指紋識別中的圖像處理研究------背景與基礎(chǔ)名詞解釋（二）

　　1.4指紋識別技術(shù)

　　在本文中，我們的目標是使用指紋識別技術(shù)設(shè)計一種自動的個人身份認證系統(tǒng)。之所以采用指紋，從上面的比較可知，指紋識別技術(shù)具有以下的優(yōu)點：

　　(1)每個人的指紋都具有唯一性和穩(wěn)定性，不會隨年齡的增長和身體健康狀況的變化而變化。

　　(2)指紋識別的有效性已經(jīng)得到了廣泛的證明和認可。

　　(3)指紋取樣設(shè)備種類繁多，并且價格低廉，另外，已有標準的指紋樣本庫，便于識別系統(tǒng)的軟件開發(fā)。

　　(4)一個人的十指指紋皆不相同，這樣，可以不增加系統(tǒng)的設(shè)計負擔的情況下方便地利用多個指紋構(gòu)成多重口令，提高系統(tǒng)的安全性。

　　(5)指紋識別中使用的模板并非最初的指紋圖像，而是由指紋圖像中提取的細節(jié)特征構(gòu)成，這樣使系統(tǒng)對指紋模板庫的存儲要求減小。另外，特征模板也大大減少了網(wǎng)絡(luò)傳輸?shù)呢摀阌谕ㄟ^指紋實現(xiàn)異地身份確認和網(wǎng)絡(luò)數(shù)字簽名。

　　由于指紋識別技術(shù)有上述的優(yōu)點，在司法部門的需求下產(chǎn)生了基于指紋識別技術(shù)的自動指紋識別系統(tǒng)(AFIS)。圖1.4是一個自動指紋識別的應(yīng)用原理框圖。

　　從圖中我們可以看出，一個自動指紋識別應(yīng)用系統(tǒng)需要解決至少三個關(guān)鍵性的問題，他們分別是指紋圖像的采集、指紋圖像的處理、指紋匹配。

　　近幾年，隨著電子集成技術(shù)的發(fā)展，出現(xiàn)了可以直接獲取數(shù)字圖像的活體指紋傳感器，一些體積小、操作方便的活體指紋圖像傳感器已經(jīng)廣泛應(yīng)用，這些活體指紋傳感器采用的技術(shù)有：

　?、?。光學衰減全內(nèi)反射(FTIR)，

　?、?。超聲波反射，

　　③。全息攝像，

　　④。熱敏傳感技術(shù)，

　　⑤。電容或深度電場技術(shù)。除了采用上述的活體采集技術(shù)外，這些傳感器還都采用了自動增益控制技術(shù)，可以通過軟件調(diào)整的方法來獲取不同質(zhì)量的數(shù)字指紋圖像。例如，Veridicom公司的FPS200電容式指紋傳感器，在指紋采集過程中，根據(jù)反饋信息調(diào)節(jié)電容放電時間、和電荷耦合時間等參數(shù)可以增強其靈敏度，使圖像不清晰(對比度差)的區(qū)域也能夠被檢測到(如：手指壓得較輕的地方)，并在捕捉的瞬間為這些象素提高靈敏度。同時，還可根據(jù)指紋圖像的面積、灰度極差等特性來控制捕捉效果最佳的圖像。

　　指紋圖像的處理技術(shù)是指紋自動識別系統(tǒng)中的關(guān)鍵技術(shù)，指紋圖像處理算法的好壞直接決定了指紋自動識別系統(tǒng)的可靠性和速度等參數(shù)。目前在指紋圖像處理領(lǐng)域關(guān)鍵的技術(shù)有方向圖分割算法、細化算法、指紋圖像增強算法、指紋圖像有效區(qū)域提取算法等。由于，每種算法都有其優(yōu)點和缺點，因此，到目前為止在文獻中還沒有出現(xiàn)過各個方面都非常出色的指紋圖像處理算法，本文的重點也是研究這些經(jīng)常出現(xiàn)的圖像處理算法，并提出根據(jù)指紋圖像的特性，提出自己的圖像處理算法。

　　指紋匹配主要依靠的是指紋細節(jié)特征(Minutiae)。常見的指紋細節(jié)特征主要有以下五種：端點、分歧點、橋形、交叉和眼形，這些特征在指紋中的分布并不均勻，它們的比例大約為：68.2%、23.8%、3.7%、3.2%和1.1%。而根據(jù)FBI的建議，自動指紋識別系統(tǒng)一般只用脊線的端點和分歧點作為指紋的細節(jié)特征，這是因為其他幾種特征都可以看作是這兩種特征的合成。

　　圖1.5為這兩種特征的示例。脊線的端點是脊線結(jié)束的位置，分歧點是脊線分岔的位置。據(jù)統(tǒng)計一般一枚完整的指紋有大約60-80個細節(jié)特征。無論是人工匹配還是機器匹配，指紋比對的過程一般可分為以下兩步：

　　(1)根據(jù)確定的參考點校正兩幅指紋圖像，并搜索兩幅圖像的細節(jié)特征;

　　(2)根據(jù)匹配上的細節(jié)點對來確定兩幅圖像是否來自同一指紋。

　　目前常用的自動指紋識別系統(tǒng)，基本上都采用細節(jié)匹配的方法。基于細節(jié)點的匹配有多種算法：Stockman等提出的基于Hough變換的方法把點模式匹配轉(zhuǎn)化成了對轉(zhuǎn)換參數(shù)的Hough空間中峰值的檢測，J.P.Starink與E.Backer從能量最小化的角度描述點匹配問題，并使用模擬退火的方法，Rand研究所的Ratkovic提出了更細致的指紋特征模型。該模型區(qū)分十種不同的指紋特征。在此基礎(chǔ)上，J.H.Liu等用在指紋上疊加?xùn)鸥癫μ卣鞯姆植季幋a的方法來識別特征。Sparrows 與A.K.Hrechak 等都提出了基于結(jié)構(gòu)特征信息的指紋特征匹配，而D.K.Isenor與S.G.Zaky使用圖來表示指紋特征，并用圖匹配的方法來匹配指紋圖。S.Sobajic等描述了一種利用神經(jīng)網(wǎng)絡(luò)來進行細節(jié)點匹配的算法。這些算法對于油墨方式獲取的指紋圖像，其匹配精度較高，基本上達到在0.0001%FAR的情況下，F(xiàn)RR低于10%，但對于晶體指紋傳感器獲取的圖像，因其重疊部分較少，其匹配效果就不能令人滿意了。

　　1.5本文的任務(wù)

　　由于傳統(tǒng)的安全技術(shù)面臨高科技的挑戰(zhàn)，其安全性已經(jīng)不能夠滿足需要，因此人們轉(zhuǎn)向生物識別技術(shù)的研究，指紋識別技術(shù)與其它幾種生物識別技術(shù)相比有一定的優(yōu)勢，因此成為人們研究的熱點，但是到現(xiàn)今為止，還沒有一種統(tǒng)一有效的指紋圖像處理、識別的標準算法，多數(shù)的公司也都是根據(jù)不同的應(yīng)用目的，來研究一些實用的工程應(yīng)用算法。本文針對Veridicom公司的FPS200指紋傳感器，試圖設(shè)計一種較好的指紋圖像處理算法和自動指紋識別算法，該算法面向一般小型數(shù)據(jù)庫民用系統(tǒng)，其目標是針對200枚左右的指紋數(shù)據(jù)庫，該算法的期望的結(jié)果是誤識率達到1*10-6，拒識率小于10%，對100枚指紋數(shù)據(jù)庫的1：N比對時間小于3秒鐘。要達到上述的目標，需要解決3個主要的問題：指紋圖像預(yù)處理，指紋圖像的后處理，指紋識別技術(shù)的應(yīng)用。本文旨在對指紋圖像的預(yù)處理和后處理算法進行研究，以期尋求適應(yīng)于小型民用領(lǐng)域的指紋識別系統(tǒng)的圖像處理算法。