基于特征參數(shù)的指紋質(zhì)量分類方法及應(yīng)用研究.pdf

1、安全隱患和信息泄露頻發(fā)使人們對身份認證平臺提出了更高的關(guān)注和需求。電子信息技術(shù)的飛躍式發(fā)展為解決身份認證的多元化、高安全性提供了新的技術(shù)途徑和手段，生物識別技術(shù)已替代傳統(tǒng)身份認證方式成為新型身份認證平臺的基礎(chǔ)核心。相對于其他生物特征，指紋更好地平衡了眾多性能指標，成為生物識別技術(shù)的首選，獲得了廣泛的認同和應(yīng)用。雖然指紋識別技術(shù)發(fā)展成熟，但是依然存在技術(shù)缺陷，自動指紋識別系統(tǒng)還有待進一步地完善?，F(xiàn)有的技術(shù)難題主要有指紋的質(zhì)量評估和控制、滑

2、移區(qū)域檢測、形變指紋識別和潛指紋處理。其中質(zhì)量評估和控制位于識別系統(tǒng)的前端，是后續(xù)處理的基礎(chǔ)。有效評價和控制指紋的質(zhì)量可以降低后續(xù)環(huán)節(jié)的處理難度，提升系統(tǒng)性能，所以指紋質(zhì)量研究具有重要的研究意義和實際應(yīng)用價值。
　　 由于指紋采集具有時變性，所以指紋質(zhì)量評價屬于無參評價范疇。同時特殊的紋理結(jié)構(gòu)也使傳統(tǒng)評價指標不適用于指紋質(zhì)量評價。本文以指紋質(zhì)量為主要研究內(nèi)容，結(jié)合反映指紋紋理結(jié)構(gòu)的特征參數(shù)實現(xiàn)指紋質(zhì)量分類，并將質(zhì)量分類應(yīng)用于后續(xù)

3、增強處理中。首先，提取活體指紋圖像的全局特征參數(shù)和局部特征參數(shù)，分別利用閾值分類方法、多參數(shù)加權(quán)組合方法和K均值聚類方法對指紋圖像進行質(zhì)量分類。通過分析比較，指出這些算法的不足，將BP神經(jīng)網(wǎng)絡(luò)引入質(zhì)量分類過程，提出了基于BP神經(jīng)網(wǎng)絡(luò)的指紋質(zhì)量分類方法。該算法在國際指紋識別競賽庫FVC2004 DB4上進行了測試，通過仿真比較，本文算法可以更加有效地建立多特征參數(shù)與主觀質(zhì)量感知之間的非線性映射關(guān)系，分類準確率更高。其次，本文對三種經(jīng)典的指