基于相位的指紋圖像預(yù)處理與匹配算法＊

張 锏，房愛東

(宿州學(xué)院信息工程學(xué)院，安徽宿州 234000)

基于相位的指紋圖像預(yù)處理與匹配算法＊

張 锏，房愛東

(宿州學(xué)院信息工程學(xué)院，安徽宿州 234000)

自動指紋識別技術(shù)的研究和應(yīng)用是目前生物特征識別研究的熱點(diǎn)課題，近年來被廣泛應(yīng)用于各種個人身份識別和驗證系統(tǒng)中.自動指紋識別技術(shù)大致可以分為指紋圖像預(yù)處理和指紋匹配兩個主要過程.本文并針對指紋圖像的特點(diǎn)設(shè)計了基于相位指紋圖像預(yù)處理與匹配算法，解決了圖像歸一化、圖像分割和方向場平滑和圖像二值化中出現(xiàn)的問題.

圖像分割;指紋匹配;指紋識別

指紋特征是人終生不變的生物特征之一，指紋自動識別技術(shù)也是最早和最廣泛被應(yīng)用于實(shí)踐的生物特征識別技術(shù)［1］.隨著計算機(jī)技術(shù)的高速發(fā)展，自動指紋識別系統(tǒng)(automated fingerprint identification system，簡稱AFIS)由于其安全可靠及實(shí)用性，在需要個人身份識別、驗證、授權(quán)的場合得到了廣泛的應(yīng)用［2，3］.然而，低質(zhì)量的指紋圖像識別問題，以及基于指紋細(xì)節(jié)特征匹配中的點(diǎn)模式匹配的核心問題，至今仍然沒有被很好地解決［4，5］.

經(jīng)典的指紋識別算法大多使用基于細(xì)節(jié)特征點(diǎn)比較的圖像比較方法，通過提取細(xì)節(jié)特征(例如紋線端點(diǎn)和紋線分叉點(diǎn))，進(jìn)而研究兩幅圖像中細(xì)節(jié)特征之間的相互關(guān)系來判斷兩幅圖像是否為同一個指紋產(chǎn)生的圖像［6］.基于細(xì)節(jié)特征的匹配方法為大多數(shù)人的指紋圖像提供了一個高效的指紋圖像辨識方法［7］.但根據(jù)目前已有的研究成果，由于一些人特殊的皮膚因素，其指紋的細(xì)節(jié)特征點(diǎn)難以被提取，使得他們的指紋并不能被基于細(xì)節(jié)特征匹配的方法所辨識.研究表明大概1%到5%的人群的指紋屬于這種類型［8，9］.所以，為了解決這個問題，一種新的基于相位的指紋圖像匹配方法應(yīng)運(yùn)而生.本文針對指紋圖像的特點(diǎn)設(shè)計了基于相位的指紋圖像預(yù)處理與匹配算法，解決了圖像歸一化、圖像分割和方向場平滑和圖像二值化中出現(xiàn)的問題.

1 關(guān)鍵概念簡介

一般來說，指紋識別技術(shù)可以分為指紋驗證和指紋辨識兩類.驗證(verification)是指把一個現(xiàn)場采集到的指紋與一個已經(jīng)登記在指紋數(shù)據(jù)庫中的指紋進(jìn)行一對一(one－one match)的比較，根據(jù)比較結(jié)果來確認(rèn)身份的過程.驗證的前提條件是有關(guān)指紋必須已經(jīng)在指紋數(shù)據(jù)庫中注冊，指紋以一定的數(shù)據(jù)形式存儲，并與其姓名和標(biāo)識有對應(yīng)的聯(lián)系［10］.簡單來說驗證就是比較判斷兩個指紋是否相同，一般只考慮對完整指紋進(jìn)行對比，主要用于需要身份驗證的場合.

辨識(identification)是指把現(xiàn)場采集到的指紋同指紋數(shù)據(jù)庫中的指紋進(jìn)行逐一比對(one－to－many match)，從中找出與現(xiàn)場采集到的指紋相匹配的指紋的過程.辨識并不需要有關(guān)指紋在數(shù)據(jù)庫中注冊(如果沒有找到對應(yīng)指紋即表明數(shù)據(jù)庫中沒有該指紋的記錄).辨識系統(tǒng)要考慮對殘缺指紋的識別，主要用于犯罪指紋匹配等傳統(tǒng)領(lǐng)域［11，12］.

圖1 1對1指紋驗證流程圖

圖2 1對多指紋辨析流程圖

除了這兩種對比方法，實(shí)際應(yīng)用中還有一對幾匹配(one－to－few match)，主要應(yīng)用于只有幾個指紋數(shù)據(jù)的系統(tǒng)中，采用的是相同的驗證方法.由于驗證和辨識需要處理的數(shù)據(jù)量差異巨大，因此在算法和系統(tǒng)設(shè)計上具有各自的特點(diǎn).驗證系統(tǒng)對對比算法的速度要求不如辨識系統(tǒng)高，強(qiáng)調(diào)的是易用性.而辨識系統(tǒng)由于要進(jìn)行大量的對比，一般要使用指紋分類技術(shù)等來加快查詢的速度.

2 基于相位的圖像預(yù)處理與匹配

基于相位的指紋圖像識別方法用的是基于相位的圖像匹配方法:使用給定圖片的二維傅立葉變換中相組成來進(jìn)行圖像匹配的技術(shù).這個圖像匹配方法主要考慮的是子圖像塊在變換中的估量方法，已被成功應(yīng)用到計算機(jī)視覺應(yīng)用中的高精度圖像的識別.這種方法對于指紋圖像的匹配也是非常高效的.傅立葉相位信息的使用為難以提取特征點(diǎn)的低質(zhì)量指紋圖像提供一種高度可靠的匹配方法.基于相位的圖像匹配技術(shù)主要原理是通過使用僅相位相關(guān)函數(shù)POC(Phase－Only Correlation Function，有時也被稱為相位相關(guān)函數(shù)，Phase－Correlation Function)來衡量兩幅圖像的相似度.考慮兩幅大小為N1×N2的圖像，為了簡單起見，假設(shè)N1=2×M1+1，N2=2 ×M2+1，那么對于 n1= －M1…M1，n2= －M2…M2，兩幅圖像可以分別表示為兩個函數(shù) f(n1，n2)，g(n1，n2)，函數(shù)值為對應(yīng)點(diǎn)的灰度值.對于這兩幅圖像，分別求出其二維離散傅立葉變換F(k1，k2)和G(k1，k2):

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

R(k1，k2)，I(k1，k2) 分別為 F(k1，k2) 的實(shí)部和虛部我們稱AF(k1，k2)為傅立葉譜，而θF(k1，k2)為傅立葉相.我們定義F(k1，k2)和G(k1，k2)的交相頻譜函數(shù)RFG(k1，k2)為:

其中為的共軛復(fù)函數(shù)，θ(k1，k2)= θF(k1，k2) － θG(k1，k2).于是，僅相位相關(guān)函數(shù) POC可以表示為 RFG(k1，k2)函數(shù)的二維傅立葉反變換(2DIDFT)，公式如下:

當(dāng)兩幅圖像相似的時候，它們的POC函數(shù)存在一個很明顯的尖峰.當(dāng)兩幅圖像并不相似的時候，它們的POC函數(shù)不存在明顯的尖峰.POC函數(shù)的尖峰的高度是圖像匹配度一個很好的衡量指標(biāo)，而且POC函數(shù)尖峰的位置也顯示了兩幅圖像位移的信息.POC函數(shù)的一個改進(jìn)方法是去除在計算交相頻譜函數(shù)中無意義的高頻相位信息，使得函數(shù)的尖峰更明顯，具有更好的可分辨性.針對指紋圖像的特點(diǎn)，在計算兩幅指紋圖像的POC函數(shù)之前，需要進(jìn)行指紋圖像的核心點(diǎn)檢測、平移和旋轉(zhuǎn)對齊、提取公共區(qū)域等操作，然后計算兩幅指紋圖像公共區(qū)域的POC函數(shù)并對其進(jìn)行分析，可以得到一個關(guān)于這兩幅圖像相似度的比較準(zhǔn)確的估算結(jié)果.

3 實(shí)驗結(jié)果與分析

我們選取了4對質(zhì)量較為一般(其中包括平移、小角度旋轉(zhuǎn)、紋線斷裂等噪聲)的指紋圖像進(jìn)行兩兩匹配實(shí)驗，一共28次匹配，匹配分?jǐn)?shù)如下表所示(其中A2與A1匹配分?jǐn)?shù)同A1與A2匹配分?jǐn)?shù)，其它以此類推):

表1 指紋圖像匹配實(shí)驗對比

由表1可以看出，對于相同手指獲取的指紋圖像，其相似度比較大(實(shí)驗中都大于0.5)，而不同手指獲取的指紋，相似度比較低(實(shí)驗中多數(shù)為0，小部分相似度＞0，但均＜0.5).同時隨機(jī)抽取同一采集設(shè)備得到的指紋圖像，相同指紋圖像的匹配分?jǐn)?shù)比不同指紋圖像的匹配分?jǐn)?shù)明顯要高，實(shí)驗表明系統(tǒng)具有較好的區(qū)分度.

4 結(jié)束語

本文針對指紋圖像的特點(diǎn)設(shè)計了基于相位的指紋圖像預(yù)處理與匹配算法，解決了圖像歸一化、圖像分割和方向場平滑和圖像二值化中出現(xiàn)的問題.

［1］羅希平，田捷.自動指紋識別中的圖像增強(qiáng)和細(xì)節(jié)匹配算法［J］.軟件學(xué)報，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］曹廣忠，謝玉峰，費(fèi)躍農(nóng).指紋識別技術(shù)原理及應(yīng)用研究［J］.深圳大學(xué)學(xué)報，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］王園園.一種改進(jìn)的方向場估計方法及其在指紋識別中的應(yīng)用［D］.合肥:中國科學(xué)技術(shù)大學(xué)碩士學(xué)位論文，2007.

［7］黃賢武，蘇鵬程，柏培權(quán).基于方向濾波分割的指紋自動識別系統(tǒng)算法［J］.中國圖象圖形學(xué)報，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，尹義龍，孟祥旭，等.一種改進(jìn)的指紋圖像分割算法［J］.廣西師范大學(xué)學(xué)報，2006，(4):205 －210.

［10］耿茵茵，唐良瑞.指紋圖像分級分割算法［J］.北方工業(yè)大學(xué)學(xué)報，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

A

1008－4681(2012)02－0038－02

2012－02－10

安徽省教育廳產(chǎn)學(xué)研項目(批準(zhǔn)號:KJ2011B183).

張锏(1970－)，男，安徽蕭縣人，宿州學(xué)院信息工程學(xué)院講師，碩士.研究方向:計算機(jī)人工智能、圖像處理.

(責(zé)任編校:晴川)