（计算机软件与理论专业论文）基于图像降维的双模式指纹识别算法的研究.pdf

基于图像降维的双模式指纹识别算法的研究摘要由于人类的指纹具有唯一性、终生不变性以及与主体不可分离等特性，满足身份识别系统的基本要求，因此，基于指纹特征的身份识别技术备受研究者关注。指纹识别技术在各种安全领域都取得了相应的应用，已经成为当今使用最为广泛的生物特征识别技术之一。但是，在非理想的情况下，指纹识别系统的性能还存在诸多问题，例如，过干或过湿的指纹造成的纹线断裂或粘连，采集时手指按压的力度和方向不一造成的畸变，都给指纹识别带来困难。因此，从低质量指纹的预处理技术，到大容量系统的实时性，指纹识别系统尚存在大量的关键技术有待解决。本文在系统的分析理解现有研究成果的基础上，拟对指纹图像的预处理技术、指纹图像的数据降维和特征匹配等算法，提出自己的见解与改进。指纹的预处理系统主要包含指纹的增强、分割、二值化、细化、指纹质量评估等模块。本文将对指纹预处理中的主要步骤进行详细的阐述和分析，并实现或改进上述部分算法，给出实验结果。图像的数据降维是指将源数据向量从高维空间映射到低维空间中，通过保留最重要的或者最能体现个体差异性的成分，使得降维后的数据能够最大程度的保留原高维向量的特征或某一个方面的特性。本文对图像降维中的p c a 和2 d p c a等常用算法进行了分析和研究，并结合样本类别信息对2 d p c a 算法进行了改进。指纹识别系统中的匹配算法主要分为基于细节信息和基于全局信息两种模式。本文首先对传统的基于细节信息的点模式指纹匹配算法进行了论述和分析；然后对图像降维的方法及其在指纹识别中的应用进行了研究；最后提出了一种基于图像降维的双模式指纹识别算法。该算法兼具两种匹配模式的优点，能够在一定程度上加快指纹匹配的速度，提高指纹匹配的准确率。本文的主要工作与贡献：( 1 ) 本文重点阐述了一个完整的双模式指纹识别系统的算法流程与具体实现过程，在分析理解现有算法的基础上，对部分算法做出了改进。( 2 ) 对指纹的预处理算法进行了较为深入的研究，对以下算法进行了改进：针对指纹图像的分割，提出了一种新的获得局部阈值的算法；针对指纹图像的均衡化，提出了一种效果较好的分块均衡化算法；针对指纹图像的细化，提出了一种有效的快速细化算法；针对指纹图像的中心点定位，采用了一种基于块方向图点集的算法。( 3 ) 研究了基于2 d p c a 的图像降维算法，并对其进行了改进，设计了一种基于样本类别信息的2 d p c a 算法。( 4 ) 针对指纹图像的特点，将改进后的2 d p c a 算法应用于指纹识别，形成了一种基于改进2 d p c a 的指纹识别算法。( 5 ) 将基于细节信息的点模式匹配算法与基于全局信息的改进2 d p c a 匹配算法相结合，设计了一种基于图像降维的双模式指纹匹配算法。关键词：指纹识别系统；预处理；图像降维；2 d p c a ；双模式匹配i it h es t u d yo fd u a l m o d ef i n g e r p r i n tr e c o g n i t i o na l g o r i t h mb a s e d0 ni m a g ed i m e _ n s i o n a l i t yr e d u c t i o na bs t r a c t1 1 1 ef i n g e r p r i n to fh u r n a nh a si t so w np r o p e r t yl i k eu n i q u e ，n e v e rc h a n g ea n dc a n 。tb es e p a r a t e df r o mt h em a i nb o d y a n dc a ns a t i s f yt h er e q u i s i t i o no fi d e n t i f i c a t i o n ，s o ，r e s e a r c h e r sp a yc l o s ea t t e n t i o nt ot h ei d e n t i f i c a t i o nt e c h n o l o g yb a s e do nf i n g e r p r i n tf e a t u r e f i n g e r p r i n tr e c o g n i t i o ns y s t e mi sa p p l i e di nk i n d so fs e c u r ea r e a s ，a n di th a sb e e nt h eo n eo fm o s tp o p u l a rb i o l o g i c a lf e a t u r er e c o g n i t i o nt e c h n o l o g i e s b u td u r i n gt h en o tg o o de n o u g hs i t u a t i o n ，t h ep e r f o r m a n c eo ff i n g e r p r i n tr e c o g n i t i o ns y s t e mh a sm a n ys h o r t a g e sw h i c hb r i n g sl o t so fd i f f i c u l t i e s ，f o re x a m p l e ，t h ef i n g e r p r i n tw h i c hi st o od r yo rt o ow e tw i l ll e a dt od i s c o n n e c t i o no ra t t a c h m e n ti nt h er i d g el i n e s ，t h ed i f f e r e n c eo fs t r e n g t ho rd i r e c t i o nd u r i n gt h ef i n g e rp r e s s i n gw i l ll e a dt od i s t o r t i o n s o ，f r o mt h ep r e p r o c e s s i n go fl o wq u a l i t yf i n g e r p r i n tt ot h er e a l - t i m eo fm a s s i v ed a t as y s t e m ，t h ef i n g e r p r i n tr e c o g n i t i o ns y s t e mh a sm a n yk e yt e c h n o l o g i e st ob es o l v e d b a s e do nt h ea n a l y s i so fc u r r e n t l yr e s e a r c hr e s u l t ，t h i st h e s i sw i l lp r o p o s es o m ev i e w sa n di m p r o v e m e n tt ot h ep r e p r o c e s s i n g ，d i m e n s i o n a l i t yr e d u c t i o na n df e a t u r em a t c h i n go ff i n g e r p r i n ti m a g e t h ep r e p r o c e s s i n go ft h ef i n g e r p r i n ts y s t e mc a nb ed i v i d e di n t os e v e r a lm a i nm o d u l e s ，a ss e g m e n t a t i o n ，e n h a n c e m e n t ，b i n a r i z a t i o n ，t h i n n i n ga n dq u a l i t ye s t i m a t i o n t l l i st h e s i si n t r o d u c e st h ek e yp a r t so ft h ep r e p r o c e s s i n gs y s t e mi nd e t a i l ，m a k e sa ne x p e r i m e n to ri m p r o v e m e n to nt h e s ea l g o r i t h m s ，a n dg i v e st h er e s u l tf i n a l l y n ed i m e n s i o n a l i t yr e d u c t i o no fi m a g em a pt h es o u r c ed a t af r o mh i 【g h d i m e n s i o n a ls p a c et ol o w - d i m e n s i o n a ls p a c e ，t h r o u g hm a i n t a i n i n gt h em o s ti m p o r t a n to ri n d i v i d u a lv a r i a t i o np r o p e r t y , m a k i n gt h ed a t aa f t e rr e d u c ed i m e n s i o n a l i t yc a nb ea sm u c ha sp o s s i b l et ok e e pt h ef e a t u r e so fh i g h - d i m e n s i o n a lv e c t o ro rt h ep r o p e r t yo fc e r t a i na s p e c t t h i st h e s i sa n a l y z e sa n ds t u d i e so nt h ep c aa n d2 d p c aa l g o r i t h mo ft h ed i m e n s i o n a l i t yr e d u c t i o na n dr e c o g n i t i o no fi m a g e ，a n da d d st h ei n f o r m a t i o no fs a m p l ec l a s s i f i c a t i o ni n t ot h ea l g o r i t h m ，n l ef i n g e r p r i n tm a t c h i n ga l g o r i t h mh a st w op a t t e r n s ，w h i c hi sb a s e do nl o c a li n f o r m a t i o na n dt h eo t h e ri sb a s e do ng l o b a li n f o r m a t i o n f i r s t ，t h i st h e s i si n t r o d u c e si i ia n da n a l y z e st h et r a d i t i o n a lp o i n tp a t t e r nm a t c h i n ga l g o r i t h mb a s e do nm i n u t i a ei n f o r m a t i o n ；s e c o n d ，s t u d i e so nt h em e t h o do fi m a g ed i m e n s i o n a l i t yr e d u c t i o na n di t sa p p l i c a t i o ni nf i n g e r p r i n tr e c o g n i t i o n ；a tl a s t ，p r o p o s e sad u a l - m o d ef i n g e r p r i n tr e c o g n i t i o na l g o r i t h mb a s e do ni m a g ed i m e n s i o n a l i t yr e d u c t i o n t h ea l g o r i t h mh a st h ea d v a n t a g e so fb o t ht w om a t c h i n gp a r e m st h a tc a na c c e l e r a t et h ep r o c e s s i n go ff i n g e r p r i n tm a t c h i n ga n di n c r e a s et h ea c c u r a t er a t et oac e r t a i ne x t e n t t h em a i np o i n t sa n di n n o v a t i o na r ea sf o l l o w s ：( 1 ) t h ea l g o r i t h mp r o c e s sa n dr e a l i z es t e p so fac o m p l e t ed u a l m o d ef i n g e r p r i n tr e c o g n i t i o ns y s t e ma r ei n t r o d u c e da n dt h er e l e v a n ta n a l y s i sa n di m p r o v e m e n tb a s e do nt h ee x i s ta l g o r i t h m si sp r o p o s e d ( 2 ) t h i st h e s i sd o e sf u r t h e rs t u d yo nt h ep r e p r o c e s s i n go ff i n g e r p r i n t ，a n di m p r o v e ss o m ea l g o r i t h m sa sf o l l o w s ：1 ，an e wa l g o r i t h mt oc a l c u l a t et h el o c a lt h r e s h o l dv a l u ei sp r o p o s e dt ot h es e g m e n t a t i o no ff i n g e r p r i n t ；2 ，ab e t t e ra l g o r i t h mw i t hb l o c ke q u a l i z a t i o ni sp r o p o s e dt ot h ee q u a l i z a t i o no ff i n g e r p r i n t ；3 ，a ne f f e c t i v ef a s tt h i n n i n ga l g o r i t h mi sp r o p o s e dt ot h et h i n n i n go ff i n g e r p r i n t ；4 ，a na l g o r i t h mw h i c ha d o p t st h eb l o c ko r i e n t a t i o nf i e l dp o i n ts e t si sp r o p o s e dt ot h ec o r ep o i n tl o c a t i o no ff i n g e r p r i n t 。( 3 ) t h ed i m e n s i o n a l i t yr e d u c t i o na n dt h ef e a t u r ee x t r a c t i o no fi m a g ea l es t u d i e d ，t h e2 d p c aa l g o r i t h mi si m p r o v e d ，a n da2 d p c aa l g o r i t h mb a s e do nt h es a m p l ec l a s s i f i c a t i o ni n f o r m a t i o ni sd e s i g n e d ( 4 ) a c c o r d i n gt ot h ec h a r a c t e r i s t i co ft h ef i n g e r p r i n ti m a g e ，t h ei m p r o v e d2 d p c aa l g o r i t h mi su s e di nt h ef i n g e r p r i n tr e c o g n i t i o n ，a n daf i n g e r p r i n tr e c o g n i t i o na l g o r i t h mb a s e do ni m p r o v e d2 d p c aa l g o r i t h mi sp r o p o s e d ( 5 ) t h ep o i n tp a r e mm a t c h i n ga l g o r i t h mb a s e do nm i n u t i a ei n f o r m a t i o na n dt h ei m p r o v e d2 d p c aa l g o r i t h mb a s e do ng l o b a li n f o r m a t i o no ff i n g e r p r i n ti m a g ea l ec o m b i n e d ，a n dad u a l - m o d ef i n g e r p r i n tr e c o g n i t i o na l g o r i t h mb a s e do nt h ed i m e n s i o n a l i t yr e d u c t i o no fi m a g ei sd e s i g n e d k e yw o r d s ：f i n g e r p r i n tr e c o g n i t i o ns y s t e m ；p r e p r o c e s s i n g ；d i m e n s i o n a l i t yr e d u c t i o n ；2 d p c a ；d u a l m o d em a t c h i n gi v浙江师范大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。论文中除了特别加以标注和致谢的地方外，不包含其他人或其他机构已经发表或撰写过的研究成果。其他同志对本研究的启发和所做的贡献均已在论文中作了明确的声明并表示了谢意。本人完全意识到本声明的法律结果由本人承担。作者签名：憨l 限尔日期：2 0 0 9 年3 月3 1 日学位论文使用授权声明本人完全了解浙江师范大学有关保留、使用学位论文的规定，即：学校有权保留并向国家有关机关或机构送交论文的复印件和电子文档，允许论文被查阅和借阅，可以采用影印、缩印或扫描等手段保存、汇编学位论文。同意浙江师范大学可以用不同方式在不同媒体上发表、传播论文的全部或部分内容。保密的学位论文在解密后遵守此协议。作者签名：想 帐彖导师签名5 9氏日期：2 。9 年3 月3 ；日浙江师范大学学位论文诚信承诺书我承诺自觉遵守浙江师范大学研究生学术道德规范管理条例。我的学位论文中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明并详细列出有关文献的名称、作者、年份、刊物名称和出版文献的出版机构、出版地和版次等内容。论文中未注明的内容为本人的研究成果。如有违反，本人接受处罚并承担一切责任。承诺入( 研究生) ：良1 、际指导教师祁恍1 1 生物识别技术概述1 绪论1 1 1 生物识别技术的特点生物识别技术是指根据人的生理特征( 如语音、指纹、掌纹、人脸、虹膜等)或行为特征( 如步态、击键特征等) 来进行身份鉴别的技术。生物识别技术以生物特征为基础，以信息处理技术为手段，将生物技术和信息技术有机结合在一起川。做为生物特征必须满足以下要求才能作为生物识别的特征：( 1 ) 不可复制性：由于生物特征是与生俱来的，因此不能够被一些别有所图的非法分子复制并进行非法操作。这样就防止了传统身份识别技术所带来的不可避免的伪造性。( 2 ) 唯一性：人的指纹、掌纹、面孔、语音、虹膜、视网膜和骨架等生物特征都具有唯一性这一特点，即每个人的这些特征都与别人不同，而且对于指纹来说，即使是同一个人的不同手指，其纹型和细节点也是不相同的。( 3 ) 稳定性：一个人一旦来到这个世界上，其生物特征将会保持终生不变，除非由于一些外界或人为的因素使这些生物特征遭到严重的损伤，因此可以据此进行个体身份的辨别。( 4 ) 可被采集性：随着光学技术和电容技术的发展，使得通过采集仪采集到的图像质量不断提高，这使得图像特性厶匕i 匕 徊i i x 容易的用数据进行表示。( 5 ) 可识别性：不仅每个人的生物特征各不相同，而且相互之间的差别很大，因此只要用一些简单的算法就可以将其区分开来，这将大大增加了生物特征识别技术的应用范围。j 下是由于生物特征具有上面这些特性，许多企业和机构才不遗余力地致力于生物特征识别系统的研究，以便解决和应对目前所面临的各种安全问题。1 1 2 生物识别技术的分类与比较随着科技的发展，用作识别的生物特征逐渐扩展。目前常见的生物特征识别技术主要包括：指纹识别、虹膜识别、人脸识别、视网膜识别、掌纹识别、语音识别、签名识别、行为识别等。生物识别技术已成为研究的热点问题口儿3 l 。根据生物识别技术采集的生物特征的不同，现在被广泛应用的生物特征识别技术可以被分成三类：( 1 ) 高级生物识别技术( h i g hb i o m e t r i c s ) ，如视网膜识别、虹膜识别和指纹识别等；( 2 ) 次级生物识别技术( l e s s e rb i o m e t r i c s ) ，如掌型识别、人脸识别、语音识1 绪论别和签名识别等；( 3 ) 第三类是高层生物识别技术( e s o t e r i cb i o m e t r i c s ) ，如血管纹理识别、人体气味识别等。其中，指纹识别、虹膜识别、人脸识别、视网膜识别、掌纹识别、语音识别、签名识别等是几种比较成熟、应用最广泛的生物识别技术。下面是几种常见的生物特征识别技术的比较，如表1 1 所示。表1 1常见的生物识别技术比较生物特征广泛性唯一性稳定性方便性准确性可接受性指纹同局向高古同向虹膜低高高中局低视网膜低i 蜀中低高低掌纹低中中商中高人脸中低中局低高声音由低低中低高签名低低低局低两生物特征防伪性可否应用一可否应用一传感器价格传感器尺对一比对对多比对寸指纹同是是低非常小虹膜闻是是高大视网膜同是是局大掌纹中是否中中人脸低是是低小声音低是否低非常小签名低是否低小通过上表可以看出，相比较其他生物识别技术而言，指纹识别技术具有特征唯一稳定、使用方便、识别准确、难以伪造，且成本价格低廉等特点，因此被广泛应用于各行各业，被越来越多的消费者和用户所接受。1 2 指纹识别技术概述1 2 1 指纹识别技术简介指纹是人体的手指表皮上呈现的纹理。这些纹理由脊线和谷线构成，是由皮肤表面细胞死亡、角化并在皮肤表面累积而形成的。这些指纹的纹理在图案、断点和交叉点上是各不相同的。在信息处理中，将这些信息称为特征。在人的生长早期形成后，这些特征终生保持不变，并且是唯一的。根据特征唯一性的特点，可以把一个人与其指纹对应起来，通过比较采集到的指纹特征和预先保存的指纹特征，就可以验证人的身份。相对于其它身份验证技术，指纹识别是一种更为理想的身份验证技术，原因如下5 】 6 】：2l 绪论( 1 ) 个人的指纹是独一无二的，两人之间不存在着相同的手指指纹；( 2 ) 个人的指纹是相当稳定的，很难发生变化，如不会随年龄、身体健康改变而改变：( 3 ) 便于获取指纹样本，易于开发识别系统，实用性强；( 4 ) 每个人的十指指纹皆不相同，这样，可以方便得利用多枚指纹构成多重口令，提高系统的安全性；( 5 ) 指纹识别中使用的模板并非最初的指纹图像，而是从指纹图像中提取的关键特征，这样使存储的信息量减小；另外，对输入的指纹图像提取关键特征后，可以大大减少网络传输的负担，便于实现异地身份验证，支持计算机的网络功能。指纹识别技术相对于其它方法的这些优点，使指纹识别成为最流行、最方便、最可靠的个人身份验证技术之一。1 2 2 指纹识别系统的工作模式指纹识别系统的工作模式主要分为两类，即验证( v e r i f i c a t i o n ) 模式和识别( i d e n t i f i c a t i o n ) 模式。验证( v e r i f i c a t i o n ) 模式：即一对一比对( o n e - t o o n em a t c h i n g ) 。这种模式下，现场采集到的生物特征与保存在模板数据库中的一个生物特征进行比对。验证时，先验证识别码，然后利用现场采集的生物特征与数据库中和识别码对应的生物特征进行匹配，从而达到身份验证的目的。识别( i d e n t i f i c a t i o n ) 模式：即一对多比对( o n e t o m a n ym a t c h i n g ) 。该模式下，将现场采集到的生物特征与模板数据库中的生物特征逐一对比，从中找出相匹配的生物特征信息，从而达到确认身份的目的。验证模式和识别模式在比对算法和系统设计上有着不同的技术特点。例如，验证系统一般只考虑对完整的指纹进行比对，而识别系统要考虑残纹的比对；验证系统对算法的速度要求不如识别系统高，但更强调易用性。1 2 3 指纹识别系统的一般流程自动指纹识别系统的大致流程如图1 1 和图1 2 所示，主要包括图像采集、图像预处理、特征提取和特征匹配四个部分，从功能模块的角度又分为离线部分和在线部分。具体每个部分的功能和作用会在下面的章节中详细描述。磊凳爨量i的预处理；一一。一。一一。一。一o n 一。- l 。i 。n 。e o nl i 一。一。一一。一。一。工。一一。一。一。一j；i；i山-l 罔斗厩耳懦矸寸蕊h 习lii的采集卜_ 叫的预处理卜- 叫特征提取h的匹配卜- 叫配结果i ；li-illll-li-：j ：j ：i ：j = ：i ：j ：i ：= 一一：j ：i ：j ：= 一= j ：i ：j ：i = 一一：j ：j ：j = ：图1 1 指纹识别系统的流程图= 墨藿_ |u叫一= 黑1 绪论采集到的原始指纹图像指纹图像的后处理指纹图像的质量评估指纹图像的细化指纹图像的灰度变化指纹图像的二值化指纹图像的分割指纹图像的增强图1 2 指纹预处理系统的流程图( 1 ) 指纹图像采集指纹图像采集根据采集方式不同可以分为光学全反射技术、半导体传感器技术、超声波扫描技术等。指纹采集是指纹识别中的一个重要环节，它直接关系到预处理效果以及最终的识别率与误判率。( 2 ) 指纹图像预处理无论在什么样的条件下，刚采集到的指纹图像都会有许多噪音。这主要由于平时的工作环境引起的，比如手指被弄脏、刀伤、疤痕、干燥、湿润或撕破等。想得到比较干净清晰的图像并不是容易的事情，为达到这个目标，我们必须对指纹图像做一系列的预处理操作。( 3 ) 指纹特征提取特征提取是指纹识别系统的关键部分之一，因此特征提取的好坏直接影响到以后指纹匹配的结果。如果输入图像的质量很好，很容易确定其结构，此时的特征提取只是从细化后的单象素纹线中提取细节点的简单过程，这样就将一幅指纹图像转化成了一个由细节点组成的平面点集。( 4 ) 指纹特征匹配自动指纹识系统中记录的不是整个指纹图像，而是特征点的信息集合，它是不可逆的，就是说不能由这个特征点集合逆推到指纹图像。这很好的保护了个人的隐私权，同时也节省了存储空间。识别的具体实现过程就是用指纹采集仪采集指纹、提取出细节点、然后将这些细节点与保存在数据库中模板细节点按照一定的算法进行比对，从而确定是不是来自同一个手指的指纹。1 3 图像降维技术概述1 3 1图像降维算法的简介在图像处理及各类应用当中，一个普遍存在的问题是如何从采集的数据中获取有用的信息。通常所获得的原始数据的数据量相当庞大，且样本常处于一个高维空间中，如果直接用原始数据进行分类器设计的话，无论从计算的复杂程度还是分类器性能来看都是不适宜的。为了有效的实现分类，就要把原始数据映射( 或变换) 到低维空间，得到最能反映样本内在本质的特征，以便能更有效的进行分类，这个过程就叫做特征提取或者数据降维。41 绪论图像的数据降维一般分为线性和非线性两种。其中，线性变换是将源数据向量从高维空间映射到低维空间中，通过保留最重要的或者最能体现个体差异性的成分，使得降维后的数据能够最大程度的保留原高维向量的特征或某一个方面的特性。依据线性降维所采用的具体方式不同，又可以分为主成分分析( p r i n c i p a lc o m p o n e n ta n a l y s i s ，p c a ) ，奇异值分解( s i n g u l a rv a l u ed e c o m p o s i t i o n ，s v d ) ，线性判别分析( l i n e a rd i s c r i m i n a t i o na n a l y s i s ，l d a ) ，独立成分分析( i n d e p e n d e n tc o m p o n e n ta n a l y s i s ，i c a ) ，局部特征分析( l o c a lf e a t u r ea n a l y s i s ，l f a ) ，多维尺度分析( m u l t i d i m e n s i o n a ls c a l i n g ，m d s ) 等数十种主要算法。针对指纹图像，本文主要采用p c a 及其改进的2 d p c a 算法。1 3 2p c a 与2 d p c a 算法的简介。主成分分析( p r i n c i p a lc o m p o n e n ta n a l y s i s ，p c a ) ，又称主元分析、k l 变换( k a r h u n e n l o e v et r a n s f o m ) ，它的研究可以追溯到1 9 0 1 年，由p e a r s o n 首次提出口1 ，到1 9 3 3 年，主成分分析的概念由h o t e l l i n g 总结出来呻】。主成分分析法( p r i n c i p a lc o m p o n e n ta n a l y s i s ，p c a ) 的基本思想是：将数量众多的原始相关变量转换为数量较少的不相关变量。通常的做法是将原始变量由若干综合变量进行线性组合，这些综合变量之间不相关，并尽可能表示原始变量包含的信息，选取最大的几个主成分进行分析，这样就可以在尽可能少损失原有信息的基础上，降低数据维度，提高运算效率。在p c a 算法的基础之上，y a n g 等人提出了二维主元分析( t w o d i m e n s i o n a lp r i n c i p l ec o m p o n e n ta n a l y s i s ，2 d p c a ) 方法旧1 ，该方法直接基于图像矩阵，不需要进行向量转换，图像的协方差矩阵可以直接通过原始图像矩阵计算，从而大大减少了计算量，同时也可避免了小样本问题。1 3 3 主元分析法在模式识别中的应用p c a 方法最早被t u r km 和p e n t l a n da n 们用于人脸识别的研究，取得了不错的效果。由于其在特征提取方面的有效性，在人脸识别领域得到了广泛的应用。p c a 方法的基本原理是：利用k l 变换抽取人脸的主要成分，构成特征脸空间，识别时将测试图像投影到此空间，得到一组投影系数，通过与各个人脸图像比较进行识别。w a n gy o n g x u 等人将p c a 方法应用于指纹识别n ，并提出了特征指纹的概念，取得了不错的效果，但是利用p c a 方法进行指纹识别，没有考虑的到指纹的全局性，且计算量很大。基于以上缺陷，本论文将2 d p c a 的方法应用于指纹识别，详细内容将在第四章介绍。51 绪论1 4 本文的主要工作本文从指纹图像的预处理步骤入手，对指纹识别系统进行了较为全面的研究，并对基于细节信息的点模式匹配算法与基于全局信息的2 d p c a 模式匹配算法进行了研究与改进。全文共分为五个章节，每个章节的主要内容如下：第一章：绪论在绪论中，本文阐述了生物识别技术、指纹识别技术以及图像降维技术。第二章：指纹预处理系统在第二章中，本文阐述了指纹预处理的流程，包括指纹的狄度变化、分割、方向图计算、增强、二值化i 细化以及细化后处理算法。第三章：基于点模式的指纹匹配算法在第三章中，本文阐述了基于细节点的指纹匹配算法，包括指纹的中心点定位、特征点提取及匹配。第四章：基于图像降维的指纹匹配算法在第四章中，本文阐述了图像降维中的主成分分析法( p c a ) 和二维主成分分析法( 2 d p c a ) 及其改进算法，并介绍了将其应用于指纹识别的流程。第五章：基于图像降维的双模式指纹识别算法在第五章中，本文阐述了基于细节信息的特征点匹配算法和全局信息的改进2 d p c a 匹配算法的双模式指纹识别算法。第六章总结与展望在第六章中，本文对研究工作做了系统的总结，并对下一阶段的工作进行了展望。62 指纹图像的预处理传统的自动指纹识别技术是根据细节特征点的匹配而实现的，所以特征点的准确提取就显得至关重要。但是在采集指纹的时候，常常由于手指产生的噪声( 旋转移动、压力不均、干湿程度、表皮受伤、粘有污物) 以及指纹采集器产生的噪声( 电子噪声以及其上面的遗留指纹、汗渍等) 等都会造成采集的指纹图像含有不同程度的噪声，比如纹线断裂、严重粘连、模糊不清、含有遗留指纹等。如果直接从含有大量噪声的指纹图像中提取细节特征点，将会产生大量的伪特征点，这在基于细节特征点匹配的自动指纹识别系统中是绝不允许的。因此，我们必须要对采集到的原始指纹图像进行预处理。指纹的预处理是指纹识别系统中的一个重要组成部分。指纹预处理的目的是：去除原图像中的噪声，把它变成一幅清晰的单像素宽的细化图，以便于提取正确的指纹特征。在本章中，将详细介绍指纹预处理的整个过程。完整的指纹预处理系统包括指纹的质量评价、分类、分割、灰度变化、增强、二值化、细化及指纹的后处理过程。受实验条件及篇幅的限制，本文将略去指纹的质量评价及分类的过程，重点对其他步骤进行系统的介绍。为验证每一步算法的有效性，本文在i n t e l2 6 g h zc p u ，2 g 内存的p c 上，在v i s u a ls t u d i o2 0 0 5 的开发环境下，使用c 语言实现了以下算法，并给出了相应的实验结果和分析。2 1 指纹图像的分割2 1 1 指纹图像的分割算法( 1 ) 指纹图像分割的意义指纹的分割是指纹图像预处理的第一步，分割的好坏不仅影响指纹图像预处理效果，而且也影响后续处理。一般来讲，较好的分割算法能够提高系统处理速度，减少指纹图像多余的部分( 比如背景、非常模糊的部分) 。因此，为了提高识别率和处理速度，必须在指纹特征提取之前分割掉指纹图像中的背景及难以恢复的模糊区。指纹图像经过良好的分割后能够减少后续处理时间，有效提高指纹特征提取精度，从而提高了指纹识别系统的可靠性和处理速度，可见指纹图像分割在指纹预处理中的重要性。( 2 ) 指纹分割算法的目的指纹图像分割的主要目的是划分出非指纹的背景区域和有效的指纹区域，使后续处理能集中于有效区域进行。较好的指纹图像分割算法还应在分割及后续处理中减少时间，在分割的过程中保护有效的指纹的纹理特征，从而提高指纹特征提取的精确度，优化整个识别系统的处理过程。分割所针对的指纹图像区域如图2 1 所示。清晰区域：指纹线连续，脊线清晰，几乎没有受到噪音干扰的区域；72 指纹削像的预处理背景区域：指不包括指纹纹线的区域： 可恢复区域：受一定噪音干扰，但经过相关算法处理后能够恢复的区域 不可恢复区域：受严重噪音干扰，后续处理中不可恢复的区域。清晰纹线可恢复区域爹图21 指绽图像的四种区域类型( 3 ) 指纹分荆的评价标准一般来讲指纹图像经过良好的分割后应具有如下特征”应能够榆测到指纹图像中的污迹和噪声污染区域：对图像的灰度和对比度变化应具有鲁棒性；o 分割结果廊对增强后的指纹图像同样适用； 对不同质量的指纹图像，分割的效果应具有连续性。背螨区域不可恢复区域( 4 ) 目前常见的指纹分割方法及比较目前，指纹图像的分割算法从本质上讲可以分为两类：一，方差法方向法。就方差法而言，b a z e n 等人利用图像的局部灰度均值、局部标准差和局部一致性作为特征，再利用线性分类的方法分割指纹图像”，取得了较好的效果。其中，局部灰度均值和局部标准差体现了指纹的灰度区域变换，而局部一致性表征了局部图像纹理走向的一致性。该算法的缺点在于还不足以标示出模糊区域。另外，王森等人采用了图像的对比度、局部主能量比、局部标准差和局部一致性作为特征”。其j + l ，对比度是局部方差与局部灰度均值的比值，局部t 能量比则反映了局部图像中主频率上的能量与不含直流分量的局部平均能量的比值。在指纹区域中，由于扶度的分布存在周期性，且主频率上的能量非常集中，而背景区域上灰度分布则通常是散乱的，但能量分布却比较均匀，因而这种特征能标示指纹区域，但是局部主能量比对于背景区域的条纹干扰敏感，在背景区域有条纹干扰的情况下，无法很好地标示出指纹区域和背景区域。方向法是基于指纹图像的方向信息的进行分割的算法“”“”。利用指纹方向图对指纹图像进行分割是一种常用的方法。该方法能够去掉指纹图像中绝大部分背景信息，不仅适合于质量较好的图像，且适用于噪声严重的图像。然而，方向法的分割效果依赖于所求方向图的可靠性。对于纹线不连续、单一灰度等方向难以正确估计的区域及中心、三角区域附近方向变化剧烈的区域，方向图分割难以取得满意的效果，而且该算法计算复杂，处理时间较长。2 指纹图像的预处理2 1 2 本文所设计采用的指纹分割算法从系统整体时间消耗的角度出发，结合当前指纹分割算法的实际效果，本文在目前常用的动态阈值分割算法n 3 3 的基础之上，对动态阈值的获取方式进行了改进，使其更能够满足指纹局部灰度变化的特点，该算法的实现步骤如下：设i m g ( x , 力为输入的原始指纹图像，其中( x ，y ) 为像素在x 轴和y 轴上的坐标值；获得当前指纹图像的高h e i g h t 和宽w i d t h ，并将指纹图像分为大小为w w的互不重叠的细胞，在本文中w = 8 ；计算每个细胞中像素的平均灰度值m e a n ( i ，j ) ，其中( f ，歹) 为图像中每个细胞在x 轴和y 轴上的坐标值；m e a n ( f ，) = i 毛萎吾砌g ( l y )( 2 1 )计算每个细胞中像素的灰度方差v a r i a n c e ( i ，歹) ；：v a r 砌船= 志萎善 抛( 五少) 一m e a n ( f 删( 2 2 )按照从左至右、从上到下，将每3 3 个细胞组合为一个子块，块与块之间相互重叠，重叠范围为一个细胞，如图2 2 所示；图2 2 细胞组成子块的示意图对于子块中的中心细胞c e l l ( i ，) ，计算其相应子块中每个细胞灰度方差的最大值和最小值，并计算它们的差值：对于每个中心细胞c e t t ( i ，) ，得到其对应的阈值：乙p l l = 口( 2 3 )c p = 口掰( 3 )其中，口为权重，在本文中口= o o l ；对于该中心细胞，如果其灰度协方差v a r i a n c e ( i ，j ) 小于对应的阈值瓦盯，则标记该细胞为背景区域；若大于，则标记为前景区域，即指纹的有效区域；92 指纹图像的预处理 通过上述方法对指纹进行分割以后，有可能会出现孤立的前景区域或背景区域因此本文对这些孤立的区域进行了填充；为达到指纹图像分割所要求的减少系统耗时的目标，本文在整体系统设计的时候，提出了指纹的“分割模板”这一概念。如图2 3 ( b ) ，此模板是分割后指纹的最小包围盒，是最能够表征出指纹特征的区域。该模板将作为系统程序中的全局变量，始终贯穿于指纹的预处理、特征提取与匹配整个流程当中。213 实验结果与分析本节对现有的基于局部动态闽值的指纹分割算法进行了改进，提出了新的动态闽值获取方法，该算法的实验结果如图2 3 所示：苎赞：量a ) 原始指纹幽像b ) 指纹的分割模板c ) 分割后的指纹图像图23 改进后的指纹分割算法从图2 3 可以看出经过本文算法所分割后的指纹图像与原始的指纹图像相比在尺寸上减小了许多，去除了背景区域和一部分无法恢复的区域，展后得到了该指纹的分割模板和分割后的指纹图像。其中，分割模板的白色区域为指纹的有效区域，接下来进行的预处理算法都将只在该有效区域中进行，从而大大减少了时间消耗，提高了最后特征提取区域的精确性。22 指纹图像的灰度变化2 21 指纹图像的均衡化( i ) 指纹均衡化的意义在得到分割后的指纹图像后，首先要对其进行均衡化。灰度均衡化也称直方囤均衡化，目的是通过点运算使输入的图像转换为在每一扶度级上都有相同像素点数的输出图像( 即输出的直方图是平的) ，这样就能够在一定程度上增强指纹纹线的对比度，为下一步的处理做好准备。( 2 ) 现有算法分析通过分析现有文献资料发现，传统直方图均衡化算法“”一般是基于整幅指纹图像进行处理的，但是原始采集到的指纹往往由于各种原因而具有很多噪音( 例如模糊、断纹等) ，如果对未做去噪处理的指纹图像直接进行均衡化处理，往往会使得原有的噪音也得到增强，从而使得之后处理的难度加大。一iijl琴| |2 指纹图像的预处理( 3 ) 本文所改进的直方图均衡化算法通过大量实验发现，由于指纹图像中的纹线灰度值具有局部相似性，因此同样可以对分割后的指纹图像进行分区域操作，具体实现步骤如下：由于指纹图像为灰度图像，灰度值在0 到2 5 5 之间，因此首先构造直方图数组h i s t i 】( ，【0 ，2 5 5 ) ；获得分割后指纹图像的高t h e i g h t 和宽t w i d t h ( 即分割模板的高和宽) ，并将图像分为大小为w w 的互不重叠的块，在本文中w = 8 ；统计每个块中各个像素的灰度值分布，即将该块中各个像素