（计算机应用技术专业论文）两种指纹图像质量评价方法的研究与实现.pdf

山东大学硕士学位论文 摘要 近年来，自动指纹识别技术成为学术界的一个研究热点，不少国内外学者对 指纹识别技术作了大量研究，但到目前为止，指纹识别仍存在一些技术难点。低 质量指纹图像的预处理及匹配就是其中具有挑战性的难题，而关于指纹图像质量 的分析及评价也因此成为目前指纹识别技术研究的一个重要方面。这些问题的有 效解决，对于推动整个指纹技术的发展具有重要意义。为此，本文针对指纹图像 质量的评价问题进行了深入研究。 研究从两个角度展开：一是从微观的角度考虑，对质量指标本身的性能进行 分析和研究，以便通过简单的融合弥补单指标评价的不足；二是从宏观的角度考 虑，对基于多指标指纹质量的不同评价方法进行分析和研究，以便找出更合适的 方法。研究内容主要包括： 一、对质量指标本身性能的分析和研究。 目前，指纹图像的质量指标主要是基于局部或全局的分析，即对分块图像的 评价和对整幅图像的评价。为了使质量指标衡量的标准更加全面，提出了结合全 局分析和局部分析新的综合评价方法。首先，利用指纹图像的傅里叶谱求图像的 整体质量信息；然后使用标准差方法求分块图像的质量信息，并以分块图像到奇 异点区的距离为权重，对分块图像进行加权处理；最后融合两种方法的结果表示 整幅图像的质量，弥补了单纯使用频谱信息对奇异点区评价不足的缺点。实验结 果表明这是一种较为合理、有效的方法。 二、对指纹质量评价方法的分析和研究。 基于多指标的指纹质量评价方法目前主要是多指标的线性加权和非线性融合 两种方法，本文在详细分析的基础上，提出了基于支持向量机( s ) 的质量评价方 法。在特征的选择上，充分考虑了指纹的局部和全局信息，以及空域和频域的不 同特性，使用了标准差方法、傅里叶谱分析、梯度三个特征，文中分别对三个特 征的评估性能进行了分析，并以三个特征为基础，建立了指纹图像质量的空间分 布图，通过仔细观察，发现该空间下好、坏质量的指纹图像具有线性不可分性。 同时为了避免传统的经验阈值方法带来的人为偏差，借鉴了机器学习的思想，提 山东大学硕士学位论文 出采用s 分类器对指纹质量进行学习和分类。在公开数据集上测试，并比较了 单指标阈值分割和s 分类器效果，结果表明，本文方法在评估指纹质量上更有 优势。 关键词：指纹；指纹质量评价；支持向量机：标准差；傅里叶谱 i i 山东大学硕士学位论文 a b s t r a c t 1 1 1r e c e n ty e a r s ，t h et e c h n i q u eo fa u 【t o m 撕cf i n g e 叩r i n ti d e n t i f i c 撕0 nh 豁b e e na r e s e a r c hf o c u si na c a d e r n j a m a n yr e s e a r c h e r sh a v ed o n em u c hw o r k0 nf i n g e 叩r i m i d e n 曲c a t i o n b u tu n t i ln o ws o n l et e c h n i c a l ( 1 i m c u l t i e sh a v ea l w a y sb e e nb 棚i n g 廿l e d e v e l o p m e n to ff i n g e 巾r i n ti d e n t ! i f i c 撕o n ，s u c ha st h ep r e - p r o c e s s i n ga i l dm a t c h i n go f l o 、- q u a l i 够f i n g e r p r i n t s c o n s e q u e n t l y ，t h e 锄a l y s i sa j l dm e a s u r eo ff i n g e 甲n n tq u a l i 够 b e c o m e s 锄i m p o n a n ta s p e c to fc 岍e n tf i n g e 巾r i n tr e s e a r c h t h ee a e c t i v er e s o l 砸o no f s u c hq u e s t i o n sh 笛s i 鲈i f i c 锄tm e a u l i n gf o rd e v e l o p m e n to f f i n g e 甲r i n tt e c l u l o l o 斟 h lm i sp a p e r ，w eh a v ed e e p l yr e s e a r c ho nf _ m g e 印r i n tq u a l i 锣e v a lu a t i o nf r o m 帆o v i e w p o i n t s ：o n ei st h ea n a j y s i s 锄ds t u d yo nq u a l 时f e a n j r e s e v a j 嘶o np e d o m 锄c e s ， 恤eo t h e ri s 廿l er e s e a r c ho fd i f f e 咖tf 缸i o nm e t h o d sf o rq u a l i t ) rf b 砷盯e s t h em a i n r e s e a r c hc o n t e n t sa r ea sf o l l o w s ： 1 ) p r e s e n t l y ，吐1 ef i n g e 叩r i n tq u a l i t ) ri n d e x 删n l yb a s e s0 nl o c 出o r 四o b a j 肌a l y s i s ， n 锄e l yb l o c ki m a g ee v a j u a t i o n 锄dw h o l ei m a g ee v a j 嘶o n f o rt h ep e e c t i o no f q u 砌i 钞e v a l u 撕o ns 伽1 d a r d s ，m i sp a p e rp r o p o s e san e wh y 嘶dw a yf o ra n a l y s i s f i r s t l y ， 、eu s et h ef o 面e rs p e c t r u mo ff i n g e r p r i n tt 0p r e s e n tt h ed o b a lq u a l i 饥t h e nt h e s 伽1 d a r dd e v i a t i o nm e t h o di su s e dt 0c o m p u t em eq u a l 时o ft h eb l o c ki m a g e ，趾dt a k e l ed i s t a i l c eo ft h eb l o c kt o 血es i n g l l l a rp o i n ta r e aa sw e i g h tt oa v e r a g eb l o c k s s c o r e i n 血ee n d ，、ec o m b i n et h er e s u l t so ft w om e t h o d st 0d e n o t et h ew h o l ef i l l g e 印r i n tq 岫1 i t y ， m a k eu p 吐l es h o r t c o r n i n go fe v a j u 撕n gt h es i n g u la rp o i n ta r e as i m p l yu s i n gf o 血e r s p e c t m mt h ee x p e r i m e n tr e s u l t ss h o wt h a tt h i si sar e a s o n a b l e 锄de f f e c d v em e t h o d 2 ) a i t n i n ga tm ep r o b l e mo f ( i i f r e r e n tf 缸i o nm e t h o d sf o rm u l 石q u a l i 够i n d e ) 【 1 i s p a p e rp r o p o s e saq u a l i t ye v m u a t i o nw a yb a s e do ns v m i nm es e l e c t i o no fq u a l i 锣 i n d e 墨w e 彻l yt a k ei n t oa c c o u l l t l o c a la n dg l o b a lc h a r a c t e r sa i l ds p a t i a la 1 1 df r e q u e n c ) r d o m a i nf e a t u r e s ，u s e l r e eq u 出i 锣f e a t u r e s ，w h i c ha r es t a n 删d e v i a t i o n ，f o 嘶e r s p e c t r u ma i l dg r a d i e n t t h e s ef e a t u r e sa r ec a r e f u l l y 锄a l y z e d ，锄dt h es p 撕a ld i s t r i b u t i o n c h a no f q u 甜i 锣i sb u i l tb a s e do nm et h r e ef e a c u r e s t h r o u 曲c a r e 伽o b s e r v a t i o n ，w ef i n d i i i 山东大学硕士学位论文 m a ti ti sn o n l i n e a rs e p a r a b l e s os v mi sp r e s e n t e dt oc l a s s i 匆m ef i n g e 印r i n t s w bt e s t t 1 1 i sm e m o di np u b l i cd a t a b a s e ，锄dc o m p a r e 、i t hs i n g l em d e xe v a i 嘶o nm e m o d s t h e r e s u l ts h o w st h a tt h ep r o p o s e dm e 血o dc a ne v a j u a t ef i n g e 叩r i n tq u a l i 够n l o r ee x a c n y l q yw o r d s ：f i n g e r p r i n t ；6 n g e r p r i n tq u a l i 哆e v a l u a t i o n ；s u p p o i tv e c t o rm a c h i n e ； s t a n d a r dd e “a t i o n ；f o u l i e rs p e c t r u m 原创性声明和关于论文使用授权的说明 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究所取得的成果。除文中已经注明引用的内容外，本论 文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本 文的研究做出重要贡献的个人和集体，均已在文中以明确方式标 明。本声明的法律责任由本人承担。 论文作者签名：日期：地盘鲤： 关于学位论文使用授权的声明 本人同意学校保留或向国家有关部门或机构送交论文的印刷件和 电子版，允许论文被查阅和借阅；本人授权山东大学可以将本学位论 文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印 或其他复制手段保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) ：哞聊签名夥一 i。v 一 山东大学硕士学位论文 第1 章绪论 2 1 世纪是信息技术、网络技术的时代，现代科技为人类的相互交流提供了更 为快捷与便利的手段，它既大大地推动了现代社会的发展和进步，但也给各个国 家和社会管理者带来一个全新的重要课题：在高科技的信息时代，随着身份的数 字化和隐性化，如何及时、准确和有效地验证每个社会成员的身份，以保障人们 的合法权益和各种社会活动的合法性和有效性。 传统的身份认证方式包括基于知识( 如密码、口令) 的身份认证和基于令牌( 如 钥匙、身份证) 的身份认证。传统的身份认证方式存在许多缺点，密码和口令存在 容易忘记、容易攻击、容易泄漏等问题，钥匙和身份证等存在容易被盗、容易丢 失、容易伪造、容易冒用等问题。 生物识别技术，作为2 0 世纪末才开始蓬勃发展的高新技术，在社会生活中占 据着越来越重要的位置。所谓生物特征识别( b i 伽e t r i c s ) 技术是指通过计算机， 对人体所固有的某些生理特征或者行为特征来进行识别的一项模式识别技术n 3 。与 传统的身份识别手段相比，基于生物特征的身份识别技术，因为利用了人体所具 有的某些生理特征或者行为特征，具有如下优点： ( 1 ) 不易被人们所遗忘或者丢失： ( 2 ) 防伪性能好，不易伪造或者被盗； ( 3 ) “携带方便”，随时随地可用。 目前常见的生物特征识别手段主要有d n a 识别、耳型识别、人脸识别、脸部热 量、指纹识别、步态识别、手形识别、手部血管识别、虹膜识别、视网膜识别、 手写体识别和声音识别等髓刮。 指纹识别属于生物特征识别的一种，它是通过采集指纹图像进行匹配识别， 确定或确认指纹所有人身份的生物特征识别技术，其基本原理是通过取像设备读 取指纹图像，然后用计算机识别软件，提取指纹的特征数据，最后通过匹配算法 获得识别结果。 由于指纹样本具有个体差异大、实现识别所需的软硬件资源较小等优势，指 山东大学硕士学位论文 纹识别技术已经被越来越广泛的应用到很多身份识别系统中。随着模式识别、图 像处理以及信息传感等技术的不断发展，自动指纹识别技术将展现出更加广阔的 应用前景。 1 1 自动指纹识别技术简介 指纹应用，以我国为最早。考古证实，我国六千多年前的陶瓷上已发现有指 纹印记用于制造者的身份确认。而现代指纹科学起源于十七世纪后半叶。1 8 9 2 年， f r a n c i sg a l t o n 在对指纹进行了更深入的研究之后，著书立说，首创指纹科学。 从此，指纹的管理和应用正式走向科学化的道路，并被越来越多的国家和政府所 重视并采纳。 指纹识别技术具有以下的优点： ( 1 ) 人体的指纹具有唯一性和长久不变性。 ( 2 ) 使用指纹作为身份识别的手段已有很长的历史，为人们所广泛接受。 ( 3 ) 指纹识别的准确率较高，使用方便，有很好的应用前景。 ( 4 ) 指纹取样设备种类繁多，并且价格低廉，另外，已有标准的指纹样本库， 便于识别系统的软件开发。 ( 5 ) 一个人的十指指纹皆不相同，这样，可以方便地利用多个指纹构成多重 口令，提高系统的安全性。 ( 6 ) 指纹识别中使用的模板并非最初的指纹图像，而是由指纹图像中提取的 关键特征构成，这样使系统对指纹模板库的存储要求减小。另外，特征模板也大 大减少了网络传输的负担，便于通过指纹实现异地身份确认。 目前常用的指纹识别系统通常分为以下四个模块( 图卜1 ) ：( 1 ) 指纹采集； ( 2 ) 指纹预处理： ( 3 ) 指纹特征提取：( 4 ) 指纹匹配。指纹的采集就是通过相 关设备将指纹纹线分步录入：指纹预处理主要用于突出指纹图像中的纹理、方向 信息，消除或者减弱噪声等无用信息：指纹特征提取是在采集到的指纹图像上， 提取感兴趣的指纹的特征信息；指纹匹配是利用提取到的特征信息判断两枚指纹 是否同源。指纹识别技术是最可靠的生物识别技术之一，已经有很多自动指纹识 别产品应用于法律部门、公共安全领域和民用领域，但是自动指纹识别技术仍然 2 山东大学硕士学位论文 面临巨大的挑战。 r 一一一一一一一一一一一一一一一一一一一一一一一一一 ；匡亟匾圉 1 1 1 指纹采集 图卜1 指纹识别流程 按照采集方式的不同，指纹主要可以分为三类：捺印指纹、活体指纹和模糊 指纹。 捺印指纹指的是将沾了印墨的手指按压在某种东西( 通常是纸) 上留下的指 纹的痕迹，再经相应设备转化为数字化的信息，就得到捺印指纹图像。捺印指纹 采集到的有效面积比较大，但因采集方式所限，采集速度较慢，指纹缺陷较多， 并且难以严格控制采集的质量。 根据录入原理的不同，活体指纹录入仪可分为光反射式、热感式、电容式和 超声反射式等几种。根据采集时指头是否与指纹录入仪接触，又可分为接触式和 非接触式。经活体指纹采集设备得到的是数字化的指纹图像，相比较而言，活体 指纹的质量是最好的。 模糊指纹一般是指在犯罪现场采集到的指纹。将罪犯无意中遗留在犯罪现场 的指纹痕迹经过显影、拍照和扫描等技术处理而得到的指纹图像。 山东大学硕士学位论文 1 1 2 指纹预处理 指纹预处理是指纹特征提取前的不可缺少的一个重要环节，主要包括指纹图 像分割、图像增强、二值化、细化等。 指纹图像分割位于预处理的最前端，就是将指纹图像从背景区域中分割出来。 准确、可靠的分割，对于缩短图像处理时间、提高特征提取的准确率都具有重要 意义。 图像增强是根据指纹图像纹理的方向性和纹线距离对可恢复的纹线进行恢复 和增强，对于不可恢复的区域进行屏蔽。 二值化即将图像中灰度大于某阈值的像素的灰度置为1 ，小于等于该阈值的像 素的灰度置为o ，即将图像变为二值图像。 细化就是提取指纹图像的脊线骨架。 1 1 3 指纹特征信息提取 指纹的特征信息主要分为两大类：指纹的全局特征和指纹的细节特征。全局 特征主要是指指纹图像中的奇异点、指纹图像的全局方向信息等宏观特征。指纹 的细节特征与指纹的全局特征相比，种类繁多，有1 5 0 多种，但是其中很多特征 是极其罕见的，而在大多数自动指纹识别技术中，一般只使用两种细节点特征： 纹线端点( r i d g ee n d i n g ) 和分叉点( r i d g eb i f 证c 撕o n ) 【4 8 1 。纹线端点指的是纹线突 然结束的位置，而纹线分叉点则是纹线突然一分为二的位置。大量统计结果和实 际应用证明，这两类特征点在指纹中出现的机会最多，也最稳定，而且比较容易 获取。更重要的是，使用这两类特征点足以描述指纹的唯一性。通过算法检测指 纹中这两类特征点的数量以及每个特征点的类型、位置和所在区域的纹线方向是 特征提取算法的任务。特征点的类型和定义如图1 2 所示。 4 山东大学硕士学位论文 蓥墓 - _ - - _ - - = _ _ _ _ 一_ ，二- - 纹线端点纹线分叉点 1 1 4 指纹匹配 ( 毫) c h ) 图卜2 指纹特征点的类型和方向定义：( a ) 类型，( b ) 方向 指纹匹配要解决的问题是对两幅给定的图像提取特征信息，进行匹配，判断 这两枚指纹是否是同源的，即是否来自同一个指头。如：传统的点模式指纹匹配 一般是基于细节点( m i n u t i a e ) 实现的。细节点在指纹纹线中出现的几率最大， 也最稳定，易于检测，且足以描述指纹的唯一性。指纹匹配靠比较两枚指纹的细 节点特征就可以决定指纹的唯一性。目前指纹匹配方法可以分为两类。一类是基 于图匹配的方式睁儿1 ，另一类是采用人工神经网络的方法2 1 制。 1 1 5 指纹识别中面临的挑战 计算机的出现使指纹识别进入了自动化阶段。近些年来，国内外自动指纹识 别技术已经取得了许多进展n ，使许多人产生了一个错误观念，认为自动指纹识 别技术中的问题已经得到彻底解决。然而事实恰恰相反，国际指纹验证竞赛 f v c ( f i n g e r p r i n tv e r i f i c a t i o nc o m p e t i t i o n ) n 铲2 3 1 的测试结果表明，自动指纹识 别仍有许多问题有待解决，仍然是一个具有挑战性的重要的研究课题。f v c 从2 0 0 0 年开始每两年举行一次，参赛算法中许多都代表着世界领先水平的算法。从比赛 结果来看，指纹识别算法的正确率远远低于市场上所宣传的指纹识别产品的正确 率：正确率较高的算法所需的运算时间也相对较长，消耗的存储空间较多，有些 算法虽然能达到较高的正确率，但消耗的系统时间、空间资源在实际的应用中是 山东大学硕士学位论文 难以让人接受的；低质量指纹图像的可靠特征提取和识别还是一个挑战性的难题； 变形指纹和重叠面积较小的指纹匹配问题还有等进一步解决。 目前的自动指纹识别系统的正确率还远远达不到指纹鉴别专家用肉眼进行识 别的正确率，因为自动识别系统难以实现用人眼进行识别时所用的复杂模型，人 眼可以从低质量的指纹图像中准确提取特征，而自动识别系统在低质量图像中往 往提取错误特征或无法提取特征。可见，自动指纹识别技术的研究仍然是具有挑 战性的研究课胚，而关于指纹质量的研究也已经成为目前指纹识别工作的一个重 要方面，其在指纹图像的采集、分割、特征提取、匹配等环节都有着很重要的应 用。 1 2 指纹图像质量研究现状 迄今为止，国内外已有不少文献对指纹图像质量的评价进行了研究，但仍没 有明确的量化概念去衡量一枚指纹图像质量的好坏，或者靠指纹专家的感官分析 给出一个模糊的辨识，或者通过识别算法来验证其是否可用。 i s 0 i n c i t s m l 最近提出了一个草案乜钔，用来评价生物特征样本的质量，主要 从三个不同的角度来分析和衡量，一是特性，即样本本身固有物理属性的好坏； 二是保真性，即由于采集过程造成的采集样本和采集源之间相似度的差异；三是 可用性，即生物样本对整个识别系统性能的影响，是从应用的角色去评价。 y c h e n 乜5 1 等提出将指纹图像的质量定义为脊、谷清晰度以及特征的可提取性 的度量，这里的特征指的是用于识别的细节点、c o r e 点、d e l t a 点等。 目前大多数指纹图像质量指标是围绕脊、谷清晰度以及特征的可提取性来评 价和计算，指纹质量研究的角度也主要分为：( 1 ) 对质量评价指标的研究；( 2 ) 对质量评价方法的研究。 1 2 1 质量评价指标的研究现状 指纹图像的质量指标主要是基于局部或全局的分析，即对分块图像的评价和 对整幅图像的评价。 山东大学硕士学位论文 对分块图像的质量测量与评价，或者定性地将块图像分为可用、不可用等类 别，或者定量地描述该块图像的质量，根据图像质量的好坏为其计算量化的分值。 b o l l e 等【2 6 1 将指纹分为一个个小的像素块，并将像素块标记为有方向的和无方 向的两种，用方向区域和无方向区域的面积比作为质量的度量。方向区域所占的 面积越大，质量越好。 加博( 鼬o r ) 滤波器很好的兼顾了指纹的方向和频率信息，通常被用于指纹 增强。s h e n 等2 7 1 将g a b o r 滤波器用于图像子块，由于质量好的指纹图像有很强的方 向趋势和非常明确的空间频率，其q 山。带征值在一个方向或几个方向上会比其它 方向大很多；相反质量较差的块，其鼬o r 特征在各个方向的取值变得很接近。s h e n 等用各个方向g a b o 带征的标准差来评估指纹的质量，标准差越大，说明质量越好。 好质量的图像块所占的比例最终被用来评价整幅图像的质量。 l i m 等口9 1 和y ic h e n 等【2 5 1 用梯度矩阵的特征值来评估局部纹线方向的确定程 度，作为衡量每一个图像块的质量。特征值的差别越大，说明块的质量越好。综 合所有块的质量来评价最终图像的质量。 t - c h e n 等【3 0 】提出了一种计算脊、谷清晰度的方法。对每一个块，沿纹线的垂 直方向将脊、谷的灰度值构建为正弦波模型，用阈值对应正弦波模型的零轴，以 零轴与正弦波模型的交点为分割点对脊、谷区进行分割。在分割后脊、谷区灰度 值的分布图上，计算两者重叠区的面积，并以此作为质量的衡量。脊、谷线越清 晰，可分离性越好，重叠面积就越小，质量越高。 对整幅图像的质量测量与评价，基本上和对分块图像的质量评价思路一致， 或者采用定性评价方法，将指纹图像分为高质量、中等质量、低质量等几种情况； 或者采用量化评价方法给出一个质量度量的分值。 y ic h e n 等【2 5 】和b 0 n 吐ul e e 等2 8 1 提出了基于全局分析的傅里叶谱方法。正常情 况下，纹线频率的大小应位于一个合理的范围，y ic h e n 等用带通滤波器检测纹线 频率最大值和最小值对应的环带上的能量，能量值越大，说明其集中度越高，指 纹图像质量越好。b o n g k ul e e 在频谱图像中检测最亮环，并搜索最亮环半径l 2 处 及3 2 处环的能量，分别计算最亮环与另两处环的能量差异，用能量差异的和来表 示指纹图像的整体质量，值越大，图像质量越好。 7 山东大学硕士学位论文 “m 等【2 9 】使用了两个指标来分析指纹图像的整体结构，但这两个指标都是以局 部块的方向信息为基础的。高质量的情况下，纹线方向在整幅图像中是缓慢变化 的，近邻块之间方向的突变说明指纹质量较差。第一个指标通过累积块与块之间 方向的变化来反映整个图像的质量。第二个指标通过计算所有图像块脊、谷宽度 比的标准差来衡量纹线频率的一致性。虽然在正常的指纹图像中，所有块的脊、 谷宽度比也不完全一样，但若标准差过大，说明图像质量一定不好。 1 2 2 质量评价方法的研究现状 指纹质量的评价方法主要分为单指标的分析、多指标的线性加权、多指标的 非线性融合以及基于分类器的质量分类等方法。 单一的指标通常是从某一个角度去评价指纹图像的质量，所反映的也只是指 纹图像质量信息的某个方面，不足以区分所有的质量类型。 t c h e n 等、“m 等和j i n g q i n gq i 等【3 1 1 均采用多质量指标线性加权的方法衡 量指纹图像的质量，他们将局部评价和全局评价较好的结合在一起，从更加全面 的角度对问题进行分析。在相应的评价方法中，t c h e n 使用了两个指标，“m 使用 了三个指标，j i n g q i n gq i 使用了包括g 曲o r 特征，干、湿指标，前景区面积，前景 区中心位置，细节点数量，奇异点有无等共七个指标。 y ud e c o n g 等3 2 1 采用了多指标的非线性加权方法来计算指纹质量的评估分数。 文中使有了三个特征，包括：中心区域黑像素比、环形谱结构和g a b o r 方向特征。 考虑到每种质量特征对最终质量评估分数的贡献是不同的，文中对三个特征的幂 次方和系数分别进行了加权，加权值取l 或2 ，以体现不同特征的不同区分度，满 足不同类型指纹的评估需要。 基于分类器的方法【4 9 ，5 0 1 将指纹图像的质量评价定义为：一枚指纹对于匹配方 面的贡献和不匹配方面贡献的分离程度。这里是把质量作为对指纹识别系统性能 的预测。呦a u s s i 等【4 9 5 0 1 提取指纹图像的细节点，计算每一个细节点的质量，并计算 可分离度的值，最后用神经网络的方法进行学习和分类，将质量分为差、一般、 好、很好、非常好五类。 山东大学硕士学位论文 1 3 问题的提出及意义 指纹图像的质量测量与评价，在指纹图像分割，增强及指纹匹配等环节都有 重要的应用。准确的评价指纹质量，拒绝低质量的图像并及时重新采集，可以提高 自动指纹识别系统的性能。同时，基于质量的有效评价，对指纹识别算法的适用 性研究也有重要意义。如基于纹理匹配的识别算法口3 3 指出：尽管在纹线清晰度比 较好时，该算法的识别性能略低于基于细节点的识别算法，但当指纹图像质量下 降( 这里主要指纹线清晰度下降) 时，该算法性能下降的速度要比基于细节点的 算法慢。这就暗示了当指纹图像下降到一定程度时，该方法的性能有可能比基于 细节点的算法要好。因此，对于质量差的图像，在匹配时可以调用基于纹理的匹 配而不是基于细节点的方法。文献b 们也指出，随着质量的下降，基于脊线匹配的 识别系统比基于细节点匹配的系统表现出更好的鲁棒性。事实上，采集的指纹质 量控制，指纹库中图像质量分布的分析，对低质量指纹进行修改阂值设定，提高 自动指纹识别系统工作的性能等应用都迫切需要一个切实可行的指纹图像质量评 估标准。 基于以上分析，本文分别从指纹图像的质量指标和质量评价方法两个角度进 行了研究。 1 4 论文的组织和主要贡献 本论文共分为四章，其中第一章为绪论，主要针对自动指纹识别的有关概念 进行介绍，并对目前指纹图像质量的研究进行了综述，确立课题的研究内容。第 二章和第三章为正文部分。第二章提出一种新的基于指标融合的综合指纹图像质 量评价方法，第三章提出了基于支持向量机的指纹图像质量评价方法。第四章为 结束语。 本文仔细分析了当前质量指标的特点，提出了一种结合局部信息和全局信息、 空域信息和频域信息的质量评价方法，即利用指纹图像的傅里叶谱求图像的整体 质量信息，并使用标准差方法求分块图像的质量信息，然后融合两种方法的结果 表示整幅图像的质量，在一定程度上弥补了单纯使用频谱图像对奇异点区评价不 9 山东大学硕士学位论文 足的缺点。 指纹质量的评价方法方面，本文使用了标准差方法、傅里叶谱分析、梯度三 个特征，在分析了基于以上特征的指纹质量空间分布特点的基础上，提出了使用 s v m 分类器对指纹质量进行分类的方法，并比较了单指标阈值分割和s v m 分类 器效果。从实验结果看，该方法的性能具有一定优势。 1 0 山东大学硕士学位论文 第2 章基于指标融合的综合指纹图像质量评价方法 由于指纹具有唯一性和长久不变性等特点，正越来越广泛的被应用到很多身 份识别系统中口瓦3 6 1 ，包括犯罪调查、准入控制、网络认证等。但指纹识别系统的性 能严重依赖所获取的指纹图像的质量。而其中影响指纹图像质量的因素很多，包 括：指纹本身的条件( 如，干、湿、脏、伤疤等) ，采集器的原因( 如，图像残留、 背景噪声、分辨率等) ，使用者的配合( 如，采集时的压力、姿势、位置等) 以及 样本者的职业、年龄等等，这其中很多因素都无法控制和避免。低质量的指纹图 像导致虚假特征的产生和真实特征的丢失，降低指纹识别系统的性能。因此，准 确的估计指纹图像的质量对指纹识别系统来说非常重要口 。 b o l l e 等瞄】用方向区域和无方向区域的面积比作为质量的度量，但这种方法用 到了方向信息，方向信息在低质量的指纹图像中的获取本身就不可靠；s h e n 等2 7 1 将 鼬o r 滤波器用于图像子块，质量好的块其q l b o r 滤波器输出是脊、谷纹线的清晰 重复，由于g a b o r 滤波器本身是用于指纹增强的，因此它会在一定程度上增强指纹 的质量，从而影响对质量的判断。以上两种方法都只用到了局部信息，指纹图像 结构是具有一定流势的脊、谷交替的纹理结构，仅局部信息不足以确定指纹图像 的整体质量。b o n 然ul e e 等2 8 1 和y ic h e n 等提出了基于全局分析的傅里叶谱方 法，指纹图像质量越好，其频率谱的能量越集中，这种方法能够很好的反映指纹 图像的整体质量，但缺乏局部的分析，尤其是对模式区的分析。“m 等1 2 9 】利用指纹 图像的方向和脊谷纹线交替结构，将局部方向确定性、脊谷交替结构和整体方向 变化的连续性、脊谷宽度的均匀性相结合，用来分析判断指纹图像的质量和有效 性。此方法将局部特征和整体特征相结合，较好的抓住了指纹图像的特点，但易 受纹线方向和投影波噪声的影响。 针对以上问题，本文综合了局部信息和全局信息、空域信息和频域信息，提 出了一种结合标准差方法【3 8 】和傅里叶谱分析的指纹图像质量评价的新方法。 山东大学硕士学位论文 2 。1 算法描述 完整的指纹图像质量评价不仅需要分析指纹图像的局部信息，而且需要进行 全局衡量。指纹图像的频谱图能够表列出纹线的方向和频率，从而能很好地反映 纹线的质量。本文止是基+ 二指纹陶像频谱的这些特点来评价图像质量的，但仅仅 伞局的角度不足以准确反应图像的质量，对于局部区域的质量尤其是奇异点区的 质量，上述方法略显不足。而标准差力法却不受奇异点区的方向变化剧烈、纹线 频率不同_ j ：其它区域等条件的影响。因此，本文利用傅里叶谱来衡量指纹的整体 质最，求取指纹频谱图像中亮环带的能量和并做归一化处理，然后使用标准差方 法求分块图像的质量信息，并以分块图像到指纹模式区的距离为权重，对分块图 像进行加权处理；最后融合两种方法的结果表示整幅图像的质量，以形成对图像 的综合质量评价。算法流程如图2 1 所示。 2 2 全局质量评价 图21 算法流程 对于一幅高质量的指纹图像来说，当用离散傅里叶变换( d f t ) 将其转化为频 谱图像时，会出现一个相对清晰的亮环。相反，低质量的指纹图像在频谱图中不 会产生亮环，如图2 2 所示。这是闪为：相对于高质量的图像来说，通常低质量图 山东大学硕士学位论文 像脊、谷交替结构的一致性较差。本文方法用频谱图中亮环带的能量作为衡量质 量的标准。 ( a ) 质量好的指纹图像 ( b ) 左图的傅里叶谱 ( c ) 质量差的指纹图像( d ) 左图的傅里叶谱 图2 2 质量好的指纹图像和质量差的指纹图像傅里叶谱的对比 利用离散傅立叶变换( d f t ) 得到频域图像，设g ( 石，y ) 表示大小为删的数字 图像中坐标为( x ，y ) 的像素点的灰度值，则g ( x ，y ) 的离散傅立叶变换( d f t ) g ( “，v ) 定义为： | v 一1 一1 g ( 。，。) = g ( ，y ) p 2 万7 z ，y x “ v 7 7 # oy = o 山东大学硕士学位论文 = & 圳( c o s 协 柳+ s m 协 ) ( 2 1 ) 其中，是虚部单元，“，v o ，人，一1 ) ， = 删+ 是矢量点积运算。 显然g ( “，y ) 为一复数函数。设ig ( ) i 表示g ( 叩) 的模，即g ( ”) 的幅值，则有： q 坫v ) | = 瑚声 ( 2 2 ) 吨v ) i 反映了频域中的点( “，v ) 处的能量强度，ig 虬v ) i “，y ( o ，人，一1 ) 构成了频域的 强度谱。 定义描述频谱半径能量强度的函数如下： ，2 古“渺 ， ( 2 3 ) 这里，( “，y ) 是频谱中点的坐标，c ，代表频谱中位于半径为，的圆环上的坐标点的 集合，拌c ，代表c 中点的个数。q ( ，) 反映了在指纹频谱中半径为，的圆环所对应 的频率信号的能量强度。 在本文的研究中，所有的指纹图像都是5 0 0 d p i 的，借助先验知识我们知道， 平均的脊、谷间隔应该为7 至1 0 个像素。因此，相应傅里叶谱的高亮环应该出现 在，大小为2 5 6 木2 5 6 的傅里叶谱图像中距离中心2 5 至3 7 个像素的频率带内。在 这个频率带内求能量强度函数的和，并将其归一化。 s g = 砉q ( ，) ( 2 4 ) o l 其中，为全局质量得分，q 为归一化因子，它将t 的值归一到。与1 之间。 1 4 山东大学硕士学位论文 2 3 局部质量评价 高质量的指纹图像具有清晰的脊、谷交替的结构，其分块图像灰度有较大的 方差值。标准差方法正是利用局部区域灰度值的标准方差来衡量指纹图像质量。 如图2 3 所示，指纹图像被分成万万的块，首先计算每一局部块的标准方差， =雳茅面 其中g ( z ，y ) 为像素点( x ，少) 的灰度值，g 。是第k 个块的平均灰度值。 引自参考文献 2 8 图2 3 标准差算法的块运算 ( 2 5 ) 整个图像的质量得分是通过加权方式求局部方差的和，并进行标准化， s ：丢羔忱瓯 乙2t = l ( 2 6 ) 其中，c ：是一个归一化因子，用来归一化最终的质量得分，使其值位于 o ，1 内， n 为整幅指纹图像被划分的总块数。对于中心在，= ( x ，”) 的第i 块图像，其相 对权重的计算如下： 哆= e x p 一| j t 一乞l 2 ( 2 9 ) ) ( 2 7 ) 山东大学硕士学位论文 其中，l 为指纹图像奇异点区的中心，g 是一个标准化的常量，用块到图像奇异点 区中心的距离来反映块的贡献。通常来说，靠近指纹图像奇异点的区域比周围区 域能提供更多的信息，因此被赋予了较高的权重。这里奇异点区用人工的方法进 行确定。 2 4 综合质量评价 指纹图像质量的综合得分计算如下： s 。= 7 l 迟+ 7 2 s ， ( 2 8 ) l + 心= 1 ( 2 9 ) 其中，乃和7 ：分别是& 和s 的权重，所有的权重和应该为l 。对于不同的应用， 这些权重可以被调整以适应不同的标准。因此，可以用来评价给定指纹图像的 质量。 指纹图像质量评价的具体步骤如下： ( 1 ) 对于一幅指纹图像，利用公式( 2 1 ) 对其进行傅里叶变换： ( 2 ) 用公式( 2 2 ) ( 2 3 ) 计算频谱半径能量强度的值； ( 3 ) 计算傅里叶谱图像中距离中心2 5 至3 7 个像素的频率带内频谱半径能量 强度值的和，并按公式( 2 4 ) 进行归一化； ( 4 ) 标定指纹图像的模式区，将指纹图像分为8 8 的块，并对其进行分割； ( 5 ) 在前景区内，用公式( 2 5 ) 计算局部块的标准差，并用公式( 2 7 ) 计 算相应块的权值； ( 6 ) 用公式( 2 6 ) 计算整幅图像的标准差得分； ( 7 ) 调整7 l 和7 2 的值，按照公式( 2 8 ) 计算指纹图像的综合质量得分。 2 5 实验及结果 本文拟将指纹图像质量分为以下三种不同的质量类别：较好、一般、较差。典 1 6 山东大学硕士学位论文 型的指纹图像如图2 4 所示。 ( a ) 较好( b ) 一般( c ) 较差 图24 典型质量的指纹图像 本文使用的指纹库包括9 0 0 幅指纹图像( 5 0 人术6 个手指术3 幅图像) ，全部用 光学采集器采集。每一个指纹图像的尺寸是2 4 8 木2 9 2 像素，分辨率为5 0 0 d p i ，2 5 6 级灰度。所有的图像用人工分类的方法分为三个类别，其中有9 6 幅质量差的，2 8 8 幅质量一般的和5 1 6 幅质量好的。分别用标准差方法、傅里叶谱分析方法、本文 方法同样也将指纹图像分为好的、一般、差的三类。图2 5 为每一种情况的得分 分布情况。傅里叶谱分析方法和本文方法更接近于人工分类的结果，本文方法更 有优势。虽然库中低质量的指纹图像不到1 0 0 幅，但如果这些低质量的图像被去 掉，整个自动指纹识别系统的性能将会大大提高。当库中包含低质量的指纹图像 时，自动指纹识别系统误拒率( f r r ) 为1 3 1 ，用标准差方法评测指纹质量，并 去除低质量的图像时，系统误拒率为1 0 6 ，用傅里叶分析方法去除低质量的图像 时，系统误拒率为7 3 ，用本文方法评测并去除低质量的图像时，系统误拒率为 7 2 。 山东大学硕士学位论文 1 8 图2 5 每种方法的质量得分分布 山东大学硕士学位论文 2 6 本章小结 本章提出了一种综合的估计指纹图像质量的方法，该方法考虑了局部信息和 全局信息，结合了标准差方法和频谱分析的方法来评价质量。实验表明本文的方 法在评价指纹质量方面有较好的效果。但该方法的性能与指纹模式区的准确定位 有很大关系，因此，下一步的研究重点在于寻找一种准确的自动检测指纹模式区 方法，以提高该方法的性能。 1 9 山东大学硕士学位论文 第3 章基于支持向量机的指纹图像质量评价方法 有效评价指纹图像质量的好坏或是否可用是指纹识别技术研究的一个重要内 容。目前，指纹图像质量评价的方法主要分为单指标的分析、多指标的线性加权、 多指标的非线性融合等方法。单一的指标往往只能反映指纹图像质量某个方面的 信息，不足以区分所有的质量类型。l i m 等【2 9 】、t c h e n 等3 0 1 、m g q i n gq i 等3 1 1 采用 多指标的线性加权的方法来评估指纹质量，这些方法很好的结合了指纹的局部和 全局特征，但在多指标的融合时并没有考虑到不同特征相互影响对最终评估结果 贡献的差别，而且这种贡献往往是非线性的。y ud e c o n g 等1 3 2 】采用了特征的幂次方 加权融合的非线性方法来计算指纹图像质量的评估分数，取得了较好的结果，但 文中对问题的性质缺乏定量的分析。本章深入研究了指纹图像质量在特定指标下 的空间分布特点，提出采用非线性方法对指纹图像质量进行分类的思想。在具体 实现上，为了避免分类中使用经验阈值分割方法带来的偏差，文中借鉴了机器学 习的思想并进行了有效的尝试，使用s 分类器进行学习和训练，有效实现了好、 坏指纹图像质量的分类。在特征的选择上，充分考虑了指纹的局部和全局信息， 以及空域和频域的不同特性，使用了灰度标准差方法【3 引、空域梯度方法【2 5 1 、傅里 叶谱分析f 3 9 】三个特征值。 3 1 指纹图像质量特征的定义及性能分析 本节分别定义了三个特征的质量评估函数，并对这些特征的评估性能进行了 分析。为了更好的研究各特征指标对不同质量指纹的可区分度，文中对指纹图像 的质量类型进行了更进一步的划分，具体分为：图像较干、图像湿或脏、较多横 纹或疤痕、质量较好四种情况，其中前三种都为质量较差的类型。典型质量的指 纹图像如图3 1 所示。 山东大学硕士学位论文 ( c ) 较多横纹或疤痕( d ) 质量较好 国3 1 典型质量的指纹图像示例 311 标准差特征 标准差方法通常用于指纹前景区和背景区的分割。同样的，指纹图像的灰度 标准差也可以用来评价指纹图像的质量，这是种直观、形象的方法。质量好的 图像细节清晰，能很好的区分脊、谷结构，灰度标准差表现出较高的值，而湿指 纹的污垢会使成像后的相邻指纹线粘连在一起，千指纹中纹线断裂使指纹的前景 区域模糊，这些都极大地影响脊、谷结构的清晰度，村 应的灰度标准差表现出较 小的值。 一一 山东大学硕士学位论文 指纹图像首先被分割为前景区和背景区，标准差特征的计算主要集中在前景 区。把前景区划分成w w 的块，计算每一局部块的标准差， s k = 雳磊面 ( 3 1 ) 其中g ( x ，y ) 为像素点( x ，y ) 的灰度