專利名稱：指紋識別方法
技術領域：
本發明涉及一種生物識別技術，具體涉及一種指紋識別方法。
技術背景由于人的指紋千差萬別，幾乎沒有重復，因此指紋識別是身份識別的一種 重要方法。指紋識別技術是指對采集到的指紋圖像信息進行計算機圖像處理和 模式識別的一項綜合性技術。指紋識別的大致過程是首先通過指紋采集設備獲取指紋圖像，然后對該 圖像進行預處理，以方便提取指紋特征，特征提取后，再通過模式匹配的方法 判別兩者的一致性，若特征值相似，則可判定為同一人的指紋，反之，則判定 兩指紋不是來自同一枚手指。現有指紋識別方法一般僅考慮指紋的細節點局部特征，普遍存在識別率低、 識別速度慢等問題。發明內容本發明的目的在于克服現有技術的上述缺陷，提供一種識別率高，識別速 度快的指紋識別方法，通過分析細節點的鄰域關系和脊線曲率構建穩定性更好 的特征矢量，然后利用匹配的細節點對總數和匹配分值之和構建多級判別體系。本發明用到的一些定義含義如下指紋的細節點是指指紋脊線上的端點或者分歧點；脊線間的平均距離X:是指細化后脊線間的平均寬度，用象素的個數表示， 對于大小為300X300，分辨率為500DPI的指紋圖像，脊線平均距離為10個象 素，也即A =10;細節特征的方向根據特征的類型不同，其方向的計算方法也有差異。對 于端點，它的方向可由以下方法計算而得從端點出發，沿脊線跟蹤入個象素， 用一元線性回歸求出這些點的擬合直線，該直線的方向就是所求特征端點的方 向。而對于分歧點特征，它的方向可由從分歧點出發的兩條同方向脊線的方向 角的平均值確定，而脊線的方向角可通過上面介紹的一元回歸線性擬合的方法 求得。特征點間的距離d:是指細節特征點間的歐氏距離。假定兩個特征點的位置坐標分別為(xl， yl) ， (x2， y2)，則距離d為特征點的結構數Nm:是指以細節特征為中心，R為半徑的圓或正方形內細 節特征的個數。下標m可用e或b取代，分別表示端點和分歧點的個數。例如， 可以采用正方形模板，半徑為3入/2。特征點垂直對比度Varo:該參數的計算需要借助于沒有進行二值化的灰度 圖像。在16X16的灰度圖像塊中，選取中心象素作為待測點。根據預處理確定 的塊方向，過待測點作該方向的垂線，沿垂線在待測點兩邊各取4個象素點， 則這8個象素的灰度方差就被認為是待測點的垂直對比度，為方便起見，這一 塊中所有象素的垂直對比度都等于中心點的垂直對比度，那么如果細節特征所 處的圖像塊已知，則其垂直對比度也就可以測得。特征點平行對比度Varp:該參數的計算類似于垂直對比度，仍需要借助于 沒有進行二值化的灰度圖像。在16X16的灰度圖像塊中，選取中心象素作為待 測點。根據預處理確定的塊方向，沿該方向在待測點兩邊各取4個象素點，則這 8個象素的灰度方差就被認為是待測點的平行對比度，為方便起見，這一塊中所 有象素的平行對比度都等于中心點的平行對比度，那么如果細節特征所處的圖 像塊已知，則其平行對比度也就可以測得。以上定義在論文"指紋細節特征提取與剪枝"(王崇文，李見為等，光電 工程，2002， No. 4， pp67-70)中已有詳細定義。在該論文中提出的指紋圖像的 表示方法為將指紋圖像表示為一個二維矩陣，每一個象素就是矩陣的一個元素， 取值為0 255，矩陣的維度就是圖像的寬和高。在本發明中，繼續采用這些定 義和圖像的表示方法。本發明提出了一種指紋識別方法，由指紋特征提取和特征匹配兩個過程組成所述指紋特征提取的過程為針對于預處理的圖像進行細節特征初選；對 初選后的細節特征進行剪枝；對剪枝后的細節點特征進行可靠性驗證；最后根 據細節點的鄰域關系和脊線曲率特征構建特征矢量；所述特征匹配的過程為首先利用脊線的曲率特征進行匹配參考點對的識 別；然后利用極坐標對圖像進行校準；接著利用自適應彈性匹配方法進行細節 點配對和匹配分值計算；最后利用匹配的點對數和匹配分值，采用多級判別體 系進行指紋匹配。一、指紋特征提取 所述指紋特征提取的具體過程為1、 指紋細節點初選初步選出所有的細節點，記錄下這些細節特征的類型 和位置坐標，以便于下一步的剪枝處理。2、 細節點剪枝對于細化后的點線指紋圖，所述細節特征剪枝的偽特征包括因為脊線斷 裂產生的兩個錯誤端點；因為脊線的錯誤連接和斷開產生的偽分歧點和偽端點； 在對非平滑脊線進行細化后產生的短枝；因為脊線間的錯誤連接產生偽分歧點。 可以針對每一類細節偽特征分別進行剪枝。刪除了偽細節特征后，可以進一步根據指紋圖像的拓撲性質來對存留的細 節特征進行可靠性檢測。由指紋圖像可以看出，分歧點側面的脊線與形成分歧 點的脊線分支平行，可以基于這個特性對分歧點的可靠性進行檢測。3、 構建特征矢量本發明構建特征矢量的方法為在本發明中，為了減少指紋形變對特征匹 配的影響，定義了一種新的細節特征矢量，它總共包含24個元素，表示方法如 下FC = {jc， ；/， cy， var， /,c^y，廠，c/1， "1， sl， /1， c/2， "2， s2， /2， d3, "3, s3, /3， t/4， "4， s4， /4}各元素的含義為mO是當前待研究的細節特征點，即中心細節點，它的方 向為o0 (該方向值可以在預處理階段獲得)。以m0為坐標原點，以o0為x軸的正 方向，構建坐標系。ml， m2和m3是分別位于第一、第二和第三象限的細節特征 點，這些特征點應該是在各象限所有細節點中距離mO最近的。oi是各細節點mi 的方向，x和y是中心細節點mO在原來坐標系中位置坐標，"是包含中心細節點 的局部脊線方向，即圖中的o0。考慮到特征提取過程中誤差，可以用參數var和f 取代類型參數，var是在原始指紋圖像中以mO為中心的局部窗口內各象素的灰度 方差，f是在原始指紋圖像中包含mO的局部窗口的頻率，它代表局部窗口中脊線 的頻率。這兩個參數都可以在指紋預處理階段獲得。如果仔細觀察指紋圖像，就會發現大多數的脊線在有限長度內可以當作是 圓弧的一部分，基于這一點，本發明使用了3個參數來表示與細節特征點相連的 脊線，它們分別是cx， cy和r。把與細節特征點相連的脊線看作是一段圓弧， 利用圓弧上的三個點就可以得到所在圓的中心坐標和半徑。考慮到彈性形變的 影響，利用最小二乘法去擬合脊線，最后用中心的平均坐標cx 、 cy和半徑的平 均值r來表示與細節特征點相連的脊線。di,si,ai和ii(i-l，2,3，4)是中心細節特征點的鄰域關系特征，它們描述了中心細節點(m0)與周圍細節點(mi)之間的關系。di分別是mi到mO的距離，ai 是mO方向角所在直線與mi方向角所在直線的夾角，si是mO與mi連線所在直線分 別和mO方向角所在直線的夾角。il， i2， i3和i4分別是mi特征點在所有細節點集 合中的索引。考慮到在某些情況下無法為某個象限確定合適的細節特征，就用 一個特殊的極小值來標識d4， s4， a4和i4，如一l。注意到在特征矢量FC中，各分量特征都來自于相對量或統計量，因此該特 征矢量具有旋轉不變和平移不變等特性。另外，對于任意的細節點，它們的特 征矢量FC的長度都是一樣的，這為我們計算矢量之間的相似性帶來很大的方便。二、指紋特征匹配所述特征匹配的過程為首先利用脊線的曲率特征進行匹配參考點對的識 別；然后利用極坐標對圖像進行校準；接著利用自適應彈性匹配方法進行細節 點配對和匹配分值計算；最后利用匹配的點對數和匹配分值，采用多級判別體 系進行指紋匹配。具體處理流程如圖l右半部分所示。1.識別匹配參考點對如果用窮舉法對輸入指紋和模板指紋的每個點對的 相似性進行計算，顯然是非常耗時的，本發明提出了一種基于脊線的曲率特征 來識別存在對應關系細節點對的新方法。首先，需要對已經獲得的兩個點集的 矢量特征按照曲率大小的順序排序，如果輸入指紋的第i個細節點和模板指紋的第j個特征點存在對應關系，那么與這兩個特征點相連的脊線的曲率 和^也 應該是基本相同的，并且該曲率是不隨圖像旋轉或平移所變化的。于是有，如| - |< ;，則可以利用公式0，W/zen^e 計算兩個細節特征的相似度。如果S(i， j)>Ta，則可以認為對應點對已經找到。否則如果計算了所有曲率相同的點對之間的相似度，沒有哪個點對的相似度大于給定的閾值Ta，則可以把具有最大相似度的點對作為后續圖像校準的中心。如果點對的最大相似度小于給定的閾值Tb，則可以直接判斷兩個圖像不匹配。相似度計算公式中T是預先定義的閾值，"ql是兩個特征矢量的歐氏距 離。相似度S(i,j)指明了兩個細節特征點的匹配可能性，值越大匹配的可能性越 高。可以看出0《S(i,j)《1，對于S(i,j)-l說明兩個細節特征完全匹配，而對于S(i, j) = 0則說明兩個細節點完全不相同。2.圖像校準圖像校準的目的在于消除兩幅指紋圖像的幾何形變。利用平 移變換參數和旋轉變換參數可以修正圖像間的剛性形變。對于非線性形變，因 為其主要出現在圖像中心區域，其表現形式為非線性的向外輻射。因此，采用 極坐標表示方法是一種更有效的解決方法。首先把輸入指紋圖像和模板指紋圖 像原來笛卡兒坐標系下的細節點轉換到極坐標下，極坐標的原點為上一步驟中 確定的參考對應點對；然后把新的特征矢量集合按照極角的升序進行排列。進行圖像校準的步驟如下1 )把輸入指紋圖像和模板指紋圖像原來笛卡兒坐標系下的細節點轉換到極 坐標下，極坐標的原點為上一步確定的對應參考點對，轉換公式如下所示。P。<formula>formula see original document page 9</formula>乂 乂 式中"，x，w'"是細節點在原來坐標系下的取值，"，^，^f是圖像校準中心在原來坐標系的值，(pri，ei,ei)T是轉換后細節點極坐標的值，其中pri代表極徑， ei代表極角，6i代表細節點i的方向與校準中心細節點方向的差值。這樣一來，就 可以把原來的特征矢量FC改成一種更為簡潔的形式FO(pri， ei， & var, f, r)，其中 var，俘B r的含義和FC中定義一樣。2)把新的特征矢量集合按照極角的升序進行排列，結果如下 尸。={[<， ， w, ，//>,].. [ ,《,v《/ V:]}K[，M,《vaif,/iV,Q]…[/^,々f,varf，/"V^3. 細節點配對與匹配計算由于存在非線性變形，這就要求匹配算法要有 一定的彈性。通常，在匹配過程中，會利用一個邊界盒來進行彈性匹配，即在 模板指紋的細節點上放一個邊界盒，然后檢查對應的輸入指紋位置，看是否有 細節點落在邊界盒內。4. 指紋匹配計算完所有存在對應關系的細節點對的匹配分值后，則可以 得到匹配的細節點對總數Nm和匹配分值之和Mm，其中^"^I^("力。下面將介紹多級判別體系首先，如果^^12或《/她W，似)^'6，其中N和M分別是指紋模板和輸 入圖像細節點的數量，則可以直接判斷兩幅指紋圖像來自同一個手指； 否則，如果7^〈6，則可以直接判斷兩幅指紋圖像不匹配；如果U^氣Sii并且M^^i，則也可以判斷兩幅指紋圖像匹配成功； 如果"A^"并且U2，則也可以判斷兩幅指紋圖像匹配成功；其他情況都可以判斷兩幅圖像不匹配。其中T1和T2都是預先設定的閾值，可根據一定數量的指紋樣本統計而得。 本發明的優點在于(1)由于構建的指紋特征矢量不僅包含細節點本身的 位置、方向、類型信息，還包含細節點周圍的鄰域關系信息和脊線曲率信息， 從而保證了它的平移、旋轉不變性，也更能反映指紋紋線的全局信息；(2)基于這種新的特征矢量，在指紋匹配時一方面利用脊線曲率特征進行圖像校準， 降低了校準的復雜度，另一方面利用指紋的鄰域關系特征進行匹配分值的計算， 利用匹配的細節點對總數和匹配分值之和構建多級判別體系，增加了匹配的魯棒性；(3)細節點的偽特征剪枝以及可靠性驗證，保證了細節點提取的可信度。 本發明的目的、特征和優點將結合實施例并參照附圖進一步說明。
圖l為本發明的指紋識別流程框圖。圖2為指紋細節點初選使用的3X3模板。圖3為常見偽特征結構示意圖。圖4為刪除因圖像模糊帶來的偽特征流程圖。圖5為刪除因脊線斷裂造成的偽特征流程圖。圖6為刪除短枝和橋形偽特征流程圖。圖7為分歧點可靠性檢驗流程圖。圖8為分歧點可靠性檢驗示意圖。圖9為端點可靠性檢驗流程圖。圖10為端點可靠性檢測示意圖。圖ll為特征矢量示意圖。
具體實施方式
現結合附圖對本發明做進一步說明。本發明所述的指紋識別方法由指紋特征提取和特征匹配兩個步驟組成，下 面分別加以敘述。一、指紋特征提取所述特征提取的過程為針對于預處理的圖像進行細節特征初選；對初選后的細節特征進行剪枝；對剪枝后的細節點特征進行可靠性驗證；最后根據細 節點的鄰域關系和脊線曲率特征構建特征矢量；具體處理流程如圖l左半部分所 示。現對每一處理流程分述如下(一)指紋細節點初選本實施例采用論文"指紋細節特征提取與剪枝" (王崇文，李見為等，光電工程，2002， No. 4， pp67-70)中提出的指紋細節點 初選方法。使用了一個3X3的小窗口在細化后的指紋點線圖上確定細節特征點 的位置。假定脊線上的點用"1"表示，背景用"0"表示，如圖2所示，M是待 檢測點，XI ......X8為M的八鄰域點，呈逆時針排列。如果M是端點，那么必須滿足下面公式(1):如果M是分歧點，則滿足下面的公式(2):<formula>formula see original document page 11</formula> (2)用3X3的模板逐點對細化后的指紋圖像的脊線進行檢測，就可初步選出所 有的細節特征，記錄下這些細節特征的類型和位置坐標，以便于下一步的剪枝 處理。(二)細節點剪枝對于細化后的點線指紋圖，主要有如圖3所示的幾種 偽特征結構。圖3 (a)是因為脊線斷裂產生了兩個錯誤端點；而3 (b)禾B3 (c) 是因為脊線的錯誤連接和斷開產生了偽分歧點和偽端點；3 (d)是在對非平滑 脊線進行細化后產生的短枝；3 (e)是因為脊線間的錯誤連接產生偽分歧點。 本實施例采用論文"指紋細節特征提取與剪枝"(王崇文，李見為等，光電工 程，2002， No. 4， pp67-70)中的細節點剪枝算法，針對每一類細節偽特征分別 進行剪枝。1消除圖像的邊緣效應在圖像的邊緣，由于指紋傳感器本身的原因以及圖像預處理過程的不完整 性， 一般有大量的偽特征。可采用以下辦法消除它們對初選出的特征，計算 它們與邊界的距離，當距離小于預先設定的閾值Td時(本實施例中，針對256X 256的指紋圖像，Td取25)，則認為該特征點不可靠，從指紋特征中刪除該點的 記錄。2刪除圖像的模糊部分帶來的偽特征點圖像的模糊部分，在細化之后，會出現大量的斷點和分叉，這些對于指紋 識別來說，都是些不可靠的信息。因此要去除這部分的偽特征點。去除這些偽 特征點可以利用兩個標準，首先是在單位區域內的細節密度標準，接著又考慮 到在圖像清晰可靠的區域，特征的垂直對比度應比較大，而平行對比度則比較 小。所以，去除步驟如下算法一 (如圖4所示)(1) 計算各特征點的結構數Ne和Nb;(2) 如果(Ne>Te)，其中Te為預先設定的端點的個數(本實施例中取5)， 執行步驟(6);(3) 如果(Nb〉Tb),其中Tb為預先設定的分歧點的個數(本實施例中取3)， 執行步驟(6);(4) 如果(Ne+Nb>Ts)，其中Ts為預先設定的結構數(本實施例中取6)， 執行步驟(6);(5) 如果((Varo—Varp) /logB<Tc)，其中B為灰度圖像塊的均值，Tc為 預先設定的對比度閾值(Tc的值可以用統計方法獲得。本實施例利用一定數量 的指紋樣本圖像，用人工方法精確標定包含細節特征的圖像塊，計算各圖像塊 的(Varo—Varp) /1ogB，求得均值M，以0.75M作為Tc的備選值)，執行步驟(6)， 否則執行步驟(7);(6) 刪除該特征點，算法結束；(7) 保留該特征點。3、 刪除因脊線斷裂造成的偽特征點如圖3(a)、 (b)、 (c)所示的由于指紋脊線斷裂和誤連會產生一些偽細節特征，對于這些偽特征，主要考慮細節點間的距離和方向關系，故采用以下的方 法對其進行處理算法二 (如圖5所示)(1) 確定一特征點ml，計算其方向6 1;(2) 如果存在另一特征點m2，滿足(d (ml, m2) <Tdl)，其中Tdl為預 設的距離閾值(本實施例中Tdl設置為單倍指紋寬度)，刪除特征點ml和m2;(3) 如果存在另一特征點m2，滿足(d(ml， m2)〈Td2且9 1—92"±冗)， 其中0 2為特征點m2的方向角，Td2為預設的距離閾值(本實施例中Td2設置為 1.5倍指紋寬度)，則刪除特征點ml和m2。4、 刪除短枝和橋形偽特征點如圖3 (d)和(e)是由短枝和橋形造成的偽特征點。仔細觀察這兩種結構，短枝分歧點的兩個分支一般在一條直線上，而第三條分支的方向一般與另兩條 有明顯差異；對于橋形分歧點， 一般是兩條分支共線，而第三條與之近似垂直。 本發明在算法中用到了三個預設值9bsl、 9bs2、 9bs3， 9bsl表示兩條分支垂 直(本實施例中設為75度)，e bs2和9 bs3都表示兩分支共線(本實施例中分別 設置為15度和25度)，下面介紹處理的算法過程 算法三(如圖6所示)(1) 對于每一個分歧點，搜索其各條分支，如果各條分支的長度均大于入，則執行以下步驟，否則執行步驟(2);(a) 用一元線性回歸的方法估算各分支的方向；(b) 如果有兩條分支共線即夾角小于9 bs2且第三條分支垂直于共線的 兩分支，沿垂直的分支搜索，搜索長度為5入/6;如果找到另一個特征點——分 歧點或端點)，則找到短枝或橋形，刪除這兩個偽細節；(c) 如果有兩條分支共線即夾角小于e bs2且第三條分支不垂直于共線 的兩分支，沿第三條分支搜索，搜索長度為3入/2;如果找到另一個端點，則找 到短枝，刪除這兩個偽細節；(2) 如果只有兩條分支長度大于A ，則執行以下步驟，否則執行步驟(3);(a) 用一元線性回歸的方法估算這兩條分支的方向；(b) 如果這兩條分支共線即夾角小于0bs3，沿第三條分支搜索，如 果找到端點或分歧點，則為短枝或短橋形，刪除這兩個偽細節；(3) 如果最多只有一條分支長度大于入，則刪除該分歧點和長度不滿入分 支上的端點。刪除了偽細節特征后，可以進一步根據指紋圖像的拓撲性質來對存留的細 節特征進行可靠性檢測。由指紋圖像可以看出，分歧點側面的脊線與形成分歧 點的脊線分支平行，基于這個特性，本實施例用論文"指紋細節特征提取與剪 枝"(王崇文，李見為等，光電工程，2002， No, 4， pp67-70)中提到的可靠性 驗證方法對分歧點的可靠性進行檢測算法四(如圖7所示)(1) 對于每一個分歧點的每一條分支，用3入/2個點來進行直線擬合，估算 出各分支的方向角；(2) 沿各分支跟蹤，如果在A長度內出現另一細節特征，則該分歧點不可 靠，算法結束；(3) 沿各分支跟蹤至A/2處，在垂直于各分支的方向上，檢測是否在3入/2 的范圍內存在臨近脊線(如圖8(a)所示)；(4) 如果有一條以上脊線未找到，則該分歧點不可靠，算法結束；(5) 如果都找到了臨近脊線，則標記該分歧點為一般可靠；(6) 定義一個矩形ABCD，其中AC的長度為3入/2， AB的長度為4入(如圖 8(b)所示)；(7) 從臨近脊線與矩形的左交點P0和P1出發，沿臨近脊線搜索；(8) 如果發現一個端點，則該分歧點不可靠，算法結朿；(9) 如果存在右交點P2和P3，則該分歧點高度可靠。對于端點特征，由指紋圖像可知，脊線端點兩側的脊線逐步靠近，以保證 指紋脊線間的距離保持基本恒定。基于此特性，我們用以下算法來驗證端點的可靠性算法五(如圖9所示)(1) 用入個點來進行直線擬合，估算端點所在脊線的方向角；(2) 如果端點所在脊線的長度小于A，則該端點不可靠，算法結束；(3) 從端點出發，沿脊線跟蹤至入/2處，在垂直于脊線的方向上，檢測是否在士3A/2的范圍內存在臨近脊線；(4) 如果找不到兩根脊線，則該端點不可靠，算法結束；(5) 定義一個矩形ABCD，其中AB的長度為3入/2, AD的長度為3入(如圖 IO所示)；(6) 從臨近脊線與矩形的左交點P0和P1出發，沿臨近脊線搜索；(7) 如果一條脊線與AC或BD相交且另一條臨近脊線與DC相交，則標記該 端點一般可靠；(8) 如果在搜索過程中發現另一特征點，則該端點不可靠，算法結束；(9) 如果兩條臨近脊線都與DC相交，則檢測(a) 如果兩臨近脊線的夾角小于預設閾值9w (本實施例設為10度) 也即兩脊線近似平行，則該端點高度可靠；否則該端點一般可靠，算法結束；(b) 如果在P2和P3之間檢測到另一脊線，則該端點不可靠，算法結束；(三)構建特征矢量在本發明中，為了減少指紋形變對特征匹配的影響，定義了一種新的細節特征矢量，它總共包含24個元素，表示方法如下 = {x, 乂 &>， var， /, cx, cy， r,sl, /1, d2, 。2， s2, /2, d3， o3, s3, /3, d4, o4,54, /4}各元素的含義如圖6所示mO是當前待研究的細節特征點，即中心細節點， 它的方向為oO (該方向值可以在預處理階段獲得)。以mO為坐標原點，以oO為x 軸的正方向，構建坐標系(如圖虛線所示)，可以看到ml， m2和m3是分別位于 第一、第二和第三象限的細節特征點，這些特征點應該是在各象限所有細節點中距離m0最近的。oi是各細節點mi的方向，x和y是中心細節點mO在原來坐標系 中位置坐標，"是包含中心細節點的局部脊線方向，即圖中的o0。考慮到特征提 取過程中誤差，可以用參數var和f取代了類型參數，var是在原始指紋圖像中以 mO為中心的局部窗口內各象素的灰度方差，f是在原始指紋圖像中包含mO的局部 窗口的頻率，它代表局部窗口中脊線的頻率。這兩個參數都可以在指紋預處理 階段獲得。如果仔細觀察指紋圖像，就會發現大多數的脊線在有限長度內可以當作是 圓弧的一部分，基于這一點，本發明使用了3個參數來表示與細節特征點相連的 脊線，它們分別是cx， cy和r。把與細節特征點相連的脊線看作是一段圓弧， 利用圓弧上的三個點就可以得到所在圓的中心坐標和半徑。考慮到彈性形變的 影響，利用最小二乘法去擬合脊線，最后用中心的平均坐標cx 、 cy和半徑的平 均值r來表示與細節特征點相連的脊線。di， si， ai and ii (i-l，2,3，4)是中心細節特征點的鄰域關系特征，它們描述了中 心細節點(m0)與周圍細節點(mi)之間的關系。di分別是mi到mO的距離，ai 是mO方向角所在直線與mi方向角所在直線的夾角，si是mO與mi連線所在直線分 別和mO方向角所在直線的夾角。il， i2， i3和i4分別是mi特征點在所有細節點集 合中的索引。考慮到在某些情況下無法為某個象限確定合適的細節特征，例如， 在圖6中，在第四象限找不到合適的細節點，那么就用一個特殊的極小值來標識 d4， s4， a4和i4，如一1。二、指紋特征匹配所述特征匹配的過程為首先利用脊線的曲率特征進行匹配參考點對的識 別；然后利用極坐標對圖像進行校準；接著利用自適應彈性匹配方法進行細節 點配對和匹配分值計算；最后利用匹配的點對數和匹配分值，采用多級判別體 系進行指紋匹配。具體處理流程如圖l右半部分所示。現對每一處理流程分述如 下1.識別匹配參考點對首先，需要對己經獲得的兩個點集的矢量特征按照 曲率大小的順序排序，如果輸入指紋的第i的細節點和模板指紋的第j個特征點 存在對應關系，那么與這兩個特征點相連的脊線的曲率 和^也應該是基本 相同的，并且該曲率是不隨圖像旋轉或平移所變化的。于是有，如果卜p—乂1<7;(在本實施例中，對于分辨率為500DPI的指紋圖像，其z;取25)，則可以利用<formula>formula see original document page 16</formula>公式0，W/zmW^ 計算兩個細節特征的相似度。如果S(i,j)>Ta (在本實施例中，Ta的取值為0.75)，則可以認為對應點對已經找到。否則 如果計算了所有曲率相同的點對之間的相似度，沒有哪個點對的相似度大于給 定的閾值Ta，則可以把具有最大相似度的點對作為后續圖像校準的中心。如果 點對的最大相似度小于給定的閾值Tb (在本實施例中，Tb的取值為0.25)，則可以直接判斷兩個圖像不匹配。相似度計算公式中T是預先定義的閾值(T的值可以用統計方法獲得。本實 施例利用一定數量的指紋樣本圖像，用人工方法精確標定具有完全對應關系的 指紋細節，計算各對應點對的特征矢量的歐式距離，求得均值M和方差S，以 M+2 S作為T的備選值)，^^l是兩個特征矢量的歐氏距離。2.圖像校準圖像校準的目的在于消除兩幅指紋圖像的幾何形變。利用平 移變換參數和旋轉變換參數可以修正圖像間的剛性形變。對于非線性形變，因 為其主要出現在圖像中心區域，其表現形式為非線性的向外輻射。因此，采用 極坐標表示方法是一種更有效的解決方法。進行圖像校準的步驟如下1)把輸入指紋圖像和模板指紋圖像原來笛卡兒坐標系下的細節點轉換到極 坐標下，極坐標的原點為上一步確定的對應參考點對，轉換公式如下所示。<formula>formula see original document page 16</formula>式中"，^"')7是細節點在原來坐標系下的取值，"，夂，^)7是圖像校準中心在原來坐標系的值，(pri,ei，ei)T是轉換后細節點極坐標的值，其中pri代表極徑， ei代表極角，ej代表細節點i的方向與校準中心細節點方向的差值。這樣一來，就 可以把原來的特征矢量FC改成一種更為簡潔的形式FC'氣pri, eb & var, f， r)，其中 訝口 r的含義和FC中定義一樣。2)把新的特征矢量集合按照極角的升序進行排列，結果如下<formula>formula see original document page 16</formula>3.細節點配對與匹配計算由于存在非線性變形，這就要求匹配算法要有 一定的彈性。通常，在匹配過程中，會利用一個邊界盒來進行彈性匹配，即在 模板指紋的細節點上放一個邊界盒，然后檢查對應的輸入指紋位置，看是否有 細節點落在邊界盒內。本發明所采用的細節點配對算法利用了自適應彈性匹配 方法，即邊界盒的范圍是隨著細節點距離匹配中心的距離的遠近而不斷調整的。 判斷兩個細節點存在對應關系的條件如下兩個細節點的極徑差值小于給定閾值Apr (本實施例取單倍紋線寬度入)； 兩個細節點的極角差值小于給定閾值Ae (本實施例取15度)。假設Pi模板指紋上一個細節點，Qj是輸入指紋上與Pi存在對應關系的細節點，則它們直接匹配分值S (i,j)可以用公式 計算。如果匹配分值S(i,j)大于給定的閾值Tm(在本實施例中，Ta的取值為0.70)，則可以認為這兩個細節點匹配，在記錄它們匹配分值的同時，把已經匹配的細節點總數Nm加l;否則，只記錄兩個細節點匹配的分值。4.指紋匹配計算完所有存在對應關系的細節點對的匹配分值后，則可以 得到匹配的細節點對總數Nm和匹配分值之和Mm，其中^=2>(^')。下面將介紹多級判別體系首先，如果《^2或A^/M一7V，M)^X6，其中N和M分別是指紋模板和輸 入圖像細節點的數量，則可以直接判斷兩幅指紋圖像來自同一個手指；否則，如果^<6，則可以直接判斷兩幅指紋圖像不匹配； 如果H^i^S11并且12Tl，則也可以判斷兩幅指紋圖像匹配成功；如果^1^9并且^"2，則也可以判斷兩幅指紋圖像匹配成功； 其他情況都可以判斷兩幅圖像不匹配。其中Tl和T2都是預先設定的閾值，并且滿足n〈r2。其中T1和T2都是預先設定的閾值，可根據一定數量的指紋樣本統計而得， 在本實施例中分別為11和12.5 。
權利要求
1. 一種指紋識別方法，其特征在于由指紋特征提取和特征匹配兩個步驟組成所述指紋特征提取的過程為針對于預處理的圖像進行細節特征初選；對初選后的細節特征進行剪枝；對剪枝后的細節點特征進行可靠性驗證；最后根據細節點的鄰域關系和脊線曲率特征構建特征矢量；所述特征匹配的過程為首先利用脊線的曲率特征進行匹配參考點對的識別；然后利用極坐標對圖像進行校準；接著利用自適應彈性匹配方法進行細節點配對和匹配分值計算；最后利用匹配的點對數和匹配分值，采用多級判別體系進行指紋匹配。
2、 根據權利要求1所述的指紋識別方法，其特征在于，所述細節特征剪枝 的偽特征包括因為脊線斷裂產生的兩個錯誤端點；因為脊線的錯誤連接和斷 開產生的偽分歧點和偽端點；在對非平滑脊線進行細化后產生的短枝；因為脊 線間的錯誤連接產生的偽分歧點。
3、 根據權利要求1所述的指紋識別方法，其特征在于，所述構建特征矢量 的方法為定義一種新的細節特征矢量，它總共包含24個元素，表示方法如下 FC = {x, j, w, var， /， cx， c少,r，"1, /1, d2, "2,512, /2, d3, a3, s3, /3, d4, a4, s4, /4}其中x和y是參考細節點在原來坐標系中位置坐標，w是包含參考細節點 的局部脊線方向，參數var是在原始指紋圖像中以參考細節點為中心的局部窗口 內各象素的灰度方差，f是在原始指紋圖像中包含參考細節點的局部窗口的頻 率，它代表局部窗口中脊線的頻率；cx 、 cy和r表示與細節特征點相連的脊線 所擬合圓弧的中心位置坐標和半徑；di， si, ai and ii (i-l,2,3,4)是參考細節特征點 的鄰域關系特征，它們描述了參考細節點(m0)與周圍細節點(mi)之間的關 系；di分別是mi到mO的距離，ai是m0方向角所在直線與mi方向角所在直線 的夾角，si是mO與mi連線所在直線分別和mO方向角所在直線的夾角；il， i2， i3和i4分別是mi特征點在所有細節點集合中的索引。
4、 根據權利要求1所述的指紋識別方法，其特征在于，所述匹配參考點對 的識別方法為首先，需要對已經獲得的兩個點集的矢量特征按照曲率大小的順序排序，如 果輸入指紋的第i個細節點和模板指紋的第j個特征點存在對應關系，那么如果s(/，；)=1 —夂1<7^，則可以利用公式r一 FC, — FC,G，W&nv^ 計算兩個細節 特征的相似度，如果S(i，j)〉Ta，則可以認為對應點對已經找到；否則如果計算了所有曲率相同的點對之間的相似度，沒有哪個點對的相似度大于給定的閾值Ta，則可以把具有最大相似度的點對作為后續圖像校準的中心；如果點對的最大相似度小于給定的闊值Tb，則可以直接判斷兩個圖像不匹配；相似度計算公式中T是預先定義的閾值，T的值可以用統計方法獲得； IW—^。l是兩個特征矢量的歐氏距離。
5、根據權利要求1所述的指紋識別方法，其特征在于，所述對圖像進行校 準的方法為-1 )把輸入指紋圖像和模板指紋圖像原來笛卡兒坐標系下的細節點轉換到極 坐標下，極坐標的原點為已經確定的對應參考點對，轉換公式如下所示>,、 、《乂tan—'(:、一 xr式中"，^"',是細節點在原來坐標系下的取值，"，》A"是圖像校準中心在原來坐標系的值，(pri,ei,ei)T是轉換后細節點極坐標的值，其中pri代表極徑， ei代表極角，ei代表細節點i的方向與校準中心細節點方向的差值；這樣一來，就 可以把原來的特征矢量FC改成一種更為簡潔的形式FO(pri, ei, & var, f， r)，其中 var， fS] r的含義和FC中定義一樣；2)把新的特征矢量集合按照極角的升序進行排列，結果如下 《={[ //>,]...[力:,《， ，。}2。 = {[P。2, e卩，《e ， var,e, 一 ]…[;^ e, e e,《e, varf, / e, r e ]}。
6、根據權利要求1所述的指紋識別方法，其特征在于，所述指紋匹配的方 法為計算完所有存在對應關系的細節點對的匹配分值后，則可以得到匹配的細 節點對總數Nm和匹配分值之和Mm，其中M" =2>("');首先，如果^^12或^^"W，^0^'6，其中N和M分別是指紋模板和輸入圖像細節點的數量，則可以直接判斷兩幅指紋圖像來自同一個手指；否則，如果氣<6,則可以直接判斷兩幅指紋圖像不匹配； 如果10SA^《11并且M^n，則也可以判斷兩幅指紋圖像匹配成功；如果"A^^9并且M^T2，則也可以判斷兩幅指紋圖像匹配成功； 其他情況都可以判斷兩幅圖像不匹配；其中T1和T2都是預先設定的閾值，可根據一定數量的指紋樣本統計而得。
全文摘要
本發明涉及一種指紋識別方法，由指紋特征提取和特征匹配兩個步驟組成特征提取包括針對于預處理的指紋圖像提取細節點特征，對初選的細節點進行剪枝，對剪枝后的細節點特征進行可靠性驗證，以及進行特征矢量編碼；特征匹配首先利用脊線曲率特征進行圖像校準，降低了校準的復雜度，然后利用指紋的鄰域關系特征進行匹配分值的計算和匹配點對的統計，根據匹配的點對數和匹配分值，利用多級判別體系來判斷兩枚指紋的相似度。本方法具有識別率高、識別速度快，可靠性強等優點。
文檔編號G06K9/00GK101276411SQ200810106358
公開日2008年10月1日 申請日期2008年5月12日 優先權日2008年5月12日
發明者丁剛毅, 唐明湘, 王崇文 申請人:北京理工大學