一种基于混合匹配的指纹识别方法.docxVIP

一种基于混合匹配的指纹识别方法 摘要：为克服传统的基于细节点匹配的不足，对基于点模式匹配算法与改进的2DPCA匹配算法的混合识别算法进行了改进。改进后的算法在点模式匹配算法中加入改进的 2DPCA算法的初匹配得分权重， 提高了点模式匹配算法的准确性； 并利用点模式匹配算法对 2DPCA算法的匹配结果进行二次匹配，同时也 提高了 2DPCA算法匹配的准确率。 指纹识别技术是一种非常重要的生物特征识别技术， 应用十分广泛。指纹识别一般包括指纹图像采集、指纹 摘要：为克服传统的基于细节点匹配的不足，对基于点模式匹配算法与改进的 2DPCA匹配算法的混合识别算法进行了改进。改进后的算法在点模式匹配算法中加入改进的 2DPCA算法的初匹配得分权重， 提高了点模式匹配算法的准确性； 并利用点模式匹配算法对 2DPCA算法的匹配结果进行二次匹配，同时也提高了 2DPCA算法匹配的准确率。 指纹识别技术是一种非常重要的生物特征识别技术， 应用十分广泛。指纹识别 一般包括指纹图像采集、指纹图像增强、特征提取和匹配几个部分， 其中特征匹配在整个系统中占有重要地位。指纹识别系统中的匹配算法主要分为基于细 节信息和基于全局信息两种模式。 目前， 大部分的指纹识别系统都是采用基于细节特征的匹配方法， 即提取细化后的指纹图像的端点和分叉点信息， 采用一定的算法实现匹配。此类算法虽然取得了较好的识别效果， 但是对发生偏移、形变、断纹等低质量的指纹图像效果不佳， 并由于该类方法在提取特征之前要对指纹图像做一系列的预处理，耗时较长。 本文采用了一种基于点模式算法和改进的 2DPCA的混合匹配算法， 能够充分利用指纹纹线中脊线和谷线的全局信息， 弥补点模式算法的不足。 基于点模式的匹配算法 本文采用一种在极坐标下基于中心点的指纹匹配算法， 该算法的具体实现步骤如下。 1） 构造指纹图像特征点的集合， 在预处理阶段计算出指纹图像的特征点及其特征点信息， 包括特征点的坐标 FeatureX 与 FeatureY 、特征点的方向 DirectiON 和特征点的类型 Type（ 包括端点和分叉点）。通过上述信息， 设系统数据库中已存在的指纹图像为 P， 其特征点的数量为 m， 在线录入的指纹图像为 Q， 其特征点的数量为 n ，则它们对应的两个点集为： 其中， 2） 获取中心点 CorePoint_X 、 CorePoint_Y 及中心点的方向 CorePoint_Dir 。 3） 以各自图像的中心点为极点， 按照公式将所有的特征点都转换到极坐标下： 通过上述公式转换后， 指纹图像中的任一特征点可以表示为一个四维向量 Radius, θ ，Dir,Type ）。其中， Radius 表示该特征点在极坐标下的极径， θ 表示极角， Dir 表示该特征点在极坐标下的方向； Type 表示该特征点的类型。 （ 4） 分别将模板指纹  P 和输入  Q 特征点按照极角递增的方向排序，  形成两 个新的特征点集： （ 5） 匹配误差值的设定。为了克服指纹出现旋转、形变等非线性形变带来的 误差，本文引入了可变界限盒的概念， 如图 1 所示， 其中， Rw为两个特征点间的极径允许的误差范围， θw为极角间的允许误差范围。 图 1 可变界限盒示意图 距离中心点远的特征点有可能发生的位移或形变的幅度较大， 而距离中心点近的特征点往往发生的位移或形变较小， 为减少误判， 将 Rw和 θw 设为两个动态的值， 其具体值由不同的极径决定。 同 也在特征点方向匹配 置方向 差范 Dw， 由于采用的是离散的 8 个 方向， 故范 Dw={Dir-1,Dir,Dir+1} ， 其中当 Dir=1 ， Dir-1=8 ；当 Dir=8 ， Dir+1=1 。 6） 排序后， 将 入点集 Q 的特征点和模板点集 P 中的特征点 行逐一匹配。当 入 像和模板 像中超 13 特征点 足条件 ， 两幅指 来自同一手指， 匹配成功； 反之， 失 。 2 基于改 的 2DPCA的指 2DPCA算法是一种以 像 分析 象的特征提取算法， 因此在构造 像 方差矩 ， 可以直接利用 像矩 。 2DPCA算法以 像的全局信息 理 象，在 降 和提取特征的 程中， 予了 像矩 中每个像素相同的地位，如果直接采用 2DPCA算法 像 行 理， 将不可避免地 失掉一部分 本所包含的判 信息。 基于以上不足，本文 一种基于 本 信息的改 2DPCA算法， 算法根据 本 信息的差异性，利用 本的 内 方差矩 作 特征向量的 生矩 ，利用 聚 向量和 方差矩 来提取 本的特征。 2.1 改 的 2DPCA算法 假 本 m×n 的 像矩 ， 数量