2 页 第一章绪论 w o o d r o ww b l e d s o e 开发了一个半自动的人脸识别系统【5 】。1 9 6 3 年n o r t h a m e r i c a na v i a t i o n 开发了第一个签名识别系统【6 】。1 9 7 4 年，第一个商业掌形识 别系统面世【7 1 01 9 7 6 年，出现了第一个声音识别系统原型引。到了2 0 世纪8 0 年 代，各种生物特征识别技术如指纹识别、虹膜识别等都逐渐成熟，也出现了各 种专利及相应的商业产品。 目前的生物识别技术仍需要克服两类困难，这两类困难一是工程方面的， 包括安全、精确度、速度以及生物工程学方面的困难，另一类困难是社会方面 的，包括隐私保护策略，伦理与健康相关的问题以及文化差异。随着科技的发 展，潜在的新生物特征的出现，软生物特征的使用，大范围身份鉴别中多个生 物特征的有效使用，以及确保生物系统的保密性、安全性以及灵活性的新兴技 术的出现，都将促进生物识别技术的进一步发展 9 1 。 1 2 3 掌纹识别研究发展 掌纹通常包含两种纹线，一是乳突纹，一是屈肌纹，如图1 1 所示。乳突纹 是手掌上那种整齐排列的凹凸纹线，一般呈有规则的定向排列。屈肌纹就是我 们日常所说的主纹线，是手掌上比较明显的呈凹陷状的纹线。 图1 1 掌纹示例 第3 页 第一苹绪论 掌纹在个人身份识别中的应用可以追溯到1 6 世纪的古代中国，人们在契约 上捺印掌纹来表明个人身份。随后，在1 6 8 4 年，英国学者n g r e w 引入了肤纹 学( d e r m a t o g l y p h i c s ) ，开始研究指掌纹以及它们在手上的分布情况。1 8 5 8 年， w i l l i a mh e r s c h e l 爵士第一次系统的采集掌纹并用于身份识别。1 8 9 2 年，g a l t o n 探讨了当代的指掌纹科学，认为指掌纹具有唯一性和持续性。g a l t o n 还对指掌 纹的特征进行了研究，引入了细节特征，并对细节特征进行了分类。根据三条 屈肌纹，他将掌纹分成了三个区域，并研究了三个区域纹线流向之间的关系【l 。 c u m m i n s 以及m i d l o l l l l 对指掌纹的纹线大小进行了研究。他们也发现了屈肌纹 的特点，建立了基于屈肌纹的身份识别方法原型。 掌纹首次被应用到案件中是在1 9 3 1 年的英国，而第一个可用的自动掌纹鉴 别系统出现在2 0 世纪9 0 年代初期【1 2 】。1 9 8 5 年，k m a t s u m o t o 1 3 】等人在生物鉴 别系统中使用掌纹。1 9 8 6 年，b a l t s c h e f f s k y l l 4 】等使用掌纹几何特征进行身份鉴别。 1 9 9 9 年，d a p e n gz h a n g ”】等使用基准点和线特征进行掌纹识别。在之后的几年 中，d a p e n gz h a n g 把研究目标转向了在线掌纹识别f 1 6 】【1 7 】【1 8 】【1 9 1 ，对低分辨率的掌 纹图像进行小波变换，从频域上进行识别。h e n n i n g s t 2 0 】等人定义了一些滤波用于 掌纹识别。2 0 0 4 年，我们研究所( 南开大学机器智能研究所) 开始对脱机掌纹 的图像处理、特征提取以及特征比对等核心技术展开了一系列研究 2 1 - 3 2 1 。a n i lk j a i n 3 3 】等在过去1 0 年中对指纹自动识别进行了深入的研究，目前也开始研究现 场掌纹识别问题。在美国f b i 的下一代鉴别系统( n e x tg e n e r a t i o ni d e n t i f i c a t i o n ， n g i ) 将包含着一个国家级的掌纹自动鉴别系统1 3 4 。虽然目前也有许多关于掌纹 的研究，也取得了一定的成果，但自动掌纹识别仍然有它自身的难点。自动掌 纹识别系统受到采集技术，存储需求以及计算量的制约，仍在发展当中。 第三节本文研究背景和内容组织 1 3 1 本文研究背景 掌纹与指纹相比，信息量要大得多，原始图像的保存，图像处理及特征提 取，以及比对的时间复杂度和空间复杂度也要大得多，但指、掌纹的属性以及 特征又有相似之处，因而双方可以互相借鉴。在实际应用中，通常可以根据不 同的规则对掌纹识别进行分类。 第4 页 第一苹绪论 根据掌纹采集方式可以分为联机掌纹识别和脱机掌纹识别。联机方式是指 图像采集是在线的，采集设备直接连接着计算机。联机方式对所采集的掌纹图 像可控性好，采集到的图像相对完整，质量较高，通常使用较低的分辨率进行 采集。脱机方式是先将掌纹捺印在一定的载体上，比如纸，然后通过这个载体 将掌纹间接输入到计算机中。脱机方式的情况相对复杂，图像质量受捺印的环 境影响重大，两次连续捺印也很难得到相同的图像，采集到的图像完整性无法 保证，通常使用较高的分辨率采集图像。图1 1 是脱机方式采集到的掌纹图像， 图1 2 是联机方式采集到的图像。 图1 2 联机掌纹灰度图像( 3 0 0 d p i ) 根据掌纹的来源可以分为档案掌纹和现场掌纹。现场掌纹主要出现在刑侦 领域，档案掌纹的普遍性更高。在实际应用中，一般是把掌纹捺印在纸质档案 卡上进行保存，从档案卡上得到的掌纹称为档案掌纹，如图1 1 所示。在犯罪现 场，掌纹可能残留在如玻璃、金属表面或者墙之类的器物上，通过专业的手段 可以得到这些掌纹图像，称为现场掌纹。现场掌纹几乎都只是一个部分，而且 质量极差。如图1 3 所示。 第5 页 第一章绪论 图1 3 现场掌纹示例( 5 0 0 d p i ) 根据掌纹的完整性可以分为全掌和残掌。全掌是指采集到的掌纹图像基本 能涵盖整个掌心区域，档案掌纹相对完整，通常是全掌。残掌是指采集到的掌 纹图像通常只是掌心的某个局部区域，现场掌纹通常是残掌。 因为采集到的掌纹图像的完整程度不一致，掌纹识别中也存在着多种比对 模式。如果两个掌纹都是全掌，则两者的比对称为全掌比全掌模式，在实际中 也称为档案比档案，这种方式不管是脱机还是联机都存在。同理还有，残掌比 全掌、全掌比残掌以及残掌比残掌，对应的有现场比档案、档案比现场以及现 场比现场，这三者一般存在于脱机掌纹识别领域。在这几种比对模式中，现场 比档案和档案比档案比较常用。 1 3 2 本文研究的难点和目标 本文旨在研究脱机掌纹识别领域，多模式的比对问题以及相应的特征提取 问题。 由于采集到的掌纹图像质量无法保证，以及图像处理技术，使得提取的掌 纹特征中不可避免的引入了伪特征，这些伪特征的存在既降低了识别的精度又 降低了识别的速度。我们之前的研究，分析了各种伪特征的特点，结合了结构 信息和统计信息，提出了相应的解决方法，也取得了一定的成果，但在效果上 和速度上仍然存在着提高的空间。如何提高特征提取的准确度以及速度是我们 的研究内容。 脱机掌纹有现场和档案之分，也存在着多种比对模式，这对比对算法提出 第6 页 第一苹绪论 了较高的要求。首先，比对算法要能满足全掌比全掌以及残掌比全掌的多种模 式的需求。其次，比对算法除了要能满足传统的对平移、旋转以及非线性形变 以及伪特征的要求之外，还要能满足残掌中缺失大量特征的要求。第三，比对 算法要能充分体现掌纹的相似性，提高相似掌纹的相似度，降低不相似掌纹的 相似度，拉开相似与不相似之间的差距。最后，比对算法在保证识别率的情况 下，还要尽量的快速，才能满足大规模数据的要求。 1 3 3 本文主要内容及组织结构 本文重点讨论了脱机掌纹识别的两个问题。第一个是特征提取问题。我们 转变原来的先提特征再后处理的思路，在细化图上提取黑纹线，并进行断纹以 及皱纹的修复，达到快速过滤伪特征的目的，提高特征提取的精度和速度。第 二个是多模式比对问题。对于现场比档案，我们研究了基于细节点的比对算法 中的局部结构提取、局部比对、校准中心选取以及相似度的计算，重点探讨了 局部结构提取以及相似度的计算。对于档案比档案，我们采用多种特征，提出 了多级比对的方法。 本文第二章对特征的定义及使用以及比对模式做了概述，并说明了不同比 对模式下比对算法的评价方法；第三章是关键技术，重点讨论了纹线提取以及 纹线修复，细节点局部结构比对，校准中心选取以及相似度的计算；第四章是 实验部分，我们通过精心设计的对比实验，验证我们方法的效果，特别是不同 局部结构以及不同相似度计算方法对识别率的影响。第五章是总结与展望，总 结了本文的成果与不足之处，并就不足之处以及未来的发展方向进行合理的分 析与设想。 第7 页 第二章脱机掌纹特征与比对模式 第二章脱机掌纹特征与比对模式 掌纹在不同的分辨率，以及不同的采集方式下得到的特征不一样。按照中 华人民共和国公安部的标准，脱机档案掌纹图像是5 0 0 d p i ，2 5 6 色灰度图，图像 大小是2 3 0 4 * 2 3 0 4 像素。在这样的掌纹图像上，存在着多种特征，比如细节点、 奇异点、纹线等，这些特征的使用目的也不相同。不管是哪种目的，特征提取 的最终目标是用于掌纹的识别，也就是比对。在脱机掌纹中存在着多种比对模 式，不同的比对模式也对特征提出了不同的要求。生物识别是一个复杂的过程， 单纯的使用识别率去衡量一个比对算法，不能有效的反应该算法的内涵。好的 评价方法有利于我们更好地认识比对算法的优点和不足，促进方法的进一步提 高。 第一节脱机掌纹特征 好的特征选择以及好的特征提取方法无疑会提高比对效果。但因为掌纹本 身特征众多，如果全部提取，既会提高计算量，又增大了存储需求，提高了在 实际中应用的难度。根据本文提出的特征提取与比对目标以及我们之前进行的 一系列研究，我们修正了原来的多层次特征提取模型。在这个特征提取模型中 的特征，有的只是起了辅助作用，提高特征提取的准确度，有的特征是用于比 对的：有的特征可以直接从图像上得到，有的特征是通过对其他特征进行组合和 加工得到的。图2 1 显示了我们的多层次特征结构。在这个层次结构里，主要 有三种特征，其中线特征是辅助特征，用于提高主特征的提取精度。点特征是 主特征，用于比对，但它不是直接在比对中使用的。组合特征也是主特征，而 且是直接在比对中使用的。 第8 页 第二章脱机掌纹特征与比对模式 翮。f 麓熏符酝 搬镪蕾特甄 鞠勘抟缝& f 瑟 榜缓 维仑特征 图2 1 高分辨率脱机掌纹识别特征层次结构 1 线特征 在前文中我们说到掌纹由屈肌纹( 主纹线) 和乳突纹构成，这也是主要的 线特征。除此之外还有皱纹，如图2 2 左图所示。皱纹是后天形成的，虽然也具 有一定的不变性，但还是会随着时间进行一定程度的变化。另外，脱机掌纹图 像对皱纹的保留不好，因而难以用于比对。主纹线和乳突纹虽然持续性好，但 受采集条件的影响巨大，容易在掌纹图像上丢失，因而也不能用于比对。我们 主要使用线特征辅助点特征提取。皱纹和主纹线在灰度图和细化图【3 l j 上都表现 为分割乳突纹的白纹线，在它们两侧都有大量的伪细节点特征，因而可以用来 去除这些伪细节点特征。但是白纹线的提取过程比较复杂，计算量大，不利于 实际应用。进一步观察发现，被白纹线切断的乳突纹，在流向和位置上有着极 强的相似性，我们可以据此将断开的乳突纹重新连接起来，修复这些乳突纹， 从而达到去除伪细节点特征的目的。要达到这个目的，我们只需要提取乳突纹， 而不用再提取白纹线。另外，我们只使用乳突纹的流向和位置信息，而对它的 纹线宽度、灰度并不需要，所以可以在细化图上进行提取。为了表述方便，如 无特殊说明，我们把乳突纹称为黑纹线，或者纹线。第三章将详细讨论纹线提 取以及纹线修复。 第9 页 第二章脱机掌纹特征与比对模式 图2 2 脱机掌纹灰度图和细化图皱纹 2 点特征 点特征是掌纹中的重要特征，它主要包括两类，一类是细节点，另一类是 奇异点。 细节特征是最基本的比对特征，它在实际中得到了广泛的应用。细节点在 掌纹中分布很广，数量众多，虽然会因为掌纹的残缺而丢失部分，但存留下来 的细节点仍然可以达到识别的目的。细节点在每个掌纹中的分布都不一样，因 而可以用来进行识别。细节点也主要分为两类，一类称为端点，是纹线的末端。 另一类称为分叉点，是纹线交叉的位置。图2 3 分别显示了灰度图和细化图上的 细节点。每一个细节点，我们都使用三个属性去描述，它们分别是x 坐标，y 坐标，以及方向。我们以细化图的最左上角为原点，往右和往下分别为x 方向 和y 方向的正方向建立三角坐标系，细节点的x 坐标和y 坐标是细节点像素在 该坐标系上的位置，这种定义对于端点和分叉点是一样的。但是，端点和分叉 点的方向的计算方法是不同的。端点的方向是所在纹线的方向，从端点指向纹 线的另一端。如果把分叉点看作纹线的一种端点，那么，与分叉点相关的纹线 就有三条。这三条纹线两两中间有三个夹角，我们定义分叉点的方向为这三个 夹角中最小夹角的角平分线方向。 第l o 页 第二章脱机掌纹特征与比对模式 图2 3 脱机掌纹细节特征示意图 奇异点是掌纹中另一种类的点特征。在掌纹中，纹线的流向一般是渐变 的，但是在奇异点附近，纹线的变化会非常大。根据纹线流向的变化情况 可以把奇异点分为两类，一类是中心点，另一类是三角点，如图2 4 所示。 中心点周围的纹线流向大致呈马蹄型，三角点周围的纹线流向构成一个三 角型。为了方便使用奇异点，我们也把中心点及其附近区域称为中心区， 相应的把三角点及其附近区域称为三角区。我们主要把奇异点用在了比对 当中。但是，奇异点在掌纹中的分布不均匀，在指根区域以及掌心的下部 区域分布较多。另外，奇异点也并不是在每个掌纹中都存在的。鉴于以上 原因，我们不能把奇异点作为识别的主要特征，却可以把它们作为一种辅 助的比对特征，用来在比对中快速滤除明显不相同的掌纹，实现多级比对。 实际上，我们把它用在了档案比档案的多级比对当中。 第1 1 页 第二章脱机掌纹特征与比对模式 ( a ) 三角点( b ) 中心点 图2 4 奇异点示意图，( a ) 三角点，( ”中心点 3 组合特征 组合特征是直接使用在比对中的特征，它不是从掌纹图像上直接得到的，而 是原始特征经过一定的组合后得到的。掌纹图像在捺印过程中不可避免的出现 平移和旋转，因而得到的细节点的坐标和方向都是一个相对值。这就使得单一 的细节点对无法进行区分，因为任意两个细节点，经过平移和旋转一定会重合。 为了能利用细节点进行识别，我们把一个细节点及其周围的细节点所组成的局 部区域称为局部结构，利用构成局部结构的细节点的空间几何关系来进行比对。 细节点可以出现在普通区域，也可以出现在特殊区域，根据细节点的位置，我 们对局部结构进行分类。图2 5 是局部结构层次图，局部结构根据位于中心的细 节点的位置可以分为两类，位于普通区域的称为普通局部结构，位于特殊区域 的称为特殊局部结构。特殊局部结构根据特殊区域的不同，也可以继续细分成 两类，一是中心区，一是三角区。下面详细说明这两种局部结构的构建方法。 第1 2 页 第二章脱机掌纹特征与比对模式 图2 5 局部结构层次图 普通局部结构是基于细节点的比对算法中的主要特征，它是以某个细节点为 中心以及该细节点周围的细节点所共同构成的。如图2 6 所示，位于中心的细节 点称为中心细节点，位于周围的细节点称为邻居点。邻居点的选取直接影响着 比对的效果，这包括邻居点的个数以及邻居点的位置。为了得到更有代表性的 邻居点，我们把局部结构设计成一个圆环，并且将这个圆环分成四个相等大小 的扇区。圆环的内外半径都是平均纹线周期p 3 j 的整数倍。在这四个扇区中，分 别选取一定数量的距离中心点最近的细节点作为邻居点。在第三章中，我们将 详细讨论局部结构邻居点的选取方法。 图2 6 普通局部结构示意图 第1 3 页 第二章脱机掌纹特征与比对模式 选取出来的局部结构邻居点，在比对中是不能直接高效使用的，还需要经过 进一步的转化。我们为每一个局部结构建立极坐标系，中心细节点为极坐标系 的原点，它的方向为极坐标系的正方向，并将所有邻居点都转换到该坐标系中。 如图2 7 所示。p 是中心细节点，p i 是它的其中一个邻居点。细节点p 的三个属 性是( x ，y ，e ) ，pi 的三个属性是( x i ，y i ，0 i ) 。丫是转化之后的极径，叩是转化之后的 极角。另外，细节点本身有方向属性，所以额外定义一个相对角f t ，用来表示两 者方向的差异。我们使用公式( 2 1 ) 计算这三个值。 p ( x ，y ，田 只” 图2 7 邻居点转化示意图 厄j 再而 睁7 一c 嚣m 6 。 3 6 。 薯一x “e 一0 ) + 3 6 0 ) 3 6 0 ( 2 1 ) 特殊局部结构在本质上仍然是普通局部结构。三角点和中心点没有方向属 性，它们也不是实际存在的一个点，所以不能像细节点那样作为中心。但是， 位于特殊区域中的细节点具有很强的信息，可以用来快速匹配。因此，我们把 中心细节点位于特殊区域的局部结构设为特殊局部结构，在比对中给予特殊处 理。 第1 4 页 与比对模式 对模式 掌纹特征比对有多种比对模式，有现场比档案，现场比现场，档案比档案以 及档案比现场，其中现场比档案和档案比档案在实际中应用广泛。档案掌纹的 质量较高，可以提取出大多数的细节点特征以及奇异点特征，掌纹区域也保留 的比较好。现场掌纹的质量无法保证，只能提取出局部的细节点特征。现场比 档案与档案比档案的比对方法都是基于细节点的，是一种离散点模式匹配问题。 图2 8 是基于细节点比对的基本流程。点模式匹配的基本方法是先校准，后全局 比对。不管是现场掌纹还是档案掌纹，在采集过程中都存在着平移、旋转以及 非线性形变，得到的细节特征点集，在空间上也都只有相对的相似性，而没有 绝对的相似性，也就是说，比较两个细节特征点集是否相似时，是可以经过平 移和旋转的。因此我们需要先把两个细节特征点集在空间上对齐，使得相同的 细节点在距离和方向上尽量保持一致，这个过程叫做校准。要达到这个目的， 需要得到一对基准点对，通过平移和旋转使得这一对基准点在空间上重合，间 接达到对齐所有细节点的目的。对齐过程中使用到的基准点对称作校准中心。 校准中心是一对较为相似的细节点对，同时，它们还要能使其它细节点较好的 在空间上对齐。为了得到这个校准中心，我们首先在局部比对中，计算出输入 特征集和模板特征集的细节点之间的相似关系，并利用这些能在局部上匹配的 细节点对作为校准中心的候选，再从这些候选中选择出最佳的一对，将两个细 节特征点集在空间上对齐，最后进入全局比对步骤，得出所有匹配点对以及计 算出相似度。 l 输入豁链线|l 筷l 砭特征集 i ， l 缀欲麓淄蹈ll 髭般篙蹦绢 l 髑鄢比x , t 选墩校准巾心 l 令髑比尉 l 。 跨算梢似度 图2 8 基于细节点的比对流程 第1 5 页 第二章脱机掌纹特征与比对模式 现场比档案和档案比档案的比对方法基本一致，但仍有区别。现场掌纹比对 是纯粹的基于细节点的单级比对。档案比对可以使用特殊局部结构进行快速匹 配，是一种多级比对。对于现场比档案，输入特征集是现场的细节点集，由人 手动标记。模板特征集是档案细节点集，由系统自动提取。对于档案比档案， 输入特征集和模板特征集都是系统自动提取，包括细节特征和奇异特征。现场 比档案和档案比档案除了局部结构不同之外，最主要的区别在局部比对。在现 场比档案中，我们没有关于细节点的额外信息，只能根据其邻居点去寻找相似 的细节点。在档案比档案中，因为有了特殊区域的先验信息，我们可以快速判 断出细节点所在的区域，不同区域的细节点就不需要再进行局部比对，这样得 到的相似关系