指紋與人臉中特征提取及識(shí)別研究.pdf

1、網(wǎng)絡(luò)與信息化技術(shù)的普及應(yīng)用給身份認(rèn)證提出了更新、更高的要求，傳統(tǒng)的鑰匙、密碼等身份識(shí)別方法已越來越不能適應(yīng)社會(huì)發(fā)展的需求，利用人體自身所固有的生物特征(如指紋、人臉、虹膜等)進(jìn)行身份識(shí)別的技術(shù)，即生物特征識(shí)別技術(shù)，為徹底解決身份認(rèn)證難題提供了有效的途徑，是當(dāng)前信息安全、模式識(shí)別、人工智能等領(lǐng)域極為關(guān)注的熱點(diǎn)問題。 指紋和人臉是目前最為常見的生物特征，雖然研究者針對(duì)兩者己持續(xù)關(guān)注多年，取得了許多研究成果，但隨著社會(huì)的迫切需要，以及

2、現(xiàn)有技術(shù)在實(shí)際應(yīng)用和測(cè)試中表現(xiàn)出的許多不足，近年來，對(duì)這兩種識(shí)別技術(shù)的研究仍然十分活躍。其中，特征提取和特征匹配作為尤為關(guān)鍵的研究?jī)?nèi)容，在很大程度上決定了系統(tǒng)的總體性能。在這種情況下，該文對(duì)指紋識(shí)別和人臉識(shí)別中特征提取和識(shí)別的主要關(guān)鍵技術(shù)進(jìn)行了深入研究，主要工作和創(chuàng)新性成果集中在如下方面： 1) 針對(duì)低質(zhì)量指紋圖像，提出了魯棒的紋線區(qū)域分割及自適應(yīng)增強(qiáng)方法。該方法綜合考慮了紋線方向、頻率、對(duì)比度等基本特征在指紋局部和全局之間的矛

3、盾，利用多尺度方法對(duì)這些特征進(jìn)行了獲取與校正，并完成了紋線區(qū)域多級(jí)分割，并以上述特征為參數(shù)設(shè)計(jì)了一種紋線自適應(yīng)增強(qiáng)濾波器，同時(shí)還提出了快速統(tǒng)一的濾波實(shí)現(xiàn)方法。該方法突出了指紋全局結(jié)構(gòu)制約下的局部紋理信息，著眼于消除紋線噪聲，突出紋線結(jié)構(gòu)。實(shí)驗(yàn)結(jié)果表明，相對(duì)于傳統(tǒng)算法，指紋基本特征的準(zhǔn)確獲取提高了紋線分割效果，自適應(yīng)濾波器提高了紋線清晰程度和流暢程度，保留了紋線細(xì)節(jié)特征，同時(shí)算法耗時(shí)也得到了明顯降低。 2) 提出了指紋圖像中多種鑒

4、別特征提取及特征相似度計(jì)算方法。這些特征主要包括全局穩(wěn)定點(diǎn)、描述指紋模式區(qū)分布的指紋曲率場(chǎng)、描述局部方向分布模式的OrientationCodes、描述紋線分布狀況的：PolyLines、描繪穩(wěn)定點(diǎn)和細(xì)節(jié)點(diǎn)分布的星形結(jié)構(gòu)、描述細(xì)節(jié)點(diǎn)全局分布的Delaunay剖分結(jié)構(gòu)等。在定義指紋圖像中穩(wěn)定點(diǎn)特征時(shí)，提出了指紋區(qū)域模型，利用模型將核心點(diǎn)和參考點(diǎn)統(tǒng)一表達(dá)為吸引點(diǎn)，將三角點(diǎn)表達(dá)為排斥點(diǎn)，并進(jìn)一步求取了吸引點(diǎn)的方向特征。在定義其它特征時(shí)，充分考

5、慮了平移旋轉(zhuǎn)不變性和可鑒別性。實(shí)驗(yàn)結(jié)果表明，上述特征能有效提高指紋對(duì)齊、特征比對(duì)及匹配分值計(jì)算的精確度。 3) 根據(jù)提取的指紋鑒別特征提出了基于OrientationCodes和PolyLines特征的快速指紋匹配方法和基于分層鑒別的指紋混合匹配方法。前者綜合OrientationCodes特征描述宏觀方向模式的能力和PolyLines特征描述紋線曲率走向的特點(diǎn)，采用特征最大相似度的加權(quán)和來對(duì)齊指紋并計(jì)算匹配分值，具有實(shí)現(xiàn)簡(jiǎn)單、

6、識(shí)別快速且準(zhǔn)確的特點(diǎn)。匹配實(shí)驗(yàn)結(jié)果表明，該方法相對(duì)于點(diǎn)模式匹配方法能顯著提高識(shí)別精度和速度；后者綜合考慮多種鑒別特征的特點(diǎn)，采用由全局到局部，由粗到精的逐級(jí)剔除思路，優(yōu)先判別出明顯匹配和明顯不匹配的指紋對(duì)，而將那些難以判斷的指紋對(duì)后移，待相似度或不相似度證據(jù)較為充分之后再給出明確的匹配結(jié)果。實(shí)驗(yàn)結(jié)果表明，這種混合匹配方法進(jìn)一步提高了系統(tǒng)的識(shí)別性能?？傮w而言，這兩種匹配算法均有利于大規(guī)模指紋庫中指紋的快速檢索與識(shí)別。 4) 提出了

7、一種人臉小波融合特征構(gòu)造方法。子空間方法是人臉識(shí)別中的主流方法，但直接利用灰度圖像特征易受光照、姿態(tài)等因素影響，利用濾波方法又容易增加計(jì)算耗時(shí)和特征選擇的難度。該文利用小波融合特征來解決這個(gè)問題，在融合的小波高頻子帶中表示出人臉區(qū)域重要程度之后，有針對(duì)性地結(jié)合Gabor小波和Log-Gabor小波抽取人臉中不同層次、不同方向、不同細(xì)節(jié)的潛在信息，形成了與原始灰度圖像矢量維數(shù)相差無幾，但具有更好描述能力的人臉特征矢量。這種小波融合特征有機(jī)

8、地結(jié)合了人臉面部器官的分布特點(diǎn)與小波分解、小波濾波器組的優(yōu)點(diǎn)，能為子空間方法提供判別能力強(qiáng)的特征。實(shí)驗(yàn)結(jié)果驗(yàn)證了這種特征的有效性和優(yōu)越性。 5) 通過對(duì)常用流形學(xué)習(xí)方法優(yōu)缺點(diǎn)的深入分析與歸納，提出了一種流形學(xué)習(xí)環(huán)境下的Fisher流形嵌入準(zhǔn)則，并在該準(zhǔn)則下推導(dǎo)了一種基于鑒別性流形學(xué)習(xí)的人臉特征提取算法及其核推廣算法。譜結(jié)構(gòu)分析表明該算法本質(zhì)特點(diǎn)是在控制類內(nèi)樣本經(jīng)過嵌入之后彼此匯聚的同時(shí)，確保了類間樣本經(jīng)過嵌入之后的間距最大化。算