低质量指纹图像处理与特征匹配技术研究

论文摘要

低质量指纹通常被定义为模糊、高噪声、低对比度等情况下的指纹。由于指纹形变导致的拒识和误识会大大降低指纹鉴别系统性能,本文将清晰但发生较大形变的指纹也归类为低质量指纹。尽管对指纹鉴别的研究已取得很大进展,但是低质量指纹鉴别还不能满足很多实际应用的要求。具体的困难包括图像处理效果不好、指纹的非线性形变导致的拒识和误识,等等。这些困难限制了指纹的应用。在这种情况下,进一步提高低质量指纹鉴别的性能不论在理论上还是在应用上都有非常重要的意义。在系统地分析总结前人的研究成果的基础上,本文深入地对低质量指纹图像处理和特征匹配技术进行了研究,具体内容如下:(1)首先针对传统的指纹图像分割算法对低质量指纹图像分割效果不好而且需要调整参数才能达到好的分割效果的缺点,根据指纹具有亮暗相间的纹理,并且在局部区域内方向基本一致的特点,提出了指纹纹理强度特征并将之用于指纹图像分割。该算法首先通过指纹的脊线方向和脊线周期计算指纹纹理强度;然后根据指纹纹理强度的分布计算自适应分割阈值并对图像进行分割,最后通过数学形态学算法消除前景分割噪声和背景分割噪声。在FVC指纹库上的测试表明该算法不但对低质量指纹分割效果好,而且不需要人为调整参数即能正确分割不同传感器采集到的低质量指纹图像。(2)针对目前指纹图像增强算法要么增强效果好但计算量很大,要么计算量很小但增强效果不是非常理想的缺点,提出了一个图像增强算法,该算法在增强效果与计算量之间达到了较好的均衡。与传统的增强算法相比,该算法采用了二值模板而不是多值模板增强图像。算法由三个步骤组成:1)根据指纹的局部周期和方向设计了二值卷积模板。2)通过比较与二值模板的两个部分对应的平均像素灰度值得到各个块的起始位置像素的增强结果。3)各块中除起始位置的像素外,每个像素的增强结果都通过修正前一像素的增强结果得到,这大大加快了增强的速度。(3)针对目前很多指纹特征区分度不高且特征提取算法计算量大的缺点,提出了通过邻近特征向量描述指纹的方法并实现了基于邻近特征向量的特征匹配算法。论文通过细节点的位置、方向和邻近特征向量来描述指纹。邻近特征向量由四个邻近相对方向和6个脊线穿越次数组成。基于邻近特征向量的细节点匹配由三个步骤组成:1)计算任意两个细节点的邻近特征向量的匹配相似度,并将相似度大于指定阈值的细节点对添加到可能匹配的细节点对的集合;2)从可能匹配的细节点对集合中任意取出两对细节点,通过坐标平移和坐标旋转对指纹进行校准;3)通过累加匹配上的细节点对的匹配相似度获得指纹整体匹配相似度。在FVC指纹库上的测试表明邻近特征向量是一种可靠的特征,基于邻近特征向量的匹配算法效果理想。(4)针对常规的指纹特征匹配算法在指纹发生非线性形变时匹配效果不好的缺点,提出了通过局部相对位置误差描述子(LRLED)克服非线性形变的特征匹配方法。指纹在发生非线性形变时局部区域内形变通常非常小并且局部区域内细节点之间的相对位置基本一致。根据该特点设计了局部相对位置误差描述子,并提出了一个克服非线性形变的特征匹配方法。基于LRLED的算法由三个步骤组成。1)通过双点定位算法实现指纹校准;2)为了减少拒识设置一个比较宽松的阈值使大多数的同源细节点能够匹配上,与此同时宽松的阈值会导致一些非同源细节点也能匹配上;3)本文提出了一种基于LRLED的匹配相似度,通过累加各个细节点对的LRLED相似度得到测试指纹和模板指纹之间的相似度。基于LRLED的匹配相似度对于同源细节点对可以得到非常大的匹配相似度而对非同源细节点对只得到非常小的匹配相似度,因而可以减少误识。对局部相对位置误差描述子的测试,对匹配算法的测试以及具体的匹配实例都表明局部相对位置误差描述子能够有效地克服非线性形变并取得理想的匹配结果。以上研究使低质量条件下的指纹图像处理和特征匹配性能有了较大提高,有助于指纹鉴别应用于更广泛的领域。此外,论文提出的克服非线性形变的方法为非线性形变条件下的点匹配问题提供了一个新思路。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景及意义
• 1.2 生物特征鉴别技术简介
• 1.2.1 各种生物特征的比较
• 1.2.2 生物特征鉴别的过程
• 1.3 指纹鉴别技术研究现状
• 1.3.1 指纹图像采集
• 1.3.2 主要的指纹鉴别方法
• 1.3.3 FVC 指纹库简介
• 1.3.4 指纹鉴别算法的性能评价
• 1.3.5 目前指纹鉴别技术存在的问题
• 1.4 课题来源及主要研究内容
• 1.4.1 课题来源
• 1.4.2 主要研究内容
• 第2章 基于指纹纹理强度的指纹图像分割
• 2.1 引言
• 2.2 基于指纹纹理强度的分割
• 2.2.1 指纹纹理强度
• 2.2.2 指纹纹理强度图像的自适应分割
• 2.2.3 分割后处理
• 2.3 实验结果及分析
• 2.3.1 指纹纹理强度性能测试与分析
• 2.3.2 分割准确率测试
• 2.3.3 图像分割实例
• 2.4 本章小结
• 第3章 基于二值卷积模板的指纹增强
• 3.1 引言
• 3.2 图像增强
• 3.2.1 基于二值卷积模板的指纹图像增强
• 3.2.2 图像增强的优化算法
• 3.3 实验结果及分析
• 3.3.1 增强效果比较与分析
• 3.3.2 细节点检测准确率测试
• 3.3.3 时间消耗测试
• 3.4 本章小结
• 第4章 基于邻近特征向量的指纹描述与细节点匹配
• 4.1 引言
• 4.2 邻近特征向量
• 4.3 基于邻近特征向量的细节点匹配
• 4.3.1 指纹校准
• 4.3.2 细节点匹配
• 4.4 实验结果及分析
• 4.4.1 邻近特征向量性能测试
• 4.4.2 细节点匹配测试
• 4.5 本章小结
• 第5章 基于局部相对位置误差描述子的指纹匹配
• 5.1 引言
• 5.2 局部相对位置误差描述子
• 5.3 基于局部相对位置误差描述子的匹配
• 5.3.1 指纹校准
• 5.3.2 计算同源细节点集
• 5.3.3 计算基于局部相对位置误差描述子的匹配相似度
• 5.4 实验结果及分析
• 5.4.1 局部相对位置误差描述子性能测试
• 5.4.2 一个指纹匹配的例子
• 5.4.3 匹配准确率测试
• 5.5 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢
• 个人简历