论文部分内容阅读
目前， 研究人员提出的自动指纹认证方法分为三类： 图匹配方法、 细节点匹配方法以 及细节点与其他指纹特征信息相结合的方法。
· 图匹配
图匹配方法是主要利用指纹图像自身的性质进行匹配的方法 [1]。其中Prabhakar 提出的基于滤波器组的图匹配方法最具有代表性。该方法的主要步骤如下：
（1） 在指纹图像中找到一个参考点。最为常用的参考点寻找方法是通过寻找曲率最大的点来实现的。
（2） 在指纹图像中确定指纹匹配的区域。以步骤 1 中找到的参考点为中心， 划出若干个同心圆， 再通过参考点画出许多条直线， 把同心圆分为许多的扇区。这些扇区就是进行指纹匹配的区域。值得注意的是，为了方便后面的匹配，扇区的面积都不能太大。
（3） 对指纹匹配区域进行滤波增强。由 Gabor 滤波器的知识可以知道， 如果指纹区域的方向与滤波器的方向相同时， 其灰度值的变化会很大， 而当方向相差很多时， 其灰度值的波动范围则会很小。所以首先对指纹匹配区域进行 8 个方向的 Gabor 滤波增强。如果认证的两个指纹图像是来自于一个手指，则进行滤波增强的扇形区域会具有相近的灰度均值和方差。
（4） 以参考点为中心，建立 640 维与像素点灰度均值相关的特征向量并进行特征向量的匹配。如果特征向量对应维差值的绝对值之和小于某一阈值则认定匹配， 反之则不匹配。该方法直接利用指纹图像灰度值的性质，较为简单，总体效果较好。但是也存在以下一些不足：
（1） 过于依赖中心区域的指纹图像的质量。由于只利用了指纹图像中的中心的一小部分区域，所以如果该区域图像质量不好，而其他区域较好，则整体匹配效果会很低。
（2） 参考点的寻找直接影响匹配的质量。当指纹图像的参考点不好寻找时， 匹配的效率会大大降低，甚至无法进行。
（3） 受指纹形变影响较大。由于滤波器组特征受旋转的影响较大， 所以当两个指纹图像旋转的幅度较大时，效果就很不理想。图匹配除了在空域可以进行之外，还可以在变换域中进行匹配。刘伟等 [2]先对指纹进行小波变换，之后再利用小波变换后的图像进行匹配。而 wilson 等人 [3] 则是利用傅立叶变换的性质，在频域内进行指纹认证。
· 细节点匹配
细节点匹配是先从指纹图像中提取指纹细节点信息， 在把指纹图像匹配转化为指纹细节点信息匹配之后，根据细节点之间的相对关系来最终确定两个指纹图像是否匹配。指纹的细节点有很多种，主要有端点、分叉点、中心点、三角点这四种类型。其中，端点和分叉点属于指纹的局部特征，中心点和三角点属于指纹的全局特征。由于中心点和三角点受采集指纹效果的影响较大，不利于指纹的匹配，所以本文主要采用端点和分叉点作为指纹的细节点。
细节点匹配主要的过程通常包括计算方向图、分割、滤波、增强、 二值化、细化、特征提取以及特征匹配等步骤。指纹的方向一般定义为脊线或谷线切线的方向。通过计算方向角可以进行指纹图像的分割以及滤波等操作。常用的计算方向的方法一般分为基于梯度信息的方法和基于灰度差异性的方法这两类。由于指纹图像在采集的过程中会存在各种形式的噪声，会影响细节点匹配的效果， 所以进行指纹图像的增强是细节点匹配重要的组成部分。指纹图像的增强一般分为频域的增强和空域的增强这两种类型。频域的增强有小波增强 [4]、傅立叶增强 [5]和快速傅立叶增强等方法。而空域的增强则有基于规则的增强、基于方向加权滤波增强 [6]以及Gabor增强[7]等等。二值化是一种通过阈值判断，把指纹图像的灰度值变为0或 255两种灰度值的图像处理方法。细化则是指利用二值化的处理结果，提取出指纹脊线的骨架， 使指纹脊线信息更加明显的图像处理过程。通过对指纹的二值化和细化处理，可以较为方便的提取出指纹图像的特征点信息。
细节点匹配是利用细节点相关信息， 通过在不同形变参数的基础上计算细节点匹配相似度从而计算出指纹图像之间的最大的匹配相似度， 并将之与相关的阈值进行比较， 从而判断两个指纹图像是否匹配的过程。 洪波等人利用遗传算法的相关知识， 构建细节点匹配算法， 加快指纹图像的对准， 提高细节点匹配的速度。Ratha 等人采用 Hough 变换进行细节点匹配， 该方法通过利用多组不同的旋转尺度和平移的参数， 计算出不同的匹配分数，利用最大的匹配分数来判断两个指纹图像是否匹配。 Kovacs-Vajna [8] 利用语音识别领域的动态时间规整 （Dynamic Time Warping） 方法进行指纹细节点匹配。该方法利用细节点的相对位置和方向信息各在待匹配图像和模板图像中找到三个点构成三角形， 通过三角形的形变是否在可接受的范围内来判定细节点的匹配。最后通过匹配的細节点个数来确定两个指纹图像是否匹配。
在指纹细节点提取方面， Maio 和 Maltoni [9] 直接利用灰度图像检测细节点。该方法通过计算指纹的方向角， 在脊线方向上进行指纹固定步长跟踪， 形成指纹的骨架结构， 并利用固定步长范围内的灰度变化与某一阈值的比较来判断指纹细节点的类型。Jiang 等人 [10] 则利用动态步长代替固定步长改进了 Maio 和 Maltoni [9] 的细节点提取的效果。
· 细节点与其他特征信息相结合的方法
由于指纹图像采集时采集环境有差异，手指指纹的质量会受到影响， 如果仅使用细节点进行指纹图像的匹配，很容易发生拒识或误识。为了克服此缺点，有研究人员将细节点与其他特征信息相结合进行细节点匹配， 取得了较好的效果。Wan 和 Zhou 利用指纹密度图和细节点特征信息相结合的方法进行指纹图像的匹配。该方法分别计算了指纹密度图的相似度和细节点的相似度，然后利用 Neyman-Pearson 准则对二者的相似度进行融合判断指纹匹配的程度。Jain 等人 [11] 在把指纹图像划分为小格之后，进行8 个方向的 Gabor 卷积，把纹理特征与细节点特征结合起来进行指纹匹配的判断。Jiang 和 Yau [12] 把细节点的距离和相对夹角等信息与细节点特征相结合进行指纹鉴别。 經过前人在指纹认证技术方面大量的研究， 指纹认证技术的各个环节都得到了很大的发展。 但是还存在许多问题， 如对于低质量指纹认证效果不理想， 对于在采集指纹时发生的平移，伸缩，旋转的影响还不能很好的解决，运行效率不够等。
参考文献
[1] A.K.Jain，S.Prabhakar， L.Hong， S.Pankanti. Filterbank-based fingerprint matching[A]. IEEE Transactions on Image Processing，2000，9（5）：846-859. [2] 刘伟 ， 杨圣 . 基于 Haar 小波变换的快速指纹识别算法 [J]. 中国图象图形学报 ，2007，12（4）：673-677.
[3] C.Wilson，C.Watson，E.Paek.Effect of resolution and image quality on combined optical and neural network fingerprint matching[J].Pattern Recognition，2000，33（2）：317-331.
[4] C.Hsieh，E.Lai，Y.Wang.An effective algorithm for fingerprint image enhancement based on wavelet transform[J].Pattern Recognition Letters.2003，36（2）： 303-312.
[5] T.Ko.Fingerprint enhancement by spectral analysis techniques[C]. Applied Imagery Pattern Recognition Workshop，2002：133-139.
[6] 曾洪波 ， 汪国有 ， 张天序 . 基于连续方向图的指纹智能预处理算法 [J]. 红外与激光工程 .2001，30（6）： 426- 431.
[7] L.Hong，Y.F.Wan，A.K.Jain.Fingerprint image enhancement：algorithm and performance evaluation[A]. IEEE Transactions on Pattern Analysis and Machine Intelligence.1998，20（8）：777-789.
[8] Kovacs-Vajna Z.M. A fingerprint verification system based on triangular matching and dynamic time warping[A]. IEEE Transactions on pattern analysis and matching intelligence， 2000， 22（11）： 126-1276.
[9] D.Maio，D.Maltoni.Direct Gray-Scale Minutiae Detection In Fingerprints[A]. IEEE Transactions on Pattern Analysis and Machine Intelligence.1997， 19（1）：27-40.
[10] X.Jiang，W.Yau，W.Ser.Detecting the Fingerprint Minutiae by Adaptive Tracing the Gray-level Ridge[J]. Pattern Recognition Letters.2001，34（5）：999-1013.
[11] A.Jain，A.Ross，S.Prabhakar.Fingerprint matching using minutiae and texture features[C].International Conference on Image Processing，Thessaloniki，Greece，2001：282-285.
[12] X.Jiang， W.Yau.Fingerprint Minutiae Matching Based on the Local and Global Structures[C]. International Conference on Pattern Recognitio，Barcelona，Spain，2000，2：1042-1045.
· 图匹配
图匹配方法是主要利用指纹图像自身的性质进行匹配的方法 [1]。其中Prabhakar 提出的基于滤波器组的图匹配方法最具有代表性。该方法的主要步骤如下：
（1） 在指纹图像中找到一个参考点。最为常用的参考点寻找方法是通过寻找曲率最大的点来实现的。
（2） 在指纹图像中确定指纹匹配的区域。以步骤 1 中找到的参考点为中心， 划出若干个同心圆， 再通过参考点画出许多条直线， 把同心圆分为许多的扇区。这些扇区就是进行指纹匹配的区域。值得注意的是，为了方便后面的匹配，扇区的面积都不能太大。
（3） 对指纹匹配区域进行滤波增强。由 Gabor 滤波器的知识可以知道， 如果指纹区域的方向与滤波器的方向相同时， 其灰度值的变化会很大， 而当方向相差很多时， 其灰度值的波动范围则会很小。所以首先对指纹匹配区域进行 8 个方向的 Gabor 滤波增强。如果认证的两个指纹图像是来自于一个手指，则进行滤波增强的扇形区域会具有相近的灰度均值和方差。
（4） 以参考点为中心，建立 640 维与像素点灰度均值相关的特征向量并进行特征向量的匹配。如果特征向量对应维差值的绝对值之和小于某一阈值则认定匹配， 反之则不匹配。该方法直接利用指纹图像灰度值的性质，较为简单，总体效果较好。但是也存在以下一些不足：
（1） 过于依赖中心区域的指纹图像的质量。由于只利用了指纹图像中的中心的一小部分区域，所以如果该区域图像质量不好，而其他区域较好，则整体匹配效果会很低。
（2） 参考点的寻找直接影响匹配的质量。当指纹图像的参考点不好寻找时， 匹配的效率会大大降低，甚至无法进行。
（3） 受指纹形变影响较大。由于滤波器组特征受旋转的影响较大， 所以当两个指纹图像旋转的幅度较大时，效果就很不理想。图匹配除了在空域可以进行之外，还可以在变换域中进行匹配。刘伟等 [2]先对指纹进行小波变换，之后再利用小波变换后的图像进行匹配。而 wilson 等人 [3] 则是利用傅立叶变换的性质，在频域内进行指纹认证。
· 细节点匹配
细节点匹配是先从指纹图像中提取指纹细节点信息， 在把指纹图像匹配转化为指纹细节点信息匹配之后，根据细节点之间的相对关系来最终确定两个指纹图像是否匹配。指纹的细节点有很多种，主要有端点、分叉点、中心点、三角点这四种类型。其中，端点和分叉点属于指纹的局部特征，中心点和三角点属于指纹的全局特征。由于中心点和三角点受采集指纹效果的影响较大，不利于指纹的匹配，所以本文主要采用端点和分叉点作为指纹的细节点。
细节点匹配主要的过程通常包括计算方向图、分割、滤波、增强、 二值化、细化、特征提取以及特征匹配等步骤。指纹的方向一般定义为脊线或谷线切线的方向。通过计算方向角可以进行指纹图像的分割以及滤波等操作。常用的计算方向的方法一般分为基于梯度信息的方法和基于灰度差异性的方法这两类。由于指纹图像在采集的过程中会存在各种形式的噪声，会影响细节点匹配的效果， 所以进行指纹图像的增强是细节点匹配重要的组成部分。指纹图像的增强一般分为频域的增强和空域的增强这两种类型。频域的增强有小波增强 [4]、傅立叶增强 [5]和快速傅立叶增强等方法。而空域的增强则有基于规则的增强、基于方向加权滤波增强 [6]以及Gabor增强[7]等等。二值化是一种通过阈值判断，把指纹图像的灰度值变为0或 255两种灰度值的图像处理方法。细化则是指利用二值化的处理结果，提取出指纹脊线的骨架， 使指纹脊线信息更加明显的图像处理过程。通过对指纹的二值化和细化处理，可以较为方便的提取出指纹图像的特征点信息。
细节点匹配是利用细节点相关信息， 通过在不同形变参数的基础上计算细节点匹配相似度从而计算出指纹图像之间的最大的匹配相似度， 并将之与相关的阈值进行比较， 从而判断两个指纹图像是否匹配的过程。 洪波等人利用遗传算法的相关知识， 构建细节点匹配算法， 加快指纹图像的对准， 提高细节点匹配的速度。Ratha 等人采用 Hough 变换进行细节点匹配， 该方法通过利用多组不同的旋转尺度和平移的参数， 计算出不同的匹配分数，利用最大的匹配分数来判断两个指纹图像是否匹配。 Kovacs-Vajna [8] 利用语音识别领域的动态时间规整 （Dynamic Time Warping） 方法进行指纹细节点匹配。该方法利用细节点的相对位置和方向信息各在待匹配图像和模板图像中找到三个点构成三角形， 通过三角形的形变是否在可接受的范围内来判定细节点的匹配。最后通过匹配的細节点个数来确定两个指纹图像是否匹配。
在指纹细节点提取方面， Maio 和 Maltoni [9] 直接利用灰度图像检测细节点。该方法通过计算指纹的方向角， 在脊线方向上进行指纹固定步长跟踪， 形成指纹的骨架结构， 并利用固定步长范围内的灰度变化与某一阈值的比较来判断指纹细节点的类型。Jiang 等人 [10] 则利用动态步长代替固定步长改进了 Maio 和 Maltoni [9] 的细节点提取的效果。
· 细节点与其他特征信息相结合的方法
由于指纹图像采集时采集环境有差异，手指指纹的质量会受到影响， 如果仅使用细节点进行指纹图像的匹配，很容易发生拒识或误识。为了克服此缺点，有研究人员将细节点与其他特征信息相结合进行细节点匹配， 取得了较好的效果。Wan 和 Zhou 利用指纹密度图和细节点特征信息相结合的方法进行指纹图像的匹配。该方法分别计算了指纹密度图的相似度和细节点的相似度，然后利用 Neyman-Pearson 准则对二者的相似度进行融合判断指纹匹配的程度。Jain 等人 [11] 在把指纹图像划分为小格之后，进行8 个方向的 Gabor 卷积，把纹理特征与细节点特征结合起来进行指纹匹配的判断。Jiang 和 Yau [12] 把细节点的距离和相对夹角等信息与细节点特征相结合进行指纹鉴别。 經过前人在指纹认证技术方面大量的研究， 指纹认证技术的各个环节都得到了很大的发展。 但是还存在许多问题， 如对于低质量指纹认证效果不理想， 对于在采集指纹时发生的平移，伸缩，旋转的影响还不能很好的解决，运行效率不够等。
参考文献
[1] A.K.Jain，S.Prabhakar， L.Hong， S.Pankanti. Filterbank-based fingerprint matching[A]. IEEE Transactions on Image Processing，2000，9（5）：846-859. [2] 刘伟 ， 杨圣 . 基于 Haar 小波变换的快速指纹识别算法 [J]. 中国图象图形学报 ，2007，12（4）：673-677.
[3] C.Wilson，C.Watson，E.Paek.Effect of resolution and image quality on combined optical and neural network fingerprint matching[J].Pattern Recognition，2000，33（2）：317-331.
[4] C.Hsieh，E.Lai，Y.Wang.An effective algorithm for fingerprint image enhancement based on wavelet transform[J].Pattern Recognition Letters.2003，36（2）： 303-312.
[5] T.Ko.Fingerprint enhancement by spectral analysis techniques[C]. Applied Imagery Pattern Recognition Workshop，2002：133-139.
[6] 曾洪波 ， 汪国有 ， 张天序 . 基于连续方向图的指纹智能预处理算法 [J]. 红外与激光工程 .2001，30（6）： 426- 431.
[7] L.Hong，Y.F.Wan，A.K.Jain.Fingerprint image enhancement：algorithm and performance evaluation[A]. IEEE Transactions on Pattern Analysis and Machine Intelligence.1998，20（8）：777-789.
[8] Kovacs-Vajna Z.M. A fingerprint verification system based on triangular matching and dynamic time warping[A]. IEEE Transactions on pattern analysis and matching intelligence， 2000， 22（11）： 126-1276.
[9] D.Maio，D.Maltoni.Direct Gray-Scale Minutiae Detection In Fingerprints[A]. IEEE Transactions on Pattern Analysis and Machine Intelligence.1997， 19（1）：27-40.
[10] X.Jiang，W.Yau，W.Ser.Detecting the Fingerprint Minutiae by Adaptive Tracing the Gray-level Ridge[J]. Pattern Recognition Letters.2001，34（5）：999-1013.
[11] A.Jain，A.Ross，S.Prabhakar.Fingerprint matching using minutiae and texture features[C].International Conference on Image Processing，Thessaloniki，Greece，2001：282-285.
[12] X.Jiang， W.Yau.Fingerprint Minutiae Matching Based on the Local and Global Structures[C]. International Conference on Pattern Recognitio，Barcelona，Spain，2000，2：1042-1045.