指紋識別方法與系統的製作方法

2023-05-21 12:59:51

專利名稱：指紋識別方法與系統的製作方法
技術領域：
本發明涉及一種生物識別方法，特別是涉及一種指紋識別方法與系統。
背景技術：
目前，用於個人身份識別的指紋識別方法各異，但是，現有指紋識別方法都普遍存在識別率低，識別速度慢的問題。

發明內容
本發明的目的在於克服現有技術的上述缺陷，提供一種識別率高，識別速度快的指紋識別方法，本發明的目的還在於提供實施該方法的識別系統。
為實現上述目的，本發明指紋識別方法的特別之處在於由指紋特徵提取和特徵匹配兩個步驟組成特徵提取步驟是採集指紋圖像，對指紋圖像進行預處理和規格化；計算分塊方向圖提取奇異點，計算方向圖、分割背景區域並細化奇異點；圖像的濾波與增強；計算脊線密度；二值化圖像並細化，提取細節點，細節點驗證，刪除偽細節點；指紋細節點、奇異點、平均脊密度和塊方向圖特徵最終被壓縮成為指紋特徵模板存儲；特徵匹配步驟是採集現場指紋圖像，按上述步驟提取現場指紋圖像的指紋細節點、奇異點、平均脊密度和塊方向圖特徵；對比指紋特徵模板與現場指紋圖像的指紋細節點、奇異點、平均脊密度和塊方向圖特徵，通過兩者特徵的相似度來判斷是否是同一手指。此指紋識別方法具有識別率高，識別速度快的優點。
作為優化，特徵匹配步驟是分別計算資料庫模板和現場指紋模板中細節點對連線距離、細節點對連線與細節點方向的夾角和細節點對連線的角度；規定細節點對連線距離上限值和下限值，刪除細節點對連線距離大於此上限值和小於此下限值的細節點對數據，得到一個較小範圍的細節點對數據U；採用直方圖計算旋轉角度；
把來自資料庫的指紋模板的各個角度參數，包括細節點角度、奇異點角度、分塊方向圖和匹配細節點對U中的連線方向等，按照上一步計算的角度進行旋轉，使得它同現場採集的指紋模板具有一致方向從U中刪除掉對應細節點角度差大於一個指定值的匹配點對，使U中的匹配細節點對只包含最可靠的匹配細節點對；同樣的方法，計算行列方向的直方圖，計算所有匹配細節點對的對應細節點的行列座標差的統計直方圖，找出這兩個數組中的最大值點，就是兩個指紋模板在進行旋轉角度對齊後的平移量；把來自資料庫的指紋模板的各個位置參數，包括細節點坐標、奇異點座標、塊方向位置等，進行平移，兩個指紋模板完全對齊；從U中刪除掉包含行列座標差大於一個指定值的細節點對的匹配對，這些匹配對的相似度累加起來得到兩個指紋模板細節點集的最終相似度；計算出全局特徵的相似度奇異點相似度是兩兩比對奇異點的位置、方向和類型，得到的相似度相加；平均脊密度相似度是兩個指紋模板脊密度的差並取倒數；塊方向圖的相似度是在兩個指紋模板有效區域的公共部分，計算方向的差值，累加後平均並取倒數；最後的兩個指紋模板的相似度由上面的局部和全局特徵相似度融合而成；進行一對多的識別時，先將資料庫中指紋模板的平均脊密度進行排序，對現場指紋進行識別時，先與資料庫中的平均脊密度最接近的指紋模板進行匹配，以加快識別速度；平均脊密度是整個指紋圖像的平均脊密度。
作為優化，指紋特徵提取時指紋圖像表示為一個二維矩陣，每一個像素就是矩陣的一個元素，取值為0～255，矩陣的維度就是圖像的寬和高；指紋的細節點是指指紋脊線上的端點或者分叉點，指紋細節點包括如下特徵座標xy-表示在指紋圖像中的位置；類型t-表示是脊線的端點還是分叉點；方向d-表示細節點的方向，若是端點型的細節點，則該方向的從細節點位置指向脊線，若是分叉型細節點，則該方向從細節點位置指向分叉後的兩條脊線的中間；脊密度g-表示在該細節點附近的脊線的平均密度；脊曲率c-表示脊線方向在此處的變化程度；分塊方向圖是把指紋圖像分成BLOCK_SIZE×BLOCK_SIZE大小的互不相交的小塊，對每一塊小圖像，計算出脊線的平均方向，從而得到大小為
(HEIGHT/BLOCK_SIZE)×(WIDTH/BLOCK_SIZE)的分塊方向圖；分塊方向圖刻畫指紋圖像的全局脊線走向；另外，在分塊方向圖上用一個非法的方向值表示對指紋圖像分割後的背景區域；奇異點指紋圖像上有一些地方的脊線方向不連續，這些地方稱為指紋的奇異點，其特徵有座標x y，表示在指紋圖像中的位置；類型t，奇異點分為核心點、雙核心點以及三角點三種；方向d，表示沿著該方向遠離奇異點時，指紋脊線方向變化最小。脊密度c，表示在該奇異點附近的脊線的平均間隔距離。
作為優化，圖像預處理和規格化是首先對圖像進行均勻值濾波，使圖像更加平滑，然後，對圖像進行格式化；計算分塊方向圖提取奇異點是在塊方向圖上，先計算每一點的Poincare Indexpindexn=1i=0n(O(i+1)modn-Oi)]]>(k)=k,if|k|2,+k,if|k|2,-k,otherwise]]>其中，n為周圍像素點的個數，Oi表示第i個點的方向；先取半徑為1，即周邊的8個點來計算Poincare Index，得p1，如果其Poincare Index非零，再以半徑2，即周邊的外一層來計算Poincare Index，得p2p1與p2相同，說明該點是一個奇異點，若p1為1則是核心點型奇異點，若p1為-1則是三角點，若p1為2則是雙核型奇異點；若p2與p1不同，但p2＞0，p1＞0，則是雙核型奇異點；其他情況則不是奇異點。
作為優化，計算方向圖、分割背景區域並細化奇異點是規格化後的圖像，計算第一點的脊線方向，並同時計算出脊線方向的一致性，取得方向圖，重新確定奇異點位置，從這些奇異點的原始位置出發，找到奇異點的精確位置，在新的位置，計算出新的奇異點方向。
作為優化，圖像的濾波與增強是通過各向異性濾波器處理後，得到增強的指紋圖像；計算脊線密度是先計算指紋脊線密度圖，再對脊線密度圖進行33×33的均值濾波。
作為優化，二值化圖像並細化是用33×33均值濾波後的圖像作為自適應的閥值來二值化增強後的圖像；然後把二值化的圖像細化成單點寬度的脊線圖；圖像細化是圖像中的每一個黑色像素有8個相鄰點，根據它們來判斷當前點是否應該被改為白色。這樣經過多次的重複掃描，直到沒有一個黑色點被改成白色，就得到了細化的指紋脊線圖。
作為優化，提取細節點是先消除毛刺和噪聲，即通過掃描細化的脊線圖，跟蹤脊線，如果從脊線起點到終點的像素距離小於一個設定的閥值，就把它從細化圖上抹去；然後，提取出細節點即對圖像上的任何一個黑色點，如果其相鄰的8個點中，任選一個起始點，按順時針方向掃描一周回到起始點，其顏色的變化如果是2次的話，說明該點是一個終結型細節點；如果是4次以上的話，該點是分叉型細節點，其他情況則可以忽略，通過掃描有效的指紋圖像區域，得到了所有的細節點；在細節點處跟蹤脊線，得到脊線的方向；細節點的脊線曲率，用方向的變化來表示，在指紋圖像的方向圖上，用該點附近的方向與該點的方向差值來計算曲率。
作為優化，細節點驗證和刪除偽細節點是任意一個細節點，若存在來一個細節點與之距離小於一個設定值D1，則刪除該細節點；如一個端點型細節點與來一個端點型細節點距離小於一個設定值D2，且它們方向相反，則同時刪除這兩個細節點；如果一個端點型細節點與一個分叉型細節點距離小於一個設定值D3，且它們方向相反，則同時刪除這兩個細節點；如果一個細節點離指紋圖像的無效區域小於一個設定值D4，且方向朝外，則刪除該細節點；通過上述刪除得到最終的細節點。
一種用於實施本發明指紋識別方法的識別系統，其特別之處在於包括指紋採集器、指紋識別系統、識別或和控制信號輸出機構；其中包括指紋圖像存儲器、指紋圖像處理器和指紋特徵數據存儲器；指紋圖像處理器是利用要求1-9之一所述方法對指紋圖像進行處理和識別。其具有識別率高，識別速度快，可靠性強，可操作性強的優點。
其中指紋細節點的特徵表示(x，y，t，d，g，c)包含較多信息，有利於提高系統的識別率；指紋奇異點的特徵表示(x，y，t，d，g)包含較多信息，有利於提高系統的識別率；平均脊線密度G作為一個全局特徵，可以以此進行索引，輔助識別以加快速度。指紋的塊方向圖作為一個全局特徵保存在指紋模板中，在比對過程中進行塊方向圖比對，其相似度融合到最後的結果中；奇異點的提取方法，可以快速計算出準確的奇異點位置和特徵；各向異性濾波器用於增強指紋圖像，效果很好；濾波器受指紋圖像上的各點方向調製後，採用卷積的方法，對該點進行濾波。由於每一點的濾波器核都受到該點方向的調製，因此濾波的效果比對圖像分塊濾波要好得多；通過保存各個方向的各向異性濾波器係數，使得可以在卷積時，使用查表法。大大提高了濾波的速度；指紋比對的流程，指紋模板匹配的最後的相似度通過融合各種特徵的相似度得到，這使得結果更為可靠；細節點對齊方法，該方法通過估計初步匹配的細節點連線對的變換參數，對估值進行統計生成的直方圖中找到最終的變換參數。
採用上述技術方案後，本發明指紋識別方法具有識別率高，識別速度快，可靠性強，可操作性強的優點。


圖1是本發明指紋識別方法中三種奇異點的示意圖；圖2是本發明指紋識別方法的流程圖；圖3是本發明指紋識別方法中p1的周邊8個點的示意圖；圖4是是本發明指紋識別方法中p2的周邊12個點的示意圖；圖5是本發明指紋識別方法中方向為零的各向異性濾波器核的示意圖；圖6是本發明指紋識別方法中8個相鄰點轉換為表索引號22的構造示意圖；圖7是本發明指紋識別方法中三種主要的細化脊線噪聲圖；圖8是本發明指紋識別方法中終結型細節點的相鄰8點的顏色變化圖；圖9是本發明指紋識別方法中分叉型細節點的相鄰8點的顏色變化圖；圖10是本發明指紋識別方法中細節點對之間的連線圖；圖11是本發明指紋識別方法中的原指紋圖像；圖12是本發明指紋識別方法中的正規化後的指紋圖像；圖13是本發明指紋識別方法中的指紋的方向圖；圖14是本發明指紋識別方法中的指紋的增強圖像；圖15是本發明指紋識別方法中的指紋的二值化圖像；圖16是本發明指紋識別方法中的指紋的細化脊線圖。
下面結合附圖和具體實例作更進一步的說明指紋識別算法涉及兩個最主要的步驟特徵提取和特徵匹配。
特徵提取指紋的圖像處理以及提取指紋全局和局部特徵，並保存為指紋模板；特徵匹配把兩個指紋特徵模板進行比對，得到一個匹配分數，然後根據這個分數決定兩個指紋是否同一。
一、特徵提取1、概念和約定1)指紋圖像的表示指紋圖像表示為一個二維矩陣，每一個像素就是個矩陣的一個元素，取值為(0～255)，矩陣的維度就是圖像的寬WIDTH和高HEIGHT。指紋圖像上的i行j列的灰度值表示為Iij。
2)局部特徵的表示指紋的局部特徵是指指紋脊線上的端點或者分叉點，稱為指紋的細節點。指紋細節點包括如下特徵(x，y，t，d，g，c)座標xy表示在指紋圖像中的位置；類型t表示是脊線的端點還是分叉點；方向d表示細節點的方向。若是端點型的細節點，則該方向的從細節點位置指向脊線；若是分叉型細節點，則該方向從細節點位置指向分叉後的兩條脊線的中間。
脊密度g表示在該細節點附近的脊線的平均密度。脊線的間隔距離越大，密度就越小；脊曲率c表示脊線方向在此處的變化程度3)全局特徵的表示分塊方向圖把指紋圖像分成BLOCK_SIZE×BLOCK_SIZE大小的互不相交的小塊，對每一塊小圖像，計算出脊線的平均方向，從而得到大小為(HEIGHT/BLOCK_SIZE)×(WIDTH/BLOCK_SIZE)的分塊方向圖。塊方向圖刻畫了指紋圖像的全局脊線走向，把作為指紋圖像的全局特徵進行存儲，用於以後的比對。另外，在分塊方向圖上用一個非法的方向值表示對指紋圖像分割後的背景區域(此處沒有指紋圖像，或指紋圖像質量太差)。
奇異點指紋的脊線方向具有連續性的特徵，即相鄰位置的脊線方向一般來說是一致的、或者是變化不大。然而，指紋圖像上也有一些地方的脊線方向不連續，這些地方稱為指紋的奇異點。
奇異點的特徵有(x，y，t，d，c)x y座標表示在指紋圖像中的位置。類型t如圖1所示，奇異點分為核心點1-1、雙核心點1-2以及三角點1-3三種。方向d表示沿著該方向遠離奇異點時，指紋脊線方向變化最小。脊密度c表示在該奇異點附近的脊線的平均間隔距離。平均脊線密度是整個指紋圖像的平均脊線密度。
2、算法流程
2.1流程圖，請見附圖2。
2.2圖像預處理和規格化首先對圖像進行3×3的均值濾波，使得圖像更加平滑。
Ri,j=y=i=wi+wx=j=wj+wIy,x(w+1)2]]>其中，Iy，x是原始圖像，Ry，x是平滑後的圖像，這裡取w＝1。
然後，對圖像進行規格化Ri,j=255(Ii,j-Mini,j)i,j]]>Mini，j＝Ii，j-Vari，jMaxi，j＝Ii，j+Vari，jΔi，j＝Maxi，j-Mini，jVari,j=y=i-wi+wx=j-wj+w|Iy,x-Sy,x|(w+1)2]]>其中Sy，x是原圖像經過5×5的均值濾波的圖像，Var的計算中，取一個較大的鄰域w＝80。
2.3計算分塊方向圖提取奇異點分塊方向圖的計算與完整計算方向圖的計算一樣，只不過只計算分塊的中心位置的方向就可以了，計算方向圖的計算在下面會專門介紹。
在塊方向圖上，計算每一點的Poincare Indexpindexn=1i=0n(O(i+1)modn-Oi)]]>(k)=k,if|k|2,+k,if|k|2,-k,otherwise]]>其中，n為周圍像素點的個數，Oi表示第i個點的方向。為了保證計算的可靠性，先取半徑為1，即周邊的8個點來計算Poincare Index，得p1，如果其Poincare Index非零，再以半徑2，即周邊的外一層來計算Poincare Index，得p2。其中p1的周邊8個點的示意圖見附圖3，p2的周邊12個點的示意圖見附圖4。
存在如下情況p1與p2相同，說明該點是一個奇異點，若p1為1則是核心點型奇異點，若p1為-1則是三角點，若p1為2則是雙核型奇異點；若p2與p1不同，但p2＞0，p1＞0，則是雙核型奇異點；其他情況則不是奇異點。
2.4計算方向圖、分割背景區域並細化奇異點對規格化後的圖像，通過下式計算每一點的脊線方向Oi，jGi,jxx=(Gi,jx)2,Gi,jyy=(Gi,jy)2,Gi,jxy=Gi,jxGi,jy]]>Gi,jx=(Ii-1,j+1-Ii-1,j-1)+4(Ii,j+1-Ii,j-1)+(Ii+1,j+1-Ii+1,j-1)]]>Gi,jy=(Ii+1,j-1-Ii-1,j-1)+4(Ii+1,j-Ii-1,j)+(Ii+1,j+1-Ii-1,j+1)]]>gi,jxx=y=i-wi+wx=j-wj+wGy,xxx(2w+1)2,gi,jyyy=i-wi+wx=j-wj+wGy,xyy(2w+1)2,gi,jxy=y=i-wi+wx=j-wj+wGy,xxy(2w+1)2]]>Oi,j=tan-12gi,jxygi,jxx-gi,jyy]]>並同時計算出脊線方向的一致性Ci，jmi,j=gi,jxx+gi,jyy]]>Ci,j=(gi,jxx-gi,jyy)2+4gi,jxy2gi,jxx+gi,jyy,ifmi,jThreshold0,otherwise]]>Threshold為一個設定的閥值，Ci，j＝0表示此處是指紋圖像背景區域。
由上面的塊方向圖得到的指紋的奇異點的位置是不精確的，可以使用現在取得的方向圖，重新確定這些奇異點位置。從這些奇異點的原始位置出發，在其附近可以找到Ci，j最小值點，就是奇異點的精確位置了，在新的位置，計算出新的奇異點方向。
2.5圖像的濾波與增強設計一個各向異性濾波器
h(x,y,)=(x,y)exp(-(xcos+ysin)212-(xsin-ycos)222)]]>(x,y)=a,ifx2+y2r20,otherwise]]>其中，r為有效半徑，通常取6，a為幅值係數，通常取1024，δ12和δ22是濾波器的形狀控制參數，通常取為8和1。θ是該濾波器的調製方向。方向為零的各向異性濾波器核請見附圖5。從而，可以使用如下公式計算增強的指紋圖像(卷積)Ri,j=y=i-ri+rx=j-rj+rh(x-i,y-j,Oy,x)Iy,xy=i-ri+rx=j-rj+rh(x-i,y-j,Oy,x)]]>為了快速地計算上式，預先計算並保存所有角度的濾波係數h，和上式中的分母項，具體計算時查表來與圖像直接進行卷積。
2.6計算脊線密度圖如下式計算指紋脊線的密度圖DDi,j=y=i-wi+wx=j-wj+wPy,xy=i-wi+wx=j-wj+wCy,xg255Koef(Oi,j)KoefP]]>Pi,j=1,ify=i-wi+wx=j-wj+wIy,x[Thresholdbottom,Thresholdtop]and[i,j]is not in the bad area0,otherwise]]>Ci,j=1,[i,j]is not in the bad area0,otherwise]]>指紋的脊線密度是非常連續的，因此對脊線密度圖Di，j再進行33×33的均值濾波以消除噪聲。
2.7二值化圖像並細化根據如下公式對增強後的圖像進行二值化Ri,j=0,ifIi,jSi,j255,otherwise]]>其中，Si，j是對增強後的指紋圖像用一個33×33的均值濾波後的圖像，用這個圖像作為自適應的閥值來二值化指紋圖像。
然後把二值化的圖像細化成單點寬度的脊線圖。算法是考慮圖像中的每一個黑色像素的8個相鄰點，根據它們來判斷當前點是否應該被改為白色。這樣經過多次的重複掃描，直到沒有一個黑色點被改成白色，就得到了細化的指紋脊線圖。
二值化圖像中，一個黑色像素的8個相鄰點總共可以有256種情形，實際的計算中可以通過查表了快速判斷。建立一個256個元素的表如下{0，0，0，0，0，0，0，1，0，0，0，0，0，0，1，1，0，0，0，0，0，0，0，0，0，0，0，0，1，0，1，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，0，1，0，1，1，0，0，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，0，0，0，0，0，0，1，0，1，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，0，0，0，0，0，1，0，0，0，1，0，1，0，0，0，0，1，0，0，0，1，0，0，0，0，0，0，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，1，0，1，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，0，0，0，0，0，1，0，0，0，0，0，0，0，1，1，0，1，0，0，0，0，0，0，0，0，0，0，0，0，1，0，0，0，0，0，0，0，1，0，0，0，1，0，1，0}其值為1表示是否要把當前像素應該被改為白色，表的索引用如下方式構造8個相鄰點轉換為表索引號22(二進位的00010110)，請見附圖6。
2.8提取細節點由於圖像的噪聲，細化後的指紋脊線圖存在有毛刺現象和噪聲，所以在提取細節點時，必須把它們先消除掉，否則就會提取出很多假細節點。三種主要的細化脊線噪聲圖請見附圖7。
通過掃描細化的脊線圖，跟蹤脊線，如果從脊線起點到終點的像素距離小於一個設定的閥值，就可以把它從細化圖上抹去。
然後，可以非常方便地提取出細節點對圖像上的任何一個黑色點，如果其相鄰的8個點中，任選一個起始點，按順時針方向掃描一周回到起始點，其顏色的變化如果是2次的話，說明該點是一個終結型細節點；如果是4次以上的話，該點是分叉型細節點，其他情況則可以忽略。終結型細節點的相鄰8點的顏色變化是2次6-＞7，7-＞0，請見附圖8；分叉型細節點的相鄰8點的顏色變化多於4次1-＞2，2-＞3，3-＞4，4-＞5，6-＞7，7-＞0，請見附圖9。
這樣，通過掃描有效的指紋圖像區域，得到了所有的細節點。在細節點處跟蹤脊線，可以得到脊線的方向。
細節點的脊線曲率，可以用方向的變化來表示。在指紋圖像的方向圖上，用該點附近的方向與該點的方向差值來計算曲率x2+y2r2x2+y20|Oi+x,j+y-Oi,j|]]>其中，r是半徑常數，通常取10.
2.9細節點驗證至此得到的細節點，由於圖像噪聲的緣故，還是有很多偽細節點在裡面，需要進一步剔除。考慮如下情況考慮任意一個細節點，若存在來一個細節點與之距離小於一個設定值D1，則刪除該細節點；如一個端點型細節點與來一個端點型細節點距離小於一個設定值D2，且它們方向相反，則同時刪除這兩個細節點；如果一個端點型細節點與一個分叉型細節點距離小於一個設定值D3，且它們方向相反，則同時刪除這兩個細節點；如果一個細節點離指紋圖像的無效區域小於一個設定值D4，且方向朝外，則刪除該細節點。
這樣得到最終的細節點。
指紋細節點和其他全局特徵最終被壓縮成為指紋特徵模板存儲。
二、指紋匹配方法細節點匹配方法是基於細節點連線的。
考慮一個指紋圖像上的兩個細節點mi，mj的連線，定義dij為線段的長度，即兩個細節點之間的距離；ai和bj分別為連線與細節點方向的夾角；uij為連線的角度。
細節點對之間的連線，如附圖10所示。
把這樣的線段作為指紋細節點匹配的基本單位，來比較兩個指紋圖上的細節點對。對於一個細節點對，dij、a1、a2和兩個細節點的類型t、曲率c、脊密度g都是平移不變的和旋轉不變的。由此，可以比對這些量，來確定兩個細節點對的相似性。
對於現場指紋模板上的細節點對(mi1，mj1)和資料庫中指紋模板上的細節點對(mi2，mj2)，定義細節點對的「相似度」如下D=cof1|di1j1-di2j2|+cof2(|ai1-ai2|+|bj1-bj2|)]]>+cof3(|ci1-ci2|+|cj1-cj2|)+cof4(|gi1-gi2|+|gj1-gj2|)]]>+cof5(|ti1-ti2|+|tj1-tj2|)]]>其中，cof1，cof2，cof3，cof4，cof5為正的常係數。d，a，b分別如前面定義，c，g，t分別是每個細節點的曲率、脊密度和類型代碼(分叉型細節點為1，終端型細節點為0)。當D小於一個給定的值ThresholdD時，便認為這兩個細節點對相匹配。
如果一個指紋圖像有N個細節點，則可以產生C(N，2)個細節點對，要把他們同另一個指紋圖的M個細節點產生的C(M，2)個細節點對逐一比對，就需要進行C(M，2)×C(N，2)次比對，若M＝N＝80，則要比對的次數是39942400，這會非常慢，所以，有必要在比對前做一下限制。規定兩個值ThresholdD1，ThresholdD2，只考慮連線長度介於這兩個值之間的細節點對。這可以大大降低比對所花的時間。
從D的計算公式中，很容易看出如果第一項的計算結果大於ThresholdD，不用計算後面的項就知道兩個細節點對不相匹配，因此可以先把兩個指紋中的細節點對按照其連線長度d進行排序，就可以在一個連線長度d的小鄰域內進行比對。這大大加快了計算速度。
忽略掉不相匹配的細節點對，會得到了一個相匹配的細節點對列表U={i1j1,i2j2=(li1j1,li2j2,Si1j1,i2j2)|Di1j1,i2j2ThresholdD}]]>Si1j1i2j2=1-Di1j1,i2j2ThresholdD]]>其中li1j1是個來自現場指紋模板的細節點對(mi1，mj1)及其連線，li12j2是個來自資料庫的指紋模板的細節點對(mi2，mj2)及其連線，D是這兩對細節點對間的「距離」，S為兩對細節點對間的相似度。
採用如下方法，從這個列表來計算兩個指紋模板的相似度1、採用直方圖法計算旋轉角度設定一個一維數組{Hd|0≤d＜360}，其下標表示從0～359的角度，每個元素如下式計算
Hd=i1j1i2j2USi1j1i2j2g(d(di1-di2)+d(dj1-dj2)]]>其中，σd是在d取值為1，其他都取值為0的單位衝擊函數。可見，{Hd}實際上是所有匹配細節點對的對應細節點的角度差的統計直方圖。找出這個數組中的最大值點，就是需要的兩個指紋模板的旋轉角度θ。
2、把來自資料庫的指紋模板的各個角度參數，包括細節點角度、奇異點角度、分塊方向圖和匹配細節點對U中的連線方向等，按照上一步計算的角度進行旋轉，使得它同現場採集的指紋模板具有一致方向(di+θ)mod360→di3、從U中刪除掉對應細節點角度差大於一個指定值的匹配點對，這樣，U中的匹配細節點對就只包含了最可靠的匹配細節點對。
4、同樣的方法，計算行列方向的直方圖設定兩個一維數組{HXdx}和{HYdy}{HXdx|-MaxDim≤dx≤MaxDim}HXdx=i1j1i2j2USi1j1i2j2gdx(xi1-xi2)+dx(xj1-xj2)2]]>{HYdy|-MaxDim≤dy≤MaxDim}HYdy=i1j1i2j2USi1j1i2j2gdy(yi1-yi2)+dy(yj1-yj2)2]]>可見，{HYdy}、{HXdx}實際上是所有匹配細節點對的對應細節點的行列座標差的統計直方圖。找出這兩個數組中的最大值點，就是需要的兩個指紋模板的在進行旋轉角度對齊後的平移量(x0，y0)。
5、把來自資料庫的指紋模板的各個位置參數，包括細節點坐標、奇異點座標、塊方向位置等，進行平移xiyi+x0y0xiyi]]>現在，兩個指紋模板就完全對齊了。
6、從U中刪除掉包含行列座標差大於一個指定值的細節點對的匹配對，這樣，U中的細節點對的匹配對是完全匹配的。把從這些匹配對的相似度累加起來就是兩個指紋模板細節點集的最終相似度Sm。
7、上面的計算中，也已經通過平移和旋轉，把全局特徵對齊。此時，可以很簡單地計算出全局特徵的相似度。
奇異點相似度Ss兩兩比對奇異點的位置、方向和類型，得到的相似度相加；平均脊密度相似度Sg兩個指紋模板脊密度的差並取倒數；塊方向圖的相似度Sd在兩個指紋模板有效區域的公共部分，計算方向的差值，累加後平均並取倒數。
8、最後的兩個指紋模板的相似度由上面的局部和全局特徵相似度融合而成S＝kmSm+ksSs+kgSg+kdSd其中，km，ks，kg，kd是各種特徵匹配相似度的權重係數。
注意，平均脊密度相似度Sg的計算就是兩個平均脊密度的差，因此，如果是進行一對多的識別，則可以把資料庫中的指紋模板先根據平均脊密度G來排序，對現場指紋進行識別的時候，就可以優先與資料庫中的平均脊密度最接進的指紋模板進行匹配，這樣，由於資料庫中的指紋模板是根據G索引的，因此可以大大加快識別過程。
處理過程中的指紋圖像請見附圖其中附圖11是原指紋圖像，附圖12是正規化後的圖像，附圖13是方向圖，附圖14是增強圖像，附圖15是二值化圖像，附圖16是細化脊線圖。
用於實施本發明指紋識別方法的指紋識別系統包括指紋採集器、指紋識別系統、識別或和控制信號輸出機構；其中包括指紋圖像存儲器、指紋圖像處理器和指紋特徵數據存儲器；指紋圖像處理器是利用要求1-9之一所述方法對指紋圖像進行處理和識別。
權利要求
1.一種指紋識別方法，其特徵在於由指紋特徵提取和特徵匹配兩個步驟組成特徵提取步驟是採集指紋圖像，對指紋圖像進行預處理和規格化；計算分塊方向圖提取奇異點，計算方向圖、分割背景區域並細化奇異點；圖像的濾波與增強；計算脊線密度；二值化圖像並細化，提取細節點，細節點驗證，刪除偽細節點；指紋細節點、奇異點、平均脊密度和塊方向圖特徵最終被壓縮成為指紋特徵模板存儲；特徵匹配步驟是採集現場指紋圖像，按上述步驟提取現場指紋圖像的指紋細節點、奇異點、平均脊密度和塊方向圖特徵；對比指紋特徵模板與現場指紋圖像的指紋細節點、奇異點、平均脊密度和塊方向圖特徵，通過兩者特徵的相似度來判斷是否是同一手指。
2.根據權利要求1所述指紋識別方法，其特徵在於特徵匹配步驟是分別計算資料庫模板和現場指紋模板中細節點對連線距離、細節點對連線與細節點方向的夾角和細節點對連線的角度；規定細節點對連線距離上限值和下限值，刪除細節點對連線距離大於此上限值和小於此下限值的細節點對數據，得到一個較小範圍的細節點對數據U；採用直方圖計算旋轉角度；把來自資料庫的指紋模板的各個角度參數，包括細節點角度、奇異點角度、分塊方向圖和匹配細節點對U中的連線方向等，按照上一步計算的角度進行旋轉，使得它同現場採集的指紋模板具有一致方向從U中刪除掉對應細節點角度差大於一個指定值的匹配點對，使U中的匹配細節點對只包含最可靠的匹配細節點對；同樣的方法，計算行列方向的直方圖，計算所有匹配細節點對的對應細節點的行列座標差的統計直方圖，找出這兩個數組中的最大值點，就是兩個指紋模板在進行旋轉角度對齊後的平移量；把來自資料庫的指紋模板的各個位置參數，包括細節點坐標、奇異點座標、塊方向位置等，進行平移，兩個指紋模板完全對齊；從U中刪除掉包含行列座標差大於一個指定值的細節點對的匹配對，這些匹配對的相似度累加起來得到兩個指紋模板細節點集的最終相似度；計算出全局特徵的相似度奇異點相似度是兩兩比對奇異點的位置、方向和類型，得到的相似度相加；平均脊密度相似度是兩個指紋模板脊密度的差並取倒數；塊方向圖的相似度是在兩個指紋模板有效區域的公共部分，計算方向的差值，累加後平均並取倒數；最後的兩個指紋模板的相似度由上面的局部和全局特徵相似度融合而成；進行一對多的識別時，先將資料庫中指紋模板的平均脊密度進行排序，對現場指紋進行識別時，先與資料庫中的平均脊密度最接近的指紋模板進行匹配，以加快識別速度；平均脊密度是整個指紋圖像的平均脊密度。
3.根據權利要求2所述指紋識別方法，其特徵在於指紋特徵提取時指紋圖像表示為一個二維矩陣，每一個像素就是矩陣的一個元素，取值為0～255，矩陣的維度就是圖像的寬和高；指紋的細節點是指指紋脊線上的端點或者分叉點，指紋細節點包括如下特徵座標xy-表示在指紋圖像中的位置；類型t-表示是脊線的端點還是分叉點；方向d-表示細節點的方向，若是端點型的細節點，則該方向的從細節點位置指向脊線，若是分叉型細節點，則該方向從細節點位置指向分叉後的兩條脊線的中間；脊密度g-表示在該細節點附近的脊線的平均密度；脊曲率c-表示脊線方向在此處的變化程度；分塊方向圖是把指紋圖像分成BLOCK_SIZE×BLOCK_SIZE大小的互不相交的小塊，對每一塊小圖像，計算出脊線的平均方向，從而得到大小為(HEIGHT/BLOCK_SIZE)×(WIDTH/BLOCK_SIZE)的分塊方向圖；分塊方向圖刻畫指紋圖像的全局脊線走向；另外，在分塊方向圖上用一個非法的方向值表示對指紋圖像分割後的背景區域；奇異點指紋圖像上有一些地方的脊線方向不連續，這些地方稱為指紋的奇異點，其特徵有座標x y，表示在指紋圖像中的位置；類型t，奇異點分為核心點、雙核心點以及三角點三種；方向d，表示沿著該方向遠離奇異點時，指紋脊線方向變化最小。脊密度c，表示在該奇異點附近的脊線的平均間隔距離。
4.根據權利要求3所述指紋識別方法，其特徵在於圖像預處理和規格化是首先對圖像進行均勻值濾波，使圖像更加平滑，然後，對圖像進行格式化；計算分塊方向圖提取奇異點是在塊方向圖上，先計算每一點的Poincare Indexpindexn=1i=0n(O(i+1)modn-Oi)]]>(k)=k,if|k|2,+k,if|k|2-k,otherwise,]]>其中，n為周圍像素點的個數，Oi表示第i個點的方向；先取半徑為1，即周邊的8個點來計算Poincare Index，得p1，如果其Poincare Index非零，再以半徑2，即周邊的外一層來計算Poincare Index，得p2p1與p2相同，說明該點是一個奇異點，若p1為1則是核心點型奇異點，若p1為-1則是三角點，若p1為2則是雙核型奇異點；若p2與p1不同，但p2＞0，p1＞0，則是雙核型奇異點；其他情況則不是奇異點。
5.根據權利要求1、2、3或4所述指紋識別方法，其特徵在於計算方向圖、分割背景區域並細化奇異點是規格化後的圖像，計算第一點的脊線方向，並同時計算出脊線方向的一致性，取得方向圖，重新確定奇異點位置，從這些奇異點的原始位置出發，找到奇異點的精確位置，在新的位置，計算出新的奇異點方向。
6.根據權利要求1、2、3或4所述指紋識別方法，其特徵在於圖像的濾波與增強是通過各向異性濾波器處理後，得到增強的指紋圖像；計算脊線密度是先計算指紋脊線密度圖，再對脊線密度圖進行33×33的均值濾波。
7.根據權利要求1、2、3或4所述指紋識別方法，其特徵在於二值化圖像並細化是用33×33均值濾波後的圖像作為自適應的閥值來二值化增強後的圖像；然後把二值化的圖像細化成單點寬度的脊線圖；圖像細化是圖像中的每一個黑色像素有8個相鄰點，根據它們來判斷當前點是否應該被改為白色。這樣經過多次的重複掃描，直到沒有一個黑色點被改成白色，就得到了細化的指紋脊線圖。
8.根據權利要求1、2、3或4所述指紋識別方法，其特徵在於提取細節點是先消除毛刺和噪聲，即通過掃描細化的脊線圖，跟蹤脊線，如果從脊線起點到終點的像素距離小於一個設定的閥值，就把它從細化圖上抹去；然後，提取出細節點即對圖像上的任何一個黑色點，如果其相鄰的8個點中，任選一個起始點，按順時針方向掃描一周回到起始點，其顏色的變化如果是2次的話，說明該點是一個終結型細節點；如果是4次以上的話，該點是分叉型細節點，其他情況則可以忽略，通過掃描有效的指紋圖像區域，得到了所有的細節點；在細節點處跟蹤脊線，得到脊線的方向；細節點的脊線曲率，用方向的變化來表示，在指紋圖像的方向圖上，用該點附近的方向與該點的方向差值來計算曲率。
9.根據權利要求1、2、3或4所述指紋識別方法，其特徵在於細節點驗證和刪除偽細節點是任意一個細節點，若存在來一個細節點與之距離小於一個設定值D1，則刪除該細節點；如一個端點型細節點與來一個端點型細節點距離小於一個設定值D2，且它們方向相反，則同時刪除這兩個細節點；如果一個端點型細節點與一個分叉型細節點距離小於一個設定值D3，且它們方向相反，則同時刪除這兩個細節點；如果一個細節點離指紋圖像的無效區域小於一個設定值D4，且方向朝外，則刪除該細節點；通過上述刪除得到最終的細節點。
10.一種指紋識別系統，其特徵在於包括指紋採集器、指紋識別系統、識別或和控制信號輸出機構；其中包括指紋圖像存儲器、指紋圖像處理器和指紋特徵數據存儲器；指紋圖像處理器是利用要求1-9之一所述方法對指紋圖像進行處理和識別。
全文摘要
本發明涉及一種指紋識別方法與系統。為解決現有識別方法識別率低，識別速度慢的問題，其由指紋特徵提取和特徵匹配兩個步驟組成特徵提取步驟是採集指紋圖像，對指紋圖像進行預處理和規格化；計算分塊方向圖提取奇異點，計算方向圖、分割背景區域並細化奇異點；圖像的濾波與增強；計算脊線密度；二值化圖像並細化，提取細節點，細節點驗證，刪除偽細節點；指紋細節點、奇異點、平均脊密度和塊方向圖特徵最終被壓縮成為指紋特徵模板存儲；特徵匹配步驟是採集現場指紋圖像，按上述步驟提取現場指紋圖像的指紋細節點、奇異點、平均脊密度和塊方向圖特徵；對比指紋特徵模板與現場指紋圖像的指紋細節點、奇異點、平均脊密度和塊方向圖特徵，通過兩者特徵的相似度來判斷是否是同一手指。其具有識別率高，識別速度快，可靠性強，可操作性強的優點。
文檔編號G06K9/00GK1818927SQ20061006529
公開日2006年8月16日 申請日期2006年3月23日 優先權日2006年3月23日
發明者車全宏, 陳書楷, 李治農 申請人:北京中控科技發展有限公司