摘  要： 為克服傳統(tǒng)細(xì)節(jié)點(diǎn)匹配模型的不足,，對(duì)指紋的紋理結(jié)構(gòu)進(jìn)行了分析,，利用指紋紋線(xiàn)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(xiàn)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(shí)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(duì)低質(zhì)量指紋圖像有一定的適應(yīng)度,。實(shí)驗(yàn)結(jié)果表明,，該算法具有相當(dāng)高的識(shí)別率和較強(qiáng)的魯棒性。
關(guān)鍵詞： 紋理結(jié)構(gòu),；特征匹配,；分步匹配

    自動(dòng)指紋識(shí)別系統(tǒng)(AFIS)一般包括指紋圖像采集、指紋圖像增強(qiáng),、特征提取和特征匹配幾部分,，其中，特征提取和匹配在整個(gè)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(diǎn)的匹配模型，這種方法用細(xì)節(jié)特征來(lái)表示指紋圖像,，具有存儲(chǔ)量小,、算法簡(jiǎn)單、匹配速度快等特點(diǎn),，但僅對(duì)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(méi)有利用指紋豐富的結(jié)構(gòu)信息，忽略了大量可用于識(shí)別的宏觀特性,。由于指紋是一個(gè)紋理圖像,，其方向場(chǎng)穩(wěn)定、規(guī)律,，蘊(yùn)含了紋線(xiàn)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(xiàn)的結(jié)構(gòu)信息,，提出了一套基于紋線(xiàn)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(qiáng),、二值化、細(xì)化等環(huán)節(jié),，可以使其紋線(xiàn)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(guò)預(yù)處理后的指紋紋理圖像中有些紋線(xiàn)是孤立的或分小段連續(xù)的,，而這些紋線(xiàn)不屬于指紋的有效紋線(xiàn)結(jié)構(gòu),因此,，可以將這兩種斷開(kāi)的紋線(xiàn)連接起來(lái)組成連續(xù)的紋線(xiàn)。算法如下：如果兩條紋線(xiàn)段A和B之間是斷開(kāi)的,，但紋線(xiàn)A的端點(diǎn)(Xa,Ya)在紋線(xiàn)B的端點(diǎn)(Xb,Yb)的鄰域內(nèi)(一般取7×7的鄰域),，就認(rèn)為這兩條紋線(xiàn)有可能合并為一條紋線(xiàn)，是否能合并為一條紋線(xiàn)取決于這兩條紋線(xiàn)在各自端點(diǎn)處的斜率k是否相等,。以計(jì)算紋線(xiàn)A在端點(diǎn)處的斜率k為例,，其計(jì)算如下:

2 選擇脊線(xiàn)并采樣
　　一幅指紋圖像中有20～30個(gè)分叉點(diǎn)，模板指紋圖像和待識(shí)別指紋若有13個(gè)以上的分叉點(diǎn)對(duì)應(yīng)匹配,，則可以認(rèn)為兩幅指紋圖像匹配,。如果有分叉點(diǎn)所在的脊線(xiàn)匹配,則認(rèn)為分叉點(diǎn)對(duì)應(yīng)匹配,即兩幅指紋圖像匹配。在此選擇分叉點(diǎn)所在的脊線(xiàn)進(jìn)行匹配,主要基于以下兩點(diǎn)考慮:第一,如果對(duì)所有脊線(xiàn)均進(jìn)行離散采樣,就會(huì)使算法較為復(fù)雜和繁瑣,存儲(chǔ)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(diǎn)可信度要高于端點(diǎn),所以選擇分叉點(diǎn)所在脊線(xiàn)進(jìn)行離散采樣,。脊線(xiàn)采樣點(diǎn)示意圖如圖1所示,。

    采樣過(guò)程如下：O點(diǎn)為脊線(xiàn)分叉點(diǎn),沿著分叉點(diǎn)所在的三條脊線(xiàn)分別進(jìn)行采樣,每隔D個(gè)像素點(diǎn)采樣一次,并記錄采樣點(diǎn)坐標(biāo)。A1,、A2,、A3,、B1,、B2,、B3、C1,、C2,、C3分別是三條脊線(xiàn)上的采樣點(diǎn)。由圖1可以看出采樣間隔越小越接近真實(shí)脊線(xiàn),，若間隔D=1則可恢復(fù)原脊線(xiàn),，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(xiàn)特征
    以分叉點(diǎn)為標(biāo)準(zhǔn)點(diǎn),，計(jì)算出第k+1個(gè)采樣點(diǎn)和第k個(gè)采樣點(diǎn)所在直線(xiàn)與第k個(gè)采樣點(diǎn)和第k-1個(gè)采樣點(diǎn)所在直線(xiàn)的夾角θk,故由θk和D值唯一確定第k+1個(gè)點(diǎn)，依次可以確定唯一的脊線(xiàn),，所以將θk作為整條脊線(xiàn)的特征,如圖2所示,。

3.2分叉點(diǎn)特征
    分叉點(diǎn)脊線(xiàn)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(xiàn)上的第一個(gè)采樣點(diǎn)，則(xi,yi)相對(duì)于X軸的夾角為:

    統(tǒng)計(jì)每條脊線(xiàn)上符合上述條件的采樣點(diǎn)的數(shù)目n,，若n/m≥T(T為設(shè)定的閾值),，則認(rèn)為此脊線(xiàn)對(duì)匹配，重復(fù)以上步驟,，統(tǒng)計(jì)紋線(xiàn)匹配對(duì)的數(shù)量M,，若M/N≥Q，(N是參與匹配的所有紋線(xiàn)數(shù)量)則可以判定這兩幅指紋圖像是匹配的,。
5 實(shí)驗(yàn)結(jié)果    
    一個(gè)自動(dòng)指紋識(shí)別系統(tǒng)的性能評(píng)價(jià)參數(shù)有：識(shí)別速度,、正確率CR(Correct Rate)、誤識(shí)率FAR(False Accepted Rate)和拒識(shí)率FRR(False Reject Rate),。其計(jì)算公式分別為：    FAR=不該識(shí)別而識(shí)別的次數(shù)/匹配總次數(shù),；
    FRR=該識(shí)別而沒(méi)有識(shí)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(shí)FRR就會(huì)減小,。對(duì)于不同的系統(tǒng)需求，可通過(guò)改變判決閾值來(lái)滿(mǎn)足,。為了驗(yàn)證本文算法的有效性,，采用FVC2002公布的指紋庫(kù)進(jìn)行實(shí)驗(yàn)。該數(shù)據(jù)庫(kù)包含了800枚灰度指紋圖像,，圖像來(lái)自100個(gè)不同的手指,，每個(gè)手指有8個(gè)采樣圖像。本文實(shí)測(cè)總數(shù)為[(8×7)/2]×100=2 800次,，得到的實(shí)驗(yàn)結(jié)果識(shí)別率為97.74%,，誤識(shí)率為0.36%,，拒識(shí)率為1.9%，并且相對(duì)于直接匹配算法本算法減少了拒判時(shí)間,。實(shí)驗(yàn)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(xiàn)的結(jié)構(gòu)特征來(lái)表示指紋圖像,由于利用了指紋的結(jié)構(gòu)信息,，彌補(bǔ)了傳統(tǒng)的利用細(xì)節(jié)點(diǎn)方法進(jìn)行匹配的缺陷,，克服了圖像平移和旋轉(zhuǎn)所帶來(lái)的影響，對(duì)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(shí)間，綜合了多種判別條件,，在一定程度上降低了拒識(shí)率,。通過(guò)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(duì)紋理結(jié)構(gòu)影響很大時(shí)，該算法的識(shí)別率會(huì)有所下降,，所以提高抗噪和抗干擾能力是需要進(jìn)一步研究的內(nèi)容,。
參考文獻(xiàn)
[1] 張洪光，劉雪梅.指紋識(shí)別中的一種局部向量匹配算法[J].計(jì)算機(jī)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(jì)算機(jī)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(xiàn)相似度的指紋匹配算法[J].模式識(shí)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(shí)別算法[J]. 計(jì)算機(jī)工程與設(shè)計(jì),，2009,30(13):3136-3138.
[5] 羅西平,田捷.自動(dòng)指紋識(shí)別中的圖像增強(qiáng)和細(xì)節(jié)匹配算法[J].軟件學(xué)報(bào),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(dòng)指紋識(shí)別系統(tǒng)的研究與實(shí)現(xiàn)[D].揚(yáng)州：揚(yáng)州大學(xué),，2006:45-48.