史晶
摘 要:針對目前在公安和身份確認等領域得到廣泛應用的自動指紋識別,在簡單介紹其分類和指紋匹配要求的基礎上,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的新型匹配算法。目前,在高層次匹配當中引入這一方法,能以指紋細節(jié)點具有的特征為依據(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。
關鍵詞:自動指紋識別; 指紋圖匹配; 遺傳算法
中圖分類號:TP18? ? ? ? ? ? 文獻標識碼:A? ? ? ?文章編號:1006-3315(2019)9-200-001
由于自動指紋識別具有靈活、方便和精準等優(yōu)勢,所以在身份確認等領域逐漸得到廣泛應用。而其能否發(fā)揮應有效果,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
自動指紋識別具有廣闊的應用與發(fā)展前景,不僅能用于公安領域,還能在計算機領域得到應用,比如作為確認用戶身份的手段和對網(wǎng)絡資源進行訪問的口令等。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等。
就目前來看,這項技術主要包含下列兩方面:其一,指紋分類;其二,指紋細節(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。對指紋進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。雖然很多人員針對指紋分類方面的問題做出大量研究,但從自動指紋識別角度講,怎樣縮小誤識率依然是難點所在[1]。
指紋的匹配主要用于判斷指紋是否屬于目標,它需要將指紋具有的特征作為基礎,這些特征包括:脊末梢;分岔點;符合特征;未定義?,F(xiàn)在最常用特征為細節(jié)點對應的坐標模型,即利用分岔點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,借助遺傳或補償算法進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,對指紋圖像沒有太高要求,所以能識別不完全的指紋。
2.指紋匹配
現(xiàn)有文獻中對指紋匹配提出很多算法,其中大部分是以點匹配算法為基礎的。對于點匹配算法,它是指采用某種變換措施對兩個點進行匹配[2]。
比如Ranade等提出的松弛算法,這一方法定義兩個點集,針對一組匹配,為點集定義相對變換。以該變換條件下其它點實際匹配程度為依據(jù),對相對變換可靠度進行計算。若有一個變換能使點集科學匹配,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。對可靠度進行重復計算的過程中,其它變換具有的可靠度會對正處于計算過程的可靠度造成加權影響。完成迭代后,能使匹配達到科學的變換,其可靠度將較大,其它變小。這一方法由于需要對可靠度進行反復計算,故速度相對較慢。
又比如Stockman提出以Hough為基礎的方式,將點模式通過匹配轉(zhuǎn)化為檢測Hough當中的峰值。該方法的缺點為:如果細節(jié)點的數(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,這一方法的計算量還很大。雖然有人從能量達到最小這一角度入手對點匹配問題進行描述,同時引入模擬退火方式,但是這一方法的實際計算量也很大。
在此之后,Rand等提出了更加細致的能對指紋特征進行分析的模型[3]。這一模型對10種指紋具有的特征進行了區(qū)分。以此為基礎,可通過格柵的疊加來完成特征識別。S-Sobajic等提出三種能對指紋進行匹配的方法,其中一種為借助光學儀器對指紋圖進行相關性計算,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,從圖像識別角度講也就是KL變換,這一方法的指紋識別成效相對較少,其主要原因為指紋圖具有的特征屬于松散定義,同時存在很多偽特征。此外還有一種方法為神經(jīng)網(wǎng)絡算法,這一方法十分簡單,但在計算時需要付出很大的代價。
對算法而言,其本質(zhì)在于改進后的算法,它能在利用現(xiàn)有結(jié)構(gòu)信息的前提下,借助補償算法對偏移累積進行抵消,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.以遺傳算法為基礎的匹配算法
對兩幅指紋圖進行匹配,能解決形變、旋轉(zhuǎn)與平穩(wěn)方面的問題,將關鍵點對應的點集作為指紋匹配輸入,這兩個點集分別從輸入與標準指紋圖進行提取,然后共同存儲于模板庫當中[4]。
這兩個點集能對關鍵點坐標和方向進行記錄,若指紋圖能完全匹配,可對輸入指紋圖實施變換,以此獲得模板對應的指紋圖?;诖耍渲幸粋€點集能通過變換成為另一個點集。部分點會由于噪音而發(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實現(xiàn)匹配的具體變換。若兩個點不僅之間的距離很近,并且方向還保持一致,則可認定這兩個點是相互匹配的。但需要注意,任何一個點集都可能存在不能采用變換的方式達到匹配的點。因指紋圖的大小基本相同,所以在實際的變換過程中沒有考慮伸縮因子,相應的,在匹配算法當中也沒有考慮伸縮因子。
4.結(jié)束語
綜上所述,對自動指紋識別及其應用而言,指紋圖匹配具有重要作用和意義,為滿足更復雜情況下指紋識別要求,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:
[1]魏志平,謝進,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]應用技術學報,2019(01):165-171
[3]蔣洋,張星臣,周曉曄.考慮支線運輸服務的多式聯(lián)運網(wǎng)絡優(yōu)化[J]沈陽工業(yè)大學學報(社會科學版),2015(10):25-26
[4]黃正鵬,王力,張仕學,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)存儲優(yōu)化[J]激光雜志,2019,40(03):135-139