摘 要： 為克服傳統(tǒng)細(xì)節(jié)點匹配模型的不足,，對指紋的紋理結(jié)構(gòu)進行了分析，利用指紋紋線的不同結(jié)構(gòu)作為指紋圖像的特征,。提出了一套基于指紋紋線輪廓的特征提取和匹配算法,，并且采用了分步匹配，減少了拒判時間,，該算法具有平移,、旋轉(zhuǎn)不變性。由于利用了指紋的結(jié)構(gòu)信息,，對低質(zhì)量指紋圖像有一定的適應(yīng)度,。實驗結(jié)果表明,，該算法具有相當(dāng)高的識別率和較強的魯棒性。
關(guān)鍵詞： 紋理結(jié)構(gòu),；特征匹配,；分步匹配
自動指紋識別系統(tǒng)(AFIS)一般包括指紋圖像采集、指紋圖像增強,、特征提取和特征匹配幾部分,，其中，特征提取和匹配在整個系統(tǒng)中占有很重要的地位,。目前,，大多采用基于細(xì)節(jié)點的匹配模型，這種方法用細(xì)節(jié)特征來表示指紋圖像,，具有存儲量小,、算法簡單、匹配速度快等特點,，但僅對質(zhì)量較好的圖像有很好的效果,，并且只利用了指紋的局部特征，沒有利用指紋豐富的結(jié)構(gòu)信息,，忽略了大量可用于識別的宏觀特性,。由于指紋是一個紋理圖像，其方向場穩(wěn)定,、規(guī)律，蘊含了紋線的軌跡,、曲率等重要信息,，受變形噪聲等因素的影響較小，因此本文利用指紋紋線的結(jié)構(gòu)信息,，提出了一套基于紋線結(jié)構(gòu)的特征提取和匹配算法,。
1 圖像預(yù)處理
指紋圖像的預(yù)處理包括圖像分割、圖像增強,、二值化,、細(xì)化等環(huán)節(jié)，可以使其紋線結(jié)構(gòu)清晰化,，盡量突出和保留固有的特征信息,，避免產(chǎn)生偽特征信息，得到指紋圖像的紋理圖,。
由于噪聲和邊界的影響,，經(jīng)過預(yù)處理后的指紋紋理圖像中有些紋線是孤立的或分小段連續(xù)的，而這些紋線不屬于指紋的有效紋線結(jié)構(gòu),因此,，可以將這兩種斷開的紋線連接起來組成連續(xù)的紋線,。算法如下：如果兩條紋線段A和B之間是斷開的,，但紋線A的端點(Xa,Ya)在紋線B的端點(Xb,Yb)的鄰域內(nèi)(一般取7×7的鄰域)，就認(rèn)為這兩條紋線有可能合并為一條紋線,，是否能合并為一條紋線取決于這兩條紋線在各自端點處的斜率k是否相等,。以計算紋線A在端點處的斜率k為例，其計算如下:
2 選擇脊線并采樣
一幅指紋圖像中有20～30個分叉點,，模板指紋圖像和待識別指紋若有13個以上的分叉點對應(yīng)匹配,，則可以認(rèn)為兩幅指紋圖像匹配。如果有分叉點所在的脊線匹配,則認(rèn)為分叉點對應(yīng)匹配,即兩幅指紋圖像匹配,。在此選擇分叉點所在的脊線進行匹配,主要基于以下兩點考慮:第一,如果對所有脊線均進行離散采樣,就會使算法較為復(fù)雜和繁瑣,存儲的數(shù)據(jù)量較大;第二,考慮到從指紋圖像中提取的分叉點可信度要高于端點,所以選擇分叉點所在脊線進行離散采樣,。脊線采樣點示意圖如圖1所示。
采樣過程如下：O點為脊線分叉點,沿著分叉點所在的三條脊線分別進行采樣,每隔D個像素點采樣一次,并記錄采樣點坐標(biāo),。A1,、A2、A3,、B1,、B2、B3,、C1,、C2、C3分別是三條脊線上的采樣點,。由圖1可以看出采樣間隔越小越接近真實脊線,，若間隔D=1則可恢復(fù)原脊線，但采樣間隔越小數(shù)據(jù)量越大,，故在此選擇D=5,。
3 特征提取
3.1脊線特征
以分叉點為標(biāo)準(zhǔn)點，計算出第k+1個采樣點和第k個采樣點所在直線與第k個采樣點和第k-1個采樣點所在直線的夾角θk,故由θk和D值唯一確定第k+1個點,，依次可以確定唯一的脊線,，所以將θk作為整條脊線的特征,如圖2所示。
3.2分叉點特征
分叉點脊線夾角如圖3所示,。
圖中A(xa,ya),、B(xb,yb)、C(xc,yc)分別是每條脊線上的第一個采樣點,，則(xi,yi)相對于X軸的夾角為:
統(tǒng)計每條脊線上符合上述條件的采樣點的數(shù)目n,，若n/m≥T(T為設(shè)定的閾值)，則認(rèn)為此脊線對匹配,，重復(fù)以上步驟,，統(tǒng)計紋線匹配對的數(shù)量M，若M/N≥Q,，(N是參與匹配的所有紋線數(shù)量)則可以判定這兩幅指紋圖像是匹配的,。
5 實驗結(jié)果
一個自動指紋識別系統(tǒng)的性能評價參數(shù)有：識別速度,、正確率CR(Correct Rate)、誤識率FAR(False Accepted Rate)和拒識率FRR(False Reject Rate),。其計算公式分別為： FAR=不該識別而識別的次數(shù)/匹配總次數(shù),；
FRR=該識別而沒有識別的次數(shù)/匹配總次數(shù)；
CR=1-(FAR+FRR),；
FAR和FRR是相互矛盾的,當(dāng)FAR增大時FRR就會減小,。對于不同的系統(tǒng)需求，可通過改變判決閾值來滿足,。為了驗證本文算法的有效性,，采用FVC2002公布的指紋庫進行實驗。該數(shù)據(jù)庫包含了800枚灰度指紋圖像,，圖像來自100個不同的手指,，每個手指有8個采樣圖像。本文實測總數(shù)為[(8×7)/2]×100=2 800次,，得到的實驗結(jié)果識別率為97.74%,，誤識率為0.36%，拒識率為1.9%,，并且相對于直接匹配算法本算法減少了拒判時間,。實驗結(jié)果證明了該算法的有效性。
本文在研究前人算法的基礎(chǔ)上,，利用指紋紋線的結(jié)構(gòu)特征來表示指紋圖像,由于利用了指紋的結(jié)構(gòu)信息,，彌補了傳統(tǒng)的利用細(xì)節(jié)點方法進行匹配的缺陷，克服了圖像平移和旋轉(zhuǎn)所帶來的影響,，對低質(zhì)量圖像表現(xiàn)出了很好的適應(yīng)性,，并且采用了分步匹配，減少了拒判時間,，綜合了多種判別條件，在一定程度上降低了拒識率,。通過與傳統(tǒng)算法的比較,，本算法在整體上表現(xiàn)出了很好的魯棒性，但是如果指紋粘連和斷裂很多,，對紋理結(jié)構(gòu)影響很大時,，該算法的識別率會有所下降，所以提高抗噪和抗干擾能力是需要進一步研究的內(nèi)容,。
參考文獻
[1] 張洪光,，劉雪梅.指紋識別中的一種局部向量匹配算法[J].計算機工程，2002,28(4):106-108.
[2] 范俐捷,王巖飛,高鑫.一種新的基于灰度的圖像匹配方法[J].微計算機信息,2007,23(10-3):296-297,8.
[3] 尹義龍,寧新寶,張曉梅,等.一種基于紋線相似度的指紋匹配算法[J].模式識別與人工智能,2002,15(4):502-506.
[4] 孟祥萍,，武增光,，趙玉蘭.基于紋理結(jié)構(gòu)的指紋識別算法[J]. 計算機工程與設(shè)計,，2009,30(13):3136-3138.
[5] 羅西平,田捷.自動指紋識別中的圖像增強和細(xì)節(jié)匹配算法[J].軟件學(xué)報,2002,13(5):942-956.
[6] CHEN Z, KUO C H. A toplogy-based matching-algorithm fingerprint authentication[J].IEEE International Carhanan Conference on Security Technology,1991,31(2):84-87.
[7] 王秋平.自動指紋識別系統(tǒng)的研究與實現(xiàn)[D].揚州：揚州大學(xué)，2006:45-48.