基于二次匹配的指纹匹配算法研究.pdfVIP

中国科技论文在线 基于二次匹配的指纹匹配算法研究 桂可，吴友宇 武汉理工大学信息工程学院，武汉 （430070 ） E-mail ：gk324@163.com 摘 要：本文采用基于特征点的二次匹配算法。初匹配阶段，通过构建局部特征向量，引入 匹配 “得分”体系，求取配准特征点以及配置点集；二次匹配阶段，利用配准特征点，实现 待匹配指纹的特征点与模版指纹的特征点之间的配准，通过引入可变限界盒，判别两个特征 点是否匹配。最后求取所有可匹配的特征点的总数，假若总数超过 10 对的话，则判定两幅 指纹是同一来源指纹，否则则不是。 关键词：初匹配 二次匹配 匹配分值 坐标校准 中图分类号：TP391.4 1．引言 近年以来，指纹图像的匹配一直是相关学者研究的热点之一。学者们提出了许多基于各 种特征的匹配算法。当这些算法中的绝大部分都无法回避待匹配指纹的特征与模版指纹的特 征的配准问题。因为只要实现了它们之间的配置，后续的特征匹配就非常容易。因此待匹配 指纹的特征与模版指纹的特征之间的配准是指纹匹配算法的一个难点问题。 本文采用的匹配算法是基于特征点的二次匹配，将较容易解决这一问题。该算法充分发 掘指纹的特征信息，包括点类型，方向，相对空间分布等等信息，并利用这些特征构建特征 向量。本文匹配算法的总体思想：总体采用分级匹配，即先采用初匹配 （又叫粗匹配），再 采用二次匹配。 2．初匹配 初匹配，也称为粗匹配。由于待匹配的指纹图像与指纹库中的指纹模版之间一般情况下， 并不是完全一致。待匹配指纹与指纹库中的指纹相比会发生旋转，平移，比例延伸等变化， 这些变化会导致特征点的许多信息发生变化，比如特征点之间的相对距离等等。这就给指纹 的匹配带来了诸多的困难。指纹匹配算法必须能够尽量与指纹的旋转无关，或者说是能够消 除旋转的影响；必须能够克服指纹特征点的丢失等情况，不能因为丢失一个或者几个特征点 就不能够做出正确的匹配；必须能够克服由于指纹采集时手指按捺的力度不一样，导致指纹 特征点的距离不一样带来的影响。这些都给指纹识别带来了极大的难度。为了提高匹配的准 确率和匹配的效率，本文首先对通过在待匹配的指纹与模版指纹之间求取配准基点，实现细 节特征点点集进行配准，这就是初匹配的任务。 2.1 构造特征向量——初匹配的准备工作 在进行初匹配前，本文尽量充分地挖掘指纹特征点的各种信息，并将特征点的多种信息 构建成特征向量，方便特征点之间的匹配。在挑选特征点的信息时，必须保证这些信息不受 指纹的旋转、平移等影响。 1 中国科技论文在线 本文指纹匹配算法中特征点具有两种角色——局部中心特征点、局部邻域特征点。本文 称当前考察的特征点为中心特征点，其他的特征点为邻域特征点。中心特征点的特征信息本 文挑选位置信息 x 、y、特征点类型信息 s、方向信息 D ，即其作为中心特征点的特征向量为 （x,y,s,D ）。 通过分析不难发现，仅仅是通过位置，类型，方向这三个信息无法克服旋转、平移等影 响，实现特征点之间的有效的匹配。因此本文在构建当前待考察点的特征向量时，还充分的 发挥待考察特征点与周围邻域特征点之间的关系，通过增加邻域特征点的信息来弥补待考察 特征点的信息不足，本文将邻域特征点的向量称为该中心特征点的局部特征向量。 在邻域特征点中，由于与中心特征点距离过近的特征点有可能是伪特征点，另外即使是 特征点，由于距离过近，导致其与中心特征点之间的关系比如距离、角度都受指纹的形变影 响非常大，不利于初匹配处理。因此特选用距离中心特征点大于 R 的最近的 5 个邻域特征 点作为该中心特征点的局部特征向量如图 1 所示。这里 R 值定为 10 个像素，具体取值视分 辨率以及特征点的提取情况而定[1,2] 。