自動(dòng)指紋識(shí)別系統(tǒng)中若干關(guān)鍵問(wèn)題研究.pdf

1、生物特征識(shí)別技術(shù)是根據(jù)每個(gè)人獨(dú)有的、可以采樣和測(cè)量的生物學(xué)特征或行為學(xué)特征進(jìn)行身份識(shí)別的技術(shù)，相對(duì)于已有基于持有物（如護(hù)照、駕駛證）和基于知識(shí)（如密碼、個(gè)人身份識(shí)別碼）的傳統(tǒng)身份識(shí)別方法，該技術(shù)具有更好的識(shí)別能力及可靠性，因而被廣泛研究和運(yùn)用。自動(dòng)指紋識(shí)別系統(tǒng)由于其體積小，成本低，易操作，可靠性高等優(yōu)點(diǎn)越來(lái)越受到人們的青睞，成為最重要的生物識(shí)別技術(shù)之一。 本論文針對(duì)自動(dòng)指紋識(shí)別系統(tǒng)中指紋圖像分割、指紋方向場(chǎng)計(jì)算、指紋奇異點(diǎn)檢測(cè)、指

2、紋圖像細(xì)化、指紋匹配等關(guān)鍵問(wèn)題進(jìn)行了研究，并取得了以下研究成果： 1，在指紋圖像分割方面，主要做了兩部分工作：1）提出了一種稱(chēng)之為有效點(diǎn)聚集度的指紋圖像分割特征；2）依據(jù)有效點(diǎn)聚集度及已有的塊聚集度特征，提出了一種有效的指紋圖像分割方法，該方法首先采用有效點(diǎn)聚集度對(duì)指紋圖像做粗分割，然后對(duì)粗分割結(jié)果采用基于迭代的方法進(jìn)行后處理，接著運(yùn)用塊聚集度在第一次后處理結(jié)果的基礎(chǔ)上做細(xì)分割，最后采用形態(tài)學(xué)方法對(duì)細(xì)分割后的結(jié)果做第二次后處理。

3、大量實(shí)驗(yàn)證明：相對(duì)于已有常用的指紋圖像分割特征，有效點(diǎn)聚集度具有鑒別能力強(qiáng)、魯棒性好、分割出的前景、背景區(qū)域較為集中的特點(diǎn)；基于有效點(diǎn)聚集度及塊聚集度提出的指紋圖像分割算法具有較高的準(zhǔn)確性及較強(qiáng)的適應(yīng)性。 2，在指紋方向場(chǎng)計(jì)算方面，主要作了兩個(gè)部分的工作：1）針對(duì)基于梯度的指紋方向場(chǎng)計(jì)算方法中存在的點(diǎn)梯度向量歸一化、塊窗口大小選擇及進(jìn)一步增強(qiáng)抗噪聲能力等三個(gè)關(guān)鍵問(wèn)題進(jìn)行了討論、研究，并對(duì)每個(gè)問(wèn)題提出了本章的解決方案；2）基于上述

4、改進(jìn)方案，系統(tǒng)地提出了兩種改進(jìn)的基于梯度的指紋方向場(chǎng)計(jì)算方法，即基于多尺度融合的指紋方向場(chǎng)計(jì)算方法、基于復(fù)合窗口模版的指紋方向場(chǎng)計(jì)算方法。實(shí)驗(yàn)驗(yàn)證了提出算法的有效性。 3，在指紋奇異點(diǎn)檢測(cè)方面，在指紋方向場(chǎng)分割的基礎(chǔ)上提出了一種稱(chēng)之為方向豐富度的特征，并據(jù)此形成了一種新的指紋奇異點(diǎn)快速檢測(cè)方法。該方法首先將指紋方向場(chǎng)分割為一系列互不重疊的同質(zhì)區(qū)域；然后通過(guò)同質(zhì)區(qū)域邊緣檢測(cè)及邊緣端點(diǎn)提取實(shí)現(xiàn)了奇異點(diǎn)快速定位；最后依據(jù)奇異點(diǎn)處方向豐

5、富度特性判斷其類(lèi)型。與目前占據(jù)絕對(duì)主流的poincareindex方法在FVC2002指紋庫(kù)上的對(duì)比實(shí)驗(yàn)表明：在準(zhǔn)確性方面，兩者各有優(yōu)、缺點(diǎn)，提出方法的誤檢率明顯低于后者，漏檢率略高于后者；在簡(jiǎn)單實(shí)用性方面，提出算法的平均運(yùn)算速度是后者的17.4倍，具有明顯優(yōu)勢(shì)。 4，在指紋圖像細(xì)化方面，針對(duì)已有OPTA算法（One Pass Thinning Algorithm）存在細(xì)化質(zhì)量與細(xì)化速度不能兼顧的缺陷，提出了一種基于優(yōu)化模版的指

6、紋圖像快速細(xì)化算法。該算法主要做了兩個(gè)部分的工作：在已有消除模版和保留模版的基礎(chǔ)上提出了組合模版，有效地提高了模版匹配速度；針對(duì)組合模版進(jìn)行了進(jìn)一步優(yōu)化，解決了細(xì)化質(zhì)量與速度之間的矛盾。大量實(shí)驗(yàn)表明，提出的改進(jìn)算法在確保細(xì)化質(zhì)量的同時(shí)，細(xì)化速度較之已有算法進(jìn)一步提高了3～6倍。 5，在指紋匹配方面，主要做了兩個(gè)部分的工作：1）發(fā)現(xiàn)已有基于方向的細(xì)節(jié)點(diǎn)描述子（Orientation_based Minutia Descriptor

7、，OMD）存在旋轉(zhuǎn)相關(guān)的問(wèn)題并通過(guò)改進(jìn)OMD相似度計(jì)算方法有效地解決了該問(wèn)題；2）提出了一種基于多級(jí)驗(yàn)證模式的指紋匹配方案，并給出了一種實(shí)現(xiàn)案例，其主要過(guò)程為：首先基于細(xì)節(jié)點(diǎn)的OMD特征進(jìn)行局部匹配獲得粗糙參考點(diǎn)對(duì)集；其次構(gòu)建高層次的細(xì)節(jié)點(diǎn)局部拓?fù)浣Y(jié)構(gòu)，分級(jí)驗(yàn)證粗糙參考點(diǎn)對(duì)集獲得精煉參考點(diǎn)對(duì)集；最后對(duì)粗糙參考點(diǎn)對(duì)集中未被選入精煉點(diǎn)對(duì)集的參考點(diǎn)對(duì)，基于精煉參考點(diǎn)對(duì)集構(gòu)建其高層次的細(xì)節(jié)點(diǎn)局部拓?fù)浣Y(jié)構(gòu)進(jìn)行再次驗(yàn)證以獲得最終參考點(diǎn)對(duì)集。實(shí)驗(yàn)驗(yàn)證