丁 錳， 易 瑤， 康艷榮

(1.中國人民公安大學刑事技術(shù)學院，北京 100038;2.清華大學，北京 100084;3.公安部物證鑒定中心，北京 100038)

0 引言

基于細節(jié)點特征的指紋識別技術(shù)已經(jīng)廣泛應用在指紋識別系統(tǒng)中，但隨著指紋數(shù)據(jù)庫容量的飛速增長，細節(jié)點特征提供的信息量已經(jīng)越來越難以滿足實際公安工作的需求。三級特征的引入，使得指紋圖像中大量被現(xiàn)有識別技術(shù)所忽略的信息能夠被利用，從而增大指紋之間的區(qū)分度，因此受到了不少關(guān)注。三級特征有很多種，其中汗孔是一種非常常見同時又具有較好可靠性的特征，因此在很多文獻中都是主要的研究對象。本文將從汗孔特征的提取和應用兩方面進行較為詳細的介紹。

1 汗孔特征的提取

汗孔特征的提取可以分為兩大類:基于骨架跟蹤的方法和基于濾波的方法。早期文獻中［1-4］采用的多是骨架跟蹤的方法，此類方法首先對指紋圖像進行骨架化處理，然后跟蹤紋線骨架，當跟蹤過程中滿足某種預設(shè)的標準時，則認為出現(xiàn)了一個汗孔特征。骨架化方法的計算量很大，并且對噪聲非常敏感，因此在使用這種方法提取汗孔特征時，只有當圖像分辨率很高并且質(zhì)量很好時才能得到比較好的結(jié)果。在骨架化方法之后，研究熱點逐漸轉(zhuǎn)至對圖像質(zhì)量和分辨率要求更低的提取方法:濾波方法。濾波方法中使用的典型的模型包括三個各向同性濾波模型:Jain 氏模型［5］、Ray 氏模型［6］、DoG(高斯微分)模型［7］，以及一個各向異性濾波模型。

A.K.Jain等人發(fā)現(xiàn)在汗孔處會有很高的負頻率響應，因此利用墨西哥帽小波變換提取汗孔［5］。在這種方法中，墨西哥帽小波實際上就是汗孔模型。

M.Ray等人基于改進的二維高斯函數(shù)模型提出了一種濾波算法［6］。這種算法首先計算指紋圖像的誤差圖，其計算方法如下:對于指紋的每個像素，根據(jù)改進的二維高斯函數(shù)模型得到其周邊的模型像素灰度，計算此灰度值與原圖中對應像素灰度值的差值的平方并求和。最后設(shè)定閾值對誤差圖進行二值化，就可以留下存在汗孔可能性大的區(qū)域。

N.R.Parsons等人的方法是利用帶通濾波器探測指紋圖像中的圓形特征。這種方法假設(shè)汗孔是指紋圖像中的圓形物體，并利用DoG濾波器進行探測［7］，但并沒有考慮不同指紋圖像中汗孔大小的變化，而僅僅采用一種尺寸進行濾波。Qijun Zhao等人對此模型進行了改進，改進的方法根據(jù)指紋圖像不同區(qū)域中脊線周期的不同來定義不同大小的DoG濾波器，使得此模型能夠適應不同尺寸汗孔的變化。

上述三種模型均將汗孔視為各向同性的物體，而Qijun Zhao等人認為，汗孔在一些情況下可能是各向異性的(圖1)，并且汗孔大小也有不同，因此建立了動態(tài)的各向異性汗孔模型［8］。

此模型用方向和大小兩個參數(shù)控制濾波器，使濾波器模型對各向異性和不同大小的汗孔具有一定的適應性。

圖1 汗孔在打開(呼吸)狀態(tài)下的形狀

2 汗孔特征的應用

將汗孔特征應用于指紋識別與細節(jié)點特征一樣，主要是在配準和匹配兩個階段。在配準階段，首先找出模板圖和查詢圖中的幾組控制點(即對應的特征點)，通過這些控制點得到這兩幅圖之間的變換關(guān)系，從而可以校正由于平移、旋轉(zhuǎn)、畸變等帶來的影響;在匹配階段，比對經(jīng)過配準后的兩幅圖的相應點，如果其距離滿足一定的條件，則認為這一組點匹配，根據(jù)匹配點數(shù)與不匹配點數(shù)最終得到兩幅圖的匹配分數(shù)。

A.K.Jain 等人在文獻［9］中，首先利用細節(jié)點進行指紋配準，然后尋找匹配的細節(jié)點對。如果匹配的細節(jié)點對不足12對，則進入三級特征匹配，選取的區(qū)域是已經(jīng)匹配的細節(jié)點對周邊的矩形區(qū)域，匹配算法為迭代最近點算法。此算法可以補償指紋的非線性形變，同時適用于模板圖像和查詢圖像的特征點數(shù)量不同的情況。匹配的汗孔對之間的平均距離被用作匹配分數(shù)參與最后的融合決策。

Qijun Zhao等人認為A.K.Jain的方法中，三級特征的匹配依賴于細節(jié)點匹配的結(jié)果，二者不能解耦，不利于二級特征與三級特征匹配的融合，因此提出了一種汗孔直接匹配算法［10］。這種方法首先對所有的汗孔建立一個旋轉(zhuǎn)不變的、歸一化的描述符，然后利用汗孔的描述符直接進行粗匹配。粗匹配之后，再利用RANSAC算法剔除粗匹配中的錯誤結(jié)果，最后得到一個獨立于細節(jié)點的汗孔匹配分數(shù)。

Mayank Vatsa等人直接進行細節(jié)點和汗孔位置的融合，并以此進行指紋識別 。作者首先對細節(jié)點進行Delaunay三角劃分，劃分出來的每個三角形都作為一個細節(jié)點組，對每個細節(jié)點組及其內(nèi)部的汗孔，構(gòu)建一個新的超矢量，這個超矢量包括三角形內(nèi)角余弦平均值、三角形的方向、細節(jié)點平均密度、邊長比、細節(jié)點與汗孔的最大最小距離、脊線平均寬度等矢量或標量，指紋的識別就基于這個超矢量進行。

可以看到，在汗孔特征的應用方面，研究還進行得比較少，需要更多更深入的研究。

3 總結(jié)

指紋識別技術(shù)由于其本身的技術(shù)優(yōu)勢和在公安工作中的使用背景，將會在生物特征識別領(lǐng)域繼續(xù)發(fā)揮重要作用。隨著現(xiàn)代社會對識別精度越來越高的要求，以及高分辨率指紋采集儀的出現(xiàn)，汗孔特征將在指紋識別中發(fā)揮越來越重要的作用。如何更準確更快速地提取指紋的汗孔特征以及如何更有效地利用汗孔特征，都是亟待更加深入研究的課題。

［1］ RODDY A R，STOSZ JD.Fingerprint features-statistical analysis and system performance estimates［J］.Proceedings of the IEEE，1997，85(9):1390-1421.

［2］ STOSZ J D，ALYEA L A.Automated system for fingerprint authentication using pores and ridge structure［C］∥SPIE's1994 International Symposium on Optics，Imaging，and Instrumentation.International Society for Optics and Photonics，1994:210-223.

［3］ KRYSZCZUK K，DRYGAJLOA，MORIER P.Extraction of level 2 and level 3 features for fragmentary fingerprints［C］∥ Proceedings of the 2nd COST275 Workshop.2004:83-88.

［4］ KRYSZCZUK K M，MORIER P，DRYGAJLO A.Study of the distinctiveness of level 2 and level 3 features in fragmentary fingerprint comparison［M］∥Biometric Authentication.Springer Berlin Heidelberg，2004:124-133.

［5］ JAIN A，CHEN Y，DEMIRKUS M.Pores and ridges:Fingerprint matching using level 3 features［C］∥Pattern Recognition，2006.ICPR 2006.18th International Conference on.IEEE，2006，4:477-480.

［6］ RAY M，MEENEN P，ADHAMI R.A novel approach to fingerprint pore extraction［C］∥System Theory，2005.SSST'05.Proceedings of the Thirty-Seventh Southeastern，2005:282-286.

［7］ PARSONS N R，SMITH J Q，Th?nnes E，et al.Rotationally invariant statistics for examining the evidence from the pores in fingerprints［J］.Law，Probability and Risk，2008，7(1):1-14.

［8］ ZHAO Q，ZHANG D，ZHANG L，et al.High resolution partial fingerprint alignment using pore–valley descriptors［J］.Pattern Recognition，2010，43(3):1050-1061.

［9］ JAIN A K，CHEN Y，DEMIRKUSM.Pores and ridges:high-resolution fingerprint matching using level 3 features［J］.Pattern Analysis and Machine Intelligence，IEEE，2007，29(1):15-27.

［10］ ZHAO Q，ZHANG L，ZHANG D，et al.Direct pore matching for fingerprint recognition［M］∥Advances in Biometrics.Springer Berlin Heidelberg，2009:597-606.

［11］ VATSA M，SINGH R，NOORE A，et al.Combining pores and ridges with minutiae for improved fingerprint verification［J］.Signal Processing，2009，89(12):2676-2685.