蔡 凡

(閩南理工學院， 福建 泉州 362700)

近年來，指紋識別技術逐漸發(fā)展成熟，并得到廣泛應用，如用于日常生活中的智能支付、手機解鎖、程序安裝確認等[1]。但是，在享受其方便性的同時，防止信息泄露、保障信息識別安全等問題也需引起更多關注[2]。本次研究將針對指紋細節(jié)特征點進行提取，并進行算法匹配。

1 指紋細節(jié)特征點

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

圖1 指紋特征點模型

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

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

圖像細化應滿足以下要求：

(1) 保證指紋圖像上原本指紋紋路的連通性和斷點的完備性。

(2) 不改變指紋紋路。

(3) 刪除無關邊緣像素，使紋線僅保持一個像素的寬度，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。如果對指紋圖像的大量數(shù)據(jù)都進行匹配，將會加大匹配耗時，這顯然不現(xiàn)實。因此，只需從指紋圖像中獲取具有辨識度的特征信息，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行跟蹤。此方法雖節(jié)省時間，但算法過于復雜，且指特征的位置及方向也不準確，存在很多噪聲影響。

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

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

(4) 從二值圖中提取獲得末梢點和分叉點，作為待匹配的細節(jié)點。

圖3 指紋特征提取流程圖

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

圖4 細節(jié)點8鄰域特征模板

根據(jù)上述特點，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類型。判斷公式為：

(1)

(2 )

式中：P為待測像素點；i為像素點個數(shù)；Pi為P的鄰域；Sn(P)為8鄰域像素中為1的像素個數(shù)；Cn(P)為這8個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)。

對于背脊上的像素，可根據(jù)Cn(P)和Sn(P)確定待測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點為脊線上的一個點，且Cn(P)=2，Sn(P)=1，則P為末梢點。

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

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

當找到一個脊線連續(xù)點之后，將該點像素值標記為0，并自該點開始，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，直至碰到分叉點或終結(jié)點時停止，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。細節(jié)點脊線追蹤過程如圖5所示。

圖5 細節(jié)點脊線追蹤過程

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

if a==6 %分叉點判斷

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 0表示端點

end

if a==2 %末梢點判斷

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]。在自動指紋識別系統(tǒng)中，匹配方法有模板匹配、圖像相關性匹配、細節(jié)點匹配和紋線匹配。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應的關系，而衡量兩幅指紋圖像相似或?qū)某潭热Q于提取特征計算出的兩者相似度匹配分數(shù)，即在重合面積范圍內(nèi)找到細節(jié)點數(shù)目設定的閾值。如果兩者的匹配分數(shù)大于系統(tǒng)預置的閾值，則匹配；如果匹配分數(shù)小于系統(tǒng)預置的閾值，則不匹配。

如圖6所示，通過細節(jié)點坐標、方向及其鄰域內(nèi)采樣點的特征信息，尋找特征點集間的最優(yōu)匹配細節(jié)點對。以該點對為基準點，對其余點進行剛性變換，根據(jù)變換后細節(jié)點的相對位置建立模板指紋和輸入指紋的全部細節(jié)點對應關系，進而得到兩幅指紋的匹配相似度。

圖6 兩幅指紋細節(jié)點對應關系圖

(3)

(4)

即兩個細節(jié)點的位置間距和角度差異都在設定閾值的范圍內(nèi)，則可將ai、bi作為配對的細節(jié)點。式中：r0和θ0為預先設定的閾值；|·|d為兩點的歐氏距離；|·|a為兩點的角度距離。最后，根據(jù)匹配的細節(jié)點對，設計并計算一個相似度分數(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。當全局層面匹配判斷困難或者指紋分辨率低時，可以利用局部細節(jié)點結(jié)構對兩幅指紋圖像進行粗對準，進而在全局層面完成整幅圖像的匹配。

4 實驗結(jié)果分析

選用FVC2000指紋庫中的85幅圖像(共含有285對相同指紋，2 750對不同指紋)作為特征提取實驗測試對象。實驗中，分別采用一般方法和利用脊線跟蹤去除偽細節(jié)特征點法(簡稱去偽法)進行性能對比。一般方法是指在細化后的指紋圖像上直接進行細節(jié)特征的提取。

定義特征提取評價性能指標 —— 準確率(η)：

(5)

實驗結(jié)果顯示，采用脊線跟蹤去除偽細節(jié)特征點的方法平均處理時間為0.15 s。與一般方法相比，其效率明顯，提高了70%，其中檢測特征點數(shù)減少了7個。這是由于從追蹤脊線二值圖中提取獲得末梢點和分叉點，刪除了部分無關特征點信息，提高了指紋特征點的辨識度，再經(jīng)去除偽特征點，丟失的特征點有所減少。準確率達到了90.80%，明顯高于一般方法(見表1)。

本次匹配測試采用細節(jié)點的位置信息和方向信息，計算指紋中所有細節(jié)點算子間的相似度，分析匹配結(jié)果，通過誤識率(FAR)、拒識率(FRR)、正確率(CR)這3個指標來衡量該匹配算法的達標度。3個指標相加的總和為1，其中誤識率為錯誤拒絕次數(shù)占類內(nèi)測試總次數(shù)的比例，拒識率為錯誤接受次數(shù)占類間測試總次數(shù)的比例。類內(nèi)測試的總次數(shù)為總的匹配成功次數(shù)，類間測試的總次數(shù)為總的匹配失敗次數(shù)。

表1 特征提取實驗測試統(tǒng)計結(jié)果

在上述去偽法提取指紋細節(jié)特征點實驗的基礎上，對80幅指紋圖像進行了6 320次匹配測試。如表2所示，實驗一采用相鄰特征點局部結(jié)果匹配方法，實驗二為本次采用的細節(jié)點位置信息和方向信息。根據(jù)細節(jié)點局部特征建立細節(jié)點結(jié)構算子，用中心細節(jié)點所對應算子間的相似度代表匹配結(jié)果，用局部細節(jié)點結(jié)構進而在全局層面完成整幅圖像的匹配。

表2 指紋匹配測試結(jié)果

當測試總數(shù)達到一定數(shù)量時，拒識率和誤識率均有所變化。在匹配測試條件相同的情況下，本次研究采用的方法(實驗二)正確率與采用相鄰特征點局部結(jié)果匹配方法相比，正確率提高了0.5%，匹配算法達到了匹配指標的要求。

5 結(jié) 語

利用脊線跟蹤去除偽細節(jié)特征點，并對該細節(jié)點特征進行位置和方向信息分析，建立配對關系，計算對比其相似度，據(jù)此得到匹配結(jié)果。按此方法提取指紋特征，其優(yōu)點是便于提取、易于存儲，可以將提取的坐標信息和角度信息儲存起來，當需要再次匹配時直接調(diào)用即可。匹配算法速度快，只需對比點對的位置信息，就可以實現(xiàn)快速匹配。對指紋識別系統(tǒng)的算法進行了改進，使得指紋識別的可靠性大大增強。