指紋圖像質(zhì)量評估方法與應(yīng)用研究.pdf

1、指紋識別是生物特征識別中出現(xiàn)最早、技術(shù)較為成熟的一種身份認(rèn)證方式。由于指紋識別技術(shù)的唯一性、不變性和方便性等特點(diǎn)，被廣泛應(yīng)用于各個領(lǐng)域。自動指紋識別技術(shù)也是生物特征識別研究領(lǐng)域的一個熱點(diǎn)，并取得了許多研究成果。但是，自動指紋識別系統(tǒng)的性能受到指紋圖像質(zhì)量的影響。指紋圖像質(zhì)量的評估，對于自動指紋識別系統(tǒng)性能的提高，尤其是在圖像采集、預(yù)處理以及匹配等環(huán)節(jié)，具有重要意義。
　　 目前，對于提高自動指紋識別系統(tǒng)性能的研究工作主要包括:提

2、高預(yù)處理階段的性能;指紋多模板或者多算法的融合以增加識別信息;高分辨率的指紋特征提取與識別技術(shù)。但是，對指紋圖像質(zhì)量的研究工作較少。如何對指紋圖像質(zhì)量進(jìn)行準(zhǔn)確評估，以及如何利用指紋質(zhì)量評估的結(jié)果進(jìn)一步提高指紋識別系統(tǒng)的性能，是值得研究的課題。
　　 針對當(dāng)前對指紋圖像質(zhì)量進(jìn)行分類的準(zhǔn)確率較低的問題，提出了一種新的基于度量學(xué)習(xí)的指紋圖像質(zhì)量分類方法。提取指紋圖像的有效區(qū)域面積、灰度均值和方差、Gabor特征、方向?qū)Ρ榷?、方向一致?/p>

3、、頻譜能量集中度7個質(zhì)量特征指標(biāo)，用LMNN算法學(xué)習(xí)出一個新的距離度量函數(shù)，并在新的度量空間下利用KNN分類器對指紋質(zhì)量進(jìn)行分類，實(shí)驗(yàn)結(jié)果驗(yàn)證了其有效性。
　　 針對現(xiàn)有算法對于低質(zhì)量指紋的識別準(zhǔn)確率不高問題，提出了一種基于質(zhì)量的指紋驗(yàn)證方法。將圖像的質(zhì)量作為指紋匹配時考慮的一個因素，和原始匹配得分共同決定兩幅指紋是否來自于同一個手指。該方法在決策時從一維信息上升到了二維信息。實(shí)驗(yàn)結(jié)果表明，相比于傳統(tǒng)的指紋驗(yàn)證方法，基于質(zhì)量的指

4、紋驗(yàn)證方法能夠顯著的提高識別的準(zhǔn)確率。而且，當(dāng)誤識率固定時，基于質(zhì)量的指紋驗(yàn)證方法的拒識率比傳統(tǒng)方法要低。
　　 針對在基于質(zhì)量的指紋驗(yàn)證方法中存在的原始匹配得分和質(zhì)量得分的非線性問題，提出使用機(jī)器學(xué)習(xí)方法進(jìn)行改進(jìn)。把兩幅指紋的匹配情況看作一個樣本，原始匹配得分和質(zhì)量得分作為這個樣本的兩維特征。判斷待匹配指紋是同源還是異源的問題就轉(zhuǎn)化為對一個具有二維特征的樣本的二分類問題。使用常見的機(jī)器學(xué)習(xí)算法，對匹配情況進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明