基于遺傳算法的指紋圖匹配算法及應(yīng)用研究

史晶

摘 要：針對(duì)目前在公安和身份確認(rèn)等領(lǐng)域得到廣泛應(yīng)用的自動(dòng)指紋識(shí)別，在簡(jiǎn)單介紹其分類和指紋匹配要求的基礎(chǔ)上，結(jié)合指紋匹配基本原理與現(xiàn)有方法，提出一種以遺傳算法為基礎(chǔ)的新型匹配算法。目前，在高層次匹配當(dāng)中引入這一方法，能以指紋細(xì)節(jié)點(diǎn)具有的特征為依據(jù)完成初匹配，取得了顯著成效，可將其作為日后研究和發(fā)展重點(diǎn)。

關(guān)鍵詞：自動(dòng)指紋識(shí)別; 指紋圖匹配; 遺傳算法

中圖分類號(hào)：TP18? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ?文章編號(hào)：1006-3315（2019）9-200-001

由于自動(dòng)指紋識(shí)別具有靈活、方便和精準(zhǔn)等優(yōu)勢(shì)，所以在身份確認(rèn)等領(lǐng)域逐漸得到廣泛應(yīng)用。而其能否發(fā)揮應(yīng)有效果，有賴于指紋圖匹配，即需要借助高水平匹配算法來保證指紋匹配精度。

1.基本概述

自動(dòng)指紋識(shí)別具有廣闊的應(yīng)用與發(fā)展前景，不僅能用于公安領(lǐng)域，還能在計(jì)算機(jī)領(lǐng)域得到應(yīng)用，比如作為確認(rèn)用戶身份的手段和對(duì)網(wǎng)絡(luò)資源進(jìn)行訪問的口令等。除此之外，它還能以嵌入式系統(tǒng)形式在銀行系統(tǒng)中使用，如用于信用卡身份確認(rèn)等。

就目前來看，這項(xiàng)技術(shù)主要包含下列兩方面：其一，指紋分類;其二，指紋細(xì)節(jié)匹配。以指紋特征為依據(jù)，可將指紋分成以下五種：第一，尖拱類指紋;第二，拱類指紋;第三，左環(huán)類指紋;第四，右環(huán)類指紋;第五，漩渦類指紋。對(duì)指紋進(jìn)行分類的目的在于便于指紋庫建立與管理，為后續(xù)指紋匹配創(chuàng)造良好條件。雖然很多人員針對(duì)指紋分類方面的問題做出大量研究，但從自動(dòng)指紋識(shí)別角度講，怎樣縮小誤識(shí)率依然是難點(diǎn)所在[1]。

指紋的匹配主要用于判斷指紋是否屬于目標(biāo)，它需要將指紋具有的特征作為基礎(chǔ)，這些特征包括：脊末梢;分岔點(diǎn);符合特征;未定義?，F(xiàn)在最常用特征為細(xì)節(jié)點(diǎn)對(duì)應(yīng)的坐標(biāo)模型，即利用分岔點(diǎn)和脊末梢來完成指紋的鑒定。為解決指紋匹配方面的問題，需要提出一種新型算法，比如根據(jù)指紋圖包含的結(jié)構(gòu)信息予以初匹配，再以此為基礎(chǔ)，借助遺傳或補(bǔ)償算法進(jìn)行與指紋圖之間的匹配。這一算法能有效抵抗非線性變形和噪聲，對(duì)指紋圖像沒有太高要求，所以能識(shí)別不完全的指紋。

2.指紋匹配

現(xiàn)有文獻(xiàn)中對(duì)指紋匹配提出很多算法，其中大部分是以點(diǎn)匹配算法為基礎(chǔ)的。對(duì)于點(diǎn)匹配算法，它是指采用某種變換措施對(duì)兩個(gè)點(diǎn)進(jìn)行匹配[2]。

比如Ranade等提出的松弛算法，這一方法定義兩個(gè)點(diǎn)集，針對(duì)一組匹配，為點(diǎn)集定義相對(duì)變換。以該變換條件下其它點(diǎn)實(shí)際匹配程度為依據(jù)，對(duì)相對(duì)變換可靠度進(jìn)行計(jì)算。若有一個(gè)變換能使點(diǎn)集科學(xué)匹配，如果這一變換和前一變換相近，則說明變換有較大可靠度，但其它變換較小。對(duì)可靠度進(jìn)行重復(fù)計(jì)算的過程中，其它變換具有的可靠度會(huì)對(duì)正處于計(jì)算過程的可靠度造成加權(quán)影響。完成迭代后，能使匹配達(dá)到科學(xué)的變換，其可靠度將較大，其它變小。這一方法由于需要對(duì)可靠度進(jìn)行反復(fù)計(jì)算，故速度相對(duì)較慢。

又比如Stockman提出以Hough為基礎(chǔ)的方式，將點(diǎn)模式通過匹配轉(zhuǎn)化為檢測(cè)Hough當(dāng)中的峰值。該方法的缺點(diǎn)為：如果細(xì)節(jié)點(diǎn)的數(shù)量較少，則難以在空間內(nèi)積累證據(jù)完成可靠匹配。除此之外，這一方法的計(jì)算量還很大。雖然有人從能量達(dá)到最小這一角度入手對(duì)點(diǎn)匹配問題進(jìn)行描述，同時(shí)引入模擬退火方式，但是這一方法的實(shí)際計(jì)算量也很大。

在此之后，Rand等提出了更加細(xì)致的能對(duì)指紋特征進(jìn)行分析的模型[3]。這一模型對(duì)10種指紋具有的特征進(jìn)行了區(qū)分。以此為基礎(chǔ)，可通過格柵的疊加來完成特征識(shí)別。S-Sobajic等提出三種能對(duì)指紋進(jìn)行匹配的方法，其中一種為借助光學(xué)儀器對(duì)指紋圖進(jìn)行相關(guān)性計(jì)算，這一方法具有很快的速度，但成本較高，且不容易攜帶;另一種方法為PCA法，從圖像識(shí)別角度講也就是KL變換，這一方法的指紋識(shí)別成效相對(duì)較少，其主要原因?yàn)橹讣y圖具有的特征屬于松散定義，同時(shí)存在很多偽特征。此外還有一種方法為神經(jīng)網(wǎng)絡(luò)算法，這一方法十分簡(jiǎn)單，但在計(jì)算時(shí)需要付出很大的代價(jià)。

對(duì)算法而言，其本質(zhì)在于改進(jìn)后的算法，它能在利用現(xiàn)有結(jié)構(gòu)信息的前提下，借助補(bǔ)償算法對(duì)偏移累積進(jìn)行抵消，所以可以有效抵抗變形及噪聲。采用初匹配算法可以加快匹配速度。

3.以遺傳算法為基礎(chǔ)的匹配算法

對(duì)兩幅指紋圖進(jìn)行匹配，能解決形變、旋轉(zhuǎn)與平穩(wěn)方面的問題，將關(guān)鍵點(diǎn)對(duì)應(yīng)的點(diǎn)集作為指紋匹配輸入，這兩個(gè)點(diǎn)集分別從輸入與標(biāo)準(zhǔn)指紋圖進(jìn)行提取，然后共同存儲(chǔ)于模板庫當(dāng)中[4]。

這兩個(gè)點(diǎn)集能對(duì)關(guān)鍵點(diǎn)坐標(biāo)和方向進(jìn)行記錄，若指紋圖能完全匹配，可對(duì)輸入指紋圖實(shí)施變換，以此獲得模板對(duì)應(yīng)的指紋圖?；诖?，其中一個(gè)點(diǎn)集能通過變換成為另一個(gè)點(diǎn)集。部分點(diǎn)會(huì)由于噪音而發(fā)生偏移，或被添加與刪除。如此一來，匹配指紋圖即變?yōu)檎页鲎儞Q，促使點(diǎn)集良好匹配。因無法知曉指紋圖是否屬于同一手指，故試圖找到能使更多點(diǎn)實(shí)現(xiàn)匹配的具體變換。若兩個(gè)點(diǎn)不僅之間的距離很近，并且方向還保持一致，則可認(rèn)定這兩個(gè)點(diǎn)是相互匹配的。但需要注意，任何一個(gè)點(diǎn)集都可能存在不能采用變換的方式達(dá)到匹配的點(diǎn)。因指紋圖的大小基本相同，所以在實(shí)際的變換過程中沒有考慮伸縮因子，相應(yīng)的，在匹配算法當(dāng)中也沒有考慮伸縮因子。

4.結(jié)束語

綜上所述，對(duì)自動(dòng)指紋識(shí)別及其應(yīng)用而言，指紋圖匹配具有重要作用和意義，為滿足更復(fù)雜情況下指紋識(shí)別要求，需要不斷創(chuàng)新指紋圖匹配方式。通過綜合考慮，提出一種以遺傳算法為基礎(chǔ)的匹配算法，以此避免偏移的產(chǎn)生及其累積，并有效加快匹配的速度。

參考文獻(xiàn)：

[1]魏志平，謝進(jìn)，席濤，曹書磊.雙穩(wěn)態(tài)俘能器的控制及控制器功耗優(yōu)化[J]傳感器與微系統(tǒng)，2019，38（04）：33-36

[2]趙婧，包偉華.基于分步遺傳算法的壓力變送器排產(chǎn)優(yōu)化[J]應(yīng)用技術(shù)學(xué)報(bào)，2019（01）：165-171

[3]蔣洋，張星臣，周曉曄.考慮支線運(yùn)輸服務(wù)的多式聯(lián)運(yùn)網(wǎng)絡(luò)優(yōu)化[J]沈陽工業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2015（10）：25-26

[4]黃正鵬，王力，張仕學(xué)，余廷忠，張起榮.基于傳統(tǒng)遺傳和數(shù)據(jù)壓縮算法的冗余光纖數(shù)據(jù)存儲(chǔ)優(yōu)化[J]激光雜志，2019，40（03）：135-139