指纹纹线的提取和匹配

指纹纹线的提取和匹配 1223 述 孟祥萍 ，武增光 ，赵玉兰 ，刘 1223，，， MENG Xiang-pingWU Zeng-guangZHAO Yu-lanLIU Shu 长春工程学院 电气与信息学院，长春 1,130012 东北电力大学 信息工程学院，吉林 2,132012 长春工业大学 计算机科学与工程学院，长春 3,130012 ，，，1.School of Electrical and InformationChangchun Institute of Techno logyChangchun 130012China ，，，2.School of Information and EngineeringNortheast Dian li UniversityJilin 132012China ，，，3.School of Computer Science and EngineeringChangchun University of Techno logyChangchun 130012China :E-mailwzg_811230@163.com ，，， MENG Xiang-pingWU Zeng-guangZHAO Yu-lanet al.Algorithm of fingerprint feature extraction and matching based ，，():on contour.Computer Engineering and Applications20094515191-193. :，， AbstractAgainst l ow-quality imagesa method to locate accuratly fingerprint image center point is proposed by complex fi lterand in order to overcome the shortcomings of finding fingerprint centerpoint by traditional automatic fingerprint identification.At ，，the same timean algorithm of feature extraction and matching based on the contour is proposedthe algorithm using the overall structure feature of fingerprint and improving the correct rate of matching.The experimental results show that this algorithm has a very high recognition rate and robust. Key words:fingerprint identificatio;center n poin;tstructure featur;econtourmatching 摘 要:针对传统指纹细节点提取和匹配方法在处理低质量图像上的不足，首先提出了一种利用复滤波器准确定位指纹图像中心 点的方法，克服了传统自动指纹识别中寻找指纹中心点不够精确的缺点。同时提出了一套基于轮廓的指纹特征提取和匹配算法， 此算法利用指纹的总体结构特征，提高了匹配的正确率实验结果 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明，该算法具有相当高的识别率和较强的鲁棒性。。关键词:指纹识别;中心点;结构特征;轮廓匹配 : 文章编号:() 文献标识码:中图分类号: DOI10.3778/j.issn.10023-831.2009.15.0551002,8331200915-0191-03ATP391 质量较差时，就很难准确提取细节点这时，单纯的细节点就不。引言 1 能充分地反映指纹丰富的结构信息另外，对于晶体指纹传感 。[1]自动指纹识别系统()是目前生物特征识别领域研究 AFIS[78]-器，因为采集面积较小，所以会造成同一个手指的不同捺印 的一个热点，也是研究较早较成熟的一门技术相对于其他生 。只有很少部分重叠，这样，如果只用细节特征匹配，就会产生较 物识别技术，自动指纹识别是一种更为理想的身份确认技术， 大的误差。对于参考点的提取，目前有 法，点方 Poincare Index 具有很高的实用性。随着计算机图像处理和模式识别理论以及 向一致性度量法，分级参考点搜索法等，这些算法依赖于指纹 大规模集成电路技术的不断发展与成熟，指纹自动识别系统的 图像中的某个局部特征比如索引值或者其他基于方向场的某 体积不断缩小，其价格也不断降低，在考勤和门禁系统、移动 个特征，能够很好的定位高质量的指纹图像，而对于含有裂、纹类、刑侦类、证照类、计算机系统及网络用户身份认证等多方面 疤痕、脊和谷对比度低的低质量指纹图像则不能很好的定位。得到了广泛地应用。一般包括指纹图像采集、指纹图像增 AFIS 针对低质量图像，利用指纹图像的结构特征，提出了一套 强特征提取和特征匹配几部分其中，特征提取和匹配在整个 、。高效的指纹特征提取和匹配算法。具体算法如下:首先对采集 [2-4]系统中占有很重要的地位目前，常用的有基于细节点的基 。、到的指纹图像进行预处理后，提取核心点和轮廓集特征;第二 [5][6]于图像内容的和基于纹理结构的三种方法大多数指纹识别 。步对提取的轮廓进行匹配;最后根据图像匹配度，判断两副图 系统使用的都是美国联邦调查局()提出的细节点匹配模 FBI像是否匹配。 型，这种方法对质量较好的图像匹配效果较好，但当指纹图像 基金项目:教育部科学技术研究重点项目( the Key Scientific and T echnical Research r oPject of Ministry of Education of China und er Grant No. );长春市科技 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 项目()。208179Science and T echnology Projects of Changchun No. 06GJ18 作者简介:孟祥萍()，女，博士，教授，主要研究方向:人工智能、智能控制及应用、模式识别与图像处理;武增光()，男，硕士研究生，主 19611981--要研究方向:模式识别与图像处理;赵玉兰()，女，硕士研究生，主要研究方向:模式识别与图像处理;刘述()，女，硕士研究1972-1972- 生，主要研究方向:模式识别与图像处理。 收稿日期: 修回日期: 2008-03-272008-06-17 的位置，在这里采用指纹图像核心点()作为参考基准点。 core几种典型的纹线轮廓如图 所示 。3 定义 1 指纹图像中脊线曲率最大的点叫做指纹图像参考。点 将复滤波器用于指纹参考点检测，其理论依据主要是指纹 图像中这些点具有特殊的对称性，根据指纹参考点的对称性用 复滤波器法定位参考点主要是利用指纹的全局脊线结构对复 滤波器的强响应。复滤波器主要用于检测径向对称性，该算法 ()开轮廓 ()开轮廓 ()开轮廓 abc 中，复滤波器并不直接对指纹图像操作，而是作用于其复方向 场图像。在复滤波器的基础上提出改进的多级滤波的复滤波器定位算，首先对指纹图像进行分割，得到分割模板;然后计算指 纹图像的方向场，用构造的复数高斯滤波器滤波，并且在模版 图像中搜索参考点时用分割模板限定一个范围，搜索到模板图 ()开轮廓 像中像素值最大的点作为指纹图像的参考点，对应的坐标即为 ()闭合轮廓 ()螺旋型轮廓 def 指纹图像参考点坐标。 典型的纹线轮廓图 3 具体算法如下:复合轮廓分解3,2 步骤 用基于贝叶斯最小错误率的分割方法对指纹图像 1 指纹纹线轮廓与一般的轮廓匹配算法中所提到的轮廓不进行分割，得到一幅标识模板。 同在指纹的纹线轮廓中，常常出现分支，如图 中的()()。、3 ab 步骤 2 用多级滤波的方法计算指纹图像的复方向场 θ。和()在这种情况下，可以利用常用的细节点特征提取算法， 。d步骤 构造 大小的复数滤波器 ，用于检测中心参 3 ω×ω W 提取分支点特征，然后分别取不同的分支线段，加上公共部分考点，选取 ，滤波器如图 所示。。ω=33σ=7.2161 作为一个完整的轮廓参与轮廓匹配(该过程称为复合轮廓线的 有效分解)。由此，图 ()可以分解为下面的三个轮廓，如图 3a4 所示其余的纹线轮廓都使用这种方法进行处理 。。 ()分解前的纹 ()第一轮廓 ()第二轮廓 ()第三轮廓 abcd 线轮廓 图 复合指纹纹线轮廓的有效分解4 复数滤波器图 1 为提高算法的运行效率，在实际配准过程中可以只保留轮 2 2 x(m)+y(n) ( ))( ) -廓长度大于某一阈值 的轮廓(轮廓长度以轮廓上所有点的个 ? ?(，)(( )x m +iy n 1 L Wmn= exp 2222 2 2σ 数表示，本文中取 )。L=45 ()() xm=m-ω-1/2其中，，，，…，;，，…，。 m=01ω-1n=01ω-1 2 轮廓提取3,3 ()() yn=n-ω-1/2 首先对指纹图像进行预处理(分割、滤波增强、二值化、细步骤 复方向场与复滤波器做卷积，得到的图像作为一 4 化)后，得到指纹图像的骨架图。对取自 指纹库中的 FVC2004 幅模版图像 ε:一幅指纹图像，经过预处理后的指纹骨架图像如图 所示。5 ε=θ*W 步骤 将 与 做点乘，并且限定一个范围搜索指纹 5 ε mode 图像参考点(限定边界宽度 ，搜索到模版图像中最亮的点l=30 即像素值最大的点即为指纹图像的参考点，既为参考点坐标。) (，)((，)(，))，?Pij=maxεijmodeij …，… () i=lIm gHeight-lj=lIm gWidth-l2 由图 中可以看出，模版图像 中最亮的点即幅值最大的 2 ε 点即为指纹图像的参考点。 ()指纹原图 ()预处理后骨架图 ab 图 预处理后的指纹骨架图像 5 轮廓修复3,4 从图 中可以看出，由于噪声和边界的影响，经过预处理 5 后的指纹骨架图像中有些纹线是孤立的或分小段连续的。为得 表 实验结果1 指纹库传感器类型图像尺寸样本数匹配正确率() () () () / %FRR/ %FAR/ %REJ/ % 光学DB1 388×374 80 99.0 1.65 0.21 0 电容式 DB2 300×300 80 99.5 0.95 0.05 0 合成指纹 DB3 288×384 80 98.3 2.18 0.15 1 电容式 JZT969-A 328×364 100 98.7 1.25 0.11 1 - 低质量 - 60 96.8 2.63 0.05 3 算法如下:得开轮廓 和 上长度同为 ，起始边缘点分别为 和 的A B NKL N N 如果两条纹线轮廓段 和 之间是断开的，但纹线轮廓 A B 匹配轮廓对。的端点(，)在纹线轮廓 ，)的邻域内(一般 的端点(A xyB xyiAiAiBiB步骤 重复步骤()()，统计开轮廓匹配对的数量 。 5 2~4MC取 的邻域)，就认为这两条纹线轮廓有可能合并为一条轮 7×7 闭和轮廓匹配算法4,2 廓，是否能合并为一条轮廓取决于这两条轮廓在各自端点处的 斜率是否相似以计算纹线轮廓 在端点(，)处的 斜率 。A xyk 步骤 对闭合轮廓进行区域填充得到闭合区域如果表 。1 iAiA为例，其计算如下: 示任意两个闭合轮廓 和 所对应的闭合区域为 和 ，根A B RR A B 据矩不变量计算其相应的七个矩不变量中的前六个矩不变量， y-y iA+kiA分别记为，，，…，和，，，…，，然后对六个不{准′i=126}{准′i=126} iAiB(，)() slopexy=arctan 2A iAiAx-x iA+kiA 变矩 函 关于工期滞后的函关于工程严重滞后的函关于工程进度滞后的回复函关于征求同志党风廉政意见的函关于征求廉洁自律情况的复函 数式进行归一化处理:其中()是轮廓 上以端点(，)为起点的第 个点，y-yA xyk k iA+kiAiAiA 准i ( )5 准=′ i一般较小(如 )。如果()()(k=4|slopex+yslopex+y|θθ-?6 A iAiAB iBiBd d 2 准为阈值，如 )，则可以将两条轮廓 和 的端点(，) Σ θ=π/16A B xydiAiAi 姨 i=1和(，)用平滑线段连接起来从而构成一条轮廓。修正后的 xyiBiB步骤 计算 2 指纹骨架图像如图 所示。6 6 2() d= [准准] 6′-′ΣABiAiB 姨 i=1A 如果 小于某一个阈值 (越小表示对两轮廓的匹配 d d d A AB B B 6 2 程度要求越严格，一般可取 )，即认为d= [准′-准′]×5% ΣABiAiB 姨 i=1 这两个闭合轮廓 和 为匹配的闭合轮廓对。 A B ()断裂处理前 ()断裂处理后 () 修正后的指纹骨架图像 abc 步骤 重复步骤()、()，统计闭合轮廓匹配对的数量 。 3 12M O 图 断裂处理示例修正后的指纹骨架图像6计算两幅指纹图像的匹配度 4,3 M+M CO () 轮廓匹配4 m= 7M 对于开轮廓的匹配采用改进链码表示的方法，对于闭合轮 其中，是开轮廓匹配对的数量，是闭合轮廓匹配对的数MM C O 廓的匹配采用归一化的不变矩方法 。量，是已登记的指纹中所有轮廓的数量。若两幅指纹图像的 M 开轮廓匹配算法4,1 匹配度大于某一阈值 (越大表示对指纹图像的匹配程度 T T m m 步骤 对于两个待匹配的开轮廓 和 ，计算各自的改 1 A B要求越严格，一般取 )，则可以判定这两幅指纹图像是匹 T =0.9m 进链码表示。 配的。A:{a，a，a，a，…，a} 1234N :，，，，…，B{bbbbb} 1234M实验结果 5 步骤 从两个开轮廓上分别任取长度均为 (一般大于 2 nn [9] 本文算法已用 C++编程实现，并在 VC++6.0环境下调 试开轮廓 和 的最小长度的 )的片断 和 ，其中 起始 A B 2/3α βα 通过，实验结果证明了该算法的有效性(实验结果如表所 示)。 1 于轮廓 的第 个边缘点，起始于轮廓 的第 个边缘点， A k β B l 其中，、、为取自 指纹库中的指纹;第四 DB1DB2DB3 FVC2004 则 和 之间的匹配度定义为:α β 栏是用某公司生产的指纹采集仪 采集的指纹;最后 JZT969-A n-1 n 1 π 一栏为一组低质量指纹图像。 D= cos()() a′-b′ 3Σk+jl+jkl 4 n j=0 n-1 n-1 1 1 结论与展望 6 其中 ，，。 a=a ab=b b0iD}D D度上还应进一步改进。 knln 指纹识别是生物特征识别领域里研究较早，较成熟的技 越大表示对两轮廓的匹配程度要求越严格，一般 取)， D=0.95 (下转 页)218 如果 为空集，则说明开轮廓 和 是不匹配的，否则就可求N A B 化处理(将其取值范围在，区间内);从中取出 组作为 [01]?144 在此基础上建立了连铸二次冷却的属性遗传控制系统研究了。 训练样本，组作为校验样本。16 将 粗集的遗传特性应用于智能系统中，为传统的控制理论 S- ()模型的搭建及训练。在 环境下搭建控制属性 2MATLAB 领域提供了一个新的研究方向。 遗传预测模型，并利用 组训练数据进行训练。144 ()校验并分析结果，预测结果如表 所示。31 参考文献: [1] Shi Kai-quan.S-rough sets and its applications in diagnosis recog , 表 利用校验样本得到的预测结果1 nition for disease[J].IEEE Proceedingsof the 1st International Con, 输入表目标表仿真预测 误差，():拉速喷水量ference on Machine Learning and Cybernetic s2002150-54. 面温度 面温度 结果 [2] Shi Kai -quan，Cui Yu -quan.F -decomposition and F -reduction of1.00 836.50 550 894.60 892.793 2 -1.806 8 Srough sets [J].International Journal Advances in System Science -1.25 882.10 917.52 916.657 2 -0.862 8 631 ，():and Applications20044487-499. 915.30 830.22 830.116 3 -0.103 7 1.50 837 ，[3] Shi Kai-quanChang Ting-cheng.One direction S-rough sets[J].In, 1.75 929.52 859.62 861.211 2 1.5912 962 ，():ternationa Journa of Fuzzy Mathematic s20052239-334. ll2.00 961.75 502.70 502.706 3 0.0063 1 071 ，[4] Shi Kai-quanTwo direction S -rough sets[J].International Journal of 952.38 824.64 825.280 5 0.6405 2.25 1 294 ，():Fuzzy Mathematic s20052335-349. 968.25 978.40 978.222 5 -0.177 5 2.75 1 457 史开泉，崔玉泉粗集与粗决策北京:科学出版社，[5] .S-[M].2006. 3.00 976.14 960.30 960.406 1 0.1061 1 571 蔡开科连续铸钢北京:科学出版社，[6] .[M].1990. 1.00 836.50 897.59 895.601 8 -1.988 2 548 880.42 910.38 910.246 7 -0.133 3 1.25 628 1.50 897.20 919.06 919.082 5 0.0225 747 蔡开科，程士富连续铸钢原理与工艺北京:冶金工业出版社， [7] .[M].1.75 929.52 861.52 863.711 0 2.1910 966 1994. 938.05 818.53 818.683 5 0.1535 2.00 1 014 王成明，颜云辉，韩英莉，等神经网络方法在冷轧带钢表面质量检 [8] .952.38 829.43 830.552 1 1.1221 2.25 1 305 测中的应用研究机械制造，():[J].20061271-71. 2.75 968.25 1 462 978.60 978.453 2 -0.146 8 施明辉，周昌乐，吴清锋，等一种基于可信度的不确定性推理及其 [9] . 3.00 976.14 1 575 960.30 960.457 7 0.157 7 神经网络实现计算机应用研究，():[J].20071241-243. 钟义信，潘心安，杨义先智能理论和技术:人工智能与神经网络[10] .[M]. 通过对比表 给出的铸坯表面实际温度和预测结果，可以 1 北京:人民邮电出版社，1992. 看出控制属性遗传模型能够比较精确的逼近铸坯表面温度的 李士勇模糊控制?神经控制和智能控制哈尔滨:哈尔滨工业 [11] .[M]. 大学出版社，1998. 预测模型，可以比较精确的预测出铸坯的表面温度，能够满足 连铸二次冷却的工艺要求。 ，， (上接 页) [4] Jain A KRoss APrabhakar S.An introduction to biometric recog ,193 nition[J].IEEE Transactions onCircuit s and Systemsfor Video Tech, 术，迄今为止，出现了各种不同的算法，但都是针对指纹的某一 ，，():nology20041414-20. 方面有很好的效率。因而继续研究直至形成一种 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 是国内外 刘欣基于图像内容的指纹识别系统的研究及其 实现西安: [5] .DSP [D].学者共同的任务，建立国内乃至全球统一的指纹库是研究的最 西安理工大学，(): 2006328-32.终目标 。徐杨，张学东基于结构的指纹特征抽取方法华东师范大学学 [6] .[J]. 报，():2007184-90. 参考文献:，[7] Marcialis G LRoli F.Fingerprint verification by fusion of optical ，，[1] Jain A KHong LPankanti S.An identity authentication system ，，(): capacitive sensors[J].Pattern Recognition Letters 200 425and ，，():using fingerprints [C]//Proceeding of the IEEE19978691365 - 1315-1322. 1388. 孟祥萍，王贤勇一种考试用指纹识别设备的 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 与实现信号处 [8] .[J]. 孟祥萍，任纪川一种有效的指纹细节点提取方法计算机应用，[2] .[J].理与模式识别，():2005120-22. ():20054919-920.苏彦华数字图像识别技术典型案例北京:人民邮电 [9] .Visual C++[M].祝恩，殷建平，张国敏一种新的指纹细节点匹配方法计算机工 [3] .[J].出版社，2004. 程与应用，，():200541576-78.