基于纹理结构指纹匹配算法研究与应用.docVIP

基于纹理结构指纹匹配算法研究与应用 　　摘要:该文分析了指纹纹理结构的特点,对预处理后的指纹图像的骨架图进行修复,同时提出了一套基于纹理结构的指纹特征提取和匹配算法,此算法利用指纹的纹理结构特征,提高了匹配的正确率。实验结果表明,该算法具有较高的识别率和较强的鲁棒性。 　　关键词:指纹识别;纹理结构;轮廓匹配 　　中图分类号:TP391文献标识码:A文章编号:1009-3044(2010)22-6309-02 　　自动指纹识别系统(Auto Fingerprint Identification System,AFIS)是目前生物识别技术领域研究的一个热点,也是研究较为成熟的技术。随着数字图像处理和模式识别理论以及电子技术的发展成熟,自动指纹识别系统的硬件体积不断缩小,其价格也不断降低,在考勤和门禁系统、计算机系统及网络用户的身份认证等多方面得到了广泛的应用。 　　AFIS一般包括指纹图像采集、指纹图像预处理、特征提取和特征匹配几部分。其中,特征提取和匹配是系统功能的实现。目前,常用的特征提取和匹配有基于细节点、基于图像内容和基于纹理结构三种方法。多数指纹识别系统使用的是美国联邦调查局(Federal Bureau of Investigation,FBI)提出的基于细节点的匹配,这种方法对质量较好的指纹图像匹配效果较好,但当指纹图像质量较差时,就很难准确的提取细节点。在这种情况下,单纯的细节点就不能充分地反映指纹纹线丰富的结构信息。另外,由于晶体指纹传感器的采集面积较小,易造成同一个手指的不同捺印只有很少部分重叠,如果只用细节特征进行匹配,就会产生较大的误差。基于图像内容的匹配方法因需进行大量的计算,也具有一定的局限。 　　本文针对低质量图像,利用指纹图像的纹理结构特征,提出了一套高效的指纹特征提取和匹配算法。具体过程为:首先对采集到的指纹图像进行预处理,根据Poincaré指数计算方法提取奇异点和纹线的轮廓特征;然后对提取的轮廓进行匹配,根据图像匹配程度,判断两幅图像是否相同。 　　1 轮廓提取 　　纹理是以相似的模式或空间排列的点,它们具有一定的统计或结构特征和灰度变化规律,纹理结构指灰度分布性质或图像表面呈现出的方向信息。一般来说,纹理图像中灰度分布具有某种周期性,即使灰度变化是随机的,它也具有一定的统计特征。对指纹图像而言,指纹图像的纹理结构特征有:脊线和谷线局部平行;脊线间距是常量;脊线方向具有一定的规律;脊线有一定的形状等。 　　1.1 Freeman链码及其导数 　　在离散图像中,线条或边界是由一串离散的像素点组成的。若用一网格覆盖图像,并使像素点位于网格的交点上,则离散图像的线条可以看作由短的线段组成的链。这些短的线段正好是网格相邻交点的连线,如图1(a)所示。 　　链码又称Freeman链码,可以表示线条和边界,还可以用来计算一些几何特征的量,如长度、闭合曲线的周长、所围的面积等等。根据不同的连通性定义,有4链码和8链码之分(我们以8链码为例)。链码实质上是一串指向符的序列。指向符共有8个方向,分别用0,1,2,3,4,5,6,7等八个数来表示0°,45°,90°,135°,180°,225°和315°等八个方向,如图1(b)所示。用链码表示线条就是从线条的起点开始沿曲线观察每一线段的走向并用相应的指向符来表示,结果形成一个数列。对于图1(a)中所表示的曲线,形成的链码为: 　　0 1 0 6 0 0 0 5 5 7 5 7 0 0 　　在某些场合,还采用链码的导数来描述曲线。这种表示的优点在于与图像的旋转无关(第一个码元除外,该码元是链码中原来的值,未取其导数),而且同样描述了各段的走向。确定各段走向的规则:在当前走向的基础上旋转一个角度就是下一线段的走向,这个角度等于下一个码元数字乘以π/4。对于8链码来说,它的导数是指对每个码元作后向差分,并对结果作模8运算,图1(a)所示曲线的链码导数表示为: 　　0 1 7 6 2 0 0 5 0 2 6 2 1 0 　　1.2 特征提取 　　因为采用链码的导数来描述纹线可以解决一定的旋转问题,在本文算法中,采用链码的导数来表示从指纹图像中提取的纹线。首先利用阈值分割提取图像的有效区域,使尽可能小的区域代表整个图像,然后根据图像的大小用一个网格覆盖整个图像。例如对于一幅大小为150×150的图像,用30×30的网格覆盖(网格数越大,精度越高,可根据实际图像大小来选取)。用纹线跟踪法来提取纹线,并用链码导数来表示每一条纹线。 　　对于提取的每纹线应该包括如下参数:1) 起点坐标;2) 终点坐标;3) 链码导数;4) 链码长度。 　　对闭合纹线,起点坐标与终点坐标相同;对于复杂纹线,可以采取把一条复杂纹线分解成几条简单的纹线,然后再