倪 偉(1江西科技師范大學(xué), 南昌 330013;2 桐城望溪高級(jí)職業(yè)技術(shù)學(xué)校,安徽 桐城 231400)
指紋圖像識(shí)別技術(shù)的研究
倪偉1,2
(1江西科技師范大學(xué),南昌330013;2桐城望溪高級(jí)職業(yè)技術(shù)學(xué)校,安徽桐城231400)
指紋具有無法冒用、不怕遺失的特點(diǎn),有著個(gè)體特征不變性和唯一性。指紋識(shí)別技術(shù)一直處在不斷的研究和改進(jìn)之中。
指紋預(yù)處理;特征提取;特征匹配
隨著現(xiàn)代社會(huì)的發(fā)展,安全已成為一個(gè)主要的考慮。指紋因其不可復(fù)制的特點(diǎn),是一種不可替代的身份識(shí)別手段。近年來,指紋的自動(dòng)識(shí)別和認(rèn)證已成為當(dāng)下熱門的模式識(shí)別方向。指紋信息的處理及其在身份識(shí)別上的應(yīng)用,已廣泛應(yīng)用于銀行,保險(xiǎn),公安,門禁,考勤等方面。
指紋識(shí)別系統(tǒng)包括指紋圖像的采集,預(yù)處理,特征提取以及特征匹配等。其中,預(yù)處理在指紋識(shí)別中起著非常重要的作用,由于壓力,變形,在場(chǎng)的污漬和其他噪音的影響,導(dǎo)致預(yù)處理上的指紋識(shí)別系統(tǒng)的準(zhǔn)確性和可行性直接受到影響??臻g區(qū)域中的圖像預(yù)處理,也可以在頻域?qū)崿F(xiàn)。有很多成熟的前處理方法。特征提取是則是通過合適的算法提取出能夠體現(xiàn)圖像明顯特征的參數(shù)和數(shù)據(jù)。特征匹配則通過將采集數(shù)據(jù)和數(shù)據(jù)庫中的指紋信息進(jìn)行比較,從而進(jìn)行確認(rèn)。
2.1指紋圖像預(yù)處理概述
指紋識(shí)別的預(yù)處理過程由分割、二值化、細(xì)化這幾步組成。分割就是把原始灰度圖像的感興趣區(qū)域和背景區(qū)域分離開,感興趣部分包含著脊線和谷線的清晰區(qū)域分割操作能有效地去除部分噪聲,使后續(xù)處理更加簡(jiǎn)便,所以分割是預(yù)處理的第一步?,F(xiàn)有的指紋圖像分割方法大都是根據(jù)指紋圖像灰度的統(tǒng)計(jì)特征(如方差、均值)設(shè)計(jì)算法的。
2.2分割
指紋圖像,往往不是完全充滿指紋,常混有一定的背景噪音,所有有必要進(jìn)行圖像的分割,從而減少預(yù)處理的區(qū)域,提高圖像信息的抗干擾性。圖像分割的質(zhì)量直接關(guān)系到后續(xù)特征的提取和識(shí)別的精確度。
2.3二值化
圖像分割后需要對(duì)圖像進(jìn)行二值化處理,按照某個(gè)設(shè)定的閥值,將圖像像素值轉(zhuǎn)換成“1”或“0”。通常采用局部閾值自適應(yīng)二值化算法。該算法利用指紋的脊線和谷線寬度的特點(diǎn)大致是二元化的黑色和白色像素相同數(shù)目應(yīng)該大致相同的特點(diǎn),來進(jìn)行二值化處理。
2.4細(xì)化
二值化后的指紋圖像,脊線仍具有一定的寬度。而指紋識(shí)別只和紋線的方向有關(guān),無需考慮其厚度。所以從減少數(shù)據(jù)量和提高識(shí)別精度的角度考慮,有必要對(duì)指紋圖像進(jìn)行細(xì)化處理。細(xì)化的原則就是要保持紋線連接性、方向性以及中心位置等特征的不變。
傳統(tǒng)的圖像細(xì)化算法,會(huì)帶來明顯的脊吞噬現(xiàn)象或骨骼位置偏移現(xiàn)象,效果不是很好,因此需要進(jìn)行算法改進(jìn)。本文在OPTA細(xì)化算法的基礎(chǔ)上進(jìn)行改進(jìn)。改進(jìn)后的算法應(yīng)用于細(xì)化時(shí),與原始圖像對(duì)比,顯示了叉脊線的特征信息,并連接基本上保留了點(diǎn),但它也帶來了一些偽特征點(diǎn),而這些偽特征點(diǎn),大多在噪音區(qū)??梢苑珠_處理,以減少偽特征點(diǎn)后去噪。
指紋圖像的提取關(guān)鍵在于偽特征的過濾。因此需要對(duì)空洞、毛刺、絞線、斷脊等偽特征能夠進(jìn)行較好的判斷及濾除。
偽特征點(diǎn)的濾除步驟如下:
(1)選取半徑為R的領(lǐng)域,假設(shè)領(lǐng)域內(nèi)包含M個(gè)特征點(diǎn)。比較這M個(gè)特征點(diǎn)的關(guān)系是否和真特征點(diǎn)的標(biāo)準(zhǔn)相一致。一致則為真特征點(diǎn),予以存儲(chǔ),否則作為待濾除的特征點(diǎn)進(jìn)行下一步分析。
(2)對(duì)交叉點(diǎn)和端點(diǎn)進(jìn)行分析。在端點(diǎn)分析時(shí),考慮領(lǐng)域內(nèi)的M個(gè)特征點(diǎn)時(shí)候存在斷脊及短線等偽特征(真特征是沒有的)。如果檢測(cè)到存在斷脊或短線,則先進(jìn)行短線的刪除,然后接著刪除掉斷脊,從而實(shí)現(xiàn)偽特征的刪除;在進(jìn)行分叉點(diǎn)分析時(shí),則是分析M個(gè)點(diǎn)中,是否包含有孔洞和毛刺等結(jié)構(gòu)特征。如果存在其中一種,則為偽特征。要先進(jìn)行毛刺的刪除,其次刪除孔洞,最后是濾除叉連。
(3)經(jīng)過前面兩步驟的處理后,如果還存在較多數(shù)量的特征,并且數(shù)量在50個(gè)以上,則表明指紋圖像中存在較多的干擾信息,從而導(dǎo)致偽特征過多,難以濾除。在這種情況下,則需要采用遍歷各特征點(diǎn)的辦法,對(duì)距離很近的特征點(diǎn)予以刪除,值得達(dá)到標(biāo)準(zhǔn)為止。
基于特征點(diǎn)的模式被認(rèn)為是普遍采用的一種特征匹配方式。通過提取指紋圖像的特征點(diǎn),將指紋圖像轉(zhuǎn)換成一系列的點(diǎn)集。再將指紋圖像匹配轉(zhuǎn)換為兩組點(diǎn)集的一致性問題??紤]到指紋信息在采集的時(shí)候是按某一方向和力量錄入的,對(duì)應(yīng)的數(shù)據(jù)存入了指紋識(shí)別系統(tǒng)中的存儲(chǔ)區(qū)域。而當(dāng)再次驗(yàn)證指紋時(shí),由于指紋按下的方位和力度往往和指紋圖像錄入時(shí)不一樣。因此,在進(jìn)行指紋圖像信息匹配時(shí),需要將采集到的指紋的特征點(diǎn)集進(jìn)行旋轉(zhuǎn)、展縮等各種變化,以便和數(shù)據(jù)庫中的原始指紋信息進(jìn)行良好的匹配,而避免誤動(dòng)作。這一點(diǎn)當(dāng)然是圖像匹配的難點(diǎn)所在。
因此在圖像匹配時(shí),需要對(duì)每一個(gè)細(xì)節(jié)點(diǎn)信息進(jìn)行處理和配比,包括方向特征(一般考慮脊線方向),端點(diǎn)特征以及分叉點(diǎn)特征等。然后結(jié)合奇異點(diǎn)、脊線等表征出來的信息綜合考慮。在進(jìn)行具體的細(xì)節(jié)點(diǎn)匹配時(shí),要通過選用的算法,對(duì)各細(xì)節(jié)點(diǎn)之間的幾何關(guān)系進(jìn)行計(jì)算,從而對(duì)細(xì)節(jié)點(diǎn)之間的等同關(guān)系進(jìn)行判斷。有點(diǎn)圖像匹配算法,在進(jìn)行細(xì)節(jié)點(diǎn)匹配時(shí),會(huì)計(jì)算出一個(gè)最大似然概率P,當(dāng)P的值較大,說明匹配度高,匹配雙方更為接近。然后找出P值最大的進(jìn)行最終的成功匹配;還有一種算法是采用閥值來實(shí)現(xiàn)指紋信息的匹配。只要細(xì)節(jié)點(diǎn)之間的差異程度在預(yù)設(shè)的閥值范圍內(nèi),則認(rèn)為配對(duì)成功,否則配對(duì)失敗。
這種細(xì)節(jié)匹配的核心在于引入了限界盒的概念,傳統(tǒng)的匹配中的限界盒是固定大小的。為了提升匹配的精確度,本文采用了可變大小的限界盒。這樣就可以擴(kuò)大細(xì)枝末節(jié)的匹配準(zhǔn)確度??梢哉f由于指紋圖像呈現(xiàn)的非線性,導(dǎo)致了細(xì)節(jié)匹配也應(yīng)該采用這種非線性的限界盒方式,從而確保匹配的準(zhǔn)確度。另外,指紋特征匹配的過程中,如何選擇一個(gè)可靠的參考點(diǎn)也是非常重要的。如果將所有可能的點(diǎn)都分別作為參考點(diǎn),勢(shì)必會(huì)加大計(jì)算量。
信息社會(huì)的發(fā)展和技術(shù)的進(jìn)步,更加高安全性的身份識(shí)別技術(shù)已經(jīng)變的越來越重要,指紋識(shí)別正以其處理高速、采集方便和準(zhǔn)確性高的優(yōu)點(diǎn),被廣泛的應(yīng)用于各類場(chǎng)合。
[1]吳建明,施鵬飛,周洋.指紋特征匹配方法測(cè)量和控制技術(shù)[Z].2002,21(05).
倪偉,中教一級(jí)職稱,信號(hào)與信息處理專業(yè)碩士在讀,從事制冷與空調(diào)調(diào)試、信號(hào)處理相關(guān)教學(xué)及科研工作。