（电子科学与技术专业论文）基于大容量指纹库的自动指纹识别技术研究.pdf

m a s t e rd i s s e r t a t i o n r e s e a r c ho nt h et e c h n o l o g i e sf o ra u t o m a t i cf i n g e r p r i n t i d e n t i f i c a t i o nb a s e do nh i g h - c a p a c i t yf i n g e r p r i n ts t o r e h o u s e a p p l i c a n t ：q 坠qq i 垒卫g m a j o r ： 基! 曼曼! ! q 卫星曼i 曼坠q 曼垒坠鱼! 曼曼塾坠q ! q g y s u p e r v i s o r ：! q 墨墨q ! 曼旦g 基i 垒q g i s u b m i t t e dt o t h ef a c u l t yo fc e n t r a ls o u t hu n i v e r s i t y i np a r t i a lf u l f i l l m e n tt h er e q u i r e m e n tf o rt h ed e g r e eo fm a s t e r m a y ，2 0 11 s c h o o lo fp h y s i c ss c i e n c ea n dt e c h n o l o g y c e n t r a ls o u t hu n i v e r s i t y c h a n g s h a ，h u n a n ，p r c h i n a 原创性声明 i i i i i ii i l li l lr ll l t lu l y 19 1 3 7 0 9 本人声明，所呈交的学位论文是本人在导师指导下进行的研究 工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢 的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不 包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我 共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。 作者签名：血址日期：埠年毒月丑日 关于学位论文使用授权说明 本人了解中南大学有关保留、使用学位论文的规定，即：学校 有权保留学位论文，允许学位论文被查阅和借阅；学校可以公布学位 论文的全部或部分内容，可以采用复印、缩印或其它手段保存学位论 文；学校可根据国家或湖南省有关部门规定送交学位论文。 日期：过年月出 t ： i 一一。i 摘要 指纹识别作为传统身份识别技术中最安全、可靠的一项技术，已 广泛应用于多个领域。但目前已有的算法对大容量指纹库的识别在速 度、准确性等方面仍存在很多不足。本文对基于大容量指纹库的自动 指纹识别系统一些关键算法作了较为深入的研究，包括指纹图像质量 评估、指纹图像分割、指纹图像增强、指纹图像特征提取等。取得了 如下成果： ( 1 ) 研究了指纹质量评估算法，提出了一种基于信息可用性评价 与频谱分析的指纹图像质量评价算法。首先依据不同的指纹评价因子 ( 有效面积、有无奇异点、奇异点偏移度) ，对指纹分级进行信息可 用性评价，遇到不符合要求的指纹，系统立即终止其评价过程，并提 示用户重新采集指纹。然后对通过评估的指纹，再用频谱能量比与频 谱方差来判断指纹质量及其类型。 ( 2 ) 研究了指纹分割算法，提出了一种指纹二级分割算法。首先 根据指纹图像块的特点将指纹图像其分成空白区、纹理区和不可恢复 纹理区三个类别，然后再通过分级分割将不需要的空白区、不可恢复 区分割出去。用灰度对比度作为分割特征实现了指纹的初级分割，去 除空白区域；用块聚集度、块中点方向与块方向一致的个数、块方向 一致性作为二级分割特征，将不可恢复纹理区分离出来。 ( 3 ) 研究了指纹增强算法，提出了一种改进的基于频域滤波的增 强算法。首先通过快速傅里叶变换将原始指纹图像转换到频域，再对 干指纹、湿指纹的频谱图进行分析，设计相应的圆滤波器进行带通滤 波，去除相应的低频或高频成分，增强频谱图像的中频成分。然后再 对经过变换后的图像在频域进行八方向滤波，连接断纹、去除粘连、 增强指纹脊线清晰度。最后经逆变换和脊线组合得到增强后的指纹图 像。 ( 4 ) 研究了指纹特征提取算法，提出了一种分级式奇异点提取方 法。先通过对指纹图像的曲率估计初步确定奇异区，然后在奇异区内 采用p o i n c a r e 索引值与复数滤波相结合的伪奇异点识别方法进行奇 异点的精确定位。在细节点提取方面采用了基于知识的伪细节点后处 理方法。 关键词指纹识别；指纹质量评估；指纹分割；指纹增强；指纹 特征提取 a b s t r a c t f i n g e r p r i n ti d e n t i f i c a t i o ni s am o s ts a f ea n dr e l i a b l et e c h n o l o g yi n t r a d i t i 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 , a n dh a sb e e nw i d e l yu s e di nm a n y f i e l d s h o w e v e rt h ee x i s t i n ga l g o r i t h m ss t i l ls h o wm a n ys h o r t a g e sa t s p e e d ，a c c u r a t e n e s sf o rm ei d e n t i f i c a t i o n o fl a r g ec a p a c i t yf i n g e r p r i n t s t o r e h o u s e t h i sp a p e rh a st a k e ns o m ed e e pr e s e a r c h e si na u t o m a t i c f i n g e r p r i n t i d e n t i f i c a t i o ns y s t e mb a s e do nl a r g ec a p a c i t yf i n g e r p r i n t s t o r e h o u s e ，i n c l u d i n gf i n g e r p r i n ti m a g eq u a l i t ye v a l u a t i o n ，s e g m e n t a t i o n ， e n h a n c e m e n t ，f e a t u r ee x t r a c t i o na n ds oo n t h em a i nc o n t r i b u t i o n sa r ea s f o l l o w i n g ： ( 1 ) af i n g e r p r i n tq u a l i t ye v a l u a t i o na l g o r i t h mi s s t u d i e da n dan e w m e t h o di sp r o p o s e dt oe v a l u a t ef i n g e r p r i n tq u a l i t yb a s e do nt h ee v a l u a t i o n o fi n f o r m a t i o nu s a b i l i t ya n ds p e c t r a la n a l y s i si nt h i st h e s i s a tf i r s t ， a c c o r d i n gt ot h ed i f f e r e n tf i n g e r p r i n te v a l u a t i o nf a c t o r s ( e f f e c t i v ea r e a ， w h e t h e rs i n g u l a r i t y , s i n g u l a rp o i n to ft h em i g r a t i o nd e g r e e s ) ，e v a l u a t et h e i n f o r m a t i o nu s a b i l i t yo ff i n g e r p r i n ti m a g eh i e r a r c h i c a l l y i ft h ef i n g e r p r i n t i m a g ed o e s n tm e e tt h er e q u i r e m e n t ，t h ep r o c e s so fe v a l u a t i o ni s e n d e d i m m e d i a t e l y , a n dt h eu s e ri sp r o m p t e dt oi n p u tf i n g e r p r i n ta g a i n t h e nt h e r a t i o so f s p e c t r u me n e r g ya n d t h es p e c t r u mv a r i a n c ea r eu s e dt oj u d g et h e q u a l i t ya n dt h et y p eo f t h eq u a l i f i e df i n g e r p r i n t s ( 2 ) at w o s t a g es e g m e n t a t i o ns t r a t e g yi sp r o p o s e di nt h er e s e a r c ho f f i n g e r p r i n ts e g m e n t a t i o na l g o r i t h m a tf i r s t ，t h ef i n g e r p r i n ti m a g e i s d i v i d e di n t ot h r e ec a t e g o r i e s ：b l a n ka r e a ，t e x t u r ea r e aa n dc a nn o tr e s u m e a r e aa c c o r d i n gt ot h ec h a r a c t e r i s t i c so ft h ef i n g e r p r i n tb l o c k ，a n dt h e nt h e b l a n ka r e a sa n dn o tr e s u m ea r e a sa r e s e p a r a t e dt h r o u g hm u l t i s t a g e s e g m e n t a t i o n t h eg r a y s c a l e s c o n t r a s ti st r e a t e d a st h e p r i m a r y s e g m e n t a t i o nf e a t u r et or e m o v et h ef i n g e r p r i n tb l a n ka r e aa n dr e a l i z et h e p r i m a r yd i v i s i o n ；t h eb l o c kc l u s t e rd e g r e e s ，t h en u m b e r o ft h ec o n s i s t e n t o fp o i n td i r e c t i o na n db l o c kd i r e c t i o n ，a n db l o c kd i r e c t i o nc o n s i s t e n c ya r e u s e da st h es e c o n d l ys e g m e n t a t i o nf e a t u r et or e m o v et h ec a nn o tr e s u m e a r e aa n dr e a l i z et h es e c o n d l yd i v i s i o n ( 3 ) f i n g e r p r i n te n h a n c e m e n ta l g o r i t h mi ss t u d i e d ，a n da ni m p r o v e d e n h a n c e m e n ta l g o r i t h mb a s e do nf r e q u e n c yd o m a i nf i l t e r i n gi sp r o p o s e d f i r s t l y , t h eo r i g i n a lf i n g e r p r i n ti m a g ei sc o n v e r t e dt of r e q u e n c yd o m a i n t h r o u g hf f t a n a l y z i n gt h es p e c t r u mc h a r t o f d r yo rw e tf i n g e r p r i n t ，a n da p a s s b a n df i l t e r - r o u n d f i l t e ri sd e s i g n e dt or e m o v et h ec o r r e s p o n d l o w f r e q u e n c yo rh i g hf r e q u e n c yc o m p o n e n t s ，e n h a n c et h ei n t e r m e d i a t e f r e q u e n c yc o m p o n e n t s t h e nt h ea f t e rt r a n s f o r m a t i o ni m a g e i sf i l t e r e di n t h ef r e q u e n c yd o m a i nf o re i g h td i r e c t i o n si no r d e rt oc o n n e c tb r o k e n r i d g e ，r e m o v ea d h e s i o nr i d g e ，e n h a n c er i d g ec l a r i t y f i n a l l yt h ee n h a n c e d f i n g e r p r i n ti m a g ec a nb eg o tt h r o u g hi n v e r t e ra n dr i d g ec o m b i n a t i o n ( 4 ) f i n g e r p r i n t f e a t u r ee x t r a c t i o n a l g o r i t h m i ss t u d i e d ，a n da h i e r a r c h i c a l s i n g u l a r i t y e x t r a c t i o nm e t h o di s p r o p o s e d a t f i r s tt h e l o c a t i o no fs i n g u l a rp o i n ta r e ai sf o u n db yu s i n gf i n g e r p r i n tc u r v a t u r e ， t h e ni nt h es i n g u l a rp o i n ta r e at h ep s e u d os i n g u l a r i t yi d e n t i f i c a t i o n m e t h o dc o m b i n i n gw i t hp o i n c a r ei n d e xv a l u ea n dp l u r a lf i l t e r i n gi su s e d t ol o c a t ea c c u r a t ea r e a i nt h e a s p e c t o fm i n u t i a ee x t r a c t i o n ，a k n o w l e d g e b a s e dp o s t - - p r o c e s s i n gm e t h o di s u s e dt or e m o v ef i n g e r p r i n t f a ls ef e a t u r e s 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 n ，f i n g e r p r i n tq u a l i t ye v a l u a t i o n ， f i n g e r p r i n ts e g m e n t a t i o n ，f i n g e r p r i n te n h a n c e m e n t ，f i n g e r p r i n t f e a t u r e e x t r a c t i o n i i i 目录 第一章绪论l 1 1 生物识别技术简介l 1 1 1 生物识别技术与现代社会安全1 1 1 2 生物识别系统j f 作模式与结构一2 1 1 3 生物识别技术的分类及性能评价3 1 2 大容量自动指纹识别技术概述5 1 2 1 指纹识别系统的意义与研究现状5 1 2 2 指纹识别系统构架与关键算法述评7 1 3 指纹识别目前所存在的问题1 1 l 。4 研究内容与结构安排1 2 第二章指纹图像质量评价算法的研究1 4 2 1 指纹质量评价算法功能1 4 2 2 指纹质量评价算法述评1 4 2 3 基于信息可用性评价与频谱分析的指纹质量评价算法1 7 2 3 1 指纹图像初级分割1 9 2 3 2 指纹图像的有效面积一1 9 2 3 3 指纹奇异点的检测1 9 2 3 4 频谱均方差2 0 2 3 5 频谱能量比2 1 2 4 实验结果2 2 2 5 结论_ 。2 3 第三章指纹图像分割算法研究2 4 3 1 常用指纹图像分割算法2 4 3 2 常用分割方法的介绍2 6 3 2 1 灰度均值2 6 3 2 2 灰度方差2 7 3 2 3 灰度对比度2 7 3 2 4 基于方向信息的方法2 8 3 3 基于方向信息与块类聚度的二级分割算法2 9 3 3 1 点方向图的估计3 0 3 3 2 块方向图的估计3 0 3 3 3 分割特征的计算3 1 3 3 4 前景区域中不可恢复区域的分离3 2 3 3 5 形态学后处理3 3 3 4 分割实验结果与分析3 3 3 5 本章小结3 4 第四章指纹图像增强算法研究3 5 4 1 指纹图像增强算法分类与比较3 5 4 2 基于圆滤波器的频域增强算法3 6 4 2 1 傅里叶变换3 7 4 2 2 圆滤波器设计3 8 4 2 3 频域图像的8 方向滤波一3 9 4 3 增强实验结果与分析4 l 4 4 本章小节一4 2 第五章指纹特征提取算法研究：4 3 5 1 指纹奇异点的提取4 3 5 1 1 奇异区初级定位4 4 5 1 2 奇异点提取方法。：4 6 5 2 指纹细节点特征提取4 9 5 2 1 指纹图像二值化4 9 5 2 2 指纹图像细化5 0 5 2 3 细节点类型与位置提取5 1 5 2 4 细节点方向提取5 l 5 2 5 细节点后处理5 3 5 3 实验结果与分析5 5 5 3 1 奇异点提取实验 5 5 5 3 2 细节点提取实验5 6 5 4 本章小结5 7 第六章结论与展望5 8 6 1 结论5 8 6 2j 畏望5 9 参考文献6 0 墅l 【 谢一6 5 攻读学位期间主要研究成果6 6 1 1 生物识别技术简介 第一章绪论 1 1 1 生物识别技术与现代社会安全 生物特征识别技术是指利用一个人自身生理或者行为特征来进行个人身份 自动识别的- i - j 技术【l 】。在通讯和网络高度发展的今天，金融、海关、司法、电 子商务、刑侦等各个领域都开始应用生物识别技术。因此保证个人身份认证的准 确性是保证和维护社会秩序的前提。例如：通过生物特征识别来控制旅客的出入 境；许多商用高端笔记本电脑通过指纹识别认证来限制使用者的权限等。在安全 与保密方面，生物特征识别技术是许多高机密的机构和单位首选的个人身份验证 技术，如银行大宗业务重地、高科技研发重地、武器库管理重地等。在刑侦领 域，通过生物识别技术对嫌疑人的生物特征进行识别，即保证了对罪犯身份认证 的快速性又保证了准确性。此外，在司法、海关、医疗等领域，生物特征识别技 术也发挥着重要作用。由此可知，在信息化产业高度发展的今天，生物特征识别 在需要进行身份认证的社会各行各业扮演着举足轻重的角色。 传统的身份认证方式主要依靠两种手段【2 】：( 1 ) 基于标志的身份鉴别方法，通 常是通过判断是否具有某种特定标志来对身份进行鉴别，如证件、钥匙、i c 卡 等；( 2 ) 基于知识的身份鉴别方法，通常是根据被鉴别者所具有的某种知识来对 其进行鉴别，如密码、口令等。然而，这些认证手段均存在着易丢失、遗忘、复 制以及破译等隐患，无法满足现代社会对于身份认证的准确性、安全性和实用性 等提出的更高要求。 现阶段悄然兴起的生物特征识别技术主要是依据被识别对象所具有的生理 或行为特征进行身份识别，如指纹、语音、虹膜等生物学特征。与传统技术相比， 基于生物特征的身份认证技术具有以下优点：普遍性，唯一性，永久性，可采集 性，易实现性，易接受性，防伪性，方便性强等。由于该技术是针对人所固有的 特征进行验证，故可以有效解决传统方法所存在的隐患。图1 1 与图1 2 分别是 国际生物特征识别组织( i n t e r n a t i o n a lb i o m e t r i cg r o u p ) 发布的2 0 0 9 年全球生物特 征识别市场份额估计以及2 0 0 9 年至2 0 1 4 年生物识别市场收入的预测1 3 j ：指纹识 别的市场份额为6 6 7 ，同时基于生物特征的身份认证方法的市场收入也在逐年 上升，预计到2 0 1 4 年市场整体容量预计为9 3 6 8 9 亿美元。由此可见生物身份认 证技术特别是指纹识别技术具有广大阔的前景。 b i o m e t d cr e v e n u e sb yt e c h n o l o g y , 2 0 0 9 ( 俐r 钿嘛o2 0 0 8m 妊r 触t i 州l ol b o n t e t r j cg l 锚峥 o t t e r i 嘲抽t e i l6 ， 图1 - 1 b g 对2 0 0 9 年各种生物特征识别技术的市场份额预测【3 】 a n n u a lb i o m e t r i ci n d u s t r yr e v e n u e s ，2 0 0 9 - 2 0 1 4 ( s i nu s d l ( o p 曹r i l b lo2 0 0 q 1i t e r n _ 把l t l i & i o m e t r t c g r o u p s 1 0 0 0 。0 一 s ! 懈。0 一 鲰o 、幽幽幽幽幽幽 2 0 0 9 , 1 0 1 0o r l2 0 1 22 0 1 32 0 1 4 图1 - 2r b g 对生物特征识别产品的市场收入的预测( 2 0 0 9 2 0 1 4 ) 3 】 1 1 2 生物识别系统工作模式与结构 生物识别系统是一种以生物识别技术为核心，根据人的生理或行为特征，结 合计算机与传感器技术来进行身份识别的模式识别系统，主要包括两种不同的工 作模式【4 1 ： ( 1 ) 验证模式。该模式主要体现的是一种1 ：l 的模式，即将现场采集到的指纹 进行生物特征提取后，与模板数据库中已存储的生物特征进行比对，最终给出 y e s 或n o 的回答。在这种模式下，根据使用者向系统输入的用户d 取得相 应的特征模板，并进行匹配。一般包括以下模块：采集模块、预处理模块、特征 提取模块、注册模块、特征匹配模块，决策模块。 2 缓缓篱飘髓一目雕阴 缆缓秀。彩缓鬏黪 o o o o 詹 o 膏 o 触 舭 触 胤 触 触 触 胍钳鲺豁“铝。i钌 ( 2 ) 认证模式。该模式主要体现的是一种l ：n 的模式，为防止多个身份被同 一人使用，系统将所采集指纹的生物特征提取出来后，与模板数据库中已存储的 生物特征进行一一比对，从中找出能匹配的特征，以确定用户的身份。验证模式 的系统一般适用于比较小型的模板数据库和比较小的民用系统，如门禁系统等， 而认证模式的系统主要应用于刑侦鉴别等大容量数据库场合。本文主要针对认证 模式开展研究，系统一般主要包括以下模块：数据采集模块、传输模块、预处理 模块、特征提取模块、分类模块、匹配模块，如图1 3 所示。 离线部分 ，- - - _ 、l 磊五；磊一r 磊鬲聂矗丌一r 荔鬲赢i y 生 指纹采集l j 图像预处理l _ 一指纹特征提取 检索 模 板 数 据 库 日曰 、。、，_ 一一 在线部分 图1 - 3 认证模式指纹识别系统流程图 数据采集模块：该模块主要通过采集仪获取用户的生物特征数据，但是不同 的采集设备所获取的数据具有一定的差异。 预处理模块：该模块主要对原始数据进行评估、分割、增强、细化等处理， 降低误识率，? 提高系统的鲁棒性； 特征提取模块：该模块主要对预处理后的数据进行乍物特征的提取，用于后 续的注册与匹配； 分类模块：对提取到的特征信息进行分类，以加快指纹检索的速度； 注册模块：该模块将提取的生物特征数据存入指定的数据库，以形成一个特 征数据库，提取的特征数据可以用来表示一枚原始指纹； 匹配模块：该模块将待验证的特征与特征数据库中已存储的特征一一比较， 并提供特征相似度计算方法的参数值或阈值以供决策模块判断； 决策模块：该模块根据计算出的相似度参数值，决策出最终结果。 1 1 3 生物识别技术的分类及性能评价 目前，生物识别技术己成为身份认证领域研究的热点问题【5 】【6 1 ，根据生物识 别技术所采集的生物特征的不同，生物特征识别技术大致可以分成三类： ( 1 ) 高级生物识别技术( h i g hb i o m e t r i c s ) ，例如：虹膜识别、视网膜识别和指 纹识别等； 别与语音识别等； ( 3 ) 第三类是高层生物识别技术，也就是“深奥”生物识别技术( e s o t e r i c b i o m e t r i c s ) ，例如血管纹理分布识别、体味识别等。 下面是以上常用生物识别技术的分类及其比较。如表1 1 所示。 表1 1 生物识别技术比较 生物特征 广泛性唯一性 稳定性方便性 准确性可接受性防伪性 指纹高高中高中高高 虹膜低高 高中 高低高 视网膜低高中低高低 高 掌纹低中中高中高中 人脸中低中高低高低 声音中低低中低高低 签名低低低高低高低 由表1 1 可知，任何一种生物特征识别技术都存在一定的缺陷，不可能在各 项指标上都优于其它技术，因此必须在不同的场合选择不同的生物识别技术。通 过对以上性能的综合分析发现，指纹识别技术由于具备了以下几个方面的优势： 任何两个用户之间不存在相同的指纹；每个人的指纹自出生开始就已经固定；容 易采集，实用性强；每个用户十个手指的指纹各不相同，使系统的设计更加灵活； 与其他它生物特征识技术相比更具有实用性与可行性，因此被广泛应用于各种需 要进行身份认证的场合。 由于生物特征的复杂性，被识别对象与识别结果都可能出现两种情况：身份 合法与身份非法。这样，通过生物识别系统的处理后，会出现四种可能的结果： ( 1 ) 身份合法被判为合法；( 2 ) 身份合法被判为不合法；( 3 ) 身份不合法被判为合法； ( 4 ) 身份不合法被判为不合法。生物特征识别系统的准确性可以通过错误识别率 ( f a l s ea c c e p tr a t e ，简称误识率) 和错误拒识率( f a l s er e j e c tr a t e ，简称误拒率) 来 衡量【7 1 。误识率是指上述所说的第三种情况，即将本来不匹配的生物特征决策为 匹配；拒识率是指文中所讲的第二种情况，将本来匹配的生物特征决策为不匹配。 一个合格的生物识别系统，应该保证误识率和拒识率都处于一个较低的水平，若 误识率或拒识率过高，势必会影响系统的性能，给用户造成损失。然而以上各指 标是相互影响、互相制约，要让它们同时降低是不可能的，其中一个参数值减小 的同时必然会导致另一个参数值的增大。该现象可以通过r o c 曲线( r e c e i v e r o p e r a t i n gc h a r a c t e r i s t i c ) 来描述，如图1 4 所示，当误识率与拒识率取值相等时， 4 系统错误率最低，准确性最高。 f 肽 f r r 图1 - 4 r o c 曲线示意图 在实际应用中，为了让生物识别系统满足不同场合的需要，需要对误识率与 拒识率进行适当的调整。如国家级机密场合，为保证安全性，可以尽量减小误识 率，放宽对拒识率的要求；对于刑侦犯罪场合，为了避免犯罪嫌疑人的遗漏，可 以尽量减小拒识率，放宽对误识率的要求。 除了对误识率与拒识率的合理选取外，另一个主要的性能指标就是系统的识 别速度。在验证模式下工作的系统，匹配阶段进行的是一比一的比对，识别速度 主要由各模块算法复杂度决定，其识别速度较快；而对于在认证模式下工作的系 统，匹配阶段所需的是一对多的比对，当模板数据库中的容量达到百万级时，完 成一次认证，可能要花费大量时间来进行比对，而且系统速度与算法复杂度、硬 件性能也有密切关系。 1 2 大容量自动指纹识别技术概述 1 2 1 指纹识别系统的意义与研究现状 在众多生物识别系统中，自动指纹识别系统的优越性及其应用价值主要体现 为高准确性、高速性、方便易采集性、高安全性等，具体可以从以下几个方面描 述： ( 1 ) 高准确性。每枚指纹不随着年龄增长或生理特征的变化而变化，即使皮 肤受到伤害，其纹线仍可以被恢复。 ( 2 ) 高速性。在对指纹存储时，只需保存少量的特征信息作为模板数据库， 极大的减少了数据传递负担，保证了系统的识别速度。 5 ( 3 ) 方便易采集性。指纹采集设备可以做得很小，可以随时随地对使用者采 集指纹，大大地降低了系统成本。 ( 4 ) 高安全性。由于十枚指纹各不相同，可以将若干枚指纹融合组成多级口 令，提高系统安全性。 由于自动指纹识别的独特优点和计算机的广泛应用，使得指纹识别技术成为 政府、银行、学校、公司、医疗、刑侦等领域广泛使用的身份认证技术。从安全 方面出发，利用指纹识别技术，可以实现签证与出入境的身份认证，提高安检力 度与通关效率；指纹保险箱、储蓄卡的广泛应用，为大额度存取款用户、远程交 易用户等提供了较大的便利，保证了存取款的安全。另外，指纹识别技术在刑侦 领域保证了罪犯身份确认的准确性，通过互联网可以快速的确定犯罪嫌疑人的身 份，为工作人员节省了大量的时间。 与其他的生物技术相比，人们较早就开始对指纹识别技术进行了研究，并取 得了一定的成果。随着通讯技术的高度发展，大容量的指纹数据库开始应用于网 络服务器，但其应用终端却呈现分布式形式，阻碍了指纹识别技术的普及和公众 的接受程度，因此指纹识别技术时刻都面临着新的挑战。 到目前为止，国内外有很多专门从事指纹识别技术研究的公司与机构，而且 在很多方面已经取得了较好的科研成果，并已应用于金融、刑侦、网络安全、司 法等领域。美国是这一领域的佼佼者，如美国i d e n t i c a t o r 公司为较早步入该领域 的公司，该公司的i d s a f e 技术已在全世界得到应用，基于该技术生产出的 u a r e u 指纹识别系统被称为是世界上最先进、集成程度最高的产品。此外，加拿 大、韩国、德国、瑞士等国家对指纹识别技术的研究也达到了世界先进水平。在 亚洲，朝鲜与日本的研究水准最高，并享有一定的声誉，其开发出来的指纹锁、 考勤机、指纹采集设备、传感器等占据了大量的市场。尤其是朝鲜的一些公司在 大容量指纹处理方面所开发的指纹比对算法是世界上公认的一流算法。 国内对指纹识别技术的研究也同样投入了相当大的人力物力财力，但由于起 步相对较晚，所以与国外顶级的公司相比还存在一些差距。目前该领域做得比较 超前的科研机构主要有中科院自动化所、北大高科、清华大学等。其中如北大高 科自主研制的第三代c a f i s 系统性能优越，功能齐全，已广泛应用于国内各刑 侦单位。中科院自动化所的指纹匹配算法是目前国内性能、速度、稳定性最好的 算法，达到了世界级水平，该算法在分别对1 0 0 枚和1 0 0 0 枚指纹的测试下，其 错误率仅为2 7 3 和5 1 0 ，匹配时间为o 6 7 秒。显然该算法对于中小容量的指 纹库能够满足系统的要求，但是对于大容量指纹库，其错误率还有待降低，速度 也有待提高。 近年来，指纹识别技术已经成为国内外研究的热点，许多学者对其进行了广 6 泛而又深入的探讨，但是研究的重点主要针对如何减小错误率，提高系统的准确 性，忽略了速度问题。尽管市场上已经存在许多指纹识别产品，但关于大容量指 纹识别的技术还有待深入研究。 1 2 2 指纹识别系统构架与关键算法述评 自动指纹识别系统作为一个综合性系统，其构架与生物识别系统大体相同， 主要包含采集技术、图像处理技术、模式识别技术和数据库技术。基于大容量指 纹库的指纹识别系统，其指纹容量可达数万级以上，为了提高系统的处理速度与 识别率，在原基本系统中加入质量评估模块和分类检索模块。现场采集到的原始 指纹，由于噪声或采集系统自身原因，指纹会出现干、湿、伤疤、按捺压力不足 等情况，如果直接对其进行处理，不但会使系统错误率提高，而且会影响系统整 体性能。于是在进行预处理之前加入评估模块，对采集到的指纹质量进行评价， 质量合格的指纹才能送入后续模块，不合格的要求重新采集或者直接拒绝处理， 这样能极大的提高系统识别率。传统的指纹识别系统采用的是验证模式，也就是 待测指纹只需与注册好的指纹模板进行一对一的比对，假如与模板一致，表示匹 配成功。大容量指纹库采用的是认证模式，即待测指纹与模板数据库中的众多指 纹模板进行比对，为满足系统的实用性、快速性与准确性要求，必须在指纹匹配 前对指纹进行分类检索。其系统框架如图l 一5 所示。 i 离线邵分i 1 i 分类 ( ，l宁格i 厂。瑚。# 。# 。 m 一i i i 会l 一一i l 一一一l l n 圳，8l ，l l 少 图像术朱ii 腕更讦口r 广唇1 图儇处理ii ，忖他挺耿l 。 厶 图像采集质量评价 一属 图像处理特征提取 特征匹配 、 i 不合格 i i 在线部分 输出结果 图1 5 带质量评测模块与分类模块的自动指纹识别系统框架图 系统主要由以下部分构成： ( 1 ) 指纹采集 指纹采集作为指纹识别的第一步，其采集质量是影响系统性能的关键因素之 7 一。传统的采集方式主要依靠油墨捺印来获取指纹，该方法获取的指纹有效面积 足够大，指纹特征保留较完整，但是操作麻烦，受噪声干扰严重，不能满足自动 指纹识别的需求，以逐渐被淘汰。目前常用的采集设备主要可以分为三种：光学 式、硅芯片式、超声波式【8 】。光学式设备主要利用光的全反射原理，光线穿过玻 璃射到指纹谷后会在玻璃与空气界面发生全反射现象，而射向指纹脊的光线不发 生全反射，被漫射到其它地方，这样一枚指纹的原图像就可以被呈现出来。硅芯 片式设备主要通过电子量度来捕捉指纹图像，大量的电容传感器分布于半导体金 属阵列上，当手指与其接触时，由于指纹表面存在脊谷，致使电容值的分布各不 相同，因而可以将指纹的凹凸信号转化为电信号，并形成指纹图像。该类采集设 备体积较小、功耗较低，容易被集成，但是易受静电、手指的干湿情况影响。超 声波设备利用超声波扫描指纹表面，并回传其反射信号，进而得到脊谷的深度， 噪声对其干扰不大，能够很好反映出指纹的真实面目。但是该设备成本过高，体 积也很大。图1 - 6 示出了由不同采集设备采集到的指纹图像。 ( a )( b )( c ) 图l - 6 不同采集设备获取的指纹图像 ( a ) 光学设备采集的指纹( b ) 硅芯设备采集的指纹( c ) 超声波设备采集的指纹 ( 2 ) 指纹质量评估 在指纹采集端，由于采集设备的采集面积过小或者由于外界因素的影响，使 得采集到的指纹图像质量不尽如人意，呈现出干、湿、磨损、残留指纹等情况， 从而导致指纹图像纹理对比度不高，奇异点与细节点的提取较为困难。为保证整 个指纹识别系统的稳定性与可靠性，在指纹进行预处理前可先进行质量评估，拒 绝接受不符合要求的指纹，以有效保证所采集指纹的可用性。 目前，有关指纹质量评估的方法主要分为三类，如表1 2 所示：( a ) 基于局部 特征；( b ) 基于全局特征：( c ) 把评估转化为分类问题处理。 基于局部特征的评估方法是先将指纹图像分块和提取特征评估因子，然后计 算每一评估因子的质量分数，并对每一局部块按离中心点的距离分别赋予不同权 值，最后根据计算出来的总质量分数来评估整幅图像是否合格。 基于全局特征的评估方法主要是对指纹图像在全局范围内提取质量评估因 子，如利用方向场的连续性计算指纹图像中方向突变区域的比例，在频域中计算 环形谱能量的集中度等。 将对指纹的评估转化为分类问题处理主要是利用神经网络与支持向量机对 提取出来的特征向量进行训练，然后根据训练结果将指纹分成高质量，一般，模 糊，损坏等类型。 表1 2 评估算法分类 ( 3 ) 指纹分割 指纹分割的目的是去除指纹图像的背景区域、无方向区域以及被噪声污染的 不可恢复区域，以减少伪特征的产生，提高系统的处理速度，使对指纹图像的所 有后续处理都集中于纹理区。传统的指纹分割算法是利用灰度图或方向图将指纹 分割成前景区域( 纹理区域) 与背景区域( 无纹理区域) 【9 】。由于指纹质量评估 与指纹分割密切相关，可以把高质量区定位为要保留的前景区，低质量区定位为 可能要剔除的模糊区。后来一些研究者将基于质量评估的研究思路用于分割，继 续将前景纹理区分成更小的局部块，如清