指紋與人臉中特征提取及識別研究.pdf

1、網絡與信息化技術的普及應用給身份認證提出了更新、更高的要求，傳統(tǒng)的鑰匙、密碼等身份識別方法已越來越不能適應社會發(fā)展的需求，利用人體自身所固有的生物特征(如指紋、人臉、虹膜等)進行身份識別的技術，即生物特征識別技術，為徹底解決身份認證難題提供了有效的途徑，是當前信息安全、模式識別、人工智能等領域極為關注的熱點問題。 指紋和人臉是目前最為常見的生物特征，雖然研究者針對兩者己持續(xù)關注多年，取得了許多研究成果，但隨著社會的迫切需要，以及

2、現有技術在實際應用和測試中表現出的許多不足，近年來，對這兩種識別技術的研究仍然十分活躍。其中，特征提取和特征匹配作為尤為關鍵的研究內容，在很大程度上決定了系統(tǒng)的總體性能。在這種情況下，該文對指紋識別和人臉識別中特征提取和識別的主要關鍵技術進行了深入研究，主要工作和創(chuàng)新性成果集中在如下方面： 1) 針對低質量指紋圖像，提出了魯棒的紋線區(qū)域分割及自適應增強方法。該方法綜合考慮了紋線方向、頻率、對比度等基本特征在指紋局部和全局之間的矛

3、盾，利用多尺度方法對這些特征進行了獲取與校正，并完成了紋線區(qū)域多級分割，并以上述特征為參數設計了一種紋線自適應增強濾波器，同時還提出了快速統(tǒng)一的濾波實現方法。該方法突出了指紋全局結構制約下的局部紋理信息，著眼于消除紋線噪聲，突出紋線結構。實驗結果表明，相對于傳統(tǒng)算法，指紋基本特征的準確獲取提高了紋線分割效果，自適應濾波器提高了紋線清晰程度和流暢程度，保留了紋線細節(jié)特征，同時算法耗時也得到了明顯降低。 2) 提出了指紋圖像中多種鑒

4、別特征提取及特征相似度計算方法。這些特征主要包括全局穩(wěn)定點、描述指紋模式區(qū)分布的指紋曲率場、描述局部方向分布模式的OrientationCodes、描述紋線分布狀況的：PolyLines、描繪穩(wěn)定點和細節(jié)點分布的星形結構、描述細節(jié)點全局分布的Delaunay剖分結構等。在定義指紋圖像中穩(wěn)定點特征時，提出了指紋區(qū)域模型，利用模型將核心點和參考點統(tǒng)一表達為吸引點，將三角點表達為排斥點，并進一步求取了吸引點的方向特征。在定義其它特征時，充分考

5、慮了平移旋轉不變性和可鑒別性。實驗結果表明，上述特征能有效提高指紋對齊、特征比對及匹配分值計算的精確度。 3) 根據提取的指紋鑒別特征提出了基于OrientationCodes和PolyLines特征的快速指紋匹配方法和基于分層鑒別的指紋混合匹配方法。前者綜合OrientationCodes特征描述宏觀方向模式的能力和PolyLines特征描述紋線曲率走向的特點，采用特征最大相似度的加權和來對齊指紋并計算匹配分值，具有實現簡單、

6、識別快速且準確的特點。匹配實驗結果表明，該方法相對于點模式匹配方法能顯著提高識別精度和速度；后者綜合考慮多種鑒別特征的特點，采用由全局到局部，由粗到精的逐級剔除思路，優(yōu)先判別出明顯匹配和明顯不匹配的指紋對，而將那些難以判斷的指紋對后移，待相似度或不相似度證據較為充分之后再給出明確的匹配結果。實驗結果表明，這種混合匹配方法進一步提高了系統(tǒng)的識別性能?？傮w而言，這兩種匹配算法均有利于大規(guī)模指紋庫中指紋的快速檢索與識別。 4) 提出了

7、一種人臉小波融合特征構造方法。子空間方法是人臉識別中的主流方法，但直接利用灰度圖像特征易受光照、姿態(tài)等因素影響，利用濾波方法又容易增加計算耗時和特征選擇的難度。該文利用小波融合特征來解決這個問題，在融合的小波高頻子帶中表示出人臉區(qū)域重要程度之后，有針對性地結合Gabor小波和Log-Gabor小波抽取人臉中不同層次、不同方向、不同細節(jié)的潛在信息，形成了與原始灰度圖像矢量維數相差無幾，但具有更好描述能力的人臉特征矢量。這種小波融合特征有機

8、地結合了人臉面部器官的分布特點與小波分解、小波濾波器組的優(yōu)點，能為子空間方法提供判別能力強的特征。實驗結果驗證了這種特征的有效性和優(yōu)越性。 5) 通過對常用流形學習方法優(yōu)缺點的深入分析與歸納，提出了一種流形學習環(huán)境下的Fisher流形嵌入準則，并在該準則下推導了一種基于鑒別性流形學習的人臉特征提取算法及其核推廣算法。譜結構分析表明該算法本質特點是在控制類內樣本經過嵌入之后彼此匯聚的同時，確保了類間樣本經過嵌入之后的間距最大化。算