（模式识别与智能系统专业论文）高分辨率脱机掌纹图像特征提取关键技术研究.pdf

中文摘要 中文摘要 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，在各个领域均有广 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中特征 提取所涉及的关键技术展开研究。 在刑侦领域，高分辨率脱机掌纹研究具有十分重要的理论意义和现实意义， 是国家“十一五”科技攻关计划的一个重要课题。 特征提取在掌纹研究中具有十分重要的意义，本文主要对特征提取涉及的 关键技术展开研究。首先对掌纹研究中的常用特征进行综述，之后对基于结构 的特征提取所涉及的关键技术展开了深入的研究。 本文提出了一种多层次的特征提取模型，自上而下依次是细节特征、线特 征、几何特征。分层的依据在于特征之间具有相互依赖的关系。上层特征的提 取需要下层特征的辅助，越上层的特征则越具有权威性。在特征提取的过程中 由下至上逐层完成。 本文按照处理流程对几何特征中涉及的掌纹定位、细节特征提取中用到的 细化方法以及线特征提取方法进行了概括性的论述。在概括大量掌纹定位方法 的基础上提出基于网格的掌纹分割方法。分析多种细化算法后，针对掌纹应用 提出了一种改进的旋转不变性细化算法。在论述大量指掌纹常见的线特征提取 方法后，提出一种基于二值图像的线特征提取算法，并将该算法应用于掌纹细 节特征点的后处理。在每部分最后通过一些实验数据验证了方法的有效性。 关键字 掌纹，细化，区域分割，线特征 a b s t r a c t a b s t r a c t b i o m e t r i c s ，嬲an 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 ty e a r s p a l m p r i n t ，鹳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 ei 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 y t 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 ek e yt e c h n o l o g ya b o u tm u l t i p l e f e a t u r ee x t r a c t i o nm e t h o do 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 nt e c h n o l o g y , t h e a 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 gt 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 ，t h er e s e a r c ho nh i 曲r e s o l u t i o np a l m p r i n ti so f g r e a tt h e o r e t i c a la n dp r a c t i c a ls i g n i f i c a n c e t h i sr e s e a r c hi sa ni m p o r t a n ti s s u eo f t h e 11 也5 - y e a rn a t i o n a lk e y t e c h n o l o g i e sr & dp r o g r a m f e a t u r ee x t r a c t i o np l a y sa ni m p o r t a n tr o l ei np a l m p r i n tr e c o g n i t i o n t h i sp a p e r m a i n l yr e s e a r c ho nf e a t u r ee x t r a c t i o n sk e yt e c h n o l o g y t h i sp a p e r r e v i e w e dt h em a i n m e t h o d si nw h i c ht h ep a l m p r i n tf e a t u r e sa r ed e s c r i b e d ，a n dt h e nm a i n l yc e n t e r so nt h e s t r u c t u r a lf e a t u r e t h i sp a p e rp r e s e n t sam u l t i - l e v e lm o d e lo ff e a t u r ee x t r a c t i o n t h i sm o d e l c o n s i s t so fm i n u t i a ef e a t u r e ，l i n ef e a t u r ea n dg e o m e t r yf e a t u r e ，i nat o p d o w nw a y t h i ss t r a t i f i c a t i o ni sb a s e do nt h ei n t e r d e p e n d e n tr e l a t i o n s h i pa m o n gt h e s ef e a t u r e s e x t r a c t i o nt h eu p p e rf e a t u r en e e d st h eh e l po ft h en e t h e rf e a t u r e ，a n dt h ef e a t u r em o r e u p p e ri sm o r e r e l i a b l e a c c o r d i n gt ot h ep r o c e s sf l o w , t h i sp a p e rd i dag e n e r a lr e v i e wo ng e o m e t r y f e a t u r ee x t r a c t i o n ，t h i n n i n gm e t h o dd e m a n d e db ym i n u t i a ef e a t u r ee x t r a c t i o na n dl i n e f e a t u r ee x t r a c t i o n t h i sp a p e rp r e s e n t e dag r i d b a s e ds e g m e n t a t i o nm e t h o do fp a l m p r i n ti m a g e ， i n t r o d u c e dar o t a t i o ni n v a r i a n tt h i n n i n ga l g o r i t h ma n di n t r o d u c e dal i n ef e a t u r e e x t r a c t i o nm e t h o db a s e do nb i n a r yi m a g e a d d i t i o nt ot h a t ，t h ee x p e r i m e n t a lr e s u l t s h o w e dt h a tt h ep r o p o s e da l g o r i t h mc a na c h i e v eg o o dp e r f o r m a n c e k e y w o r d p a l m p r i n t ，t h i n n i n g ，s e g m e n t a t i o n ，l i n ef e a t u r ee x t r a c t i o n 内容目录 图目录 图1 1 现场掌纹7 图1 2 高分辨率脱机掌纹8 图1 3 捺印掌纹图像样张9 图2 1 高分辨率脱机掌纹识别特征层次结构。1 1 图2 2 掌纹特征定位示意图1 2 图2 3 掌纹轮廓线特征点定义1 3 图2 4 掌纹样张示例1 3 图2 5 皱纹示例图1 3 图2 6 细节特征定义示意图1 4 图2 7 皱纹对细节特征的影响1 4 图2 8 几何特征对细节特征的影响1 5 图2 9 奇异点示意图1 5 图2 1 0 脱机掌纹特征抽取处理步骤。1 6 图3 1 掌纹预处理流程图1 8 图3 2 方向定义示例1 9 图3 3 预处理阶段效果示意图2 0 v 内容目录 图3 4 奇异点定义2 1 图3 5 掌纹区域定义示例2 2 图3 6w p p 在前景和背景中的分布2 3 图3 7 线性神经元2 4 图3 8 前景背景分割结果图2 5 图3 9 去除孤立指节纹结果图2 6 图3 1 0 网格遍历方向定义2 6 图3 1 1 分割结果示例2 7 图3 1 2 掌纹区域分割结果示例2 8 图4 1a w 算法细化结果示意图。3 1 图4 2a w 算法删除算子3 2 图4 3a w 算法保留算子3 3 图4 4 改进a w 算法算法流程。3 4 图4 5 存在冗余像素的a w 细化结果示例3 6 图4 6 解决冗余像素问题的旋转对称算子3 6 图4 7 解决冗余像素问题需要的其他算子3 6 图4 8 解决冗余像素问题的非旋转对称算子3 6 v i 内容目录 图4 9 解决冗余像素问题的四个删除算子3 7 图4 1 0 方向图对纹线噪声的抗干扰作用示例o o o o o o o o o o o o o 0 0 3 7 图4 1 l 腐蚀算子定义3 8 图4 1 2 保留算子相关的邻域配置说明3 9 图4 1 3 端点模版与萎缩性判断模版4 0 图4 1 4l e c c 方向数定义 图4 1 5 冗余像素问题的改进效果示例4 3 图4 1 6 纹线粘连问题的改进效果示例。4 3 图4 1 7 毛刺问题的改进效果示例4 4 图4 1 8 纹线萎缩问题改进效果示例4 4 图5 1 方向投影的坐标变换。4 7 图5 2 沿屈肌纹的方向投影4 8 图5 3 一个金字塔图像结构4 8 图5 4 建立金字塔的方框图4 8 图5 5 白纹线细化结果示例5 0 图5 6 掌纹边缘片段示意图5 1 图5 7 宽度计算示意图。5 3 v i i 内容目录 图5 8 宽长比示意图5 4 图5 9 纹线片段特征有效性分析5 5 图5 1 0 纹线片段可信性识别结果。5 6 图5 1 1 线特征提取示例。5 6 图5 1 2 线特征用于后处理的准确率分析。5 7 v i l l 内容目录 表目录 表3 1 掌纹分割平均错误率2 8 表4 1 典型细化算法分析。3 0 表4 2a w 细化算法流程。 表4 3 用于粘连断裂的复合算子定义。3 8 表4 4 用于抑制毛刺的复合算子定义3 9 表4 5 复合保留算子定义4 0 表4 6 执行时间比较4 4 i x 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：鳓玉芳 瓣年s 月盔目 一_ _ - - - - 删- 一- - - _ - 一- _ _ _ 一一_ _ - - 一_ - - - - _ _ _ - - _ _ - 。- 忡_ - 一- _ _ - 一一_ _ - - - _ _ - _ 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：剀元戋 阳g 年j 月万e l 第一章绪论 第一章绪论 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。姓名就是一个人 最重要的标识。但是，在很多场合下，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 了网络信息时代。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，是一个非常困难的技术问题。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。但是，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 ec _ 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。生理特征与生俱来，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、皮肤毛孔、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、击打键盘的力度等。生理特征 第1 页 第一章绪论 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下性质，它就能用于身份鉴别： 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； 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。 目前一些用于身份鉴别的生物特征主要包括：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。 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可以分为两类，一类是公共 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了l r i s c a ni n c 。同时许多诸如s o n y 、n e c 等知名企业也 都纷纷成立了生物特征识别相关的专门子公司，如h a r r i s 半导体的a u t h e n t e c i n c ，西门子的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国际行业组织 i b i a ( 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 ) 。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 ) ，组织协调和指导生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已经形成了一个 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。国外许 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 第2 页 第一苹绪论 u n i v e r s i t y ) 的美国国家生物特征识别实验中一i ( n a t i o n a lb i o m e t r i e st e s tc 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工作； 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 工作：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一些创新研究。这些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 所等少数单位较早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，更没有形成很大的产业规模。 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上开展了多 方位的研究，自动化所人工智能实验室在自动指纹识别上做了卓有成效的工作， 浙江大学、西北大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 r i c s o 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 年广州成功举办了五届。 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生。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，而真正拥有 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。因此，如何在良好的市场环境下，借鉴国外成功经验，依托国内科研力量， 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， 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 人类对掌纹的研究有悠久的历史，最初起源于手相学。根据现在印度各地 的遗迹、壁画中所残留的古老记录及婆罗门教所传的口碑中，都可以了解到手 第3 页 第一章绪论 相在古印度十分流行。在中国，远在周朝( 约3 0 0 0 多年前) ，手相学即已盛行， 在西汉时代，就出现了比较完整的手相论著( 许负相法十六篇) 。同时，我 国也是最早利用掌纹( 掌印) 进行侦察活动的国家，有文字可拷，有实物可证 的距今已有二千一百余年。在唐代，掌印就应用于文书契约上，至少到了宋代， 手印已正式作为刑事诉讼的物证了。掌纹在中国古代的接待契约、买卖文凭、 婚约休书、狱词供状、军队名籍等方面的广泛应用，反映了我国人民已经根据 经验，认识到了掌纹是可以代表一个人，而且是不变的，否则就不足以为证了。 1 3 1 掌纹识别技术分析 掌纹识别是指根据人手掌上的有效信息来识别哪些掌纹图像是来自同一只 手掌，哪些掌纹图像是来自不同的手掌，从而达到身份识别的目的。人的掌纹 千差万别，没有任何两个手掌完全相同，即掌纹具有唯一性。根据掌纹的这一 特点，可以用掌纹来做人的身份鉴别。二十世纪九十年代，我们首先开展了基 于掌纹的人体生物特征识别的工作。虽然手相学的研究与用掌纹作身份识别的 目的不同，但他们关注的对象都是人的手掌。手相学的论著记载着人类对掌纹 数千年的观察结果，其中有关手掌的区分、分类、点、线、颜色等特征的描述 都对掌纹识别有很大帮助。 目前采用的掌纹图像主要分脱机掌纹和在线掌纹两大类。脱机掌纹图像是 指在手掌上涂上油墨，然后在一张白纸上按印，然后通过扫描仪进行扫描而得 到数字化的图像。在刑侦领域应用较多的即为这种类型的掌纹图像。在线掌纹 则是用专用的掌纹采样设备直接获取，图像质量相对比较稳定，分辨率低，处 理的特征维度小，随着网络、通信技术的发展，在线身份认证越来越多的应用 于各种门禁系统等。 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 7 中首次介绍了利用掌纹识别 进行身份鉴别，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。二十几年来基于掌纹的身份鉴别方法已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。 。 第4 页 第一章绪论 1 3 2 掌纹特征提取方法综述 掌纹识别的实现一般采用统计模式识别方法，其过程大致分为：图像采集， 预处理，特征提取和选择，分类决策四个部分，其中，如何分类在很大程度上 依赖于掌纹图像的特征提取方式，并且该方式在很大程度上也将决定如何完成 匹配决策。这就是说，能否有效地进行特征的提取和选择，关系到下一步的分 类决策是否能够高效准确的完成，因此在应用统计模式识别方法识别掌纹的过 程中，特征提取占据着非常关键的位置。 按照分析和描述的方式，掌纹的特征提取大致可分为如下四类：基于结构 的特征提取，基于时频分析的特征提取，基于统计的特征提取和利用子空间方 法的特征提取。 、 1 基于结构的特征提取 基于结构的方法是掌纹特征提取中最传统的方法 1 ，4 ，9 1 。结构特征可以分为 点特征和线特征两大类。文献 1 】中将掌纹的结构特征归纳为如下几种： 1 ) 几何特征( g e o m e t r yf e a t u r e ) ：这是早期在线掌纹识别依据的主要特征， 包括手掌的宽度、长度和几何形状，以及手掌不同区域的分布。 2 ) 主纹线特征( p r i n c i p a ll i n ef e a t u r e ) ：手掌最清晰的几条纹线，也被俗称为 生命线、感情线、智慧线等。由于这些纹线基本上伴随人的一生而几乎不发生 变化，所以也是掌纹识别的主要依据特征之一。 3 ) 皱纹特征( w r i n k l ef e a t u r e ) ：掌纹中比主要纹线更细、更没规律的纹线称 为皱纹。在指纹中也存在皱纹特征，但是和指纹相比，掌纹中皱纹更多，分布 更广泛。皱纹在一段时间内也具有稳定性，因此也可以作为辅助特征成为掌纹 识别的依据。 4 ) 奇异点特征( d e l t a p o i n tf e a t u r e ) ：指由掌纹乳突纹曲率最高的点，在奇异 点处，乳突纹方向变化迅速。主要包括三角点和中心点。 5 ) 细节点特征( m i n u t i a ef e a t u r e ) ：细节点特征【8 3 ，踟由脊线构成的端点和分 叉点组成。脊线指手掌上与指纹类似的皮肤表面特征。该特征具有终身不变性， 是高分辨率脱机指掌纹识别的重要依据。 将掌纹乳突纹细节特征点( 端点和分叉点) 、奇异点等概括为点特征。该特 征只能在高分辨率图像中实现。其中，获得纹线细化图并提取细节特征是较常 用的细节特征提取算法【8 ，8 2 】。 第5 页 第一苹绪论 将掌纹三大主线及皱纹线概括为线特征，该特征明显但较难提取。用于掌 纹线特征的检测算法主要有基于空域微分算子的边缘检测法【4 ，5 5 , 1 6 ，2 6 1 ，方向投影 算法 1 , 4 , 9 , 2 6 和基于金字塔滤波的方法 1 4 ，5 叼等方法。 优点：点特征可以精确描述掌纹，鲁棒性强，鉴别能力强，非常适合刑侦 领域的高分辨率脱机掌纹的识别。线特征明显稳定，表示方法简单，特征空间 小，在脱机残掌中虽然不完整但是可以作为点特征比对的辅助特征。 缺点：脊线和皱纹的交错和重叠使点线特征的提取有一定的困难，方法上 还有很大的研究余地。 2 基于时频分析的特征提取 基于空域一频域变换的特征提取将原始空域掌纹图像变换到频域，在频域 内定义并计算若干特征变量，作为特征提取的步骤，也被称为谱分析法。主要 方法包括：傅立叶变换【1 8 1 9 1 ，g a b o r 变换2 0 , 2 1 , 2 2 1 小波变换2 3 1 。 优点：将图像从空域变换到频域后再进行特征提取和描述可以增强系统的 鲁棒性，简化预处理步骤，减少计算消耗。 缺点：在频域内分析图像时，将忽略图像本身丰富的纹理信息，并且受采 样条件影响而产生的不稳定性也较大。 3 基于统计的特征提取 基于统计特征的方法用统计特征组成的随机模型来重新定义和衡量原始图 像，常见的统计特征包含各阶矩、熵、能量等。在文献 2 4 ，2 5 中，p a n g 等通过 对原始掌纹图像计算z e r n i k e 正交矩，伪z e m i k e 正交矩和l e g e n d r e 正交矩来提 取掌纹特征。j a n e y o u 在 2 6 1 中提出以调谐式自适应掩模平滑纹理相似区域，以 提取纹理奇异区域。w u 在文献 2 7 】中使用方向纹理能量作为掌纹特征。 优点：这些特征与基于结构的特征相比更易于提取和表示。 缺点：识别掌纹的能力比结构特征差。 4 利用子空间方法的特征提取 s w a t a n a b e 2 8 】提出的子空间法模式识别可作为分类和表达模式的一种方法。 基于子空间的特征提取指的是通过对掌纹原始图像进行映射变换或是矩阵运 算，实现从n 维欧式样本空间到m 维欧式特征子空间的转换，即 f ：r ”一r ”( 埘 栉) ，该方法早期多用于人脸等特征的识别。根据映射变换的性 质，变换后的子空间可分为线性子空间和非线性子空间，目前运用在掌纹识别 上的多为线性子空间方法，如主成分分析【2 9 】，特征掌 3 0 1 ，给予f i s h e r 线性判别 第6 页 第一章绪论 的t i s h e r p a l m 方法川等。 优点：该特征描述性强，计算代价小，易实现，使用较少的特征向量数目 就能取得较高的识别率。 缺点：p c a 方法一般情况下是最佳描述特祉，而不足最佳分类特征。f l d 方法则存在求解尉难的问题。 在这些特征中，多种特征提取方法的融合将是掌纹特征提取得发展方向 这里的融合，可能是从粗到细，不同匹配层次采用小同的特征。 第四节本文主要研究背景和结构 4 1 本文研究工作背景 针对掌纹图像的识别在各种文献中提出了各种各样的方法，其依据的主要 特征也各不相同，但足基于细节特征的高分辨率脱机掌纹识别在很多应用领域 是必需的，也是唯一有效的识别方式。其中，最重要的应用是掌纹识别在刑侦 领域的应用。图1 1 是刑侦领域常见的现场掌纹样张，在这样的应用中，只有细 节特征才是较为稳定的识别特征。因此这就需要如图12 所示的高分辨率脱机 学纹图像来构建掌纹数据库。但是在现有文献中，钊对高分辨率脱机掌纹研究 的非常少。 因此，本文针对刑侦领域的需求围绕以细节特征为核心的结构特征展开 研究。 幽1 l 现场掌纹 蛰7 贞 第一章绪论 多 图1 , 2 高分辨率脱机掌纹 1 42 本文研究工作的难点和目标 高分辨率脱机掌纹识别是一个全新的研究领域，它既不同于联机掌纹识别， 也不同于指纹识别。 与联机掌纹识别相比，高分辨率脱机掌纹具有如下特点： 1 脱机掌纹的图像质量不稳定 由于脱机掌纹的获取主要采用油墨捺印的脱机掌纹图像样本采集方法，该 方法获得的掌纹图像会由于受力不均、油墨不匀等原因不能获得完整的掌纹图 像，并且在图像背景上存在多种噪声。这些都使得在脱机掌纹应用中不能像联 机掌纹应用中那样获得完整的掌纹几何形状。因此，如何正确地确定掌纹区域 具有至关重要的意义。这也使得这样的掌纹很难使用基于结构特征以外的特征 进行识别与比对。图1 3 显示了一幅比较有代表性的掌纹样张，从中可以看到捺 印掌纹图像情况非常复杂。 2 图像信息的膨胀 高分辨率脱机掌纹的图像大小为2 4 0 0 像素x 2 4 0 0 像素，而低分辨率在线掌 纹的大小则小得多。对于高分辨率脱机掌纹图像来说，图像面积大，需要处理 的问题规模大，因此需要更高效的算法。 3 特征类型多 图像分辨率高，意味着包含更多的信息，那么如何较好的利用和提取这些 信息，使其相辅相成的发挥作用是高分辨率脱机掌纹识别的一个重要研究目标。 此外，基于处理效率的考虑，能够在统一的方法模型下实现尽可能多的特征类 第8 页 第一章绪论 型的提取也是一个重要的研究目标 图1 3 捺印掌纹图像样张 一些研究者认为现有的指纹图像处理的方法可以被直接用于脱机掌纹图像 处理。然而由于脱机掌纹图像和指纹图像存在着以下差别使得高分辨率脱 机掌纹识别应该成为一个单独的课题存在。 1 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，不周局部区域具有不同的结构特征。 2 图像的捺印质量不稳定：有些掌纹图像可咀获得较完整的手掌信息，有 些则只能获得手掌的局部信息；有些掌纹图像捺印清晰，有些则较为模糊。这 都对掌纹的分割和增强处理提出了较高的要求。 3 大量皱纹的存在：掌纹中存在着大量的皱纹，而在指纹中皱纹较少。因 此，皱纹在掌纹识别中对细节特征抽取所造成的影响远远大于指纹，如何消除 皱纹对细节特征提取的影响，使皱纹的消极意义转化为积极意义是掌纹特征抽 取的一个重要课题。 鉴于高分辨率脱机掌纹的特殊性，它只能使用细节特征作为识别的主要依 据，如何尽可能提高细节特征的提取精度将是本文的研究重点，围绕该问题， 又提出了如下待解决的子问题： 1 抽取掌纹全局几何特征 抽取掌纹全局几何特征，即确定有效的掌纹区域可以达到只在掌纹有效区 域内提取特征，提高处理速度的目的。但是，高分辨率脱机掌纹图像质量不稳 定面对复杂的应用情况如何快速的抽取掌纹的几何特征是高分辨率脱机掌纹 特征提取面对的第一个问题。 第9 页 第一章绪论 2 设计适合掌纹图像细节特征提取的相关算法 在指掌纹应用中，提取细节特征的算法主要有基于灰度图像【8 5 j 的，基于二 值图像8 6 1 的和基于细化图的【8 1 。本文选择了较为常用的基于细化图的细节特征提 取算法。在这一过程中，细化就成为一个不可或缺的步骤，那么如何克服现有 细化算法中存在的问题，结合掌纹图像的应用特点，提出合适的细化算法是本 文的研究问题之一。 3 将皱纹特征变害为利 高分辨率脱机掌纹与指纹相比，存在着大量的皱纹，这些皱纹对于细节特 征的识别具有很大的影响，会导致大量的伪细节特征。文献 8 ，7 3 重点研究了消 除皱纹对细节特征的影响。而在有些掌纹应用中，皱纹也可以作为识别特征【1 5 1 。 那么如何消除皱纹对细节特征提取的影响同时又能发挥其积极作用也是本文研 究的问题之一。 1 4 3 本文主要内容及组织结构 本论文以掌纹图像为研究对象，重点研究了掌纹的特征抽取中用到的一些 关键技术，其中包括掌纹区域分割、纹线细化和线特征抽取。具体来说，本文 主要做了以下几方面的工作：首先，对本文所涉及的系统的方法模型进行了分 析，介绍了本文所选择的特征及其涉及的关键技术。其次，提出了一种以网格 为基本单位，基于曲线形状的快速掌纹区域分割方法。再次，对提取细节特征 中用到的细化算法进行分析研究，并对a w 细化算法进行改进，取得了较好的 实验效果。最后，对线特征进行研究，提出一种在二值图像上进行的线特征提 取方法。在每一部分的最后都给出实验数据验证方法的有效性。 接下来本文将从以下方面展开讨论：第二章对特征提取的方法模型进行了 论述并概括性的论述了其中涉及的关键技术；第三章对掌纹图像预处理方法、 奇异点特征提取、掌纹定位进行了简单论述，并提出一种掌纹分割方法，最后 验证其有效性；第四章对细化算法进行了概括性的论述，并结合掌纹应用对a w 算法进行了改进，最后通过实验验证该方法的有效性；第五章概括性的论述了 掌纹的线特征提取方法，提出一种基于二值图像的线特征提取方法，最后通过 实验验证方法的有效性。 第l o 页 第二章高分辨率脱机掌纹特征提取方法概述 第二章高分辨率脱机掌纹特征提取方法模型 本文的研究工作主要针对高分辨率的脱机掌纹图像。根据中华人民共和国 公安部的技术标准，建库掌纹的分辨率为5 0 0 d p i x5 0 0 d p i ，每幅档案掌纹的大 小为2 4 0 0 像素2 4 0 0 像素。 第一节特征的层次模型 根据本文提出的特征提取目标，我们提出了一种多层次的特征提取模型， 分层的依据在于特征之间具有相互依赖的关系。上层特征的提取需要下层特征 的辅助，越上层的特征则越具有权威性。在特征提取的过程中由下至上逐层完 成。图2 1 显示了该多层特征提取的结构图。其中，几何特征位于最下层，是掌 纹特征提取中最基本的工具特征，但也是最不稳定的特征。因此，几何特征是 作为其他特征提取的辅助，不作为识别依据。其上是线特征，该特征需要利用 几何特征，并且可以用于点特征的后处理。同时，该特征也具有一定的稳定性， 可以辅助点特征作为识别依据。最上层是点特征，是掌纹识别中最重要的依据。 。厂 捕征 尸兰 辅助特征& 工具 特征 工具特 征 几何特征 图2 1 高分辨率脱机掌纹识别特征层次结构 1 几何特征 几何特征包括手掌的宽度、长度和几何形状，这是早期在线掌纹识别依据 的主要特征。在近期的文献中，几何特征的抽取不再是识别的依据，主要用于 确定目标区域以减少处理区域，提高处理速度。在脱机掌纹识别中，脱机的掌 第1 1 页 第二章高分辨率脱机掌纹特征提取方法概述 纹图像由于撩印条件、受力不均菩影响，很难获得完整的掌纹轮廓。 掌纹的几何特征获取主要包括两方面的任务：掌纹区域分割和掌纹定位。 高分辨率的脱机掌纹图像区域分割的目的主要表现在两个方面：1 ) 减少处 理的区域，提高系统性能：2 ) 防止在指节纹及背景中提取伪特征点。因此，掌 纹区域分割的主要任务是去除指节纹( 如图22 所示) 和去除背景区域。本文在 第三章提出一种在预处理早期阶段进行的基于网格的掌纹区域确定方法，可以 快速准确的完成掌纹的区域分割，并且提岛了预处理、高层次特征抽取等步骤 的处理速度。 掌纹定位的主要目的在于从掌纹中提取合适的基准点，建立参照坐标系， 以减少采样过程中引进的旋转、平移、扭曲等非线性因素的影响，提高匹配识 别掉法的鲁棒性。其中，轮廓线特征点 3 2 , 3 3 】、t 形分区标志点。增是较常使用的 定位基准点。轮廓线特征点在不同文献中有不同的定义方式，常用的如图2 3 所 示的k 1 k 2 k 3 点。利用这样定位方式，需要掌纹具有较高的质量。但是在现实 应用中存在着大量如图2 4 所示的掌纹样张，对于这样的样张很难获得清晰的掌 纹轮廓。t 形分区如图22 所示，其中a ，b ，o 点为t 形分区的标志点。在获得标 志点时常使用方向投影”】的方法。对于质量较差的样张该方法仍不能获得满意的 定位效果。但是t 形分区标志点非常适合人机交互操作，因此本文涉及的系 统采用人机交互的方式完成掌纹定位。 图2 2 掌纹特征定位示意幽 第j2 页 第二章高分辨率脱机掌纹特征提取方法概述 _ 燃 囤2 3 掌纹轮廓线特征点定义 幽2 4 掌纹样张示例 崮25 皱纹示例圈 2 线特征 线特征主要指掌纹中的主纹线和皱纹( 如图22 所示) ，他们在人的生命历 程中也具有一定的不变性可以作为一种辅助特征用于掌纹识目4 但是主纹线 和皱纹的存存对于细节特征的抽取是一种干扰，会导致大量的伪细节特征存在。 罔2 5 是掌纹的部分区域截图，在图中标示出三条皱纹，图中小圆圈标示出的点 为使用基于拓扑结构的后处理方法秩得的特征点。可以看到使用该后处理方法 时，皱纹附近仍存在大量伪特征点，如果能在提取细甘特征的图中同时提取线 特征将有效提高后处理精度。因此，正确提取主纹线特征和皱纹特征具有重要 意义，在本文的第四章提出一种在二值图像上抽取线特征的方法，图25 右侧图 第1 3 页 弄儿 鞍 第一章高分辨率脱机掌纹特征提取方_ ：击概述 是掌纹二值图像白纹线( 掌纹的主纹线、皱纹及谷线在二值图像中表现为白纹 线) 的细化图，从图中可以看m 皱纹处的细化结果中包含较多的分叉点。本文 利用凌特征结合二值图计算线特征各项参数以达l 提取线特征的目的。该方法 抽取的皱纹既可以用f 细节特征的特征后处理又可以作为一种辅助的识别特 征。 3 点特征 点特征类型较多，主要包括以下两类： 1 ) 细节特征 细节特征指由乳突纹形成的端点和分叉点，定义如图26 所示，其中圆圈中 为分叉点，方块中为端点。提取细节特征常用的方法如图2 6 所示，将掌纹图像 增强后进行二值化，得到图26 - b ，细化后得到图26 - c ，最终在细化图中提取 细节特征。圈27 中黑纹线为二值化后结果，细线所示区域为皱纹，从中可以看 出，皱纹的存在会导致大量的伪特征点存在，因此，提取线特征可以作为一个 有效的工具特征用于细节特征的后处理。在图2 8 中，整幅图像的进行处理则 有刈能在圆圈所示位置提取出伪特征，因此，掌纹几何特征同样是一个重要的 工具特征。选择适合掌纹应用的细化算法对细节点特征的正确提取具有十分重 要的作用。文本在第三章针对脱机掌纹细节特征的抽取提出了一种基于a w 算 法的改进细化算法，有效提高了细节点特征抽取的正确性。 缓 囤2 6 蚓27 皱纹对细l ，特征的影响 篇1 4 c 第一章高分辨率脱机唯纹特征提取方法概述 o ，o 图2 8 几何特征对细节特征的影响 2 1 奇异点 奇异点被定义为脊线曲率蛀高的点，在有奇异点的地方，脊线变化迅速。 奇异点特征大致可分为中心点和三角点，图2 9 所示为一对中心点( 29 - b