基于相位的指纹图像预处理与匹配算法＊

时间：2024-08-31

张锏，房爱东

(宿州学院信息工程学院，安徽宿州 234000)

基于相位的指纹图像预处理与匹配算法＊

张锏，房爱东

(宿州学院信息工程学院，安徽宿州 234000)

自动指纹识别技术的研究和应用是目前生物特征识别研究的热点课题，近年来被广泛应用于各种个人身份识别和验证系统中.自动指纹识别技术大致可以分为指纹图像预处理和指纹匹配两个主要过程.本文并针对指纹图像的特点设计了基于相位指纹图像预处理与匹配算法，解决了图像归一化、图像分割和方向场平滑和图像二值化中出现的问题.

图像分割;指纹匹配;指纹识别

指纹特征是人终生不变的生物特征之一，指纹自动识别技术也是最早和最广泛被应用于实践的生物特征识别技术［1］.随着计算机技术的高速发展，自动指纹识别系统(automated fingerprint identification system，简称AFIS)由于其安全可靠及实用性，在需要个人身份识别、验证、授权的场合得到了广泛的应用［2，3］.然而，低质量的指纹图像识别问题，以及基于指纹细节特征匹配中的点模式匹配的核心问题，至今仍然没有被很好地解决［4，5］.

经典的指纹识别算法大多使用基于细节特征点比较的图像比较方法，通过提取细节特征(例如纹线端点和纹线分叉点)，进而研究两幅图像中细节特征之间的相互关系来判断两幅图像是否为同一个指纹产生的图像［6］.基于细节特征的匹配方法为大多数人的指纹图像提供了一个高效的指纹图像辨识方法［7］.但根据目前已有的研究成果，由于一些人特殊的皮肤因素，其指纹的细节特征点难以被提取，使得他们的指纹并不能被基于细节特征匹配的方法所辨识.研究表明大概1%到5%的人群的指纹属于这种类型［8，9］.所以，为了解决这个问题，一种新的基于相位的指纹图像匹配方法应运而生.本文针对指纹图像的特点设计了基于相位的指纹图像预处理与匹配算法，解决了图像归一化、图像分割和方向场平滑和图像二值化中出现的问题.

1 关键概念简介

一般来说，指纹识别技术可以分为指纹验证和指纹辨识两类.验证(verification)是指把一个现场采集到的指纹与一个已经登记在指纹数据库中的指纹进行一对一(one－one match)的比较，根据比较结果来确认身份的过程.验证的前提条件是有关指纹必须已经在指纹数据库中注册，指纹以一定的数据形式存储，并与其姓名和标识有对应的联系［10］.简单来说验证就是比较判断两个指纹是否相同，一般只考虑对完整指纹进行对比，主要用于需要身份验证的场合.

辨识(identification)是指把现场采集到的指纹同指纹数据库中的指纹进行逐一比对(one－to－many match)，从中找出与现场采集到的指纹相匹配的指纹的过程.辨识并不需要有关指纹在数据库中注册(如果没有找到对应指纹即表明数据库中没有该指纹的记录).辨识系统要考虑对残缺指纹的识别，主要用于犯罪指纹匹配等传统领域［11，12］.

图1 1对1指纹验证流程图

图2 1对多指纹辨析流程图

除了这两种对比方法，实际应用中还有一对几匹配(one－to－few match)，主要应用于只有几个指纹数据的系统中，采用的是相同的验证方法.由于验证和辨识需要处理的数据量差异巨大，因此在算法和系统设计上具有各自的特点.验证系统对对比算法的速度要求不如辨识系统高，强调的是易用性.而辨识系统由于要进行大量的对比，一般要使用指纹分类技术等来加快查询的速度.

2 基于相位的图像预处理与匹配

基于相位的指纹图像识别方法用的是基于相位的图像匹配方法:使用给定图片的二维傅立叶变换中相组成来进行图像匹配的技术.这个图像匹配方法主要考虑的是子图像块在变换中的估量方法，已被成功应用到计算机视觉应用中的高精度图像的识别.这种方法对于指纹图像的匹配也是非常高效的.傅立叶相位信息的使用为难以提取特征点的低质量指纹图像提供一种高度可靠的匹配方法.基于相位的图像匹配技术主要原理是通过使用仅相位相关函数POC(Phase－Only Correlation Function，有时也被称为相位相关函数，Phase－Correlation Function)来衡量两幅图像的相似度.考虑两幅大小为N1×N2的图像，为了简单起见，假设N1=2×M1+1，N2=2 ×M2+1，那么对于 n1= －M1…M1，n2= －M2…M2，两幅图像可以分别表示为两个函数 f(n1，n2)，g(n1，n2)，函数值为对应点的灰度值.对于这两幅图像，分别求出其二维离散傅立叶变换F(k1，k2)和G(k1，k2):

G(k1，k2)的计算方法和F(k1，k2)相同.F(k1，k2) 可以表示成如下的形式:

R(k1，k2)，I(k1，k2) 分别为 F(k1，k2) 的实部和虚部我们称AF(k1，k2)为傅立叶谱，而θF(k1，k2)为傅立叶相.我们定义F(k1，k2)和G(k1，k2)的交相频谱函数RFG(k1，k2)为:

其中为的共轭复函数，θ(k1，k2)= θF(k1，k2) － θG(k1，k2).于是，仅相位相关函数 POC可以表示为 RFG(k1，k2)函数的二维傅立叶反变换(2DIDFT)，公式如下:

当两幅图像相似的时候，它们的POC函数存在一个很明显的尖峰.当两幅图像并不相似的时候，它们的POC函数不存在明显的尖峰.POC函数的尖峰的高度是图像匹配度一个很好的衡量指标，而且POC函数尖峰的位置也显示了两幅图像位移的信息.POC函数的一个改进方法是去除在计算交相频谱函数中无意义的高频相位信息，使得函数的尖峰更明显，具有更好的可分辨性.针对指纹图像的特点，在计算两幅指纹图像的POC函数之前，需要进行指纹图像的核心点检测、平移和旋转对齐、提取公共区域等操作，然后计算两幅指纹图像公共区域的POC函数并对其进行分析，可以得到一个关于这两幅图像相似度的比较准确的估算结果.

3 实验结果与分析

我们选取了4对质量较为一般(其中包括平移、小角度旋转、纹线断裂等噪声)的指纹图像进行两两匹配实验，一共28次匹配，匹配分数如下表所示(其中A2与A1匹配分数同A1与A2匹配分数，其它以此类推):

表1 指纹图像匹配实验对比

由表1可以看出，对于相同手指获取的指纹图像，其相似度比较大(实验中都大于0.5)，而不同手指获取的指纹，相似度比较低(实验中多数为0，小部分相似度＞0，但均＜0.5).同时随机抽取同一采集设备得到的指纹图像，相同指纹图像的匹配分数比不同指纹图像的匹配分数明显要高，实验表明系统具有较好的区分度.

4 结束语

本文针对指纹图像的特点设计了基于相位的指纹图像预处理与匹配算法，解决了图像归一化、图像分割和方向场平滑和图像二值化中出现的问题.

［1］罗希平，田捷.自动指纹识别中的图像增强和细节匹配算法［J］.软件学报，2002，(5):946 －955.

［2］Ito K，Morita A.A fingerprint recognition algorithm using phasebase image matching for low － quality fingerprints［J］.IEEE International，2005，(2):33 －36.

［3］Hong L，Jain A.Integrating face and fingerprints for personal identification［J］.IEEE Trans Pattern on Analysis and Machine Intelligence，1998，(12):1295 －1307.

［4］曹广忠，谢玉峰，费跃农.指纹识别技术原理及应用研究［J］.深圳大学学报，2001，(3):36 －42.

［5］Hong L，Wan Y，Jain A.Fingerprint image enhancement:Algorithm and performance evaluation［J］.IEEE Trans，1998，(8):777 －789.

［6］王园园.一种改进的方向场估计方法及其在指纹识别中的应用［D］.合肥:中国科学技术大学硕士学位论文，2007.

［7］黄贤武，苏鹏程，柏培权.基于方向滤波分割的指纹自动识别系统算法［J］.中国图象图形学报，2002，(8):829 －834.

［8］Wahab A，Chin S H，Tan E C.Novel approach to automated fingerprint recognition［J］.IEEE Proc － Vis Image Signal Process，1998，(3):160－166.

［9］詹小四，尹义龙，孟祥旭，等.一种改进的指纹图像分割算法［J］.广西师范大学学报，2006，(4):205 －210.

［10］耿茵茵，唐良瑞.指纹图像分级分割算法［J］.北方工业大学学报，2000，(3):21 －26.

［11］Maio D，Maltoni D.Direct Gray－scale minutiae detection in fingerprints［J］.IEEE Trans PAMI，1997，(1):27 －40.

［12］Hrechak A K，McHugh J A.Automated fingerprint recognition using structural matching［J］.Pattern Recognition，1990，(8):893 －904.

TP393

1008－4681(2012)02－0038－02

2012－02－10