（计算机软件与理论专业论文）刑侦领域掌纹图像处理模型的研究.pdf

中文摘要 中文摘要 生物特征识别技术作为一门新兴的身份鉴别技术，近年来得到了蓬勃的发 展。掌纹作为生物特征的一种，具有数据量大、唯一性强、易采集的优点，在 各个领域均有广泛的应用前景。本文面向刑侦领域的应用需求，围绕刑侦领域 专用掌纹图像处理模型进行探讨研究。 在刑侦领域，掌纹图像具有脱机应用、噪声干扰强、完整度不高的特点， 如何克服刑侦领域掌纹的缺点，建立有效、快速、稳定的掌纹图像处理模型是 本文的重点。 该模型从掌纹特征的描述以及掌纹的生理特征出发，提出了分治策略以及 运用掌纹生理特征对掌纹图像进行处理的思想。在掌纹处理的过程中，主要使 用了二值化、掌纹定位、图像增强、掌纹清晰模糊区域判定、特征后处理等处 理方法。在整个系统的实现的过程中，严格地遵循连续、稳定的处理流程，并 在具体的算法中实现优化，已达到稳定、快速的处理结果，在系统的效率与处 理效果上寻求平衡。 基于本文各项研究内容的成果，本文设计并实现了掌纹自动鉴别应用系统 中的图像处理模块，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。 关键字：生物特征识别、掌纹识别、掌纹图像处理模型 a b s t r a c t a b s t r a c t b i o m e 砸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 1 1 d m o r ep o p u l 盯i 1 1r e c e my e a r s p a l i n p r i _ n t ，a sab i o l o g i c a l f e 鼍t u r e ，h a s aw i d e 印p l i c a t i o np e 唧e c t i v ei nd i 疵r e mf i e l d s t h ed a 诅i i lp a i 1 p r i mi sl a r g e ，1 l i l i q u ea n d e a s yt oc o l l e c t 1 1 1 i sp 印e rc o n c e n 协l t e so nr e s e a r c h i n gm es p e c i f i cp a l m p r i n ti m a g e p m c e s s i n gm o d e lf a c i n gt 1 1 e 印p l i c a t i o ni nt h e c 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 i l l i n a li n v e s t i g a t i o nf i e l d ，p a l m p r i n ti m a g ei sp m c e s s e do m i n ea i l di ti s u s u a l l yn o tc o m p l e t ea i i d h a ss 仃o n gn o i s e s t h i sp a p e r f 6 c l l s e so nb u i l d i n gae f f i c i e 咄 f a s t a 1 1 ds 诅b l ep a l m 埘n ti m a g ep m c e s s i n gm o d e lw h i c hi sm e a i l tt oc o n q u e r 血e a b o v ed i s a d v a n t a g e so f p a l m p r i m t h ep r o c e s s i n gm o d e ls t a r t sw 砒lt h ed e s c d p t i o no ft h ep a l m p r i n ta n dp a l m p r i n t p h y s i c a l c h a r a c t e r i s t i c s i tp m p o s e sa ”d i v i d ea i l dc o n q u e r s 仃a t e g y a 1 1 da m e 血o d o l o g yo fu s i n gp a l m p r i n tp h y s i c a lc h a m c t e r i s t i c st op r o c e s sp a l m p r i n ti n l a g e s 1 1 1 et e c t u l o l o g yi 1 1 v o l v e di nt h j sm o d e li i l c l u d e sb i n a r i z a t i o n ，p a l m p r i ml o c a t i o n ， i m a g ee i l l l a n c i n 舀c l e a ra n db l l l r a r e ad 酏 n i n a t i o na i l dp o s tp m c e s s i n g t h e p a l m p 血1 ts y s t e mh a sa c o n t i n u o u sa i l ds t a b l ep m c e s s i n gn o w ，o p t i m i z e st l l es p e c m c a l g o r i t t l i i l ，b a l a i l c e sm ep r o c e s s i n ge m c i e n c ya n da c c l l r a c ya i l da c h i e v e da s t a b l ea 1 1 d f 酤tr e s u l t b a s e do nt l l er e s e a r c ha b o v e ，t l l i sp 印e rd e s i g n sa i l di m p l e m e n t st l l ei m a g e p m c e s s i n gm o d u l ei nt h ep a l m p r i n ta u t o m a t i ci d e n t i f i c a t i o ns y s t e m t h i sp a p e ra l s o c a r r i e so u tap e r f b m l a n c et e s to ft l l em o d u l eu s i i l gal a r g e 锄o u n to fr e a ld a t a t h e t e s tr e s u l t p r o v e st l l ee 衢c i e n c ya i l ds t a b i l i t yo f l em o d u l e 锄dm em o d u l es u “s 血e r e q u i r e m e mo fc 函i n a li n v e s t i g a t i o nf i e l d s k e y w o r d ：b i o m e 仃i c s ，p a l m p 血1 ti d e n t i 就p a l m p r i mi m a g ep m c e s s i n gm o d e l 内容目录 图目录 图1 1 联机系统与脱机系统掌纹图像比较6 图1 2 刑侦领域掌纹图像的处理难点7 图2 1 掌纹组成示意图l l 图2 2 掌纹图像的纹线端点和纹线分叉点1 3 图2 3 刑侦领域掌纹图像处理模型1 4 图2 4 掌纹纹线的方向性、连续性1 6 图2 5 掌纹的分割图。：1 7 图2 6 点方向图和块方向图。1 8 图2 7 图像二值化的效果 2 0 图2 8 常用的手掌定位方法2 l 图2 9 掌纹定位。2 3 图2 1 0 掌纹清晰区域2 4 图2 n 不同质量的掌纹图像的特征提取结果2 6 图2 1 2 断纹的几种情况2 8 图2 1 3 掌纹细化后的毛刺2 8 内容目录 图2 1 4 造成伪特征的短线2 8 图2 j 5 造成伪特征的短线2 9 图3 1 掌纹自动鉴别系统。3 1 图3 2 刑侦专用掌纹图像处理流程。 图3 3 图像处理模块。3 4 图3 4 方向图分析、修正 图3 5 特征抽取模块。3 6 图3 6 平滑滤波邻域的选择3 7 图3 7 二维中值滤波窗口。：3 7 图3 8 s o b e l 算子4 0 图3 9 掌纹图像的方向滤波增强处理4 2 图3 1 0 像素的8 邻域示意图4 3 图3 1 1 细化后的掌纹图像4 4 图3 1 2 细节特征点的8 邻域示意图4 5 图4 1 “掌纹自动鉴别系统”结构4 7 图4 2 掌纹图像分割图 图4 3 清晰区域二值细化图 4 9 内容目录 图4 4 掌纹特征点集 4 9 内容目录 表目录 表1 1 各种生物特征识别的优缺点 表1 2 联机掌纹图像与脱机掌纹图像对比 2 6 表2 1 各种掌纹特征识别的优缺点1 2 表4 1 测试结果。5 0 第一章概述 第一章概述 第一节生物特征识别技术概述 在人们的日常生活中经常有需要身份鉴定的需要，最为常见的、也是使用 最为频繁的就是人的名字以及面部。但是随着人类文明的进步，人们在社会生 活以及人际交往中呼唤更为精确、鲁棒、方便、以及不可替代性的身份鉴定方 法的出现，以适应人们在社会生活中所扮演的越来越重要的角色。计算机的出 现与生物科学的发展，给了人们一种全新的个人身份鉴定的视角，即借助人身 体上的指纹、掌纹、虹膜等具有唯一性或者接近唯一性或者在一定的应用环境 和个人群体具有唯一性的生物特征作为人身份鉴定的依据，由此。诞生一个崭 新的科学领域，即生物特征识别领域。 所谓生物特征识别技术( 或称生物测定技术b i o m e m c s1 i e c l i l 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 百c a l ) 特征或行为( b e h a v i o m l ) 特征进行个人身份鉴定的技术。生理特征与生俱来，多为先天性的；行为特征 则是生活中形成的，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、皮肤毛孔、血型和d n a 等；而 人的行为特征则包括：签名、语音、足迹等。我们将生理特征和行为特征统称 为生物特征。 一般来说，人的任何生理或行为特征只要满足以下的条件，原则上就可以 作为生物特征川用于身份鉴别： 夺广泛性：每个人都应该具有这种特征 夺唯一性：每个人拥有的特征应该各不相同 稳定性：所选择的特征应该不随时间发生变化 夺可采集性：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，满足上述条件的生物特征对一个实际的系统却未必可行，因为实际 的系统还必须考虑： 性能：识别的准确性、速度、鲁棒性以及为达到其所需要的资源 夺可接受性：人们对于一种特定的生物特征识别在日常生活中的接受程度 第l 页 第一章概述 夺可欺骗性：用欺诈的方法骗过系统的难易程度 因此，一个实际的生物特征识别系统应该做到： 夺在合理的资源需求下实现可接受的识别准确性和速度 夺对人没有伤害而且可为人们接受 夺对各种欺骗方法有足够的鲁棒性 目前一些人们研究和使用的用于身份鉴别的生物特征主要包括i l 5 j ：指纹识 别、手型识别、掌纹识别、人脸识别、虹膜识别、声音识别、签名识别、d n a 鉴定、问谱等。 表1 1 各种生物特征识别的优缺点 生物特征优点 缺点 指纹算法较成熟，速度快，实有些人指纹质量差，特征 时性好 点少 手型图像易采集容易，易定位易变化，安全性差 掌纹唯一性，终身不变性难以定位，计算量大 视网膜稳定，不易磨损、老化采集不易，接受程度不高 虹膜取决于人体基因，技术新技术不完善 人脸大众公认，研究热点难以用数学语言描述，采 集定位困难 红外线感应温度温谱图非接触性，非侵犯性，易受环境温度影响大 于接受 声音防伪性能好，获取方便易受影响，误差大 签名应用广泛易受影响、容易模仿 d n a 准确难以采集、成本高 第二节掌纹识别技术的研究应用 1 2 1 掌纹识别技术的研究意义 掌纹与其它生物特征相比具有以下优点： 夺掌纹的区域大，有充足的信息量可以获取 第2 页 第一章概述 令掌纹中有多种具有唯一性和稳定性的特征 夺抗干扰能力强，可在较低分辨率的图像中提取掌纹特征 夺易采集，特征易提取，成本价格比较低。 除此之外，掌纹识别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，并有广阔的应用范围与前景。因此在生物 特征识别技术中，基于掌纹识别的身份识别技术的优势是十分明显的。 与传统经典的指纹识别技术相比，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( 唯一性、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，其采集简单成本低的特点可大大简化掌纹图像采集、掌纹特征提 取与掌纹识别过程，实用化程度高。而且掌纹所包含纹线特征、点特征、纹理 特征、几何等特征的信息量远远比指纹的信息量丰富得多。其分析技术更为可 靠、先进。其应用面也非常广阔，可广泛应用于公安系统犯罪嫌疑人的身份鉴一 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。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。 1 2 2 掌纹识别技术的研究现状 虽然掌纹的研究晚于指纹的研究，但是由于近些年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重视，尤其反恐的需求，掌纹研究已经 逐步成为热点，并取得了相当的成果。 掌纹研究从时间上对其划分为以下几个阶段： 1 ) 起步阶段( 8 0 年代中期至8 0 年代末) 该阶段为理论的提出，主要体现在m a t s 姗o t o 和k a t s u l l e i 【6 】在1 9 8 5 年发表 的论文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，但该论文虽然只做了初步的研究，但起到了对该领域的引领作用。 2 ) 发展阶段( 8 0 年代末至9 0 年代中期) 该阶段主要是理论的发展阶段，主要的研究成果有：s m o n o ，i s h i k a w a 和 第3 页 第一章概述 s h i m a d a 【7 1 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，并在5 0 个人的小群体中 测试，拒绝非授权人进入率为9 9 8 。k u n 舀“n ，和f a i l 矿1 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。 3 1 繁荣阶段( 9 0 年中期至今) 掌纹研究在这一阶段得到了重视，不但对掌纹识别的理论进行了完善，并 且提出了很多新的观点与研究方向，涌现出一批新的研究成果，如：p a u l s w u 和黎明【9 ，1 0 1 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；1 9 9 8 年，日本n e c 公司的 j f u n a d a ，o h l _ ana d a l s ) 等人提出了一种通过消除掌纹图像中的皱纹从而提 取脊线特征的方法；1 9 9 9 年，束为1 2 1 和d a v i d z h a n 4 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 ”。2 0 0 2 年，李文新【l6 】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；同年，d u 诅i 】等提出一种基于点的特 征提取和匹配方法，该方法沿掌纹上比较明显的纹理提取特征点和相关纹线的 方向，将纹线匹配转化成两个特征点集之间的匹配；2 0 0 3 年，k u i r i a r 【博】等提出 一种基于全局统计特征的提取与匹配算法。c h i n c h u a nh a i l 【”】等采用s o b e l 算子 和形态学算予抽取掌纹r o l 区域中的纹理特征并用多模板匹配和神经网络进行 比对。 掌纹研究至今发展了2 0 多个年头了，前人们进行了很多的研究与尝试，这 些研究总结起来主要有三个方向： 1 ) 基于结构特征的掌纹识别模型 基于结构特征的掌纹识别模型，主要是将掌纹图像首先进行预处理，得到 清晰的二值的或者灰度的掌纹图像，之后直接从掌纹图像中抽取主纹线和皱纹， 然后进行匹配。这其中以束为和d a v i dz h a n 4 l 等人的研究为代表，该模型主要 研究热点在于纹线特征的提取，其缺点在于直接从掌纹图像上中抽取主纹线和 皱纹较为困难，因此不能保证较高的识别率。 2 ) 基于统计特征的掌纹识别模型 第4 页 第一章概述 基于统计特征的掌纹识别模型，主要是借鉴现在比较成熟的指纹识别模型， 首先同样是对图像进行预处理，然后抽取特征量化然有以统计学的方式进行匹 配，这其中以k u m a r 等人的研究为代表，该模型的热点在于特征的表示、图 像的处理方式以及比对算法上，其缺点在于忽略了掌纹中存在的丰富的局部结 构特征。 、 3 ) 其他模型 其他模型中以k u n g f 2 0 j 等的基于决策的神经网络分类器并将其应用于人脸识 别和掌纹验证、p a u ls w u | 2 l l 等的基于堆栈滤波器的金字塔法和金字塔自适应动 态h o u 曲变化法为代表，这些理论方法都是新兴的，但是给了掌纹识别研究一 个新的前进方向。 第三节本文研究的研究背景 1 3 1 研究问题的提出 根据应用方式的不同，掌纹识别系统的工作模式可分为两类：验证模式 ( v e r i f i c a t i o n ) 和鉴别模式( 1 d e n t i ：f i c a t i o n ) 。 1 ) 验证模式 所谓验证模式就是，一对一的比对模式，其样本集比较小，通常采用联机 的样本采集模式，其应用目的是在小样本空间内对待测样本的比对验证，得到 该样本是否属于样本数据库。这种模式是最近的研究热点，多为门禁系统。由 于大部分研究的样本也都是采用低分辨率下的活体联机采集，这类联机系统中 图像的质量非常好，便于处理以及特征的提取，这使得此类系统的处理机制显 得十分稳定与快速。 2 、鉴别模式 所谓鉴别模式就是，一对多的比对模式，其样本空间十分大，通常采用脱 机的样本采集模式，其应用目的是在大样本空间内对待测样本进行鉴别比对， 得到与待测样本最为相似的样本集合。该类系统多用于公共安全领域中，与主 流的研究相比该种模式的掌纹识别的研究还很匮乏，仅有少数商业公司的研究， 限于商业机密，大部分研究成果没有公布。而成型的实用系统仅有国外的几家 第5 页 第章概述 公司，如日本的n e c 、法国的s a g e m 等有产品面世，国内的此类研究基本为 零，而成型的系统几乎没有，因此具有自主知识产权的面向刑侦领域应用的掌 纹识别系统已经纳入国家“十一五”规划中，这些使得对于公安刑侦领域的专 门的掌纹识别研究有着重要的现实意义。 由于脱机系统的掌纹是通过扫描先期将捺印的掌纹扫描入计算机的，这就 造成了联机系统的掌纹图像与脱机系统的掌纹图像图在图像质量上存在着很大 的差别，如下图1 1 给出的就是联机系统与脱机系统的掌纹图像的比较。 ( a ) 联机系统提取的掌纹图像( b ) 脱机系统提取的掌纹图像 图1 1 联机系统与脱机系统掌纹图像比较 通过对联机掌纹图像与脱机掌纹图像的观察对比，可以得到以下结论 表1 2 联机掌纹图像与脱机掌纹图像对比 联机掌纹图像脱机掌纹图像 纹线清晰 纹线模糊 轮廓清楚 轮廓背景界限不清 手掌完整掌绞残缺 噪音量少大量噪音 脱机掌纹的采集是通过先捺印再扫描实现的，而捺印时由于油墨不均，会 造成掌纹图像的粘连或者图像混乱等情况。并且在捺印过程中由于力量不均会 造成掌纹的形变以及掌纹部分的缺失，其大部分体现在掌纹中心部分的缺失， 第6 页 第一章概述 指节纹也不可避免会被部分捺印上，这也造成对整个掌纹图像的干扰。这些就 造成了脱机掌纹图像纹线模糊、轮廓不清、背景对比不明显、掌纹残缺、噪音 多的缺点。 刑侦领域专用掌纹具有脱机掌纹的一般特点，而且这些特点还十分的突出， 除此之外还具有一些自身的特点。 首先，刑侦领域的掌纹图像质量极差。刑侦领域的掌纹一般是与指纹同时 提取的，提取在专门的指纹掌纹采集卡上的，卡的正面为档案信息以及十指指 纹，背面捺印双掌掌纹，而扫描时，不可避免的会使正面的指纹图像以及信息 透视到背面的掌纹上产生背景噪音，而且掌纹卡片本身具有的边框，也会对整 个掌纹图像造成很强烈的干扰。 其次，刑侦领域的掌纹采集时，对掌纹图像的象素值以及分辨率要求很高， 按照公安部最新的规定的要求，掌纹图像为每个像素点灰度量化为2 5 6 级的灰 度图像掌纹，图像的分辨率为5 0 0 d p i ，允许误差在1 内，档案掌纹的图像质 量为2 4 0 0 像素点2 4 0 0 像素点。 这些使得刑侦领域掌纹鉴别系统需要克服以下四个难点( 如图1 2 所示) ： 图1 2 刑侦领域掌纹图像的处理难点 第7 页 第一章概述 图1 2 刑侦领域掌纹图像的处理难点 首先由于指节纹以及各种图像噪声的干扰使得对于掌内区域以及掌外侧区 域难以区分，掌纹边界难以确定，然而这种脱机的图像采集又不能使得整个手 掌可以清晰的获取，这就使得常用的通过手指给掌纹定位的方法不适用于脱机 系统，而且对于传统的通过主纹线给手掌定位的方式，由于脱机掌纹的图像质 量的问题对于三条主纹线的提取也存在着难度，所以刑侦专用的掌纹鉴别系统 的首要困难就是掌纹的定位问题。 其次，在掌纹定位的基础上，需要判定掌纹的清晰区域以及模糊区域，所 谓清晰区域就是通过处理后得到的纹线清晰容易提取特征的区域，而模糊区域 就是没有纹线或者纹线即使经过处理后也不是十分清楚不易于提取特征的区 域，这些区域是在特征抽取的时候需要舍弃的。而脱机掌纹图像容易缺失部分 掌纹而且图像质量差，这就很大程度上影响了掌纹的清晰区域以及模糊区域的 区分，并且掌纹固有的三角区域也很容易影响清晰区域与模糊区域的划分。 再次，刑侦领域用的脱机掌纹图像质量很差，包括指节纹、油墨、以及边 框的噪音干扰极强，有效的过滤噪音的干扰、对图像进行增强也是掌纹图像处 理中难点之一。 最后由于国家的标准以及刑侦领域所有的掌纹图像固有的要求，使得掌纹 图像分辨率大、象素值高，而且公安领域的掌纹库都是海量数据集的，其应用 都是海量数据集上的运算，如何有效的在这种大运算要求的情况下保持系统的 稳定、准确也是不可忽视的一个重要问题。 1 3 2 本文研究目标 本文在指纹研究以及前人掌纹研究的基础上提出了面向刑侦领域的掌纹图 像处理模型，该模型具有首创性，填补了国内科研领域以及市场空白的工作， 并得到了刑侦专家的认可，具有重要的学术价值和产业价值。 该模型专门针对刑侦领域的掌纹，提供一个稳定、可靠、高容错、高鲁棒 性的系统模型来适用于公安刑侦领域的应用，该模型的主要研究方向： 1 1 科学的理论依据 关于掌纹识别的研究，最近已经成为研究的热点，但是其真正应用于刑侦 领域的研究并不多见，所以本文要结合指纹识别以及民用的掌纹识别的研究， 第8 页 第一苹概述 取掌纹特征的问题，以科学的理论依据为基础，得到初步的解决答案。 2 ) 独特的处理思想 依据严禁的科学理论，结合刑侦领域专用的掌纹鉴别系统的应用特点以及 掌纹自身特点，本文力图提出独特的处理思想来对于刑侦领域掌纹图像处理的 难点进行解决。 3 ) 有效的处理方法 对于刑侦领域掌纹图像处理，在科学的理论与处理思想的基础之上，研究 并实现对刑侦领域掌纹图像有效的处理方法，使其能够得到有效的解决。 4 ) 高效、稳定的系统实现 在理论研究、方法设计的基础上，对刑侦领域专用的掌纹自动鉴别系统进 行实现，并保证系统具有高效、稳定的工作机制，并满足刑侦领域的应用要求， 克服刑侦领域掌纹图像处理的难点。 5 ) 理想的处理结果 在实现原型系统的基础上，对系统进行测试、调试，以期获得令人满意的 处理结果。 第四节本文主要研究内容和结构 本文在第二章中讨论做刑侦领域掌纹图像处理方法模型。该模型的主要是 掌纹固有的生理特征，并结合掌纹识别技术的理论研究，从刑侦领域特有的要 求出发，为脱机、海量、高噪音、高计算量数据集的掌纹鉴别系统提供可靠稳 定的处理，提出了抽取掌纹的细节特征，利用分治策略以及掌纹的生理特征的 思想，设计方法，解决了掌纹定位、清晰区域划分、图像增强、系统稳定这四 大掌纹鉴别系统的难点，并最终实现稳定可靠的处理系统的掌纹图像处理模型。 然后第三章对掌纹图像处理的处理流程以及关键技术算法进行深入研究和 讨论，其主要将掌纹图像处理分解为两大主要模块：预处理模块以及特征抽取 模块。围绕着掌纹图像的增强处理、纹线细化以及特征点抽取的具体算法进行 了探讨。 第四章对运用该图像处理方法模型进行实验，并对结果进行分析，得出了 初步结论。 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9 页 第一章概述 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l o 页 第二章掌纹图像处理方法模型 第二章掌纹图像处理方法模型 掌纹图像处理方法模型的目的是输入掌纹图像之后，通过对掌纹图像的处 理，得到稳定的、较为准确的掌纹特征之后，提供给比对流程模块，以获得精 确的比对结果。掌纹图像的处理是整个掌纹鉴别系统的基础，是决定整个系统 性能的关键。而专门应用于刑侦领域的掌纹鉴别系统，其掌纹图像的处理模型 就一定要适应刑侦领域掌纹处理掌纹图像以及其应用的特点。 第一节掌纹图像的特征 掌纹是由乳突纹、皱纹和屈肌纹三种纹线组成的。乳突纹是手掌皮肤组织 的凹凸结构显示在表面商的细小凹凸纹线，其具有唯一性和终身不变性。皱纹 是皮肤松弛活动形成的细小沟纹。屈肌纹是手掌关节长期的曲伸运动在一定部 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8 0 以上人的手掌有三条主要屈肌线( 如图2 1 所示) 。 图2 1 掌纹组成示意图 第1 1 页 第二章掌纹图像处理方法模型 2 1 1 掌纹特征分类 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2 2 ，2 3 】、纹理特征【2 4 。2 7 】、 线特征【2 8 。9 ，30 1 、点特征口”。 表2 1 各种掌纹特征识别的优缺点 掌纹特征优点缺点 几何特征 容易获取 唯一性不强、变化大 纹理特征比对精度高受捺印条件影响 线特征皱纹：纹线多信息量大皱纹：易变化 屈肌纹：终身不变、稳定屈肌纹：全掌才能获得 点特征鉴别能力高需在高分辨率图像获得 几何特征，包括手掌的宽度、高度、厚度和几何形状等。几何特征适合用 于各种图像的比对，但是由于该特征唯一性不强，只能一般用于粗分类或者小 样本集的比对。 纹理特征，是不借助于掌纹本身的结构，而将掌纹图像经过某种特定变换 ( 如傅立叶变换、g a b o r 变换等) ，从纹理能量方面对掌纹进行总体度量的特征 描述方式。由于其受捺印条件影响很大，因此纹理特征通常用于采集条件稳定 的活体掌纹识别，也就是联机的掌纹识别系统。 线特征，包括屈肌纹特征与皱纹特征。皱纹是皮肤松弛活动形成的细小沟 纹，它在不同人的手掌上分布毫无规律，没有统一尺度。屈肌纹是手掌关节长 期的屈伸运动在一定部位上形成的固有的沟纹。皱纹变化性强，屈肌纹唯一性 不强，所以线特征和几何特征一样只能用于粗分类或者小样本集的比对。而且 线特征对于样本采集要求高，也一般用在联机系统的识别中。 点特征，又称为细节特征。由于手掌表面皮肤具有和指纹类似的由脊和谷 构成的纹路，而这些纹路并不是连续的、平滑的，它经常出现中断或分叉，这 些断点和分叉点就属于点特征，称为“细节点”或“特征点”。同时，掌纹那中 还存在着三角点，所谓三角指的是掌纹中三组不同流向的纹线汇合形成的形态 结构，三角结构中按一定规则定义的特定点即为三角点。三角点在掌纹中存在 第1 2 页 第二章掌纹图像处理方法模型 的不多，一般掌纹又三个左右，其可以用来作为辅助的特征进行提取比对。对 于联机系统和脱机系统，点特征适用，但是对于点特征，图像质量需要很高的 要求，它只适合于高分辨率的系统应用中。 2 1 2 掌纹图像的特征选取 虽然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，但是本 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。采用的脱机的大样本集的高分辨率的图像， 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 如r c a t i o n ) 定义为两条纹线相遇处的 位置。图2 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 访u t i a e ) 均指上述两种。 端点分叉点 图2 2 掌纹图像的纹线端点和纹线分叉点 第1 3 页 第二章掌纹图像处理方法模型 第二节刑侦领域掌纹图像处理模型 在特征选取的基础上，本文建立了如下图2 3 的掌纹图像处理模型： 匿圃 系统实现 凰j 鏖雪 图2 3 刑侦领域掌纹图像处理模型 第1 4 页 处理思想 理论基础 _ 受鬻 一罐巨 二遴 第二章掌纹图像处理方法模型 该模型分为四个层次，自底向上分别为 夺理论基础 夺处理思想 夺处理方法 系统实现 2 2 1 理论基础 刑侦领域掌纹的处理模型的理论基础，主要是建立在掌纹作为生物特征识 别的一种方式其本身的自有特征描述上。掌纹有很多可以提取的特征，有很多 种特征可以作为掌纹识别的有效特征，但是根据上文的分析，作为鉴别系统的 刑侦领域掌纹鉴别系统，由于其应用特性、图像特点以及系统要求，只有掌纹 的细节特征最适合作为刑侦领域的掌纹提取、比对特征，所以刑侦专用的掌纹 自动鉴别系统图像处理的最终目的就是要提取掌纹的细节特征，如何快速、准 确、稳定的提取到用于比对的掌纹细节特征就是系统对掌纹图像处理的最终要 求。 掌纹作为可以应用于生物特征识别应用的一种人体生理特征，就要有具备 可提取的、唯一性的生物特征，例如掌纹的主纹线、掌纹的细节特征点等等。 但是除此之外，掌纹还具备了很多其自身的特有的生理特征，如掌纹纹线的连 续性、方向性、平均宽度，这些特有的性质，虽然不可以作为生物特征来进行 提取比对，但是其可以作为依据，来对掌纹的图像进行有效的处理、修复，这 样就可以使得掌纹图像的处理更加有效、更加的理想。 虽然指纹的纹线也同掌纹的纹线具有相似的性质，也是有方向性以及连续 性的，但是其由于生理位置以及特性的差别，使之有着一些细微的差别。掌纹 的纹线的连续性是在纹线局部的，因为掌纹的图像的纹线无法始终贯穿这个手 掌，这与指纹的纹线贯穿整个手指节是有区别的，而且掌纹中的三种纹线互相 作用，这使得掌纹的纹线有很多的交叉，这就造成了纹线的不连贯性，所以掌 纹纹线的连续性只是在局部的。同时掌纹纹线的方向性变化与指纹相比也有着 很大的不同，这是由于指纹的纹线主要是乳突纹，其呈环形的分布，这就造成 了其方向性也是按照环形分布的，而掌纹由于区域分布广，其大部分纹线为弧 线，但是部分区域的纹线弧度也是很大，类似与指纹的分布，这些部分集中在 第1 5 页 第二章掌纹图像处理方法模型 掌纹的斗形区域中，这就使得在局部掌纹的纹线与指纹的纹线方向性有着很大 的区别，如下图2 4 就显示出掌纹图像的方向性、连续性。 2 2 2 处理思想 图2 4 掌纹纹线的方向性、连续性 根据掌纹的生理特征以及刑侦领域掌纹图像的特点，为了有效的提取掌纹 的细节特征，本文提出了以下的主要处理思想： 1 ) 分治策略 首先分治策略的使用，是基于刑侦领域掌纹图像特征的。所谓分治策略就 是将掌纹图像进行分解，分割成若干的小区域进行处理。由于刑侦领域的掌纹 图像为2 4 0 0 2 4 0 0 ，5 0 0 d p i 的大象素、大分辨率图像，如果整个图像进行处理， 就会使得图像的处理效率非常的低。 同时当掌纹进行整体处理时，掌纹内部的信息就会受到整个掌纹信息的影 响，如背景信息以及噪音等干扰信息等等。而一小块图像信息具有连续性，相 对独立，受干扰信息量小，而且其临近的子区域又有着关联性，对于本子区域 的处理又有着指导作用。更为重要的是，分治策略有利于掌纹图像处理的并行 化，这将大大提高掌纹处理的效率。 当图像利用分治策略进行处理时，各个被分割出来的子区域，根据关联性 对各个子区域的处理时互相进行指导、修正的同时，然后所有的这些子区域所 第1 6 页 第二章掌纹图像处理方法模型 得到的结果进行总结就会得到整体的信息，而整体信息又会反作用于各个子区 域，对子区域进行修正，这中部分与整体相互作用的思想在确定清晰区域与模 糊区域时以及在方向图的修正中表现的尤为明显，这些思想的应用将在下面进 行详细讨论，如下图2 5 即为一张掌纹的分割图。 图2 5 掌纹的分割图 2 ) 掌纹生理特征的运用 上面提到，本文提出的掌纹图像处理模型的理论基础，由于掌纹的生理特 性这使得掌纹图像有着明显的特征。对掌纹这些生理特征加以运用，对掌纹的 图像处理可以起到良好的促进作用。 这些特征中最有代表性也是最使用于图像处理的就是掌纹纹线特征，既掌 纹纹线的连续性、方向以及纹性线的平均宽度。 上文提到掌纹中的纹线具有与指纹相似但是有自身特点的连续性以及方向 性，这就使得对于掌纹图像处理提供了一个新的角度：利用掌纹纹线的特性对 掌纹图像进行增强、滤噪以及特征的后处理。 对于纹线连续性、方向性最常用的表现就是方向图的使用。方向图可看作 是原始灰度掌纹图像的一种变换表示法，即用纹线上某点的方向来表示该纹线 的方向。方向图分为两种：一种是点方向图，表示原始指纹图像中每一像素点 第1 7 页 第二章掌纹图像处理方法模型 脊线的方向，如图2 6 ( a ) 所示；另一种是块方向图，表示原始掌纹图像中某点 区域所有元素的平均方向，能够表示出指纹在某一块区域的脊线的走向，如图 2 6 ( b ) 所示。 图2 6 点方向图和块方向图 上文提到刑侦领域使用的掌纹图像存在着大量的噪音，大部分的噪音是随 机出现，而没有像纹线一样的方向性、连续特征，同时脱机掌纹图像由于捺印、 扫描的原因不可避免的出现纹线不清晰、断裂、中空的现象，而根据掌纹图像 的方向性、连续性进行的图像处理，会将这些噪音有效的过滤，中空、凹陷将 被填充，断裂将被修补，整个图像会明显的清晰，背景与掌纹会对比明显，图 像质量被大大增强。 纹线的平均宽度同时也可以作为特征后处理的重要依据。掌纹纹线的宽度 每个人都有着细微的差别，但是总体上其平均值是比较一致的，当然也有极个 别的特殊情况。运用这个信息可以作为特征后处理的过程中对于掌纹特征进行 过滤的重要依据，对伪特征点进行筛选去除，得到比较准确的特征点集合。 2 2 - 3 处理方法 依据本文所提出的刑侦领域掌纹图像处理的模型，本文主要运用以下五个 主要、有代表性的处理方法了： 夺二值化 夺掌纹定位 夺掌纹清晰、模糊区域判定 令图像增强 第1 8 页 第二章掌纹图像处理方法模型 夺特征抽取、后处理 这五个主要的方法，并通过上文提到的模型的处理思想进行指导，对各个 处理方法进行了改进，以便其适应刑侦专用的掌纹自动鉴别系统的使用。对于 处理方法的使用以及改进将在下一节详细讨论。 2 2 4 系统实现 通过对上文提到的主要处理方法以及一些辅助的处理方法有机的结合、构 造、控制，实现了刑侦专用的自动鉴别系统。该系统由于是刑侦专用的脱机掌 纹鉴别系统，所以在系统的实现上要满足： 1 ) 连续、稳定的处理流程 首先单个的掌纹图像处理要遵循连续的处理流程，数据在处理过程中保持 结构的完整、统一，避免数据的紊乱以及处理模块的嵌套、迭代，造成控制的 困难。 其次，系统要有有效的批处理功能，批处理时，各个处理请求通过并行方 式组织，单不能出现相互的干扰、影响，各自独立的完成图像的处理。 最后，数据处理的工程中有良好的容错机制，当出现错误时，系统报错并 将错误原因输出，为系统能建立良好的错误管理机制。 2 ) 算法的优化 刑侦领域的掌纹象素值高、分辨率大、数据量大，而刑侦应用特点要求， 需要快速、准确的得到处理结果，所以其处理过程中的效率就有一定的要求， 这就需要对系统的处理算法有进一步的要求：即系统的各个算法要进行有效的 优化。 首先对于掌纹图像的处理要减少不必要的运算，如对掌纹图像边界的计算 就可以省略，因为刑侦用的掌纹图像在采集时往往避免在边界上存有信息，这 可以在图像的运算上可以减少大量时间。还有就是对于模糊无效区域的操作也 可以尽量减少。 其次，在对于掌纹图像处理中的，存储分配上要尽量把无效的信息过滤， 这样即减少了空间消耗还有对信息的存取节省了系统开销。 最后就是对于具体的算法的选择上，对于这种大数据量的运算要尽量使用 时间开销小的算法，以空间换取时间效率，并且要尽量避免迭代、递归的使用 第1 9 页 第二章掌纹图像处理方法模型 节省系统的时间开销，从而保证处理的高效率。 2 3 1 二值化 第三节掌纹图像处理模型中的处理方法 二值化的目的就是将灰度图像转变为二值的图像。由于灰度图像是由2 5 6 个灰度值，这样由于背景与图像信息相互作用使得纹线的谷线与脊线的区分不 明显，而图像的二值化就能将掌纹图像中的脊线与谷线明显的区分开，并过滤 掉大量的背景噪声，如下图2 7 ( b ) 所示，图像2 7 ( a ) 二值化之后图像的纹 线信息更加明显了。除此之外，二值图像还能给出图像的整体信息。 ( a ) 灰度图像 图2 7 图像二值化的效果 ( b ) 二值图像 本文提出的掌纹图像处理模型中使用了两个二值化，即： 夺粗二值化 夺细二值化 这个两个二值化都是对点集进行灰度直方图进行分析，确定动态阈值，对 图像点进行阈值分割，进行图像二值化的。但是这两者的区别就是，各自所获 取的点集不同。 粗二值化是当原始的掌纹图像读入后第一步进行的，该步骤的目的是得到 第2 0 页 第二苹掌纹图像处理方法模型 快速、粗略的二值图像，即图像的整体信息，以便在此基础上对掌纹图像进行 快速的分析，其方向图以及掌纹的定位都是在此基础上进行的。粗略二值化是 在全图的上的二值化，其取点范围是整个图像隔若干点取一个点，将所有取得 的点作为点集进行动态阈值分析，确定分割阈值，然后对全图进行二值化。 而细二值化是得到新的清晰的掌纹图像之后进行的，目的是获得细致的二 值图像，即得到图像的纹线信息。所谓细致二值化就是在一个区域内提取所有 点的灰度信息作为点集，然后进行动态阈值分析，确定该区域的分割阈值，然 后对该区域进行二值化的。其原因是在局部空间内，信息的提取不受全局环境 的影响，可以在局部使得背景与信息的有效分离。 细二值化体现了掌纹图像处理方法模型中处理思想的分治思想，通过局部 区域的分析对局部区域进行处理，达到局部处理的优化，进而得到全局的效果 优化。 2 3 2 掌纹定位 一般传统的掌纹定位的方法都是在全掌的基础上，确定手掌的轮廓，然后 根据指根或者根据主纹线也就是屈肌纹来对手掌进行定位的。如下图2 8 ( a ) 【1 9 】 就是通过确定手掌轮廓之后，根据中指指根的位置确定坐标系对手掌进行定位 的而图2 8 ( b ) 【3 2 】则是通过两条主纹线在手掌边缘的点连线以及其垂直平分线 来确定坐标对手掌进行定位的。 利用指根的掌纹定位法( b ) 利用主纹线的掌纹定位法 图2 8 常用的手掌定位方法 第2 l 页 第二章掌纹图像处理方法模型 在上一章中提到了，刑侦领域的掌纹由于其捺印、扫描过程中不可避免的 会造成掌纹图像的残缺、不完整，而且脱机掌纹图像本身的质量也很差。脱机 掌纹由于其残缺性以及质量差，背景与手掌很难进行分离，这就造成了很难确 定掌纹的外围轮廓。即使确定外围轮廓也是需要大量的计算，这在高分辨率的 掌纹图像中会耗时很大，影响系统的效率。即使通过了大计算量的计算之后， 确定了手掌轮廓之后，也是很难进行指根位置或者主纹线位置的提取与计算的。 由此可见，克服脱机手掌的定位问题是刑侦领域专用的掌纹鉴别系统的首要问 题。 对于这种不完整的图像进行定位的最简单的方法就是在形态学变换基础上 的边缘跟