指紋識別的原理及關(guān)鍵算法的研究

　　生物特征識別技術(shù)(Biometric Identification Technology)，是指通過對人體身上的某些生物特征進行識別和認(rèn)證，從而實現(xiàn)身份識別的一種專門的技術(shù)。其主要包括人臉的識別、語音的識別、虹膜的識別、手掌形狀的識別、指紋的識別等多個識別技術(shù)。生物特征識別技術(shù)包含以下幾個特點：普遍性、唯一性、安全性、可采集性、可接受性等。由于生物特征識別技術(shù)有著上述良好的特性，相對于傳統(tǒng)身份識別，克服了許多缺陷。因此，其越來越多地被采用到各類安全場合。指紋識別技術(shù)是指根據(jù)不同指紋具有不同紋理特征的特性，將不同指紋圖像之間的多個全局特征和局部細(xì)節(jié)特征進行對比，從而確定身份的一種認(rèn)證技術(shù)。相對于其他識別方式，指紋識別更加方便和準(zhǔn)確。

　　1 指紋識別的原理

　　指紋識別技術(shù)包含有以下兩種主要的識別技術(shù)：第一種是采用不同指紋圖像統(tǒng)計對比的方法，第二種是采用指紋圖像本身固有的特征信息進行比對的方法。第一種方法主要是將兩幅指紋圖像進行統(tǒng)計對比，查看他們之間相似度的大小，根據(jù)大小來判斷這兩幅指紋是否取自于同一個人，從而實現(xiàn)身份識別的作用。第二種方法是根據(jù)兩幅指紋圖像的結(jié)構(gòu)特征，比較他們的特征信息，確認(rèn)他們的身份。特征包含兩種類型：全局特征類型和局部特征類型。

　　指紋識別技術(shù)的全過程是：(1)使用指紋采集設(shè)備采集指紋圖像。(2)對指紋圖像中的大量噪聲點進行預(yù)處理，從而提升后面處理的效率。在預(yù)處理之后，得到了一個關(guān)于指紋圖像的輪廓線，為下一步特征提取做準(zhǔn)備。(3)進行指紋圖像的特征提取，提取出其特征信息點。(4)對指紋圖像進行特征匹配，把提取的特征點與數(shù)據(jù)庫中預(yù)存的特征點進行比對，通過比對來判斷身份。根據(jù)英國學(xué)者E.R.Herry 的研究發(fā)現(xiàn)，兩個指紋圖像中，如果特征點的對數(shù)有13 對是重合的，就可以認(rèn)為這兩個圖像取自于同一個人。

　　指紋識別系統(tǒng)的主要性能參數(shù)有以下幾種：

　　(1)誤識率：指兩個不同指紋被錯誤地識別成相同指紋的概率;

　　(2)拒識率：指同一個手指的兩個不同指紋樣本不能匹配，即被認(rèn)為來自不同手指的概率;

　　(3)等錯誤率：第一和第二種錯誤相等時的數(shù)值;

　　(4) 注冊時間：從指紋被采集到完成指紋特征提出所需要消耗的時間;

　　(5) 匹配時間：兩個指紋樣本進行一次對比匹配所需要消耗的時間;

　　(6) 模板特征的大小：從一個指紋圖像中提取出的指紋特征的存儲容量;

　　(7)分配內(nèi)存的大?。涸谥讣y識別的各個階段，計算機系統(tǒng)需要占用的內(nèi)存數(shù)量。

　　2 指紋圖像的質(zhì)量評估

　　在通過指紋采集設(shè)備把圖像采集進入系統(tǒng)之后，我們需要對采集到的指紋圖像的質(zhì)量進行評估。如果圖像的質(zhì)量不達標(biāo)，就會對后期產(chǎn)生影響。因此，需要對指紋圖像進行評估。目前，指紋圖像的質(zhì)量評估有以下幾種方法：

　　(1)計算圖像的信噪比：這種方法是指求出圖像的信號與噪聲的方差之比。首先計算圖像所有像素的局部方差，將局部方差的最大值設(shè)為信號方差，最小值設(shè)為噪聲方差，求出它們的比值，再轉(zhuǎn)成dB 數(shù)，最后用經(jīng)驗公式進行修正。此方法在效率方面表現(xiàn)一般。

　　(2)統(tǒng)計指紋圖像細(xì)節(jié)點的數(shù)量：對指紋圖像中細(xì)節(jié)點的數(shù)量進行識別和統(tǒng)計。通過數(shù)量的多少來判斷該指紋圖像的質(zhì)量是否在合格的范圍之內(nèi)。此方法理論上可行，但是由于首先需要對指紋進行預(yù)處理、提取細(xì)節(jié)點，因此效率不高。

　　(3)視覺客觀測度：該方法建立在視覺測評過程和客觀測度基礎(chǔ)上，利用設(shè)定的評測參數(shù)，對指紋圖像的質(zhì)量評價出一個綜合結(jié)果。這一方法從全局上對指紋圖像的質(zhì)量，能夠得出很好的判斷。但是從局部上來看，指紋的紋理分析缺少了對指紋方向信息的判斷。

　　(4)計算指紋圖像方向信息：從指紋圖像局部特征開始，結(jié)合指紋的全局特征來判斷指紋圖像的質(zhì)量。通過檢測圖像的有效面積和清晰度，來確定圖像是否合格。具體方法是：首先，通過計算圖像方向信息，確定前景塊和背景塊;然后，通過比較前景塊和背景塊的比例來判斷是否是偏手指;再次，通過圖像塊的對比度的大小來判斷是干手指或濕手指(干手指對比度較大，濕手指對比度較小)。

　　3 指紋圖像的分割

　　在指紋圖像質(zhì)量評估合格后，需要對圖像進行灰度變換，即對指紋圖像均衡化，使得圖像灰度均衡，以及對圖像進行歸一化。在這些完成之后，還需要對圖像按照一定的算法和要求進行分割。即把指紋圖像中質(zhì)量很差，后期無法處理的圖像區(qū)域與有效區(qū)域進行區(qū)分，使后期處理集中到有效區(qū)域上，提供特征提取精度，減少處理時間。目前，常用的分割方法有以下幾種：

　　(1)基于方向圖的分割方法：根據(jù)圖像上紋理的方向，區(qū)分指紋區(qū)域和背景區(qū)域，然后按照不同的區(qū)域分割。如果指紋的紋理線不連續(xù)、圖像的灰度 單一等方向難以正確估計或者有些區(qū)域變化劇烈，則此方法不能進行有效的分割。

　　(2)基于圖像的局部灰度均值、局部標(biāo)準(zhǔn)差和局部一致性的分割方法：利用指紋圖像局部區(qū)域的灰度均值、標(biāo)準(zhǔn)差和一致性作為特征，再采用線性分類來分割指紋圖像。局部圖像的一致性顯示了局部圖像的紋理走向，但是這些特征對于模糊區(qū)域無法做出有效的表示。

　　(3)多級分割法：就是將指紋圖像進行多級分割，逐級減少分割的范圍。例如：第一級分割圖像的背景區(qū)域，第二級在前景區(qū)域中分割出模糊區(qū)域，第三級從模糊區(qū)域中分割出不可恢復(fù)區(qū)域。

　　(4)動態(tài)閾值分割法：根據(jù)各個子塊的局部灰度對比度自動調(diào)節(jié)閾值，基于像素的方差進行分割。該方法簡單、快捷、分割效果好。具體為：將圖像劃分為不重疊的各個子塊;計算每個子塊的平均灰度和灰度方差;計算方差最大值與最小值之間的差值;定義動態(tài)閾值，并分割圖像;平滑操作，去除孤立塊。

　　4 指紋圖像的增強

　　指紋圖像增強就是將模糊的指紋紋理改變得更加清晰，例如：將斷裂的指紋紋線進行連接，把連接的紋線區(qū)分開，而且在這個過程中還需要保持原有的指紋圖像結(jié)構(gòu)，使圖像更加易于提取特征信息。目前，有以下幾種指紋圖像增強方法：

　　(1)從脊線方向上采用平滑算子而在垂直于脊線的方向使用增強算子的圖像增強算法。這種算法在理論上是十分正確的，但是要估計出脊線寬度以及濾波的參數(shù)卻比較困難。如果參數(shù)估計有誤，則會使得脊線產(chǎn)生污染，并且對于脊線上有折痕的指紋會產(chǎn)生偏差。

　　(2)基于Gabor 濾波器的指紋圖像增強算法。此算法是在使用上一方法之前先進行濾波。將指紋圖像分成不同的區(qū)域，有效削弱垂直于主導(dǎo)紋線方向的噪聲，提高方向信息提取的可靠性。

　　(3)傅立葉增強后濾波的方法?；跁r間和處理效果的考慮，先采用傅立葉變換來增強指紋圖像，然后使用濾波器來修補指紋圖像的紋線。具體為：首先，多級分割出可恢復(fù)區(qū)域塊，將該塊像素變?yōu)閺?fù)數(shù)形式;利用離散傅立葉變換，濾掉頻率過高或過低的頻帶噪點;利用方向濾波器消除指紋的斷裂和叉連。

　　5 指紋圖像的提取

　　5.1 在細(xì)化圖像的基礎(chǔ)上提取

　　首先，需要對指紋圖像進行細(xì)化處理，將指紋紋線變細(xì)，然后通過分析紋線上每一個像素點的8 個方向上的連接點來判定該像素點的類型、位置，并且通過分析該像素點所連接的紋線段來判斷點位的方向，進而提取出特征點。這個方法存在的優(yōu)點是原理比較簡單而且容易實現(xiàn);缺點是需要對大量的像素點進行細(xì)化處理，時間較慢，當(dāng)圖像質(zhì)量不高時，細(xì)化處理會產(chǎn)生很多雜質(zhì)項。

　　5.2 從原始灰度圖像上直接提取

　　利用指紋方向圖，在灰度圖像上跟蹤指紋的紋線，每跟蹤一定的長度，根據(jù)圖像的投影極值來確定紋線的位置，當(dāng)遇到端點和分叉點時無法投影，跟蹤過程自動終止。這個方法的優(yōu)點是具有較高的效率和精度;缺 點是實現(xiàn)起來比較復(fù)雜，需要大量的運算，而且當(dāng)圖像質(zhì)量不高時，求出的方向圖可能不可靠，導(dǎo)致跟蹤出的紋線出現(xiàn)偏差。

　　6 指紋圖像的匹配

　　指紋圖像匹配是指用當(dāng)前指紋圖像提取出的指紋特征與事先預(yù)存在指紋數(shù)據(jù)庫中的特征進行比對，從而判斷這兩個指紋特征是否一致，即是否來源于同一根手指。這個階段為了避免一些因素的干擾，例如變形、虛假特征點、特征點位置誤差等，需要設(shè)計一個準(zhǔn)確有效的匹配算法。目前，有以下幾種方法：

　　(1)基于點模式匹配算法。目前大多數(shù)算法都是基于細(xì)節(jié)點的特征來進行匹配。該匹配分為以下幾種類型：基于匹配的對象可以分為1 對1 進行匹配和1 對多進行匹配;基于匹配的適應(yīng)程度可以分為彈性的匹配和剛性的匹配。

　　(2)基于紋理模式匹配算法。首先將指紋圖像分割出來的有效區(qū)域進行網(wǎng)格化，然后利用Gbaor 濾波從像素點的8 個不同的方向處理該紋線區(qū)域，得到指紋的全局信息和局部信息，并轉(zhuǎn)化成一個特征信息，最后比較當(dāng)前指紋圖像和數(shù)據(jù)庫中的圖像相應(yīng)特征信息的差異。該算法可以解決質(zhì)量較差且區(qū)域細(xì)節(jié)點難以提取的圖像匹配的困難。但是這種方法需要對每個像素點進行大量的運算，而且無法處理形變比較大的指紋圖像的匹配。

　　7 結(jié)語

　　本文討論了在指紋識別技術(shù)的各個階段中的關(guān)鍵算法，并對這些算法進行了深入的分析，為指紋識別的進一步研究提供了理論依據(jù)。