《指紋特征提取與多特征識別》針對大人群和低質(zhì)量指紋識別中的特征提取和識別問題開展研究,將擴展特征應用到實際的指紋識別系統(tǒng)中,以提高系統(tǒng)的識別性能。主要內(nèi)容有:重疊指紋的分離、特征提取與識別;基于細節(jié)點的方向場特征重建及其應用;基于指紋全局拓撲模型和局部特征相結(jié)合的奇異點特征提取算法;多特征指紋識別的融合算法及快速比對方法;基于分級結(jié)構(gòu)的指紋細節(jié)點快速比對方法。
隨著通信、網(wǎng)絡、金融技術(shù)的高速發(fā)展,信息安全顯示出前所未有的重要性,人的身份識別技術(shù)的應用越來越廣泛。生物識別技術(shù)是指利用生理特征(如人臉、指紋、掌紋等)或行為特征自動地識別個人身份的科學技術(shù)。指紋是最廣泛使用的生理特征之一,已受到人們的重視,在安全領(lǐng)域的許多方面有著非常廣泛的應用前景。指紋自動識別系統(tǒng)已成功地應用于預防身份欺詐、打擊恐怖主義、刑偵和國防安全等方面。這些系統(tǒng)按照應用形式可分為三類:指紋驗證系統(tǒng)、指紋辨認系統(tǒng)和現(xiàn)場指紋辨認系統(tǒng)。
雖然指紋包含許多特征,如方向場、密度圖、奇異點和細節(jié)點等,但幾乎所有傳統(tǒng)的實際應用的指紋識別系統(tǒng)都是基于細節(jié)點的。研究表明,在細節(jié)點匹配的基礎上,進一步利用擴展特征(即細節(jié)點之外的其他指紋特征)可以改善純細節(jié)點匹配算法的準確性。然而,這些研究都是在理想情況下進行的(假定有足夠的儲存空間、足夠的計算能力及充足的人力資源),沒有充分考慮實際應用中的各種復雜因素。目前,國內(nèi)外也鮮有系統(tǒng)、全面地介紹指紋在實際應用中的特征提取與多特征識別的著作。
作者在近十年的指紋識別研究工作基礎上完成本書,這些工作的目的是克服實際應用中復雜因素的限制,從而將擴展特征應用到實際的指紋識別系統(tǒng)中,以提高系統(tǒng)的識別性能。本書寫作的目標不是介紹指紋識別的基本原理和完整過程,而是著力于闡述指紋識別在實際應用中的新理論和新技術(shù)。本書主要由作者已公開發(fā)表的成果、博士學位論文整理而成。同時也參考了同一研究領(lǐng)域的他人研究論文,在此表示感謝。
本書內(nèi)容組織如下:
第1章是概述,簡要介紹指紋識別的研究背景、傳統(tǒng)指紋識別方法的流程、目前研究的困難與熱點問題。
第2章針對現(xiàn)有指紋識別系統(tǒng)不能處理重疊指紋的不足,提出一種分離重疊指紋的方法,該方法可以將重疊指紋較好地分離成獨立的指紋,便于自動提取特征。重疊指紋主要存在于從犯罪現(xiàn)場提取出來的指紋;當取指器上有殘存指紋時,也可能出現(xiàn)重疊指紋。現(xiàn)有指紋識別方法不能分離重疊指紋,不能成功地完成重疊區(qū)域的脊線檢測。因此,重疊指紋對目前的指紋識別算法提出了挑戰(zhàn)。而人工地在重疊指紋上標定特征,即便是指紋專家,也是一件相當困難的事情。本章提出一種分離重疊指紋的算法,其原理是首先估計初始方向場;然后利用松弛標注的方法將初始方向場分離成兩個獨立的方向場;最后,利用這兩個獨立的方向場,對原始圖像進行增強,得到兩個獨立的指紋。本章既用仿真數(shù)據(jù),也用實際的現(xiàn)場重疊指紋數(shù)據(jù)做實驗,對算法進行性能測試,實驗表明,該方法可以成功地分離重疊指紋,并提高重疊指紋的識別率。
為了更充分地利用細節(jié)點信息,第3章提出了基于細節(jié)點的方向場重建及其應用的方法。傳統(tǒng)的基于細節(jié)點的指紋識別算法,一般由兩步組成,即細節(jié)點提取與細節(jié)點匹配。在細節(jié)點匹配中,輸入指紋的細節(jié)點并與數(shù)據(jù)庫中指紋的細節(jié)點進行比較,計算總共匹配的細節(jié)點對數(shù)。如果比對的得分高于某個閾值,則認為這兩幅指紋圖像來自同一手指。這種匹配算法只應用了每個細節(jié)點獨自的位置和方向信息,而沒有利用細節(jié)點之間的相互信息。因而,這種方法不具備充分的識別能力,尤其是在大規(guī)模的指紋辨認系統(tǒng)中。方向場是指紋最重要的全局特征之一,但由于一些系統(tǒng)只存儲了細節(jié)點的模板(這些系統(tǒng)包括多數(shù)傳統(tǒng)的指紋識別系統(tǒng)、嵌入式系統(tǒng),現(xiàn)場指紋識別系統(tǒng)往往也只有人工標定的細節(jié)點),沒有存儲指紋原始圖像,因而無法應用方向場信息。本章提出從細節(jié)點重建方向場,再將方向場應用到指紋比對中。首先從細節(jié)點重建方向場,然后將重建的方向場應用到指紋比對中,最后與細節(jié)點比對進行融合。該方法對細節(jié)點信息的利用更加充分,可以有效地提高系統(tǒng)的識別率。實驗結(jié)果表明,將重建的方向場比對與細節(jié)點比對融合,提高了系統(tǒng)的識別性能。
除了細節(jié)點和方向場外,奇異點也是指紋的重要特征,可以應用于指紋分類、檢索等。傳統(tǒng)的基于Poincar6指數(shù)的奇異點檢測方法,在圖像質(zhì)量較差時,容易產(chǎn)生虛假檢測點。產(chǎn)生虛假檢測點的原因主要有:①基于Poincar6指數(shù)的特征表示的僅僅是一個標量,無法提供足夠的信息來檢測奇異點;②許多后處理步驟僅僅考慮一個點的局部特征,難以區(qū)分真實奇異點與虛假奇異點。這些虛假奇異點通常是由于斷紋、疤痕、斑點及衰老等原因產(chǎn)生的。在這些點附近,虛假點的局部方向信息與真實奇異點的方向信息往往沒有什么區(qū)別,難以通過局部特征來區(qū)分真實奇異點與虛假奇異點。因此,將全局信息應用到奇異點的檢測中變得尤為重要。
第4章提出一種新的奇異點檢測方法,在用Poincar6指數(shù)方法檢測得到初始的奇異點候選集后,使用DORIC特征去除大部分虛假檢測的奇異點。最后,利用兩類奇異點之間的數(shù)量約束關(guān)系以及方向場重建誤差最小準則,選擇最優(yōu)的奇異點組合。該方法綜合利用指紋的局部信息和全局信息,在提高奇異點正確檢測率的同時大幅降低了誤檢率。
指紋的特征有許多種,但大多數(shù)研究只求取其中的一種特征用于指紋識別,并與細節(jié)點識別相融合,以提高系統(tǒng)的性能。我們自然會問:①通過融合更多的特征,系統(tǒng)性能是否會進一步得到提升?②在這么多的特征中,哪些是性能最好的選擇組合?③如何控制特征數(shù)增加所需的時間消耗?這些問題對于實際指紋識別系統(tǒng)的設計非常重要。為了分析多特征在指紋識別中的應用,第5章進行了多特征融合的比較研究,找到最優(yōu)的特征組合以及組合的方式。特征越多,識別率提高,但同時所需的時間越多。在指紋驗證中,這是可以接受的,因為指紋驗證是1對1的比對。由于自動指紋辨認系統(tǒng)(AFIS)是一個1對Ⅳ(Ⅳ是數(shù)據(jù)庫中指紋的數(shù)目,通常非常大)的比對過程,特征的增加引起時間消耗的增大將是難以接受的。本章進一步提出一種新的基于多特征的指紋辨認方法,通過引入分級的策略,在融合多特征的同時控制時間的消耗。由于分級結(jié)構(gòu)的每級對應使用一個特征,可以排除許多不匹配的指紋,因此,該方法可以減小計算量,同時保持較高的識別率。
第6章在第5章的基礎上進一步研究如何提高指紋辨認系統(tǒng)中細節(jié)點匹配的速度。已有許多研究者的工作旨在加快指紋辨認系統(tǒng)的搜索速度,例如基于分類和索引的工作,但這些方法很難避免識別精度的降低。本章提出了一種新穎的分級細節(jié)點匹配算法用于指紋識別。該方法通過把匹配過程分解成幾個層次(層級),并且在不同的層次中拒絕許多不匹配的指紋或掌紋,節(jié)省了許多時間,識別率較高。實驗結(jié)果顯示,對比傳統(tǒng)的方法,本章所提出的算法可以節(jié)省大約50%的搜索時間,說明了該方法的有效性。
本書是在國家自然科學基金項目(61203263、61225008、61020106004、61005023、61021063)等研究成果的基礎上編寫的。衷心感謝國家自然科學基金委員會和國防科技圖書出版基金委員會的資助。本書總結(jié)了作者多年的研究成果,希望能夠促進國內(nèi)指紋識別技術(shù)等相關(guān)領(lǐng)域的研究,并對從事相關(guān)領(lǐng)域的研究人員有一定參考價值。
由于作者水平有限,不妥之處在所難免,懇請讀者批評指正。
第1章 緒論
1.1 指紋識別背景介紹
1.2 指紋識別綜述
1.2.1 指紋識別的基本概念
1.2.2 指紋識別的傳統(tǒng)方法
1.2.3 傳統(tǒng)指紋識別方法的不足和當前的研究熱點
第2章 現(xiàn)場重疊指紋的分離與特征提取
2.1 引言
2.2 估計初始方向場
2.3 分離重疊方向場
2.3.1 松弛標注
2.3.2 分離算法
2.4 分離重疊指紋及特征提取
2.5 奇異點信患的應用
2.6 實驗
2.6.1 仿真實驗
2.6.2 真實現(xiàn)場指紋上的實驗
2.6.3 統(tǒng)計實驗
第3章 從細節(jié)點恢復方向場及其應用
3.1 引言
3.2 基于模型的方向場表示
3.2.1 零極點模型及其改進
3.2.2 多項式模型
3.2.3 組合模型
3.3 從細節(jié)點恢復方向場
3.3.1 有效區(qū)域估計
3.3.2 插值
3.3.3 用模型擬合恢復方向場
3.3.4 性能分析
3.4 恢復方向場應用于指紋識別
3.4.1 基于方向場的比對
3.4.2 方向場比對與基于細節(jié)點比對相融合
3.5 實驗
3.5.1 數(shù)據(jù)庫
3.5.2 融合算法的實驗結(jié)果
3.5.3 與前人相關(guān)工作的比較
第4章 指紋奇異點檢測
4.1 引言
4.2 指紋的拓撲分析
4.2.1 數(shù)學背景
4.2.2 指紋圖像上的分析
4.3 DORIC特征及其在去除虛假細節(jié)點上的應用
4.3.1 DORIC特征
4.3.2 去除虛假奇異點
4.4 利用全局信患選擇奇異點的最優(yōu)組合
4.4.1 去除不可能的奇異點組合
4.4.2 選擇奇異點的最優(yōu)組合
4.5 實驗
4.5.1 DORIC特征的性能
4.5.2 與其他基于Poincar6指數(shù)算法的比較
4.5.3 與非Poincar指數(shù)方法的比較
第5章 多特征融合與快速比對
5.1 引言
5.2 多特征指紋識別的比較研究
5.2.1 指紋特征介紹
5.2.2 融合算法
5.2.3 實驗與分析
5.3 基于分級結(jié)構(gòu)的指紋多特征辨認
5.3.1 特征的選擇
5.3.2 算法描述
5.3.3 實驗
第6章 基于分級結(jié)構(gòu)的指紋快速匹配
6.1 引言
6.2 相關(guān)工作
6.2.1 配準
6.2.2 比對
6.2.3 比對時間分析
6.3 基于分級結(jié)構(gòu)的指紋快速比對
6.3.1 分級辨認搜索算法
6.3.2 時間分析
6.4 實驗
6.4.1 數(shù)據(jù)庫
6.4.2 搜索到第一個滿足條件即退出
6.4.3 全部搜索取最佳匹配
6.4.4 與現(xiàn)有方法的比較
參考文獻