一种基于B样条的指纹识别算法

1 简述

指纹识别技术是生物识别技术的中应用最广泛的一种。该技术具有不会丢失、不会遗忘、唯一性、不变性、高防伪性和使用方便等突出优点。采用这种技术, 可以将人的身份和其指纹严格对应起来, 并逐步在管理、金融、公安和网络安全等领域得到应用。

通常的指纹识别系统在指纹图像预处理之后提取指纹的细节特征 (minutiae) 作为识别的基础信息。细节特征可以有150种之多, 但这些特征出现的概率并不相等, 很多特征是极其罕见的。美国国家标准局提出了四种细节特征:脊末梢、分岔点、复合特征 (三分岔或交叉点) 与未定义。一般在自动指纹识别技术中只使用FBI提出的细节点坐标模型, 它利用了两种细节特征:纹线端点 (ridge ending) 和分叉点 (ridge bifurcation) 。纹线端点指的是纹线突然结束的位置, 而纹线分叉点则是纹线突然一分为二的位置。大量统计结果和实际应用证明, 这两类特征点在指纹中出现的机会最多、最稳定, 而且比较容易获取。更重要的是, 使用这两类特征点足以描述指纹的唯一性。

2 B样条曲线的使用

B样条曲线已在计算机辅助设计与图形学中得到了广泛的应用。B样条曲线保留了Bézier曲线的优点, 采用控制顶点定义曲线, 同时引进B样条基函数表示多项式曲线, 使其具有局部性质, 能描述复杂形状, 并且解决了采用Bézier样条所带来的拼接问题。

样条函数是在连接点处保持连续的分段k次多项式。由样条函数得到的样条曲线上的每个点都由样条参数化后的控制多边形计算生成。B样条是样条的一种, 其曲线形状、节点序列完全取决于曲线的控制多边形。

在实际应用中, 通常使用3次非均匀B样条。通过在指纹脊线上采集若干数据插值点, 由B样条曲线反算算法, 即由B样条数据点反求B样条的控制点算法, 得到曲线代表相应的指纹脊线结构特征。指纹脊线结构特征集合构成指纹的结构特征。

3 脊线拟合算法

脊线拟合是指通过B样条曲线族对指纹的脊线进行拟合, 从而达到还原指纹脊线信息的目的。脊线拟合是在指纹图像经过预处理以后进行的, 在拟合的同时对图像进一步消去干扰, 修正部分的细节点位置。由于在图像预处理以后获得的细节特征点信息都是离散的点信息, 因此使用B样条反算算法拟合指纹脊线的主体与关键问题在于从一条脊线上取出若干可靠的数据插值点。通常B样条曲线的端点可以直接取脊线的细节特征点:端点或者分岔点, 由此构造脊线结构为:

4 匹配算法

通过脊线跟踪算法限定的指纹脊线区域可以视为代表指纹特征的典型脊线区域。对于不同类型的指纹, 只需要提取对应类型的脊线集合。

(1) 拱形纹:提取类型为0的脊线集合。

(2) 帐形纹、环形纹:提取类型为1的脊线集合。

(3) 螺形纹、双环形纹:提取类型为2的脊线集合。

由此, 构造改进后的匹配算法:

(1) 重构指纹库模板集合:对指纹进行纹形分类, 不同类型的指纹存储于各自的纹形集合中。

(2) 不同类型的指纹只存储上述的脊线集合。

(3) 对后处理过的预匹配指纹图像, 通过第八章的分类算法确定指纹类型。

(4) 按照计算出的指纹纹形, 提取相应的脊线集合S。

(5) 集合S在对应的纹形模板空间中进行脊线匹配。

5 实验结果

如表1, 表2。

由表1和表2可见, 匹配算法对于不同尺寸的图像都可以获得较为满意的效果。和传统方法相比, 时间消耗明显偏大, 其主要原因是拟合算法及样条脊线框架提取时间消耗过大。

6 结语

本文针对目前指纹信息提取手段中关于指纹结构性信息包含不足的缺点, 提出了一种由B样条曲线族拟合指纹脊线, 从而完成指纹匹配的新方法。和以前的指纹点集合信息不同, 该方法充分利用了指纹特征点信息中所包含的结构性信息, 而且实验数据表明了算法可以在指纹匹配中良好工作。进一步研究的重点在于以下两个方面。

(1) 由于使用了脊线信息, 对指纹图像前处理的精度要求提高。

(2) 由于减少了大量的脊线, 对残缺指纹图像的对比性能下降, 误识率增高。

摘要：以往的指纹识别系统中, 通常集中于使用脊线端点、分岔点等局部特征作为识别的基础信息进行分析。目前国际上的指纹研究趋势是使用结构性信息对指纹图像进行分类和识别。在本文中提出了一种通过B-样条曲线族实现指纹图像预识别的新方法。

关键词：细节特征,B-样条曲线,拟合,匹配

参考文献

[1] 施法中.计算机辅助几何设计与非均匀有理B样条 (CADG&NURBS) [M].北京:航空航天大学出版社, 1994.