（信號與信息處理專業(yè)論文）基于特征參數(shù)的指紋質(zhì)量分類方法及應用研究.pdf

基于特征參數(shù)的指紋質(zhì)量分類方法及應用研究 摘要 安全隱患和信息泄露頻發(fā)使人們對身份認證平臺提出了更高的關(guān)注和需求 電子信 息技術(shù)的飛躍式發(fā)展為解決身份認證的多元化 高安全性提供了新的技術(shù)途徑和手段 生物識別技術(shù)已替代傳統(tǒng)身份認證方式成為新型身份認證平臺的基礎核心 相對于其他 生物特征 指紋更好地平衡了眾多性能指標 成為生物識別技術(shù)的首選 獲得了廣泛的 認同和應用 雖然指紋識別技術(shù)發(fā)展成熟 但是依然存在技術(shù)缺陷 自動指紋識別系統(tǒng) 還有待進一步地完善 現(xiàn)有的技術(shù)難題主要有指紋的質(zhì)量評估和控制 滑移區(qū)域檢測 形變指紋識別和潛指紋處理 其中質(zhì)量評估和控制位于識別系統(tǒng)的前端 是后續(xù)處理的 基礎 有效評價和控制指紋的質(zhì)量可以降低后續(xù)環(huán)節(jié)的處理難度 提升系統(tǒng)性能 所以 指紋質(zhì)量研究具有重要的研究意義和實際應用價值 由于指紋采集具有時變性 所以指紋質(zhì)量評價屬于無參評價范疇 同時特殊的紋理 結(jié)構(gòu)也使傳統(tǒng)評價指標不適用于指紋質(zhì)量評價 本文以指紋質(zhì)量為主要研究內(nèi)容 結(jié)合 反映指紋紋理結(jié)構(gòu)的特征參數(shù)實現(xiàn)指紋質(zhì)量分類 并將質(zhì)量分類應用于后續(xù)增強處理 中 首先 提取活體指紋圖像的全局特征參數(shù)和局部特征參數(shù) 分別利用閾值分類方法 多參數(shù)加權(quán)組合方法和k 均值聚類方法對指紋圖像進行質(zhì)量分類 通過分析比較 指出 這些算法的不足 將b p 神經(jīng)網(wǎng)絡引入質(zhì)量分類過程 提出了基于b p 神經(jīng)網(wǎng)絡的指紋 質(zhì)量分類方法 該算法在國際指紋識別競賽庫f v c 2 0 0 4d b 4 上進行了測試 通過仿真 比較 本文算法可以更加有效地建立多特征參數(shù)與主觀質(zhì)量感知之間的非線性映射關(guān) 系 分類準確率更高 其次 本文對三種經(jīng)典的指紋增強算法進行了仿真對比 結(jié)合仿 真結(jié)果分析了算法的優(yōu)缺點和適用對象 將指紋圖像質(zhì)量分類與增強算法相結(jié)合 去除 低質(zhì)指紋 根據(jù)質(zhì)量等級對指紋采取合適的增強處理方式 提升主觀視覺感知 最后 對多種指紋二值化 細化和特征提取方法進行仿真 分別采用g a b o r 增強 s t f t 增強 和本文方法對6 5 幅不同質(zhì)量指紋進行增強 并通過性能評價參數(shù)的計算和比較 進一 步驗證了質(zhì)量分類處理技術(shù)在指紋識別系統(tǒng)中的有效性 可行性 關(guān)鍵詞 圖像質(zhì)量 指紋分類 指紋增強 特征提取 基于特征參數(shù)的指紋質(zhì)量分類方法及應用研究 a bs t r a c t w i mh i 曲 e q u e n c yo fs e c u r i t yt h r e a ta n di n f l 0 咖a t i o nl e a k p e o p l ep u tf b n a r dm o r e a t t e n t i o na n dr e q u i r e m e n t st o w a r d si d e n t i 哆a u t l l e n t i c a t i o ns y s t e m d e v e l o pa sm el e a po f e l e c 缸0 1 1 i ci n f o n n a t i o nt e c h n o l o g yp r o v i d e san e wt e c l m i c a l 印p r o a c ha n dm e a l s u r ef o rt 1 1 e d i v e r s 卸a i l dh i g hs a f e 哆o fi d e n t i 哆a u t h e n t i c a t i o n b i o m e t i r cr e c o g l l i t i o nt e c h n o l o g i e sh a v e r c p l a c e d t r a d i t i o n a ls t a t i i sa u t h e n t i c a t i o na st h e f o u n d a t i o na n dc o r eo fn e wi d e n t i t r a u t l l e n t i c a t i o ns y s t e m f i n g e r p r i n ta c h i e v e sab e t t e rb a l a n c eo fm a n yp e b m l a n c ei n d i c a t o r s t h a i lo t h e rb i o m e t r i c sw h i c hm a l e sf i n g e r p d n tb e c o m et h ef i r s ts e l e c t i o nf o rb i o m e t r i c r e c o g l l i t i o nt e c h n o l o g i e s s oi th a sb e e nw i d e l yr e c o g l l i z e da n du s e d f i n g e r p r i i l tr e c o g 芏1 i t i o n t e c h n o l o g yh a sd e v e l o p e dm a t u r e b u tt h e r ea r es o m et e c h n o l o g yd e f e c t s a n da u t o m a t i c f i n g e i p r i n ti d e n t i f i c a t i o ns y s t e ms t i l ln e e d sm r m e rp e r f e c t i o n t h ee x i s t i n gt e c h 0 1 0 9 y p r o b l e m sm a i n l yi n c l u d ef i l l g e 印r i n tq u a l i t yc o n t r o l s l i p p a g er e g i o nd e t e c t i o n d e f o r m a t i o n f n g e r p r i n tr e c o g n i t i o na n dl a t e n tf i n g e 印r i n t sp r o c e s s i n g f i n g e 印血tq u a l i 夠e v a l u a t i o na n d c o n t r o li si nt h e 療o n to fr e c o n g n i t i o ns y s t e m a n di ti st h ef o u n d a t i o no ft h ef o l l o w i n g p r o c e s s i n g e 行e c t i v ef i n g e 印r i n tq u a l i 哆e v a l u a t i o na n dc o l l 仃o lc a nd e c r e a s et h ed i m c u l t yo f t h ef o l l o w i n gp r o c e s s i n ga i l dp r o m o t et h ep e 怕r m a l l c eo fs y s t e m s oi th a sv e r yi m p o r t a n t s i g n i f i c a l l c ea n da c t u a lu s i n gv a l u et od or e s e a r c hi ne v a l u a t i n gf i n g e 印r i n tq u a l i 吼 f i n g e 印r i n tc o l l e c t i o n i st i m e v 撕a n t s o f i n g e r p r i n tq u a l i t e v a l u a t i n gb e l o n g s t o n o r e f e r e n c ei m a g e sq u a l i t a s s e s s m e n t m e a n w h i l e t h es p e c i a lt e x t l l r es t m c 嘁m a k e sm e t r a d i t i o n a le v a l u a t i o ns t a n d a r d su n s u i t a b l ef o re v a l u a t i l l gf i n g e 印r i n tq u a l i 哪t h em a jo r r e s e a r c ho ft h i sp a p e ri sf i n g e 印r i n tq u a l i t ra j l df i n g e 叩d n tq u a l i 母c l a s s i 6 c a t i o ni sr e a l i z e d w i t ht h ec o m b i n a t i o no ff 色曲l r e sw h i c hr e n e c tf i n g e 印r i n tt e x t u r es t m c t u r ee f f e c t i v e l y a n d q u a l 時c l a s s i f i c a t i o ni sa p p l i e dt oe i l l l a n c e m e n tp r o c e s s i n g f i r s t l y w ee x 仃a c tg l o b a lq u a l i t y f 色a t u r e sa 1 1 dl o c a lq u a l i t yf e a t l l r e st oc l a s s i 母f i n g e 印r i n ti m a g e sq u a l i 哆w i t hm e m o d ss u c ha s q u a l i t r f e a t u r et 1 1 r e s h 0 1 d m u l t i f e a t u r e sw e i g h t e dc o m b i n a t i o na n dk m e a n sc l u s t e r i n g r e s p e c t i v e l y b yt h ea n a l y s i so fm er e s u l t s w ep o i n to u td j s a d v a n t a g e so f 也e s em e t h o d s 鋤d i n 們d u c eb pn e u r a ln e 鉚o r kt oq u a l i 哆c 1 2 l s s i f i c a t i o np r o c e s s s e q u e n t i a l l ys u g g e s t a f i n g e r p 血1 tq u a l i 夠c l a s s m c a t i o nm e t h o db a s e do nb pn e 眥l n e t w o r k t h ep r o p o s e dm e t h o di s t e s t e do ni n t 鋤a t i o n a l 血g e 印r i n ti d e n t i f i c a t i o nc o m p e t i t i o nd a t a b a s ef v c 2 0 0 4d b 4a n dm e r e s u l to fs i m u l a t i o nd e m o n s t r a t e st h a tt h em e t h o dc o u l de s t a b l i s ht h en o n l i n e a r i t yr e l a t i o n s h i p 哈爾濱工程大學碩士學位論文 b e t w e e nm u l t i f e a t u r e sa n ds u b je c t i v e p e r c e p t i o ne f f e c t i v e l y s oi ta c h i e v e s m g h e r c l a l s s m c a t i o na c c u r a cy s e c o n d s i m u l a t i o n so ft 1 1 r e ec l a s s i c a lf i n g e r p r i n ti m a g ee n h a n c e m e n t a l g o r i t l l i l l sa r ec a r r i e do u t a n dw ea n a l y z et h ea d v a n t a g e s d i s a d v a n t a g e sa n dt h ea p p l i c a b l e o b j e c t so ft h e s ee n h a n c e m e n ta l g o r i t l l r n sc o m b i n e dw i t hm er e s u l t so fs i i i l u l a t o n am e t h o d c o m b i n i n gq u a l i t yc l a l s s i f l c a t i o na n df 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 l l i 工li sp r o p o s e dw h i c h c o u l dr e m o v el o wq u a l 時f i n g e 印渤ti m a g e sa n dc h o o s es u i t a b l ea l g o r i m mt oe n h a l l c e f i n g e 印r i n ti m a g e sb a s e do nt h e i rq u a l i 夠l e v e l a n di tp r o m o t e ss u b j e c t i v ev i s u a lp e r c e p t i o n a tl a s t s i m u l a t i o n so fs e v e r a lb i n a r y z a t i o n t h i n n i n ga n df e a t u r e e x t r a c t i o na l g o r i t t 蚰sa r e d o n e a n dw er e s p e c t i v e l yu s eg a b o re n h a n c e m e n t s t f te 1 1 l l a n c e m e n ta n dt h em e t h o d p r o p o s e di nt h i sp a p e rt oe n h a n c es i x 鑼a n df l v ed i 臟r e n tq u a l i t yf i n g e r p r i n ti m a g e s t b r o u 西 c a l c u l a t i n ga n dc o m p a r i n gp e r f o m a n c ep a r a m e t e r i ti sc o m f i m e d蛐e rt h a tt h e e 舵c t i v e n e s sa n df e a s i b i l i t yo fq u a l i t yc l a s s i f i c a t i o nt e c h n 0 1 0 9 yi nf l n g e 印渤ti d e n t i f i c a t i o n s v s t e m k e yw o r d s i m a g eq u a l i t r f i n g e 印r i n ti m a g e sc l a s s i f i c 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 e a t u r e e x t r a c t i o n 第l 蘋緒論 第1 章緒論 1 1 課題研究的背景與意義 在信息技術(shù)的飛躍發(fā)展提高人類社會互動性和移動性的同時 越發(fā)需要強化身份認 證的安全等級以降低竊取技術(shù) 知識和財富的可能性 密碼 鑰匙 智能卡等傳統(tǒng)身份 替代品存在易丟失 被竊 共享等風險 已不能作為高安全等級的身份認證系統(tǒng)的基礎 電子信息技術(shù)的發(fā)展使生物特征識別技術(shù)應用于身份認證領(lǐng)域成為了可能 生物特征作 為自動身份識別系統(tǒng)的基礎 涵蓋了生理特征 如指紋 人臉 虹膜 和行為特征 如語音 簽名 生物特征不能丟失或共享 與個人身份一一對應 已經(jīng)成為有效識別身份信息 的重要途徑之一 生物特征識別不僅是模式識別中重要的研究方向 也是減少欺詐 提 高安全性的潛在技術(shù)手段 理論上任何滿足以下要求的生理或行為特征都能作為生物特 征 1 1 普遍性 任何人都具有的特征 2 辨別性 不同人具有足夠的區(qū)別 3 不變性 不隨時間推移改變 4 可獲性 易于采集樣本特征 現(xiàn)有已經(jīng)成熟或趨于成熟的生物特征主要有人臉 指紋 虹膜 掌紋 聲音 簽字 耳廓 a 人臉 b 指紋 c 虹膜 d 掌紋 e 聲音 f 簽字 g 耳廓 h 臉部熱成像 圖1 1 常用生物特征樣本 哈爾濱工程大學碩士學位論文 實際中 生物識別系統(tǒng)還需要權(quán)衡識別準確率 速度 成本控制 可接受性和抗欺 騙性能等多種因素 目前很多領(lǐng)域引入了生物特征 這些特征都有自身的優(yōu)勢和缺點 如何選取視具體應用環(huán)境而定 并不存在滿足所有需求或適合全部應用領(lǐng)域的單一特 征 常見生物特征的比較如表1 1 所示 刀 表1 1 常見生物特征的比較 近年來 生物識別技術(shù)已經(jīng)擴展到了身份認證 安防 金融和互聯(lián)網(wǎng)等領(lǐng)域 保持 著高增長率 諸多行業(yè)對生物識別技術(shù)的前景持樂觀態(tài)度 據(jù)蹦s 發(fā)布的安防市場調(diào)研 報告顯示 生物識別技術(shù)僅在門禁行業(yè)就保持近2 5 的年復合增長率 未來五年內(nèi)人臉 識別增長速度最快 指紋識別的年復合增長率也將達到1 5 截止目前各類生物識別技 術(shù)所占市場份額 3 如圖1 2 所示 圖1 2 生物識別技術(shù)的市場份額 相比于其他生物特征 指紋識別技術(shù)更好地平衡了眾多性能參數(shù) 且具有極強的應 用基礎 主導了生物識別市場 占有率甚至超過了5 0 隨著安防市場的快速增長 新 技術(shù)和新商業(yè)模式的不斷出現(xiàn) 指紋識別具有廣闊的應用前景和發(fā)展?jié)摿?旺盛的市場需求和巨大的發(fā)展?jié)摿κ沟脟鴥?nèi)外生物識別領(lǐng)域的科研機構(gòu)和學者對 2 第l 章緒論 指紋識別進行了持久而深入的研究 在指紋預處理 特征提取和匹配環(huán)節(jié)上取得了豐碩 的成果 雖然指紋識別是目前最為成熟的生物識別技術(shù) 但依然存在很多技術(shù)難題 如 指紋質(zhì)量評價和控制 滑移區(qū)域檢測 形變指紋識別和潛指紋處理等 其中 指紋質(zhì)量 評價和控制位于系統(tǒng)的前端 準確地評價和控制錄入樣本質(zhì)量可以有效降低后續(xù)處理的 難度 提供可靠的處理基礎從而提升系統(tǒng)性能 質(zhì)量評價和控制在識別系統(tǒng)中應具有以 下作用 4 j 質(zhì)量評價算法應具有監(jiān)測作用 對模板或樣本的采集應達到質(zhì)量要求才可以 錄入系統(tǒng) 識別過程中的技術(shù)環(huán)節(jié)應可根據(jù)質(zhì)量評價進行相應調(diào)整 準確 快速評價指 紋質(zhì)量為提升系統(tǒng)性能 預處理算法的魯棒性和參數(shù)的優(yōu)化提供了新的參考基準和途 徑 本課題主要研究指紋質(zhì)量分類及在增強算法中的應用 力求能夠準確 快速地對活 體指紋圖像進行質(zhì)量分類 去除質(zhì)差指紋 對符合錄入條件的樣本選取適合的增強方式 從而提升系統(tǒng)的性能 具有理論研究意義和實際應用價值 1 2 國內(nèi)外研究現(xiàn)狀 大量的史前文物和史料記載證實了古代人們就對指紋的獨特性有了一定的認識 但 是這種認知是建立在長期的經(jīng)驗總結(jié)基礎上 缺少科學的論證 現(xiàn)代指紋科學體系的建 立最早可以追溯至1 6 世紀早期 1 7 7 8 年m a v e r 首次詳細描述指紋的生理構(gòu)造 1 8 2 3 年 p 詞 i n j e 首次提出指紋分類方法 1 8 6 4 年英國植物形態(tài)學家n e h e m i a hg r e w 首次對指紋 的紋理結(jié)構(gòu)做出了系統(tǒng)研究 1 8 8 8 年f m c i sg a l t o n 提出利用細節(jié)特征判斷指紋同源與 否 1 8 9 9 年e d w a r dh e l l r y 建立了著名的 h e n 珂指紋分類系統(tǒng) 2 0 世紀早期 指紋己 作為法定身份認證標準被廣泛接受 世界各國紛紛組建指紋鑒定部門并開始構(gòu)建犯罪指 紋數(shù)據(jù)庫 潛指紋采集 指紋分類和指紋比對等多種指紋識別技術(shù)得到迅速發(fā)展 其中 最為著名的f b i 指紋識別部門成立于1 9 2 4 年 建立了包含8 1 0 0 0 0 幅指紋的巨大數(shù)據(jù)庫 指紋識別技術(shù)的迅速普及和數(shù)據(jù)庫的容量擴大使得人工辨別指紋不再具備可行性 2 0 世紀6 0 年代初期美國f b i 英國內(nèi)政部和巴黎警務部門聯(lián)合開發(fā)自動指紋識別系統(tǒng) 從而提高了刑事案件偵破效率和削減雇傭 培訓專業(yè)指紋鑒定人員的開支 進入2 1 世紀 指紋識別成為學術(shù)研究 商業(yè)安全 刑事偵破的關(guān)注熱點 相關(guān)產(chǎn) 品層出不窮 學術(shù)機構(gòu)和研發(fā)部門將大量的精力和資金投注在識別系統(tǒng)后端處理技術(shù) 上 指紋增強 特征提取和匹配技術(shù)得到了空前的發(fā)展 同時提升系統(tǒng)性能難度不斷加 大 促使前端處理對后續(xù)算法的影響成為了新的研究熱點 如高性能采集傳感器不斷推 出提高了指紋匹配成功率 指紋紋型分類可以加快指紋匹配的檢索速度 指紋采集是前 端處理的核心 目的是采集高質(zhì)量的樣本為后續(xù)處理提供可靠基礎 在預處理和特征匹 哈爾濱工程大學碩士學位論文 配已經(jīng)相當成熟的情況下 提高采集樣本的質(zhì)量是提升系統(tǒng)性能簡單 直接 有效的方 法 同時為后端處理算法的選擇和優(yōu)化提供新的參考基準和解決途徑 指紋等生物特征的質(zhì)量評價目前還處于探索階段 i s o 玳c i t s m l 起草了生物樣本 質(zhì)量標準 主要從內(nèi)在物理特征 保真度 效用方面對樣本質(zhì)量進行了簡要的規(guī)定b j y o u m a r a n 和a d l e r 提出采用生物可識別信息衡量生物樣本質(zhì)量退化程度 6 j 美國c j i s 借鑒數(shù)字圖像質(zhì)量評價指標對指紋圖像質(zhì)量進行評價 但是由于忽視了指紋圖像獨特的 紋理結(jié)構(gòu) 未能取得良好的效果 7 c h e n 將紋線的清晰程度和特征點 端點 分叉點和 核心點 的可提取性作為衡量指紋質(zhì)量的標準 8 目前 針對指紋質(zhì)量的評價并沒有統(tǒng)一 明確的規(guī)定 國內(nèi)外對指紋質(zhì)量及其在識別環(huán)節(jié)中應用的研究相對較少 h o n g 等將紋線結(jié)構(gòu)模擬為正弦波形 計算波形的振幅 頻率和方差確定區(qū)域的質(zhì) 量等級 9 y a o 利用像素點的灰度均值和方差評價指紋質(zhì)量 1 0 b 0 1 l e 獲取圖像子塊的方 向信息 計算方向區(qū)域和非方向區(qū)域的比值衡量指紋的質(zhì)量 1 1 1 s h e n 等利用m 個不同 方向的g a b o r 濾波響應評價指紋質(zhì)量 12 l i m 提取方向連續(xù)性和紋線寬度變化比率 結(jié) 合全局和局部特征評價指紋質(zhì)量 l3 1 c h e n 等利用子塊及相鄰區(qū)域的方向變化衡量局部 子塊質(zhì)量 14 1 q i 等提取七種特征參數(shù) 分析每種參數(shù)對質(zhì)量分數(shù)的影響 分別從全局 和局部評估指紋質(zhì)量 1 5 c h e n 結(jié)合傅里葉頻譜和空域一致性計算指紋質(zhì)量分數(shù) l e e 構(gòu)建理想指紋模型 通過比較采集指紋相對于理想指紋模型的梯度概率密度函數(shù)的變化 衡量指紋的質(zhì)量 1 7 f r o n t h a l e r 等從指紋的方向張量中提取對稱特征 利用線性和對稱 特征的相關(guān)性評價指紋質(zhì)量 l8 1 s h i 等利用灰度均值 方差 對比度評價灰度指紋圖像 質(zhì)量 1 9 1 l i m 等利用脊線和谷線灰度級分布的重疊程度衡量指紋圖像質(zhì)量 2 0 j u l lw u 等將方向一致性 連續(xù)性 曲率等參數(shù)和決策樹結(jié)合實現(xiàn)指紋質(zhì)量分類1 2 f e m a n d o 等 依據(jù)相關(guān)性 適用性和性能比較了多種特征參數(shù)對指紋質(zhì)量的影響 2 2 2 3 j 少量研究將質(zhì) 量評價引入到指紋識別技術(shù)環(huán)節(jié) h o n g 依據(jù)可恢復程度將圖像子塊分成三類 將質(zhì)量 評價因子融入到特征匹配環(huán)節(jié)中 9 f i e r r e z a g u i l a r 在指紋匹配中加入質(zhì)量評價機制 2 4 國內(nèi)研究機構(gòu)和學者在指紋質(zhì)量評價方面也進行了相關(guān)研究 同時也有少量研究將 質(zhì)量評價機制與指紋預處理或特征匹配相結(jié)合 仿效人類視覺感知 任群提取灰度特征 面積和干濕度等參數(shù) 利用加權(quán)平均的方法計算指紋質(zhì)量分數(shù) 2 5 i 駱功慶結(jié)合頻譜特征 梯度特征和標準方差綜合評價指紋圖像質(zhì)量 26 i 李正等將前景面積 頻譜特征 方向一 致性和紋線清晰程度等參數(shù)作為模糊關(guān)聯(lián)分類器的輸入 依據(jù)質(zhì)量等級將指紋分為好 正常 一般和差4 類p 川 郭芳菲利用分塊特征熵 梯度和五種常見的特征結(jié)合a d a b o o s t 分類器實現(xiàn)了指紋圖像的分割并將質(zhì)量評價用于特征匹配 2 8 劉蓮花利用n i s t 提供的 4 第1 章緒論 指紋軟件包提取質(zhì)量特征參數(shù)并對自行建立的指紋庫和n i s t l 4 指紋庫中樣本依據(jù)質(zhì)量 等級的不同分為5 類 2 9 1 1 3 論文的研究內(nèi)容和結(jié)構(gòu)安排 本文提取指紋的全局特征和局部特征 將特征參數(shù)和閡值分類 加權(quán)組合 聚類分 析以及b p 神經(jīng)網(wǎng)絡等方法結(jié)合對指紋質(zhì)量進行分類 計算以上方法對指紋質(zhì)量的分類 準確率 將基于b p 神經(jīng)網(wǎng)絡的指紋質(zhì)量分類方法引入到增強環(huán)節(jié) 提出基于質(zhì)量分類 的指紋增強方法 對指紋的細化和特征提取算法進行了深入研究和仿真 通過性能評價 參數(shù)的計算和比較 驗證了質(zhì)量分類處理技術(shù)在指紋識別系統(tǒng)中的有效性 可行性 全 文共分為五章 內(nèi)容安排如下 第1 章主要介紹了課題研究的背景和意義 論述了指紋質(zhì)量評價及其在識別技術(shù)環(huán) 節(jié)中的重要意義和價值 總結(jié)了國內(nèi)外在該領(lǐng)域現(xiàn)有的研究成果 簡要說明了本文研究 的主要內(nèi)容及結(jié)構(gòu)安排 第2 章簡明概括地介紹了自動指紋識別系統(tǒng) 針對指紋模式識別系統(tǒng)算法的組成和 各模塊的功能進行了系統(tǒng)地闡述 分析了現(xiàn)有系統(tǒng)框架的不足 將質(zhì)量評價體系融入到 了自動指紋識別系統(tǒng)中完善了系統(tǒng)功能 總結(jié)了現(xiàn)有指紋識別技術(shù)的性能評價指標 第3 章闡述了傳統(tǒng)質(zhì)量評價指標并不適用于指紋質(zhì)量評價 結(jié)合全局特征和局部特 征反映指紋獨特的紋理信息 分別采用閾值分類 多特征加權(quán)組合 聚類分析和b p 神 經(jīng)網(wǎng)絡等方法實現(xiàn)指紋質(zhì)量分類 第4 章主要對三種經(jīng)典的指紋增強算法進行了仿真對比 結(jié)合仿真結(jié)果分析了算法 的優(yōu)缺點和適用對象 針對單一增強方法適用對象的局限性 將質(zhì)量分類思想融入到指 紋增強環(huán)節(jié)中 提出了基于質(zhì)量分類的指紋增強算法 實現(xiàn)了對不同質(zhì)量指紋的差異化 處理 第5 章為驗證質(zhì)量分類處理方法在增強環(huán)節(jié)中的可行性 對多種指紋二值化 細化 和特征提取方法進行仿真 利用g a b o r 增強 s t f t 增強和基于質(zhì)量分類的指紋增強方 法分別對質(zhì)量不同的指紋進行處理 通過計算和比較性能參數(shù)進一步說明本文方法的有 效性 結(jié)論對全文進行總結(jié)并對后續(xù)工作進行展望 哈爾濱工程大學碩士學位論文 第2 章自動指紋識別系統(tǒng) 指紋學是以解剖學 細胞學 組織學 胚胎學 生理學為基礎 完成對指紋形成機 理的研究 人類應用指紋的歷史可以追溯到6 0 0 0 年前 受限于認知 技術(shù)等因素 指 紋學直至1 7 世紀8 0 年代才逐漸發(fā)展起來 2 0 世紀中期才開始真正意義上的快速發(fā)展 傳統(tǒng)指紋學對不同指紋有效 可靠 精準 快速地辨識研究 經(jīng)過幾個階段地發(fā)展 已 經(jīng)形成科學的人工對比方法 傳統(tǒng)指紋學雖取得了長足進步 但由于人工查對指紋的工 作存在單調(diào) 枯燥和耗時長等缺點 需要借助計算機進行輔助比對來減少工作量 提高 工作效率 自動指紋識別系統(tǒng) a u t o m a t i cf i n g e r p r i n ti d e n t i f i c a t i o ns y s t e m a f i s 在這樣的 需求中應運而生 自動指紋識別系統(tǒng)是利用計算機代替人工 自動對指紋進行清晰處理 特征測量 類型分析 細節(jié)描述 對象辨認和分類存儲等 已被廣泛應用于各個領(lǐng)域 表2 1 顯示了自動指紋識別系統(tǒng)的應用領(lǐng)域 表2 1 自動指紋識別系統(tǒng)的應用領(lǐng)域 相比于其他身份識別方法 自動指紋識別系統(tǒng)可以更好地滿足用戶對安全性 便利 性和高效性的需求 成為傳統(tǒng)密碼 鑰匙的替代品 隨著技術(shù)日趨成熟 自動指紋識別 系統(tǒng)市場份額的提升 應用領(lǐng)域的擴大和技術(shù)間的交融必將進一步影響人類的活動與交 流 2 1 自動指紋識別系統(tǒng)的原理 分子生物學從遺傳角度揭示了指紋的唯一性和不變性是由d n a 分子所決定的 傳 統(tǒng)指紋學利用特征細節(jié)點的比對來驗證指紋是否同源 世界各國普遍把這種方法作為司 法評判標準 如荷蘭和以色列采用了1 2 個特征點匹配作為同源標準 德國提出如果指 紋是斗型 箕型且紋路清晰 可采取8 個特征點匹配作為同源標準 指紋鑒別標準最高 第2 章自動指紋識別系統(tǒng) 的英國認定同源指紋必須具備1 6 個相同特征點 奧斯特布指出非同源指紋在同一區(qū)域 內(nèi)具有1 2 個相同特征的概率是十萬億分之一 3 0 數(shù)字指紋識別算法把傳統(tǒng)指紋學的特 征點轉(zhuǎn)化為數(shù)字指紋特征點的拓撲結(jié)構(gòu)圖比對指紋 目前主流自動指紋識別系統(tǒng)大多采 用特征比對的匹配方式鑒別指紋同源與否 自動指紋識別系統(tǒng)是通過比對采集樣本和相似模板的端點 分叉點 確定樣本所對 應的模板 判定樣本持有人的身份 主要有驗證和識別兩種工作模式 驗證模式是待驗 證人聲明身份的前提下 通過比對采集樣本與數(shù)據(jù)庫中身份持有人先前采集的錄入模板 來確認身份聲明的真?zhèn)?即采取一對一匹配方式 主要用于安全認證領(lǐng)域 防止未授權(quán) 人盜用授權(quán)人身份 驗證模式流程如圖2 1 所示 匹舀己 不匹配 圖2 1 驗證模式流程圖 識別模式是在未知待識別人身份的前提下 將采集樣本與數(shù)據(jù)庫中存儲模板進行逐 一比對 若與某模板匹配成功則待識別人身份就是匹配模板對應的身份 否則無法識別 待識別人身份 即采取一對多匹配方式 主要用于刑偵犯罪等領(lǐng)域 確認待識別人身份 識別模式流程如圖2 2 所示 識別 不識別 圖2 2 識別模式流程圖 2 2 自動指紋識別系統(tǒng)的組成 2 2 1 指紋模式識別系統(tǒng)算法的組成 自動指紋識別系統(tǒng)工作本質(zhì)是將數(shù)據(jù)庫中存儲模板與實時采集的樣本比對 從而確 7 哈爾濱工程大學碩士學位論文 定待驗證人身份 所以傳統(tǒng)指紋模式識別系統(tǒng)算法由離線和在線兩部分組成 如圖2 3 所示 1 系統(tǒng)算法的離線部分 在確認或預知用戶身份的前提下 采集用戶指紋并進行 預處理 提取特征點集合 將特征點集合與用戶身份 d 姓名等 存儲于數(shù)據(jù)庫中 作 為用戶身份認證的模板 2 系統(tǒng)算法的在線部分 實時采集待驗證人指紋并進行預處理 提取特征點集合 作為樣本 將樣本與數(shù)據(jù)庫中模板進行匹配 從而確定待驗證人身份是否獲得授權(quán) 一 離線部分 指紋指紋指紋 1 指紋模板 采集r 處理預處理 提取廣特征提取li 數(shù)據(jù)庫 在線部分 r 指紋指紋指紋 指紋模式 采集廣l 預處理預處理l提取廣特征提取 f 特征匹配 1 匹配結(jié)果 圖2 3 傳統(tǒng)指紋模式識別系統(tǒng)算法的組成 目前主流自動指紋識別系統(tǒng)都嵌入了傳統(tǒng)指紋模式識別算法 隨著科研機構(gòu) 學術(shù) 研究不斷地推進 傳統(tǒng)指紋模式識別算法性能得到了較大的提升 但也出現(xiàn)了現(xiàn)有框架 下無法解決的瓶頸 現(xiàn)有的后端處理算法已經(jīng)十分成熟 很難再卓有成效地提升匹配成 功率 前端采集環(huán)節(jié)成為提升后續(xù)算法性能的基礎保障 指紋質(zhì)量受到越來越多的關(guān)注 具備質(zhì)量評價功能的指紋識別算法也應運而生 如圖2 4 所示 指紋破損 儀器噪聲和 環(huán)境變化都能造成指紋質(zhì)差 很多因素在實際過程中是不可避免的 據(jù)統(tǒng)計采集環(huán)節(jié)會 產(chǎn)生約1 0 的質(zhì)差指紋 這部分指紋極易造成真實特征點丟失或偽特征點生成 嚴重影 響后端處理的準確性 這也是現(xiàn)有框架的癥結(jié)所在 加入質(zhì)量評價模塊可以剔除質(zhì)差指 紋 為后續(xù)環(huán)節(jié)提供可靠 穩(wěn)定的處理基礎 突破現(xiàn)有框架的局限性 進一步提高識別 準確率 第2 章自動指紋識別系統(tǒng) 槊羹卜龜量淵箍h 特施h 鏤 部分 不合格 人 r 棠簍卜龜量矽熬h 特 h 黼蠢 1r 匹配結(jié)果 圖2 4 具有質(zhì)量評價功能的指紋識別算法的組成 2 2 2 自動指紋識別系統(tǒng)模塊的功能 依據(jù)指紋識別算法的組成 自動指紋識別系統(tǒng)采取了功能模塊化設計 主要包括指 紋采集 預處理 特征提取和特征匹配等功能模塊 現(xiàn)簡介模塊功能如下 1 指紋采集是根據(jù)指紋紋線的幾何特性 物理特性和生物特性的差異 產(chǎn)生不同 的光學或電流電阻的反饋信號 利用不同的算法對反饋信號進行處理實現(xiàn)成像 從而獲 取指紋圖像 3 傳感器作為活體指紋掃描的核心部件直接影響采集質(zhì)量和精度 根據(jù)錄 入原理的不同 可分為光學反射式 電容傳感式和射頻傳感式三類 光學反射式是使用最普遍指紋采集技術(shù) 具有分辨率高 穩(wěn)定可靠和價格低廉等優(yōu) 點 但是存在光學畸變嚴重 對溫度等環(huán)境因素適應能力差 采集樣本間互相干擾和假 指紋等方面的缺陷 電容傳感式采集技術(shù)采用了交替命令的并排列和傳感器電板 可以在更大的操作范 圍內(nèi)提供更好的圖像質(zhì)量 但是制造成本較高 傳感器表面易損壞 對臟手指的采集效 果不理想 射頻傳感式采集技術(shù)是通過傳感器本身發(fā)射出微量射頻信號 穿透手指的表皮層測 量真皮層的紋路 從而獲得最佳指紋圖像 這類方法具有防偽指紋能力強 對手指表層 特性要求低和對溫度等環(huán)境因素適應能力強的顯著優(yōu)點 2 預處理是指紋模式識別系統(tǒng)算法中極為重要的一環(huán) 起到了指紋采集和后續(xù)特 征處理間的承接作用 直接決定匹配識別的準確性 分割 增強 二值化 細化是預處 9 哈爾濱工程大學碩士學位論文 理過程中最為重要的4 個步驟 下面對預處理步驟進行簡明介紹 分割是分離指紋的前景和背景區(qū)域 受到電噪聲 手指情況和環(huán)境等因素的影響 背景中存在大量的噪聲 分割避免了從背景區(qū)域中提取特征 提高后續(xù)處理準確性的同 時也減少了處理時問 增強是結(jié)合指紋紋理特征和智能化增強數(shù)學模型算法 提高紋線的清晰度 突出和 保留固有的特征信息 避免產(chǎn)生虛假特征信息 保證特征提取的準確性和可靠性 3 2 1 二值化是將灰度圖像轉(zhuǎn)化為二值圖像 最大化提高脊線 谷線的對比度 33 1 更準確 地分離出脊線區(qū)域 為提取指紋骨架做好先期準備 細化是將紋線轉(zhuǎn)換成骨架形狀不變 拓撲結(jié)構(gòu)未變的單像素細線 是特征提取的基 礎 3 特征提取是在細化的基礎上提取特征信息 確定特征點的數(shù)量 類型和位置 特征點主要包括端點 分叉點 分歧點 孤立點 環(huán)點和短紋等6 類 依據(jù)統(tǒng)計端點和 分叉點的出現(xiàn)頻率和穩(wěn)定性最高 大量實踐同時驗證了利用這兩類特征點足以確定指紋 同源與否 4 特征匹配無論是在驗證還是識別工作模式下 比對特征集合序列的吻合程度計 算出相似分數(shù) 根據(jù)相似分數(shù)是否達到匹配閡值從而判定指紋同源與否 2 3 自動指紋識別系統(tǒng)的性能評估 近些年 國內(nèi)外很多學術(shù)機構(gòu)將研究重點放在了指紋識別技術(shù)上 比較有代表性的 有密歇根州立大學 博洛尼亞大學和中科院自動化研究所 隨著研究的深入 大量學術(shù) 論文不斷在高水平期刊 學術(shù)會議上發(fā)表 為指紋識別技術(shù)的空前發(fā)展提高良好的理論 基礎 國際指紋識別競賽為該領(lǐng)域?qū)W者和科研機構(gòu)提供了難得的競爭和交流機會 同時 f v c 系列指紋庫和n i s t t h eu s n a t i o n a l i n s t i t u t eo fs t a n d a r da n dt e c l l n 0 1 0 9 y 指紋庫為 研究指紋識別算法提供了一個標準的測試平臺 截止目前 評價指紋識別算法性能的方法主要有g(shù) i g o o 血e s si n d e x 和r o c r e c e i v eo p e r a t i n gc u l e 曲線兩種 1 g i 是利用真實特征點索引來評價指紋識別算法的性能 經(jīng)識別算法得到指紋樣 本的特征點集合鴆 力 刀 指紋鑒定人員對同樣本進行人工特征標記 獲得 真實特征點集合絲 z f 一 r 定義以下3 個量 p 是特征點匹配數(shù)量 即廠 鴆髟 必 口是特征點丟失數(shù)量 即廠g 髟 必 1 0 第2 章自動指紋識別系統(tǒng) 6 是偽特征點生成數(shù)量 即廠 鴆且 仨必 定義g i 如下 g f 只一口f 一龜 研 圭l 一 g f j 一 f l 2 1 r 是特征點數(shù)量 吼是特征點f 所在子塊的質(zhì)量因子 匹配特征點 丟失特征點 生成偽特征點和真實特征點分別是脅 q 匆和t g i 越大表明特征點的提取越準確 2 誤識率 峨 f a l s ea c c e p t a i l c er a t e 和拒識率f r r f a l s er e j e c t i o nr a t e 是指紋識 別算法的重要性能參數(shù) 分別以f a r 和f i 汛為y 軸和x 軸繪制的曲線即是r o c 曲線 f a r 是非同源指紋匹配成功次數(shù)與匹配次數(shù)總數(shù)的比值 f a r 越高系統(tǒng)安全性越低 用 戶感知相對更易接受 f r r 是同源指紋匹配失敗次數(shù)與匹配次數(shù)總數(shù)的比值 f i 汛越高 系統(tǒng)安全性越高 但是用戶感知較差 f a r 與f i 汛成反比關(guān)系 所以自動指紋識別系 統(tǒng)要權(quán)衡安全性和用戶感知 從而根據(jù)不同需要 對算法識別過程的參數(shù)做相應的調(diào)整 r o c 曲線示意圖如圖2 5 所示 n2 0 要 品1 6 1 2 8 4 00 0 0 10 0 1o 111 0 f a r f i o g 圖2 5 r o c 曲線不意圖 2 4 本章小結(jié) 本章主要對自動指紋識別系統(tǒng)進行了簡明概括地介紹 首先從指紋識別技術(shù)的廣闊 應用領(lǐng)域切入 闡述了自動指紋識別系統(tǒng)的基本原理和工作模式 其次 介紹了指紋模 式識別系統(tǒng)算法的組成以及各功能模塊的主要功能 分析了現(xiàn)有結(jié)構(gòu)框架下系統(tǒng)組成存 在的不足 在傳統(tǒng)系統(tǒng)構(gòu)架中加入了質(zhì)量評價模塊 實現(xiàn)了具有質(zhì)量評價功能的指紋識 別系統(tǒng) 完善了現(xiàn)有系統(tǒng)功能的不足 最后 介紹了自動指紋識別系統(tǒng)的主要性能指標 哈爾濱工程大學碩士學位論文 第3 章基于特征參數(shù)的指紋質(zhì)量分類方法 圖像質(zhì)量的評判建立在視覺認知的基礎上 人類作為接受信息的主體對圖像質(zhì)量的 判斷是最為準確的 然而諸多不足致使主觀評價不能在實際中得到廣泛地使用 隨著計 算機技術(shù)的發(fā)展和生理學研究的深入 用計算機模擬人眼視覺感知成為了可能 同時也 為圖像質(zhì)量評價提供了有效解決途徑 指紋圖像的質(zhì)量是后續(xù)準確處理的基礎 人眼通 過調(diào)節(jié)視覺細胞對指紋質(zhì)量作出有效評估 實際中通常利用計算機模擬該生理機能 這 類方法受限于現(xiàn)有視覺生理和心理的探究 與專業(yè)指紋鑒定人員的鑒定準確程度還有些 許差距 但是鑒于可操作性 實時性和準確性的綜合考慮 它是替代主觀評價指紋質(zhì)量 的有效方法 也是未來發(fā)展的主要趨勢 如何利用計算機模擬視覺感知快速準確地評價 指紋質(zhì)量對算法和參數(shù)的選取具有指導作用和實際意義 是提高自動指紋識別系統(tǒng)性能 的有效手段 指紋采集具有時變性 決定了指紋質(zhì)量的評價沒有參考基準 屬于無參考范疇 現(xiàn) 有方法主要利用反映紋理結(jié)構(gòu)的特征參數(shù)評價指紋圖像質(zhì)量 依據(jù)提取對象的差異 可 以分為全局參數(shù)和局部參數(shù) 這些參數(shù)通常反映了指紋的灰度信息 方向性和對比度等 諸多方面 本章以特征參數(shù)為評價指標 結(jié)合了閾值分類 多特征加權(quán)組合 聚類分析 神經(jīng)網(wǎng)絡等方法對指紋質(zhì)量進行定性分類 3 1 傳統(tǒng)圖像質(zhì)量評價方法 圖像質(zhì)量評價在圖像壓縮 圖像傳輸以及視頻檢測等領(lǐng)域中得到廣泛應用 具有建 立算法性能評判基準和指導參數(shù)優(yōu)化調(diào)整的重要作用 根據(jù)評價主體不同 圖像質(zhì)量評 價方法分為主觀和客觀評價 主觀評價以人類視覺感知為主體準確直接地評價圖像質(zhì) 量 但受耗時長 工作量大 實時性差等缺點的制約不易在實際中廣泛應用 通常作為 客觀評價方法的參考標準 客觀評價方法通過構(gòu)建數(shù)學模型模擬人類視覺系統(tǒng)對圖像質(zhì) 量進行評價 根據(jù)對標準圖像依賴與否分為有參和無參評價方法 有參評價利用質(zhì)變圖 像和標準圖像之間像素變化衡量質(zhì)變程度 具有計算簡單 速度快等優(yōu)點 是目前應用 最為廣泛的質(zhì)量評價方法 無參評價對觀測圖像進行直接評價 目前研究較少且通用性 差 但是這類方法與人類視覺質(zhì)量評價方式最為相近 本節(jié)主要介紹傳統(tǒng)圖像質(zhì)量評價 方法即有參評價 均方誤差m s e 和峰值信噪比p s n r 是有參評價中的重要指標 也是 目前被廣為接受和使用的質(zhì)量評價基準 均方誤差m s e 和峰值信噪比p s n r 的計算方 法如下 第3 章基于特征參數(shù)的指紋質(zhì)量分類方法 艘 志喜姜似 h 2 3 1 柵堋k 篇 3 2 其中 m 和 分別表示圖像的高和寬 f j 和 f 分別是標準圖像和質(zhì)變圖像 圖3 1 是標準圖像經(jīng)過不同處理的效果圖 口是標準圖像 6 是加噪圖像 c 和d 是亮度 調(diào)整圖像 a 標準圖像 b 加噪圖像 c 調(diào)亮圖像 d 調(diào)晴圖像 圖3 1 標準圖像經(jīng)不同處理效果圖 為了客觀評價經(jīng)不同處理后圖像的質(zhì)變程度 采用均方誤差m s e 和峰值信噪比 p s n r 兩個指標評價圖像的質(zhì)量 見表3 1 表3 1m s e 和p s n r 指標 結(jié)合表3 1 中m s e 和p s n r 指標綜合分析圖3 1 中的圖像質(zhì)量 發(fā)現(xiàn)加噪圖像b 相 對于標準圖像a 質(zhì)降明顯 m s e 和p s n r 指標反映了b 的質(zhì)變程度 圖像c 和d 是調(diào)整 對比度后的圖像 相比于標準圖像a 在視覺感受上并未有明顯質(zhì)降 圖像c 和d 的m s e 哈爾濱工程大學碩士學位論文 和p s n r 指標卻比圖像b 更差 與主觀感受不一致 均方誤差m s e 和峰值信噪比p s n r 具有數(shù)學模型簡單 計算快速 便于理解等優(yōu)點 同時兩個指標反映的是對應像素點灰 度變化程度 無法對差異區(qū)域做適合評判 傳統(tǒng)質(zhì)量評價方法通常利用單一指標進行評 判 鑒于指標側(cè)重的不同很難良好表征圖像質(zhì)量 所以需要通過多種指標組合的方式綜 合評定圖像質(zhì)量 3 2 指紋圖像質(zhì)量特征參數(shù) 質(zhì)量評價位于預處理過程的前端 指紋是實時獲取的圖像 即便連續(xù)采集同源指紋 也不會得到相同的圖像 所以指紋質(zhì)量評價通常情況下沒有參考基準 屬于無參評價 指紋質(zhì)量并沒有標準明確的定義 鑒于其紋理結(jié)構(gòu)的特殊性 一般將紋線的清晰程度作 為評判指紋質(zhì)量的重要參考依據(jù) 本節(jié)主要提取反映紋線模糊性 灰度信息 方向變化 和對比度等特征參數(shù) 綜合指紋的全局和局部信息評價圖像質(zhì)量 3 2 1 全局質(zhì)量特征參數(shù) 全局質(zhì)量特征參數(shù)是利用從整幅圖像中提取的特征值表征圖像整體質(zhì)量 本小節(jié)選 取頻域能量熵 小波能量和有效面積3 個全局質(zhì)量特征參數(shù)評價指紋圖像