自动指纹识别技术研究

随着科学技术的不断进步, 越来越多的电子设备不断进入人们的日常生活。例如电脑、ATM机、门禁控制、各种身份识别的智能卡等。这些产品对个人安全、方便的身份识别认证技术的要求越来越高。利用智能卡、身份证、口令等传统的保护措施来进行身份识别, 已不能满足社会发展的需要。因此, 包括指纹识别、虹膜识别、面相识别等生物特征的生物识别技术正越来越多的受到重视。其中, 指纹识别技术是使用最早也是最为成熟的生物识别技术。

由于指纹的唯一性、稳定性, 识别技术的成熟性、可靠性, 使其在越来越多的领域如社会安全、金融安全、个人安全、公司考勤、门禁管理、机场海关等诸多领域得到广泛应用。

目前, 以指纹为代表的生物识别技术的发展和应用, 已经成为各国学术界和工业界研究的热点之一。世界各国纷纷进军指纹识别技术及市场的研究域开发, 如使用指纹来取代各个计算机应用程序的密码就是最伪典型的实例, 而把指纹识别技术与IC卡结合起来, 是目前最优市场前景的研究方向之一。国内众多企业在参与指纹识别技术的研究、开发与应用。近年来根据指纹识别技术摧出的软件主要有:指纹考勤系统、指纹门禁系统、指纹网络安全系统、指纹高考管理系统等。

基于点模式的指纹识别算法, 通常包括三个主要步骤:指纹图像预处理、指纹特征点提取和指纹匹配。

1 预处理

经指纹采集器采集得到的原始指纹图像, 由于各种原因, 通常含有较多的噪声而指纹图像的特征提取的准确性又严重依赖指纹图像的质量。因此, 在特征提取之前, 必须对指纹图像进行预处理。预处理的目的就是利用各种图像处理技术, 去除图像中的各种噪声干扰, 恢复指纹的脊线纹理特征[1], 为后续指纹特征提取和指纹匹配打好基础。预处理可分为以下三步。

(1) 图像增强:指纹图像增强算法的主要任务, 就是消除噪声, 增强脊线和谷线的对比度, 将断裂的脊线和谷线连接起来, 消除由于噪声, 形变等带来的粘连以及由于油污等产生的毛刺。图像增强算法有很多种:基于空间域处理的灰度变换, 直方图法, 平滑滤波等, 和基于频率域处理的各种滤波算法[2]。

(2) 图像分割与二值化:二值化的目的就是把指纹图像转换为0~1表示的黑白图像 (二值图像) , 但是, 在图像二值化以前, 要先对指纹图像进行分割处理。指纹图像分割处理的目标就是把指纹图像中质量很差、在后续处理中很难恢复的图像区域与有效区域分开, 使后续处理能够集中在有效区域, 不仅能提高特征提取的精确度, 而且还能够大大减少指纹预处理的时间[3]。常用的指纹图像分割算法有基于灰度的方差法[4]和基于方向的指纹图像分割方法[5], 以及基于梯度的指纹分割方法。指纹图像分割处理后, 再进行二值化, 常用的二值化算法有全局阀值法, 动态阀值法, 局部自适应阀值法等。

指纹图像二值化以后, 在指纹的脊线上仍然存在着或多或少, 大大小小的孔洞且脊线边缘不够光滑, 有大量的缺口和突出。若直接细化, 会出现大量毛刺, 同时, 处于纹线上孔洞, 在保持连通性的细化处理过程中将被放大, 使得在特征提取时, 得到大量虚假特征点, 影响以后识别。因此, 二值化后, 通常要进行滤波, 以消除上述影响。

(3) 细化:二值化后地图像脊线仍具有一定宽度, 为了提高获得特征点地精度, 需要对指纹图像进行细化。细化就是一个曲线形物体细化为一条单像素宽的线, 从而图形化地显示出其拓扑性质。常用地细化方法有迭代法, OPTA法等, 细化后, 通常还要进行平滑处理。

2 特征提取

人得指纹有两类特征:总体特征和细节特征。根据指纹得这两类特征可以进行指纹得验证和辨识。指纹特征的提取在指纹自动识别系统中是一个必不可少的重要环节。指纹特征提取是从细化后的指纹图像中得到的细节特征点 (即端点和分叉点) 其中含有大量的伪特征, 根据伪特征点的结构, 在特征提取之后对伪特征点进行去除。例如:Maio等提出的直接从原始灰度图像上提取细节点的方法, Xiao等提出利用细节点的统计特性和结构特性进行细节点后处理, 王建永等提出对图像编码后, 在提取特征点和去除伪特征点[6]。

3 匹配算法

指纹匹配算法要确定两枚指纹是否来自同一个手指。在已有的指纹匹配算法中常见的有两类:第一类是图形匹配的方式其实质是基于脊线结构或者细节点间拓扑结构的匹配。这类方法对于图像的旋转、平移不敏感, 对于少量细节点的缺失、少量伪细节点的存在和细节点的定位误差, 具有一定的容错性。第二类是人工神经网络的方法。这类算法容错性比较好, 但不适合实时的自动指纹识别系统[7]。

指纹匹配是指纹识别过程的关键环节, 基于细节特征的匹配算法有Hough变换细节匹配算法、综合局部和全局细节的匹配算法, 基于预配准的细节匹配算法等。匹配算法要解决由于旋转、平移、变形和特征提取中的误差等原因造成的匹配困难。

4 结语

目前, 世界上许多公司和研究机构在指纹识别技术的研究中取得了众多突破性的技术, 现代指纹识别技术已成为理论成熟、科学性强、实践应用广泛的一项生物识别技术。随着指纹取像设备的发展, 匹配算法可靠性的不断提高, 指纹识别技术的发展前景将会更加广阔。

摘要：带有生物特征的指纹识别技术已经广泛地应用于各类身份识别认证系统中。本文介绍了指纹识别技术的应用背景、基本原理、工作过程, 并重点介绍了相关算法——包括预处理算法、特征提取算法、指纹匹配算法, 以及各算法解决的主要问题。

关键词：指纹识别,图像处理,算法,预处理,特征提取,指纹匹配

参考文献

[1] 赵金辉, 硕良勋, 曲文斌.指纹图像预处理算法研究[J].计算机工程与设计, 2006, 27 (15) :2777～2778, 2811.

[2] 曹祥, 邓宏贵, 高湘蓉.基于结构的自适应指纹图像增强算法[N].湖南工程学院学报, 2007, 17 (2) :52～55.

[3] 樊冬进, 孙冰, 封举富.基于方差及方差梯度的指纹图像自适应分割算法[N].计算机辅助设计与图形学学报, 2008, 20 (6) :742～747.

[5] WANG Xin, XIE Mei, LI Qingrong.A New Fingerprint Segmentation Method Based on the Directional Information[N].Chinese Journal of Electronics, 2004, 13 (2) :346～348.

[4] 詹小四, 尹义龙, 孟祥旭, 等.一种改进地指纹图像分割算法[N].广西师范大学学报:自然科学版, 2006, 24 (4) :207～210.

[6] 范玮琦, 张云光.指纹伪特征信息去除算法研究[J].光电工程, 2006, 33 (12) :96～100.

[7] 陈春霞, 殷新春, 王秋平.一种基于指纹分类的指纹识别算法[N].武汉大学学报 (理学版) , 2006, 52 (5) :587～591.