細(xì)節(jié)點(diǎn)指紋特征提取、匹配方法研究

蔡 凡

(閩南理工學(xué)院， 福建 泉州 362700)

近年來，指紋識(shí)別技術(shù)逐漸發(fā)展成熟，并得到廣泛應(yīng)用，如用于日常生活中的智能支付、手機(jī)解鎖、程序安裝確認(rèn)等[1]。但是，在享受其方便性的同時(shí)，防止信息泄露、保障信息識(shí)別安全等問題也需引起更多關(guān)注[2]。本次研究將針對(duì)指紋細(xì)節(jié)特征點(diǎn)進(jìn)行提取，并進(jìn)行算法匹配。

1 指紋細(xì)節(jié)特征點(diǎn)

指紋特征的提取和匹配是指紋識(shí)別系統(tǒng)的關(guān)鍵環(huán)節(jié)[3]，其算法直接影響指紋識(shí)別的性能、速度和效率。指紋特征提取，是指針對(duì)指紋細(xì)節(jié)特征點(diǎn)信息進(jìn)行提取[4]。圖1所示為美國(guó)聯(lián)邦調(diào)查局提出的兩類指紋特征點(diǎn)模型，即紋線末梢點(diǎn)和紋線分叉點(diǎn)[5]。這兩類特征點(diǎn)對(duì)指紋的描述具有唯一性。

圖1 指紋特征點(diǎn)模型

通過搜索指紋圖像上的特征點(diǎn)，將指紋圖像轉(zhuǎn)化為由若干末梢點(diǎn)和分叉點(diǎn)組成的點(diǎn)集，指紋提取和匹配問題也相應(yīng)地轉(zhuǎn)化為尋找點(diǎn)集間相似度(即點(diǎn)集匹配)的問題。記錄每一處細(xì)節(jié)點(diǎn)的相關(guān)信息，主要包括：(1) 指紋細(xì)節(jié)點(diǎn)坐標(biāo)和方向；(2) 所在紋線的切線方向角；(3) 細(xì)節(jié)點(diǎn)的類型。對(duì)于質(zhì)量較好的指紋圖像，通常能從中提取出40～100個(gè)細(xì)節(jié)點(diǎn)。通過細(xì)節(jié)點(diǎn)的表示，將指紋匹配問題轉(zhuǎn)化成為平面點(diǎn)模式匹配問題[6]。但照此方法處理低質(zhì)量或低分辨率指紋圖像時(shí)，會(huì)產(chǎn)生一些偽特征點(diǎn)或丟失掉一些特征點(diǎn)信息。

為了得到指紋細(xì)化圖像，須先對(duì)獲取的指紋圖像進(jìn)行預(yù)處理，這一步是進(jìn)行指紋特征提取和匹配的關(guān)鍵環(huán)節(jié)。首先，對(duì)指紋圖像進(jìn)行灰度化處理得到黑白的標(biāo)準(zhǔn)化圖像；然后，基于Gabor濾波的指紋圖像增強(qiáng)技術(shù)，進(jìn)行帶阻濾波二值化處理，并再次細(xì)化；最后，對(duì)細(xì)化后指紋圖像中的斷點(diǎn)指紋進(jìn)行去毛刺處理，即可得到細(xì)化的指紋圖像(見圖2)，并從中提取出細(xì)節(jié)點(diǎn)(脊終、結(jié)點(diǎn)和脊分叉點(diǎn))。目前，在處理指紋細(xì)化方面，存在細(xì)化不夠完全、中心線偏離骨架、執(zhí)行速度降低等問題[7]。

圖像細(xì)化應(yīng)滿足以下要求：

(1) 保證指紋圖像上原本指紋紋路的連通性和斷點(diǎn)的完備性。

(2) 不改變指紋紋路。

(3) 刪除無關(guān)邊緣像素，使紋線僅保持一個(gè)像素的寬度，并將指紋圖像轉(zhuǎn)化為單像素連通圖。

圖2 指紋細(xì)化圖

2 指紋特征提取

指紋特征提取，是指從一幅含有大量信息的指紋圖像中，獲得一些有區(qū)別能力、穩(wěn)定且能表現(xiàn)出不同指紋差異的特征點(diǎn)。如果對(duì)指紋圖像的大量數(shù)據(jù)都進(jìn)行匹配，將會(huì)加大匹配耗時(shí)，這顯然不現(xiàn)實(shí)。因此，只需從指紋圖像中獲取具有辨識(shí)度的特征信息，就有利于完成指紋的高效匹配。如圖3所示，指紋特征的提取流程如下：

(1) 獲取指紋灰度圖像。直接從該灰度圖像中提取紋線并進(jìn)行跟蹤。此方法雖節(jié)省時(shí)間，但算法過于復(fù)雜，且指特征的位置及方向也不準(zhǔn)確，存在很多噪聲影響。

(2) 從指紋灰度圖像中獲取指紋方向圖，包括方向場(chǎng)和頻率場(chǎng)，以反映指紋圖像的紋理結(jié)構(gòu)。但有時(shí)候會(huì)因噪聲、裂紋、濕度等因素影響，導(dǎo)致指紋局部紋理不穩(wěn)定、分辨率低。因此，需對(duì)指紋圖像進(jìn)行濾波以增強(qiáng)圖像。

(3) 在增強(qiáng)圖像中，通過二值化操作和追蹤脊線獲得指紋二值圖，以滿足增強(qiáng)效果的實(shí)際需求。

(4) 從二值圖中提取獲得末梢點(diǎn)和分叉點(diǎn)，作為待匹配的細(xì)節(jié)點(diǎn)。

圖3 指紋特征提取流程圖

在此，介紹一種細(xì)節(jié)點(diǎn)8鄰域模板特征提取算法。在指紋細(xì)化圖中脊線為單像素寬，在指紋細(xì)化圖中構(gòu)建像素3×3的模版，以每個(gè)值為1的像素點(diǎn)為中心形成3×3的窗口。按此模板特征來找出所有的正常脊線點(diǎn)、分叉點(diǎn)和端點(diǎn)周圍的鄰域結(jié)構(gòu)(見圖4)。

圖4 細(xì)節(jié)點(diǎn)8鄰域特征模板

根據(jù)上述特點(diǎn)，在建立的特征模版中求得灰度值順序變化次數(shù)Cn(P)，以此判斷中心像素點(diǎn)類型。判斷公式為：

(1)

(2 )

式中：P為待測(cè)像素點(diǎn)；i為像素點(diǎn)個(gè)數(shù)；Pi為P的鄰域；Sn(P)為8鄰域像素中為1的像素個(gè)數(shù)；Cn(P)為這8個(gè)鄰域像素的相鄰像素的灰度值從0變?yōu)?，或者從1變?yōu)?的次數(shù)。

對(duì)于背脊上的像素，可根據(jù)Cn(P)和Sn(P)確定待測(cè)P像素的狀態(tài)。分析發(fā)現(xiàn)，Cn(P)和Sn(P)的數(shù)值只有以下3種情況：

(1)P點(diǎn)為脊線上的一個(gè)點(diǎn)，且Cn(P)=2，Sn(P)=1，則P為末梢點(diǎn)。

(2)P點(diǎn)為脊線上的一個(gè)點(diǎn)，且Cn(P)=6，Sn(P)=3，則P為分叉點(diǎn)。

(3)P點(diǎn)為脊線上的一個(gè)點(diǎn)，且Cn(P)=4，Sn(P)為2、3或者4，則P為脊線上的連續(xù)點(diǎn)，即P不是特征點(diǎn)。

當(dāng)找到一個(gè)脊線連續(xù)點(diǎn)之后，將該點(diǎn)像素值標(biāo)記為0，并自該點(diǎn)開始，按從下到上、從左到右的順序繼續(xù)在其鄰域內(nèi)尋找脊線連續(xù)點(diǎn)，直至碰到分叉點(diǎn)或終結(jié)點(diǎn)時(shí)停止，然后開始下一次掃描搜索。掃描完整幅圖像后，即可獲得到指紋全部的脊線點(diǎn)。細(xì)節(jié)點(diǎn)脊線追蹤過程如圖5所示。

圖5 細(xì)節(jié)點(diǎn)脊線追蹤過程

通過以上指紋特征提取算法，分別記錄末梢點(diǎn)和分叉點(diǎn)，將偽特征點(diǎn)去除，從而提取出匹配過程中所需要的特征點(diǎn)。其中判斷末梢點(diǎn)和分叉點(diǎn)的描述語句如下：

if a==6 %分叉點(diǎn)判斷

tezheng(i，j，1)=i；

tezheng(i，j，2)=j；

tezheng(i，j，3)=1；

xxx=xxx+1；

I(i，j)=0；

I(i-1，j)=1；I(i-1，j+1)=1；I(i，j+1)=1；I(i+1，j+1)=1；

I(i+1，j)=1；I(i+1，j-1)=1；I(i，j-1)=1；I(i-1，j-1)=1； %1表示分叉點(diǎn) 0表示端點(diǎn)

end

if a==2 %末梢點(diǎn)判斷

tezheng(i，j，1)=i；

tezheng(i，j，2)=j；

tezheng(i，j，3)=2；

xxx=xxx+1；

I(i，j)=0；

I(i-1，j)=1；I(i-1，j+1)=1；I(i，j+1)=1；I(i+1，j+1)=1；

I(i+1，j)=1；I(i+1，j-1)=1；I(i，-1)=1；I(i-1，j-1)=1；

end

figure，imshow(I)

title(‘指紋特征提取’)

3 指紋匹配

指紋匹配是確定指紋之間相似程度的過程，其目的是為了判斷兩幅指紋是否來自于相同或不同的手指，即真匹配和假匹配[9]。在自動(dòng)指紋識(shí)別系統(tǒng)中，匹配方法有模板匹配、圖像相關(guān)性匹配、細(xì)節(jié)點(diǎn)匹配和紋線匹配。在匹配的過程中，需建立輸入指紋特征與模板指紋特征之間相對(duì)應(yīng)的關(guān)系，而衡量?jī)煞讣y圖像相似或?qū)?yīng)的程度取決于提取特征計(jì)算出的兩者相似度匹配分?jǐn)?shù)，即在重合面積范圍內(nèi)找到細(xì)節(jié)點(diǎn)數(shù)目設(shè)定的閾值。如果兩者的匹配分?jǐn)?shù)大于系統(tǒng)預(yù)置的閾值，則匹配；如果匹配分?jǐn)?shù)小于系統(tǒng)預(yù)置的閾值，則不匹配。

如圖6所示，通過細(xì)節(jié)點(diǎn)坐標(biāo)、方向及其鄰域內(nèi)采樣點(diǎn)的特征信息，尋找特征點(diǎn)集間的最優(yōu)匹配細(xì)節(jié)點(diǎn)對(duì)。以該點(diǎn)對(duì)為基準(zhǔn)點(diǎn)，對(duì)其余點(diǎn)進(jìn)行剛性變換，根據(jù)變換后細(xì)節(jié)點(diǎn)的相對(duì)位置建立模板指紋和輸入指紋的全部細(xì)節(jié)點(diǎn)對(duì)應(yīng)關(guān)系，進(jìn)而得到兩幅指紋的匹配相似度。

圖6 兩幅指紋細(xì)節(jié)點(diǎn)對(duì)應(yīng)關(guān)系圖

(3)

(4)

即兩個(gè)細(xì)節(jié)點(diǎn)的位置間距和角度差異都在設(shè)定閾值的范圍內(nèi)，則可將ai、bi作為配對(duì)的細(xì)節(jié)點(diǎn)。式中：r0和θ0為預(yù)先設(shè)定的閾值；|·|d為兩點(diǎn)的歐氏距離；|·|a為兩點(diǎn)的角度距離。最后，根據(jù)匹配的細(xì)節(jié)點(diǎn)對(duì)，設(shè)計(jì)并計(jì)算一個(gè)相似度分?jǐn)?shù)來代表兩幅指紋圖像的匹配結(jié)果。

這種方法也適用于局部搜索指紋的特征匹配。當(dāng)全局層面匹配判斷困難或者指紋分辨率低時(shí)，可以利用局部細(xì)節(jié)點(diǎn)結(jié)構(gòu)對(duì)兩幅指紋圖像進(jìn)行粗對(duì)準(zhǔn)，進(jìn)而在全局層面完成整幅圖像的匹配。

4 實(shí)驗(yàn)結(jié)果分析

選用FVC2000指紋庫中的85幅圖像(共含有285對(duì)相同指紋，2 750對(duì)不同指紋)作為特征提取實(shí)驗(yàn)測(cè)試對(duì)象。實(shí)驗(yàn)中，分別采用一般方法和利用脊線跟蹤去除偽細(xì)節(jié)特征點(diǎn)法(簡(jiǎn)稱去偽法)進(jìn)行性能對(duì)比。一般方法是指在細(xì)化后的指紋圖像上直接進(jìn)行細(xì)節(jié)特征的提取。

定義特征提取評(píng)價(jià)性能指標(biāo) —— 準(zhǔn)確率(η)：

(5)

實(shí)驗(yàn)結(jié)果顯示，采用脊線跟蹤去除偽細(xì)節(jié)特征點(diǎn)的方法平均處理時(shí)間為0.15 s。與一般方法相比，其效率明顯，提高了70%，其中檢測(cè)特征點(diǎn)數(shù)減少了7個(gè)。這是由于從追蹤脊線二值圖中提取獲得末梢點(diǎn)和分叉點(diǎn)，刪除了部分無關(guān)特征點(diǎn)信息，提高了指紋特征點(diǎn)的辨識(shí)度，再經(jīng)去除偽特征點(diǎn)，丟失的特征點(diǎn)有所減少。準(zhǔn)確率達(dá)到了90.80%，明顯高于一般方法(見表1)。

本次匹配測(cè)試采用細(xì)節(jié)點(diǎn)的位置信息和方向信息，計(jì)算指紋中所有細(xì)節(jié)點(diǎn)算子間的相似度，分析匹配結(jié)果，通過誤識(shí)率(FAR)、拒識(shí)率(FRR)、正確率(CR)這3個(gè)指標(biāo)來衡量該匹配算法的達(dá)標(biāo)度。3個(gè)指標(biāo)相加的總和為1，其中誤識(shí)率為錯(cuò)誤拒絕次數(shù)占類內(nèi)測(cè)試總次數(shù)的比例，拒識(shí)率為錯(cuò)誤接受次數(shù)占類間測(cè)試總次數(shù)的比例。類內(nèi)測(cè)試的總次數(shù)為總的匹配成功次數(shù)，類間測(cè)試的總次數(shù)為總的匹配失敗次數(shù)。

表1 特征提取實(shí)驗(yàn)測(cè)試統(tǒng)計(jì)結(jié)果

在上述去偽法提取指紋細(xì)節(jié)特征點(diǎn)實(shí)驗(yàn)的基礎(chǔ)上，對(duì)80幅指紋圖像進(jìn)行了6 320次匹配測(cè)試。如表2所示，實(shí)驗(yàn)一采用相鄰特征點(diǎn)局部結(jié)果匹配方法，實(shí)驗(yàn)二為本次采用的細(xì)節(jié)點(diǎn)位置信息和方向信息。根據(jù)細(xì)節(jié)點(diǎn)局部特征建立細(xì)節(jié)點(diǎn)結(jié)構(gòu)算子，用中心細(xì)節(jié)點(diǎn)所對(duì)應(yīng)算子間的相似度代表匹配結(jié)果，用局部細(xì)節(jié)點(diǎn)結(jié)構(gòu)進(jìn)而在全局層面完成整幅圖像的匹配。

表2 指紋匹配測(cè)試結(jié)果

當(dāng)測(cè)試總數(shù)達(dá)到一定數(shù)量時(shí)，拒識(shí)率和誤識(shí)率均有所變化。在匹配測(cè)試條件相同的情況下，本次研究采用的方法(實(shí)驗(yàn)二)正確率與采用相鄰特征點(diǎn)局部結(jié)果匹配方法相比，正確率提高了0.5%，匹配算法達(dá)到了匹配指標(biāo)的要求。

5 結(jié) 語

利用脊線跟蹤去除偽細(xì)節(jié)特征點(diǎn)，并對(duì)該細(xì)節(jié)點(diǎn)特征進(jìn)行位置和方向信息分析，建立配對(duì)關(guān)系，計(jì)算對(duì)比其相似度，據(jù)此得到匹配結(jié)果。按此方法提取指紋特征，其優(yōu)點(diǎn)是便于提取、易于存儲(chǔ)，可以將提取的坐標(biāo)信息和角度信息儲(chǔ)存起來，當(dāng)需要再次匹配時(shí)直接調(diào)用即可。匹配算法速度快，只需對(duì)比點(diǎn)對(duì)的位置信息，就可以實(shí)現(xiàn)快速匹配。對(duì)指紋識(shí)別系統(tǒng)的算法進(jìn)行了改進(jìn)，使得指紋識(shí)別的可靠性大大增強(qiáng)。