指纹识别技术的研究与应用论文.pdf

酋都经济贸茄犬学硕士研究生学位论文指纹识掰技术的研究与艘掰 内容提爱 随着时代的发展 卒士会越来越需鼹高效 可靠的身份识别系统 传统的个人身份鉴 剿手段魏锾邈 日令 蜜玛 隽傍涯佟 甚至l e 卡簿瑗裂方式 囱予它翻其蠢爵馁霉 可伪造 可盗用 可破译的弱点 已不能完全满足现代社会经济活动和社会安企防范的 需要 所以迫切需要寻找 种新的方法来实现个人身份鉴别 随着识别技术的不断成熟和计算机技术的飞速发展 各种基予人体生理特缎豹身份 谈副系统翔 捂绞 手攀 声音 褫溺膜 瞳琵纛藤纹等识聚技术纷纷麸实验塞中走窭 来 目前 从实用的角度看 指纹识别技术是优于其它生物识别技术的身份黢别方法 并且指纹作为身份鉴定的手段具有悠久的历史 在司法领域一致被尊称为 物证之首 英良好约稳定性帮难一蠛使准确鉴定蹙势成为可麓并交残现实 本文从指纹识剐技术瓣基本原理入手 介绍了 爵纹识剐的全过程 包搔臻纹图像酶 获取 图像预处理 图像的特征提取以及图像的特征对比方法 如 传统的模式识别匹 配算法 本文还描绘了囱动指纹识别系统的构建过程及其工作模式 随后 本文结合 笔者在疆究生实习裁润开发熬掺纹识瓣系统在中鬟王巍镶幸亍具髂疲雳熬顼强 分绥了指 纹识别系统在银行应用中的架构 应用系统的各缀成部分和功熊及其产生的效益 这是 指纹识别技术首次应用于银行系统 也是本文的创造性成果 最后 本文还谈到了笔者 在开发工作中关键的几个环节和笔者参加本项目开发的亲身体验 网时还在附录二中给 窭了该系绕豹主器嚣与关键饩羁片段 指纹识剐技术 银行网络指纹管理系统 关键调 自动指纹识别系统 身份验证模式 一 模式识别匹配算法 身份识别模式 首都经济赘易大学硕士研究生学位论文指纹识荆技术的研究与成粥 a b s t r a c t w i t ht h ed e v e l o p m e n to fo u rs o c i e t y t h er e c o g n i t i o ns y s t e mo fi d e n t i f i c a t i o nw i t hh i g h e f f i c i e n c ya n dr e l i a b i l i t yi sb e c o m i n gag r e a td e m a n d t h et r a d i t i o n a lm e a n s s u c ha sk e y p a s s w o r d c r y p t o g r a m i dc a r da n de v e ni cc a r d h a v ef a l l e nb e h i n dt h en e e d so fe c o n o m i c a c t i v i t ya n d s o c i a ls e c u r i t y t h i si sb e c a u s et h a tt h e yw o u l db ef o r g e 曲l e f a l s i f i a b l e s t o l e no r d e c o d a b l e f o r t u n a t e l y t h er a p i di m p r o v e m e n t so fr e c o g n i t i o na n dc o m p u t e rt e c h n o l o g i e sh a v e b r o u g h tt h eb i o m e t r i cr e c o g n i t i o nt e c h n o l o g y l i k er e c o g n i t i o no ff i n g e r p r i n t p a l m v o i c e i r i s f a c e i n t oa c t u a lu s e a m o n gt h e s en o v e lt e c h n o l o g i e s f i n g e r p r i n tr e c o g n i t i o ni ss u p e r i o rt o o t h e r s b e c a u s ed i f f e r e n tp e o p l eh a v ed i f f e r e n tf i n g e r p r i n t sa n dt h e i rf i n g e r p r i n t s k e e p u n c h a n g e da l lt h el i f e f i n g e r p r i n tr e c o g n i t i o ni su n d o u b t e d l ya c c u r a t ea n dr e l i a b l e i n a d d i t i o n a sm a n u p t o d a t ea l g o r i t h m sf o rf i n g e r p r i n tr e c o g n i t i o na r ev e r yf a s ta n da c c u r a t e t h e yc a nb ed e f i n i t e l yc o m m e r c i a l i z e d t h i sp a p e ri n c l u d e sf i v ec h a p t e r s c h a p t e ro d ei sf o c u s e do nt h eb a s i ct h e o r i e so f f i n g e r p r i n tr e c o g n i t i o n i nt h i sc h a p t e r t h ea u t h o rm a i n l ys t a t e st h ed i g i t a li m a g ep r o c e s s i n g a n dd r a w i n gt h ee i g e n v a l u eo ff i n g e r p r i n t si m a g e c h a p t e rt w oa d d r e s s e si nd e t a i l st h e a l g o r i t h mo fm a t c h i n gi nf i n g e r p r i n tt e c h n o l o g y t h ea u t h o ra l s om e n t i o n ss o m eb a s i c c o n c e p t i o no fp a t t e r nr e c o g n i t i o n c h a p t e rt h r e ep r e s e n t st h ea u t of i n g e r p r i n tr e c o g n i t i o n s y s t e m c h a p t e rf o u rs t a t e st h em a n a g e m e n ts y s t e mo ff i n g e r p r i n ti nt h eb a n k t h a ti st h e i n n o v a t i v eu s e t h el a s t c h a p t e rd e s c r i b e st h ew r i t e r se x p e r i e n c e i n d e v e l o p i n gt h 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 m k e y w o r d s t h et e c h n i q u eo ff i n g e r p r i n tr e c o g n i t i o n t h ea u t o r e c o g n i t i o ns y s t e mo ff i n g e r p r i n t p a t t e r nm a t c h i n ga l g o r i t h m m a n a g e m e n ts y s t e mo ff i n g e r p r i n ti nt h eb a n k t h ep a t t e r no f v e r i f i c a t i o nt h e p a t t e r no f i d e n t i f i c a t i o n 2 一 首都经济贸易大学硕士研究生学位论文指纹识别技术的研究与应用 序言 一 指纹识别技术的历史与现状 指纹是指人类手指上出现的条状纹路 这些纹路的存在增加了皮肤表面的摩擦力 使得我们能够用手来抓起重物 同时人们也很早就意识到 指纹具有唯一性和稳定性 世上没有两个完全相同的指纹 而且人的指纹终生不变 据此 可以把一个人同他的指 纹对应起来 通过对他的指纹和预先保存的指纹进行比较 就可以验证他的真实身份 这样依靠指纹进行身份验证的技术称为指纹识别 指纹识别的历史可以追溯到公元前 7 0 0 0 年到6 0 0 0 年以前 在古叙利亚和中国 指纹作为身份鉴别已经开始应用 考古发 现 在这个时代 一些粘土陶器上留有陶艺匠人的指纹 中国的一些文件上印有起草者 的大拇指指纹 1 9 世纪初 科学研究发现了至今仍然承认的指纹的两个重要特征 一 是两个不同手指的指纹纹脊的样式不同 另外一个是指纹纹脊的式样终生不变 这个研 究成果使得指纹在刑事侦察中得以正式应用 2 0 世纪6 0 年代 由于计算机可以有效的 处理图形图像 人们开始着手研究利用计算机来处理指纹 从那时起 自动指纹识别系 统的研究和应用在许多国家展开 2 0 世纪8 0 年代 个人电脑和光学扫描这两项技术的 革新与发展 使得它们作为指纹取像的工具成为现实 从而使指纹识别可以在其他领域 中得以应用 比如代替钥匙 证件等传统身份识别 9 0 年代后期 随着低价位取像设 备的引入及其飞速发展 以及可靠地比对算法的研究发展 个人指纹身份识别应用技术 取得了长足发展 以美国为例 基于这项技术的产业规模已经达到数十亿美元 美国一 家名为 i r i s c a n 的高技术公司研制出的识别系统已经应用在美国得克萨斯州联合银行 的三个营业部内 二 应用指纹技术的迫切需要 由于各个领域对身份识别日益增长的需求 尤其是网络信息安全领域对身份识别的 需求 所以指纹识别技术得以快速发展 网络信息化时代的一大特色就是身份的数字化 和隐性化 如何准确鉴定一个人的身份 保护信息安全是当今信息化时代必须解决的一 个关键社会问题 现行的许多计算机系统中 包括许多非常机密的系统 都是使用 用 户i d 密码 的方法来进行用户的身份认证和访问控制的 实际上 这种方案隐含着 一些问题 例如 密码容易被忘记 也容易被人窃取 由于人体的指纹等身体特征具有 不可复制的特点 人们把目光转向了指纹识别等生物识别技术 希望可以籍此技术来应 付现行系统安全所面临的挑战 研究表明 每个人的指纹 面像 虹膜等特征都与他人 不同且终生不变 因此就可以据此识别出人的真实身份 基于这些特征 人们发展了指 纹识别 面像识别 虹膜识别等多种生物识别技术 其中的指纹识别技术已经达到实用 化 商品化的程度 三 本文所解决的问题和实际价值 随着我国金融事业的迅猛发展 各银行业务蒸蒸曰上 银行工作人员经手的金额越 首都经济贸易大学硕士研究生学位论文指纹识别技术的研究与应用 来越大 而另一方面 银行内部依然沿用通过用户名和密码的方式进行柜员的身份认证 如果密码泄露或者丢失 后果不堪设想 这些年来 工作人员盗用他人密码 伪装身份 访问超过自身权限的系统 非法窃取和挪用储户资金的案件层出不穷 本文所介绍的活 体指纹自动识别系统是笔者在研究生实习期间亲自开发的项目 为银行内控提供了有利 的工具 是指纹识别技术在银行业务中的首次应用 也是本文的创造性成果 它加强了 银行内部人员的安全控制 减少内部人员金融犯罪的发生 通过这项技术可以控制终端 使用 阻止非法人员上机操作 可以验证身份 保证押送现金安全 可以实现指纹组合 配对 保证现金调拨安全 可以保护自己 威慑罪犯 总之它的实现对银行的信息化建 设做出了非常大的贡献 首都经济贸易大学硕士研究生学位论文指纹识别技术的研究与应用 第一章指纹识别的基本原理 1 1 指纹识别技术介绍 指纹作为身份鉴定的手段具有悠久的历史 在司法领域一致被尊称为 物证之首 其良好的稳定性和惟一性使准确鉴定身份成为可能并已变成现实 许多研究机构和公司 推出了基于指纹识别的一些应用系统 如门禁管理系统和指纹考勤机等产品 另一方面 指纹鉴定已经被官方所接受并在法律界成为一种有效的身份鉴定手段 全球范围内都建 立了指纹鉴定机构以及罪犯指纹数据库 指纹其实是比较复杂的 尽管指纹只是人体皮 肤的一小部分 但用于识别的数据量相当大 对这些数据进行比对也不是简单的相等与 不相等的问题 而是使用需要进行大量运算的模糊匹配算法 现代电子集成制造技术可 以制造相当小的指纹图像读取设备 同时快速发展的个人计算机提供了在微机甚至单片 机上可以进行两个指纹的比对运算的可能 另外 匹配算法的可靠性也不断提高 指纹 识别技术已经非常实用 指纹识别技术与其它模式识别技术一样 并不是直接对指纹图像进行识别 而是要 从图像中提取关键特征 对特征图像进行识别匹配 从生理上看 纹路是手指皮肤的凸 起的部分 脊 纹路之间是凹下的部分 谷 因此 理想的指纹图像是一幅黑白相问 的二值图像 但是 由于指纹通常是用按压的方式得到的 因此油墨不均匀 纸张不均 匀 按压的压力不均匀 按压的位置和方向不同 手指的状况以及皮肤的变形等因素都 会导致指纹图像不理想 通过扫描仪或者摄像机进行数字化的时候 由于光照 环境等 因素的影响 也会引入各种噪声 这些因素都使得原始的指纹灰度图像不能直接用来进 行匹配与识别 因此有必要选择合适的特征来描述指纹 第三章的图3 1 是一个完整的指纹识别系统框图 实际应用中 一般使用指纹鉴定 模块完成对指纹的验证与识别 训练模块 指纹数据库的建立 属于前期性的准备工作 由图3 1 可以得出如下的指纹识别过程示意图 图1 1 1 包括指纹采集 图像处理 特征提取和匹配四个模块 图1i 指纹识别过程 本嘲是幽3i 完整指纹识别系统框图的一部分 首都经济贸易大学硕士研究生学位论文指纹识别技术的研究与应用 1 2 指纹图像的获取 指纹图像获取设备分为如下三类 光学取像设备 晶体传感器和超声波扫描 1 光学取像设备 光学取像设备具有悠久的历史 它的使用可以追溯到2 0 世纪7 0 年代 光学取像 设备依据的是光的全反射原理 f t i r 光线照到压有指纹的玻璃表面 反射光线由 c c d 获得 反射光的量依赖于压在玻璃表面上指纹的脊和谷的深度和皮肤与玻璃间的 油脂和水份 光线经玻璃射到谷的地方后在玻璃与空气的界面发生全发射 光线被反射 到c c d 而射向脊的光线不发生全反射 而是被脊与玻璃的接触面吸收或者漫反射到 别的地方 这样就在c c d 上形成了指纹的图像 由于光学设备的革新 其体积不断变 小 在9 0 年代中期 传感器可以装在6 3 6 英寸的盒子里 在不久的将来其体积可 以减至3 l l 英寸 这些进展取决于多种光学技术的发展 例如可以把含有一微型三 棱镜矩阵的表面安装在弹性的平面上 当手指压在此表面上时 由于脊和谷的压力不同 而改变了微型三棱镜的表面 这些变化通过三棱镜的反射而反映出来 2 晶体传感器 晶体传感器有多种类型 最常见的硅电容传感器通过电子度量计来捕捉指纹 在 半导体金属阵列上能结合大约1 0 0 0 0 0 个电容传感器 其外面是绝缘的表面 当用户的 手指放在上面时 皮肤组成了电容阵列的另一面 电容器的电容值由于导体间的距离不 同而随之发生变化 这里指的是脊 近的 和谷 远的 相对于另一极之间的距离 另 一种晶体传感器是压感式的 其表面的顶层是具有弹性的压感介质材料 它们依照指纹 的外表形状 凹凸 转化为相应的电子信号 其他的晶体传感器还有温度感应传感器 它通过感应压在设备上的脊和远离设备的谷的温度的不同就可以获得指纹图像 晶体传 感器技术最重要的弱点在于 它容易受到静电的影响 这使得晶体传感器有时可能取不 到图像 甚至会被损坏 另外 它并不像玻璃一样耐磨损 从而影响了使用寿命 3 超声波扫描 超声波扫描被认为是指纹取像技术中非常好的一种技术 超声波首先扫描指纹的 表面 紧接着 接收设备获取了其反射信号 测量它的范围 得到谷的深度 与光学扫 描不同 积累在皮肤上的脏物和油脂对超声波获得的图像影响不大 所以这样的图像是 实际指纹凹凸表面的真实反映 应用起来更为方便 总之 三种取像技术都具有它们各自的优势 也有各自的缺点 下面给出三种主 要技术的比较 表1 1 1 j i 中光学成像设备由于它非常耐用和低臁的价格 所以被广泛使用 一8 一 酋帮疑漭彝易大学硬 磷究生学疰论文 纹谖l 技末静臻嶷葛应用 表1 一l 三种成像技术的比较 比较顼曩 光学成像技术砖菇体电容传感技术超声波程 缓 体积大 小中 耐用性非常耐用 容易损坏一般 成像能力汗多的秘耩脏的手攘成像干手攒好 但汗多蛇和稍非常好 模凝藏戆手指不巍裁缘 耗电较多较少较多 成本低 低缀高 1 3 圈像预处理 指纹采集设备新获得的原始图像有很多噤声 比如手指液弄脏 手指商刀伤 疤痕 手指干燥 湿润或撕破等都会影响图像的质量 图像预处理的目的是消除噪声 增强脊 和谷的对比度 一幅理想的指纹豳像是一幅二德化的黑白图像 但想得到瑷想图像却并 甭容秘 强豫预楚蘧秘分包囊疆下步骤 蚕缳分裁 乎溪楚溪 锐位处理 强缘二僮纯 图像修饰和细化 如图1 2 所示 原始图像 图1 2 指纹图像的预她理过程 1 图像分割 将原始指纹图像应用一定的算法进行剪切分割 在基本不损失有用的指纹信息的基 础上产生一个比原始图像小的指纹图像 这样可以减少以后各步骤中所要处理的图像鲍 数据爨 2 图像平滑 平滑的目的是消除原始图像中的噪声 应用均值滤波器 中值滤波器蒋技术都可以 达到平海的基的 实黢中要根据其体兹圈豫选择会适的滤波黪予 滤波誉霹貔大小也要 台适 阕1 3 为原始图像和平滑屠的图像 首都经济贸易大学硕士研究生学位论文指纹识别技术的研究与应用 黑黑 原始图像平滑图像 图1 3 指纹图像的平滑 3 图像锐化 锐化的目的是突出图像中的边缘信息 增加脊和谷之间的对比度 以利于对图像进 行二值化处理 锐化处理的关键是选择或设计合适的 相匹配的滤波算予 使之适用于 图像上所有的像元 依据每个像元所处的脊的局部走向 滤波算子应增强在同一方向脊 的走向 并且在同一位置 减弱任何不同于脊的方向 尤其是垂直于脊的方向 因为后 者含有横跨脊的噪声 所以其垂直于脊的局部方向上的那些不正确的 桥 会被滤波算 子过滤掉 因此 合适的滤波算子可以恰到好处地确定并增强脊的局部走向 图1 4 为原始图像和锐化后的图像 勰l 瀚 原始图像锐化图像 图14 指纹图像的锐化 4 二值化处理 图像经锐化处理后 其中的纹线 脊 部分得到了增强 不过脊的强度并不完全相 同 表现为灰度值的差异 二值化的目的就是使脊的灰度值趋向一致 使整幅图像简化 为二元信息 脊 0 和背景 1 由于锐化后图像的直方图已呈现双峰特征 因此可 以应用阈值法对其进行二值化处理 使一幅灰度图像变成一幅二值图像 图像在灰度层 次上从原始的2 5 6 级 8 b i t s 降为2 级 1 一b i t s 图像二值化后 随后的处理就会比 较容易 图1 5 为二值化后的图像 霸绷 原妻厶图像二值化图像 图15 指纹图像的二值化 5 图像修饰 指纹图像经过二值化后 由于量化等原因 纹线 脊 边缘凹凸不齐 受锐化的影 响 画面出现离散点 为使图像整洁 边缘圆滑 需要进行修饰处理 首先 定义八方 向加权系数 按逆时针八方向跟踪原则 对纹线边缘出现的 毛刺 及 凹沟 可分别 首都经济贸易大学硕士研究生学位论文指纹识别技术的研究与应用 从实验中找出其存在的全部可能情况 并定义前一步走通时方向数为p 后一步走通时 的方向数为q 那么p q 即由p 与q 的关系可分出是 毛刺 还是 凹沟 同理 对于纹线边缘出现的 小枪 则由lq pi 3 来判断之 且依方向数的前后顺序判 别出是哪一种情况 并分别进行处理 用这种方法还可处理纹线边缘的其他缺陷 另外 用适宜的高通和低通滤波模板还可以消除纹谷中的离散黑点和填补纹线中的 空白点 以保持脊的连续性 如令3 x 3 模板中待处理的像素为x 若其邻域的所有像 素都为1 白 则x l 若其邻域的所有像素都为0 黑 则x 0 修饰后的指纹 图像如图1 6 所示 霪墓 图16 修饰结果图i 7 细化结果 6 细化处理 细化是将脊的宽度降为一个像元的宽度 因为我们所关心的不是脊的粗细 而是脊 的有无 因此在不破坏图像连通性的情况下必须去掉多余的信息 一个好的细化方法是 保持原有脊的连续性 降低由于人为因素所造成的影响 一般可以采用半旋转式的细化 方法 抽取纹线骨架 每次分别从图像的一角开始 沿上下左右四个方向扫描 去掉响 应脊的边缘多余点 保留左 右 上 下的边缘点 图1 7 为细化后的图像 指纹图像细化后 还可根据指纹的一般纹理规律 进行加工处理 如去掉无效的纹 脊间的小桥及连接豁口等 还可采用人机交互方式 对残缺指纹进行人工修补 1 4 指纹的基本特征 指纹识别系统中 通常采用全局和局部两种层次的结构特征 全局特征是指那些 用肉眼直接就可以观察到的特征 局部特征是指指纹纹路上的节点的特征 因为指纹纹 路经常出现中断 分叉或打折 所以形成了许多节点 两枚指纹可能具有相同的全局特 征 但它们的局部特征却不可能完全相同 在考虑局部特征的情况下 英国学者 e r h e r r y 认为 只要比对1 3 个特征点重合 就可以确认为是同一个指纹 1 全局特征 全局特征描述的是指纹的总体纹路结构 具体包括纹形 模式区 核心点 三角点 和纹数五个特征 1 纹形 纹形可以分为箕型 1 0 0 p 弓型 a r c h 斗型 w h o r l 三种基本类型 如图1 8 首都经济贸易大学硕士研究生学位论文指纹识别技术的研究与应用 所示 其他的指纹图案都基于这三种基本图案 仅仅依靠纹形来分辨指纹是远远不够的 这只是一个粗略的分类 通过更详细的分类使得在大数据库中搜寻指纹更为方便快捷 环型 1 0 0 p 弓型 a r c h 螺旋型 w h o r l 2 模式区 p a t t e r na r e a 图18 指纹的基本纹形 模式区是指指纹上包括了总体特征的区域 即从模式区 就能够分辨出指纹是属于那一种类型的 有的指纹识别 算法只使用模式区的数据 而有的指纹识别算法则使用 了所取得的完整指纹而不仅仅是模式区进行分析和识 别 3 核心点 c o r e p o i n t 核心点位于指纹纹路的渐进中心 它在读取指纹和比对 指纹时作为参考点 许多算法是基于核心点的 既只能 处理和识别具有核心点的指纹 4 三角点 d e l t ap o i n t 三角点位于从核心点开始的第一个分叉点或者断点 或 者两条纹路会聚处 孤立点 折转处 或者指向这些奇 异点 三角点提供了指纹纹路的计数跟踪的开始之处 5 纹数 r i d g e c o u n t 首都经济贸易大学硕士研究生学位论文 指纹识别技术的研究与应用 指模式区内指纹纹路的数量 在计算指纹的纹数时 一 般先连接核心点和三角点 这条连线与指纹纹路相交的 数量即可认为是指纹的纹数 2 局部特征 局部特征是指指纹上的节点的特征 这些具有某种特征的节点称为特征点 两枚 指纹经常会具有相同的全局特征 但它们的局部特征 特征点 却不可能完全相同 指纹纹路并不是连续的 平滑笔直的 而是经常出现中断 分叉或打折 这些断 点 分叉点和转折点就称为 特征点 就是这些特征点提供了指纹唯一性的确认信息 指纹上的节点有四种不同特性 1 特征点的分类 有以下几种类型 最典型的是终结点和分又点 终结点 e n d i n g 一条纹路在此终结 分叉点 b i f u r c a t i o n 一条纹路在此分丌成为两条或更 多的纹路 分歧点 r i d g ed i v e r g e n c e 两条平行的纹路在此分丌 孤立点 d o to ri s l a n d 一条特别短的纹路 以至于成 为一点 首都经济贸易大学硕士研究生学位论文 指纹识瓢技术的研究墨应用 环点 e n c l o s u r e 一条纹路分开成为聪条之后 立即又 合势残为 条 这稃形成懿一个小舔称为环熹 短纹 s h o r tm d g e 一端较短但不至于成为一点的纹路 2 方囱 o r i e n t a t i o n 节点可以朝着一定的方向 3 益率 c u r v a t u r e 黧述纹蓬方淘敬交熬速凄 4 位置 p o s r i o n 节点的位置通过 x y 坐标来描述 可以是绝对的 也可以是相对于三角点或特 征点的 1 5 特征提取 原始指纹图像经预处理后得到的是一幅细化的二值图像 下一步要做的工作就是 对缝纯蘑豹圈像透l 亍特征提取 餐蠲可敬识别不闻爨纹弱关键特援 将缝握取可分为以 下三个步骤 1 定位 指纹定位是正确识别指纹的必要措施 任何的扭摆 错位都会造成谈判和错判 霉爱瓣巍耱臻绞定位方法是人工定位葶羹耋动定经法 这至采瑙人工查对指纹象遘圣 垂戆一 套规则 例如三角点的确定 进行人工定位 实际上 这项工作在指纹摄八时就已经进 行了 按骶输入指纹三楚点鲍个数进行定位 有三种情况 指纹有一个三角点 一个以 上豹三角点或没有 它们分嗣与久工分类所定义鹃箕 斗帮譬整指纹穗对纛 透过输入 监视器 操作者按照某种规则与输入指纹的三角点及点中心点相匹配 就可以迅速 准 确的定位给定指纹 并由输入程序把该指纹图像送到计算机中 自动定位则由计算机确 定楣应款三角点及中心点 著经避透当的乎移与旋转 达到甄聚定位的爨戆 2 特缎选取 模式识别指的鼹对图形中关键特征的识别与匹配 我们知道指纹的局部特征共有 1 2 种 赢接对所有特征进行识别跫相当困难的 经过分析最终把端点 分叉和方向数 俘为识嗣懿特短 首都经济蟹易夫学联士辨突生学垃论文拯绞谖剜技拳瓣磺究与应震 3 特征提取 指纹图像的特征提取是按区进行的 即先将图像划分为若干个区 每个区确定袭 于令游缝 然嚣蕤霹滋蘑每令区豢接透露特薤撵取 送豹数鬣疆定位黪精确痰及楚理豹 效果而定 一方面 区的数量不窳过多 否则一旦定位误麓较大 就会引溉各区参数混 乱 造成误判 当然 也不宜过少 它可造成熬个系统的识别率下降 例如 假定划分 失8 令嚣 每个区平均有1 2 个特缝 则可分凄1 2 3 个蕈一确定戆 蓦纹 菪划分3 2 令送 尽管每区的平均特征个数减少 如4 个特征 但仍能分出43 2 个单一确定的指纹 而 43 2 1 2 8 毯域确定岳 如捌分为3 2 个区 每区豹端点积分叉鹩特征数之和约为三个 据 此 在理论上可分出3 个单一确定的指纹 游再加上每区的累加方向数 就足以满足 一般撂纹识裁的要袋 把各区黪姆挺量按序梭成 据绞字 嗣酷表程给定撂纹 著以 瑟作为对指纹库进行检索的基本攀位 1 6 特征比对的分类 人工艮对一般怒婚据纹分或弓型 箕型耱饕黧三耱基本类型 然蜃对每一类霉进行 细分魄对 但计算税难强根据指纹的这静全局特征进行分类与魄对 指纹强动识剐系统 一般采用两级t e 对法进行指纹t e 对 1 全扁比对 鑫撩佟者逶过入援会话告诱诗算惑跨谖爨 舞绞是餐耱绞黧 壤魏跫弓麓 箕型还怒 斗型 这实际上是根据指纹的这种全局特征进行分类与比对 指纹自动识别系统一般采 用两级比对法进行指纹比对 1 弓型 平弓型 p l a i n a r c h 帐弓型 可以模仿人的神经系统的动作过稷 以达到识别分类的目的 人工神经网络区别于其他 识别方法的最大特点是它对待识别的对象不要求有太多的分析与了解 具商一定的智能 化处理的特点 4 句法结籀模式谈嬲方法 句法结构模式识别着眼于对待识别对象的结构特征的描述 它将一个识别对象看成 是一个语言结构 例如一个句子魑由单词和标点符号按照一定的语法规则生成的 同样 一个图像是有点 线 露等基本元素按照一定的攫剩梅成鲍 副孝厅这些基本元素 看它 们是以什么觏剿构成图像 这些蘩本元素相当予旬子中豹革涌 它们如何掏成图像藏确 当于语法规则 此时 图像识别就相当于检查图像所代表的菜一类句型是否符合事先规 定的语法 如果语法 f 确就识别出结果 在上述4 静方法中 统诗模式识囊是最经热豹分类鼋袋澍方法 在鹜缘貘式谖剐中巍 着非常广泛的应用 并且其结栗缀常用作评价篡他识别方法的参照对象 模糊识别和人 工神经网络识 n n 是近些年发展勰来的识别方法 是许多从搿模式识别方法研究人员的 研究羹点 句法模式识别立足于图像的结构进行识别 需要将图像进行分解 提取基元 麴整绞 矩形 环 并将萋元按照德识剐对象懿结稼矮鬟l 去疆藏一个模式 在谖猁 过程中极易受到随机噪声的干扰 而且目前的图像处理算法在实现句法模式识别所要求 的图像分解及基元的摄取上有一定难度 因此 句法模式识别在图像识别中的实用性避 有待键衰 2 3 统计模式识别法 一幅图像可以反映其所包含的物体的光谱信息和空间信息 或者说 图像是通过像 元荻黢馕蛇差舅及空越分布米表示不同地物的蒺买鲶 同一类甥落在相麟靛环境条件下 臼 神缝嘲络的应用与实现 西安电了科拽大学1 9 9 3 1 首都经济贸易大学硕士研究生学位论文指纹识别技术的研究与应用 应具有相似甚至相同的光谱和空间特征 表现为其灰度值比较接近 空间特征 形状 大小 纹理 比较一致 这是对图像进行模式识别的物理依据 图像的模式识别就是指在对图像中各类物体的光谱和空间信息进行分析的基础上 通过特征提取得到可以表征不同物体的特征向量 这些特征向量可将特征空间划分为互 不重叠的子空间 每个子空间对应一类物体 然后将每个像元依据一定的判别规则划 归到某一子空间 下面给出统计模式识别的一般过程 1 图像统计模式识别的一般过程 统计模式识别的过程一般可以分为两个阶段 如图2 1 所示 分析 识别 原始图像广 1 样本选取广 1 特征选取广 1 统计分析 数字图像广 1预处理广1 特征提取广 1 决策分类 图2 i 统计模式识别过程 1 分析阶段 在此阶段 需要确定分类的目标 即一幅图像包含多少类物体 然后为每一类物 体选取一定数量的像元作为样本数据 在对样本数据的分析基础之上 通过特征选择得 到可以区分不同类别物体的特征向量 每一向量就是一个模式 2 识别阶段 在识别阶段 首先要做的工作就是对图像进行增强 滤波等预处理 是原始图像 可以最大程度地表征待识别对象的光谱和空间信息 然后对图像进行特征抽取 将得到 的特征向量依据分析阶段产生的各个类别的模式进行判决分类 匹配 确定其归属于 哪一个模式 类别 在统计模式识别中 有两个关键问题 一是特征抽取 二是分类判别函数 特征 抽取应该选择反映该类物体本质的特征 并且数量要尽可能少 特征太多会失去特征抽 取的意义 而如果特征太少以至于不能够反映该类物体的本质 则据此特征进行的分类 识别过程就会产生错误 有了特征向量 就需要判别函数去判定它属于哪一类别 判别 函数选取错误就会直接导致分类错误 选取判别函数的关键在于如何确定两个不同类别 物体间的边界的确切值 2 贝叶斯分类法 从上面的分析可以看出 统计模式识别方法最终归结为分类问题 贝叶斯分类法 是统计模式识别分类中最重要 最常用的一类方法 也是学习其他分类方法的基础 贝 叶斯分类的理论基础是概率统计理论 下面先介绍贝叶斯分类的基本原理 1 贝叶斯分类的判别原理 贝叶斯分类是建立在古典概率中的贝叶斯定理基础上的 由概率论知识可知 贝 叶斯公式为 首都经济贸易大学硕士研究生学位论文指纹识别技术的研究与应用 p 爿 善螋 2 1 p 慨 p w 目 式中 b b b 是n 个互不相容的事件 p 是事件e 出现的先验概率 e a 8 表示事件a 在事件e 出现条件下的条件概率 式 2 1 表明 在事件e i 1 2 n 的先验概率及事件a 的条件概率尸 e 已知的情况下 可以计算出事件a 发生时 事件 巨出现的归属概率p b a 图像可以看作是符合一定规律的一个随机分布 每个像元作为一个随机变量只能 属于某一个类别 所以类别可以看作是n 个互不相容的事件 因此对图像的每个像元 实 际是对其灰度值 进行分类时可以应用贝叶斯公式 为了与国内外文献中统计模式识别 所采用的符号保持一致 用曲 代替e 用x 代替a 则式 2 1 改写为 p 如 爿 掣掣学士 2 2 p 妇 p x o 式中 i l 2 n 表示分类目标 即所有类别 x 表示待分类像元的灰度值或经 过特征抽取后得到的特征值 在一般的多维图像中则是由特征值构成的特征向量 这 样 式 2 2 在模式识别中的意义就非常明确 p 如 表示类别i 在图像中出现的先验 概率 不失一般性 所有类别的先验概率之和为1 p 别 表示在类别i 中x 出现的条 件概率 在先验概率和条件概率已知的情况下 可以计算出像元x 归属于每一类别的 概率p 白 x 显然 p 如 z 越大 像元x 属于类别q 的概率就越大 因此e c o x 也称归属概率 基于贝叶斯公式的图像分类的判别规则可用下式表示 如果 p b f x l m a x p c o i 拟b 2 3 则有x 甜 上式表明 在由式 2 2 求出像元x 属于每个类别棚 的归属概率后 取 相应的归属概率最大的类别为像元x 的类别 2 贝叶斯分类的具体实现 线性判别分类 由式 2 2 可知 p 的计算需要先验概率和条件概率 先验概率p 很容 易得到 一般可以通过对图像的目视评价或经验知识得到 而条件概率的计算则比较复 杂 在假定图像中所有1 1 个类别服从正态分布的情况下 可由下式得到 首都经济贸易大学硕士研究生学位论文 指纹识别技术的研究与应用 p 队 2 两齑唧 一拉圳公 叫 弦 式中 i l 2 一n 且4 为类别q 的均值向量 为类别q 的协方差矩阵 i 1 为其逆 矩阵 l l 表示 的行列式值 m 表示参与分类的灰度图像的数目 如果各个类别 的协方差矩阵相等 而均值向量不同 则式 2 4 可以改写为 p 戈 甜r 2 赢e x 一 一三 z m r y 1 x 一 c s 式 2 5 中的前半部分 1 2 玎 帕l 1 啦 是与类别无关的常量 可用c 来表示 则式 2 5 可以改写为 j d q ce x pj 一 口一m 7 1 留一m l 2 6 将式 2 6 代入式 2 2 中就可以求出归属概率p 0 x 从式 2 2 可以看出 其 分母部分是一个与类别无关的常量 只要分子最大 归属概率就最大 因此式 2 2 所表示的归属概率计算公式可用下面的与其等价的式子表示 p 0 x p 如 p x o 2 7 实际应用中 为了简化计算 一般都采用式 2 7 的对数形式 尸 m x i n p o l n p 驯 i n p c o 1 n c 一 伍一m 7 伍一m 2 8 式 2 8 中最后一项可以展开如下 一寺伍一m 7 一m 一一寺 7 戈一x 7 m m j x m m 一 扛7 1 x 一2 x7 m m m 2 9 式中x7 x 也是与类别无关的常量 将式 2 9 代入式 2 8 并将x7 一1 x 和l n c 这两个无关项去掉后 式 2 8 变为 p x i n p c o 7 1 m 一去a 卵 一m 2 1 0 可以看出 这是一个线性判别函数 因此 通常将各类协方差矩阵相等 而各类均值向 量不同的贝叶斯判别分类称为贝叶斯线性判别分类 式 2 1 0 称为贝叶斯线性判别公 营帮缝济爨暴大学疆士磺究生学经论文 撵纹谖裂拄末熬磷究每建愿 式 特别地 如果各类的先验概率p 0 完全相等时 式 2 一l o 可进一步简化为 1 p 妇 弘 x 7 m 一寺u x 馘 2 1 1 二 将其代入式 2 3 可以得到图像的贝叶斯线性剡别规则 3 贝叶斯非线性判别分类 懿鬃参与分类豹务个类爨酶秘方差矩阵不樱等 则梵辩戆煲咛赣判别分类穗为 线 性翔澍分类 贝叶灏非线性判剐分类的对数形式的归属概率计算公式为 p 幻 l n 户如 i 1l n l l 百1 x m 7 i 1 伍一m 2 1 2 式中各符号静意义因式 2 4 可以看出 无论怒贝时斯线髓剿别分类 遴是非线性判潮分类 其关键都是式 2 4 中各个类别均值向缴和协方差矩阵的计算 在实际应用中 一般无法直接确定每一类别 的均值向量和协方麓矩阵 因此通常通过选取训练样本的办法解决 具体做法是 首先 在特分类豹銎像上为每一类剿选毅一定数量弱谢练样本 嚣域 然爱绞诗各类裂样本 的均值向量和协方麓矩阵 并将其作为各类的均值向量和协方差矩阵参与条件概率的计 算 由于条件概率的计算需要各类的协方差矩阵 因此 贝叶斯分类一般邋合于多维 波 段 图像的识别与分类 单一的灰度图像由于无法计算协方戆矩阵导致无法获取各类的 条 串獭率 获磊无法应嗣灸甘颧爨裁公式遂孳亍分类 豫菲各炎静条件藏率滠数可良逶过 其他途径 如估算 得到 4 贝叶斯判别分类的一般过程 穰瀑蘸述分聿厅秘贝时颠分类艘则 式2 3 可以看出 嶷嗣炙时款公式遂零亍整像的 分类识剐需要以下三个已知条件 i 参与分类的淡型数已经确定 i 各个类别搿 的先验概率p 已知 i i i 各个类剐的条件概率密度函数p 搿 已知 其中前两个条件比较容易确定 类别数可以根据目视判读或专家知识得出 先验概 率一般也可以通过上述方法得到 有时先验搬宰还可以取平均数 即 p 晒 一三 2 1 3 舸 1 1 为类别数 一般要求所有炎别的先验概率之和为l 箫三个条件在简单情况下也 可以邋造专家经验获取 一般谤况下 可以由式 2 1 0 或 2 1 2 德到 这裁需要知 道各类麴均 壹商量蠲协方差矩簿 圆魏瘟焉强时斯公式进行辫豫劳类翡一般过程为 i 确定类别总数和各类的先验概率 i i 确定各类的训练样本 一般情况下 可以通过屏幕勾绘或掩膜处理得到 l l l 计算各类的均鏖囱量蒡鞋协方差矩阵 应溪式 2 一1 0 竣 2 1 2 建立判裂丞数 f v 根据判剐函数对图像进行分类 将每 像元的获度值向量 或经特征抽取后的 首都经济贸翕大学硕士料究生学位论文撂缀识魏技术的研究鸯农甩 特征向最 x 代入判别公式进行计算 找出归属概率p 国 中最大的一个 将相应像 元判魉为第i 个类别 上瑟奔缮我受时颊分类公式怒潋穰率论麓蒸疆 薅稼元翎分委可能 雯簸大 郅翅耩 概率最大 的一个类别 故称之为最大似然判决 按照这样的划分 分类的错误概率魁 最小的 但即使这样 也会出现错误 换句话说 判决像元x 属于哪一个类别都要有 一定懿风险 但是刿决x 归为不瓣类别静代价秘风险是不阉鳇 毒的划分风险大一些 而有的翊分风险裁小一些 鼠这个角度诱 希窳将x 翅分大风险系数爨小的那一类 这样的判决规则称之为最小损失的贝叶斯判别方法 由于其计算复杂 很少使用 2 4 模糊分类 鬻蕊的分类方法观定一个像元只能属于 个类掰 铡鲐强对颠分类幸葭据像元飘耩予 各个类别的概率的大小 将其归为概率最大的炎别 这样的判决规则可以保证分类的错 误概率很小 但是仍然存在一定的风险 考虑一个特殊情况 假如某个像元从属于类别 a 翻类剐b 数壤率镶完全程等 藏蠹相差篓鬻小 这时 贝盱蘩分类只戆游其归为其 中一个类剐 但无论归为哪一个类别 所存在的风险 所付出的代价 都是非常大的 这就表明将一个像元仅仅划归为某一个类别的方法存在非常大的局限性 对图像的具体 分析也正说明了这 点 一幅图像可能包含多个物体 每个物体都由许多像元构成 戮 鼗稳 令像元只舞为菜一个类副 耱蒋 是有一定蔹摇翡 餐是 在两个貔体戆交赛娥 情况就会变得比较复杂 由于成像过程和数字化过程中分辨率及其它因索的影响 图像 中物体边缘处的一个像元可能包含了两个物体的信息 换句话说 这个像元的左半部分 可能怒一个物钵鳇一部分 右半部分霹能是另一个物体的一部分 这秘缀元穆为混合缘 元 倒弼 一个混合像元的大小为3 0 3 0 米 钮含水塘 土路帮稻田三萃申类型 对予 混合像元 就不可能将其明确地归为一个类别 因为它包含了两个 多个 物体的信息 其灰艘俊是多个物体辐射能量的菜种组合 应该将其按照某种规则划分到蕊个或多个类 别中 横凝分类裁怒这样一静援零 它谈为一令像元是霹分黪 鞠一个像元霹强在菜耪 程度上精于一个类剿 而在另一羊申程度上属于弼 个类别 这种程度需要通过模糊数学 中的隶属函数来表示 下面首先介绍模糊分类的数学基础 然后对模糊分炎的具体实现 进行介绍 1 蒺濒分类夔数学蒸醚 模糊分类是建立在模糊集合论和模糊逻辑蘩础上的 模糊集合是相对于普通集合来 讲的 酱通集合论中 元素x 与集合a 的从属关系是绝对的 要么x 属于a 要么x 不属于a 这是一耱二值逻辑 蕊在模糊集合中 元素x 与浆舍a 的从潺关系则不怒 简单魏楚与不是静二德关系 x 与a 的簸藩关系 可甭一个稼之为隶属关系的函数亲衡 量和表示 假定被讨论的全体对象叫做论域 记为x 论域x x 上的 个模糊集合a 的 袁矮溺数 f z 可以反映x 中饪 元素x 对a 瓣袁霆程疫 缸 戆取壤菠爨为 0 l 首都经济贸易大学硕士研究生学位论文指纹识别技术的研究与应用 其值越大 表明x 从属于a 的程度越高 反之 u z 的值越小 则表明x 从属于a 的程度越低 例如 若a 表示 老年人 这一模糊集合 一般认为 人超过6 0 岁便属 于老年人 即a x l x 6 0 则a 的隶属函数可用下式表示 t x 可 2 1 4 1 f 1 l x 一6 0 式中x 6 0 表示年龄大于6 0 岁的人 如某人年龄为6 5 用x 6 5 代入上式有心 6 5 o 5 若某人的年龄为7 0 则有心 7 0 o 8 表明年龄为7 0 的人从属于老年人这一模 糊的集合的程度比年龄为6 5 的人从属于这一集合的程度高 假定论域x 上有1 3 个模糊集合a i a 以 分别表示n 个模式或类别 则任一元 素x 从属于模糊集合的判别规则可用下式表示 f x m a x x x x 2 1 5 即x 从属于隶属函数最大的一个类别 上式说明应用模糊理论进行分类的关键是隶 属函数的确定 如何合理地确定隶属函数 目前并没有统一的规则 实际应用中 主要 依靠人们对待识别类别 对象 的经验知识确定隶属函数 上述老年人模糊集合隶属函 数的确定便是一例 2 模糊分类的具体实现 应用模糊集合对图像进行分类的关键是确定每一类别的隶属函数 不同类型的图 像 其隶属函数的计算也不尽相同 一般要根据具体的应用目的和专业知识确定 应用 模糊集合对图像进行分类比较成功的范例是对遥感图像的分类 遥感图像模糊分类