自動指紋識別系統(tǒng)中若干關(guān)鍵問題研究.pdf

1、生物特征識別技術(shù)是根據(jù)每個人獨有的、可以采樣和測量的生物學(xué)特征或行為學(xué)特征進行身份識別的技術(shù)，相對于已有基于持有物（如護照、駕駛證）和基于知識（如密碼、個人身份識別碼）的傳統(tǒng)身份識別方法，該技術(shù)具有更好的識別能力及可靠性，因而被廣泛研究和運用。自動指紋識別系統(tǒng)由于其體積小，成本低，易操作，可靠性高等優(yōu)點越來越受到人們的青睞，成為最重要的生物識別技術(shù)之一。 本論文針對自動指紋識別系統(tǒng)中指紋圖像分割、指紋方向場計算、指紋奇異點檢測、指

2、紋圖像細化、指紋匹配等關(guān)鍵問題進行了研究，并取得了以下研究成果： 1，在指紋圖像分割方面，主要做了兩部分工作：1）提出了一種稱之為有效點聚集度的指紋圖像分割特征；2）依據(jù)有效點聚集度及已有的塊聚集度特征，提出了一種有效的指紋圖像分割方法，該方法首先采用有效點聚集度對指紋圖像做粗分割，然后對粗分割結(jié)果采用基于迭代的方法進行后處理，接著運用塊聚集度在第一次后處理結(jié)果的基礎(chǔ)上做細分割，最后采用形態(tài)學(xué)方法對細分割后的結(jié)果做第二次后處理。

3、大量實驗證明：相對于已有常用的指紋圖像分割特征，有效點聚集度具有鑒別能力強、魯棒性好、分割出的前景、背景區(qū)域較為集中的特點；基于有效點聚集度及塊聚集度提出的指紋圖像分割算法具有較高的準確性及較強的適應(yīng)性。 2，在指紋方向場計算方面，主要作了兩個部分的工作：1）針對基于梯度的指紋方向場計算方法中存在的點梯度向量歸一化、塊窗口大小選擇及進一步增強抗噪聲能力等三個關(guān)鍵問題進行了討論、研究，并對每個問題提出了本章的解決方案；2）基于上述

4、改進方案，系統(tǒng)地提出了兩種改進的基于梯度的指紋方向場計算方法，即基于多尺度融合的指紋方向場計算方法、基于復(fù)合窗口模版的指紋方向場計算方法。實驗驗證了提出算法的有效性。 3，在指紋奇異點檢測方面，在指紋方向場分割的基礎(chǔ)上提出了一種稱之為方向豐富度的特征，并據(jù)此形成了一種新的指紋奇異點快速檢測方法。該方法首先將指紋方向場分割為一系列互不重疊的同質(zhì)區(qū)域；然后通過同質(zhì)區(qū)域邊緣檢測及邊緣端點提取實現(xiàn)了奇異點快速定位；最后依據(jù)奇異點處方向豐

5、富度特性判斷其類型。與目前占據(jù)絕對主流的poincareindex方法在FVC2002指紋庫上的對比實驗表明：在準確性方面，兩者各有優(yōu)、缺點，提出方法的誤檢率明顯低于后者，漏檢率略高于后者；在簡單實用性方面，提出算法的平均運算速度是后者的17.4倍，具有明顯優(yōu)勢。 4，在指紋圖像細化方面，針對已有OPTA算法（One Pass Thinning Algorithm）存在細化質(zhì)量與細化速度不能兼顧的缺陷，提出了一種基于優(yōu)化模版的指

6、紋圖像快速細化算法。該算法主要做了兩個部分的工作：在已有消除模版和保留模版的基礎(chǔ)上提出了組合模版，有效地提高了模版匹配速度；針對組合模版進行了進一步優(yōu)化，解決了細化質(zhì)量與速度之間的矛盾。大量實驗表明，提出的改進算法在確保細化質(zhì)量的同時，細化速度較之已有算法進一步提高了3～6倍。 5，在指紋匹配方面，主要做了兩個部分的工作：1）發(fā)現(xiàn)已有基于方向的細節(jié)點描述子（Orientation_based Minutia Descriptor

7、，OMD）存在旋轉(zhuǎn)相關(guān)的問題并通過改進OMD相似度計算方法有效地解決了該問題；2）提出了一種基于多級驗證模式的指紋匹配方案，并給出了一種實現(xiàn)案例，其主要過程為：首先基于細節(jié)點的OMD特征進行局部匹配獲得粗糙參考點對集；其次構(gòu)建高層次的細節(jié)點局部拓撲結(jié)構(gòu)，分級驗證粗糙參考點對集獲得精煉參考點對集；最后對粗糙參考點對集中未被選入精煉點對集的參考點對，基于精煉參考點對集構(gòu)建其高層次的細節(jié)點局部拓撲結(jié)構(gòu)進行再次驗證以獲得最終參考點對集。實驗驗證