引言
 
    人的指紋都是唯一的, 并且終生不變,它是一個(gè)人與生俱來的可以證明個(gè)人身份的可靠證據(jù)。通過比較一個(gè)人的指紋和預(yù)先保存的指紋, 就可以驗(yàn)證他的真實(shí)身份。指紋技術(shù)在現(xiàn)實(shí)生活中的應(yīng)用非常廣泛,如: 信用卡識(shí)別, 門禁系統(tǒng), 軍事要地的通行系統(tǒng), 電子商務(wù)等。
 
    由于指紋具有隱私性, 一般不直接存儲(chǔ)指紋的圖像, 因此不能直接處理指紋圖像。指紋識(shí)別算法最終都?xì)w結(jié)為在指紋圖像上找到并比對(duì)指紋的特征。而關(guān)于指紋識(shí)別的算法有很多, 比如有: 基于形態(tài)學(xué)和結(jié)構(gòu)圖表的指紋識(shí)別, 基于脊線采樣的指紋識(shí)別, 基于方向場(chǎng)和細(xì)節(jié)特征匹配的指紋識(shí)別等等。本文從指紋識(shí)別的原理出發(fā), 介紹一種基于模糊判別的指紋識(shí)別算法。
 
    1 指紋識(shí)別技術(shù)的基礎(chǔ)與原理
 
    通常可通過指紋的兩類特征進(jìn)行驗(yàn)證: 總體特征和局部特征。在考慮局部特征的情況下, 英國(guó)E.R.Herry 認(rèn)為, 只要比對(duì)13 個(gè)特征點(diǎn)重合, 就可以確認(rèn)是同一個(gè)指紋。總體特征是指那些用人眼就可直接觀察到的特征, 如圖1 所示。

    其他的指紋圖案都是基于此3 種基本圖案。這只是一個(gè)粗略的分類, 通過詳細(xì)分類可使在大數(shù)據(jù)庫(kù)中搜尋指紋更為便捷, 如圖2。

    2 指紋識(shí)別前的預(yù)處理
 
    在指紋自動(dòng)識(shí)別過程中, 輸入的指紋圖像由于各種原因的影響, 是一幅含噪音較多的灰度圖像, 預(yù)處理的目的就是去除圖像中的噪音, 把它變成一幅清晰的點(diǎn)線圖, 便于提取正確的指紋特征。預(yù)處理是指紋自動(dòng)識(shí)別系統(tǒng)中的第一步,它的好壞直接影響著指紋識(shí)別的效果。指紋預(yù)處理的一般工作過程如圖3 所示。

圖3 指紋預(yù)處理的一般工作過程

    3 指紋的匹配
 
    指紋匹配是指從已有的指紋集合中找出與待識(shí)別指紋圖像來自同一手指的指紋圖像的過程。指紋匹配是自動(dòng)指紋識(shí)別系統(tǒng)中最關(guān)鍵的一步:
    ①基于圖形的匹配方式;圖形圖像 
    ②采用人工神經(jīng)網(wǎng)絡(luò)的方法。 

    圖形匹配是針對(duì)紋線幾何形狀和特征點(diǎn)的拓?fù)浣Y(jié)構(gòu)的匹配方式。它的原理是采用相似變換的方法把兩個(gè)細(xì)節(jié)點(diǎn)集中相對(duì)應(yīng)地點(diǎn)匹配起來。它可以在一定程度內(nèi)允許少量偽特征點(diǎn)的存在、真正特征點(diǎn)的缺失以及輕微的特征點(diǎn)定位偏差,對(duì)圖像的平移和旋轉(zhuǎn)也不敏感。但這種方法有兩個(gè)不足之處:
    ①匹配速度比較慢;
    ②對(duì)指紋圖像的質(zhì)量要求比較高, 低質(zhì)量的圖像匹配效果不佳。 

    采用人工神經(jīng)網(wǎng)絡(luò)的方法有很多,這里不再介紹。指紋匹配算法的準(zhǔn)確性和速度是檢測(cè)系統(tǒng)性能的兩個(gè)主要指標(biāo)。由于圖像錄入時(shí)的隨機(jī)性和特征提取技術(shù)的不完善性等客觀問題的存在, 使得指紋比對(duì)技術(shù)的實(shí)現(xiàn)存在很大的技術(shù)難度。 

    4 指紋識(shí)別技術(shù)的應(yīng)用 

    應(yīng)用系統(tǒng)利用指紋識(shí)別技術(shù)可以分為兩類, 即驗(yàn)證(Verification) 和辨識(shí)(Identification)。 

    驗(yàn)證就是通過把現(xiàn)場(chǎng)采集到的指紋與己經(jīng)登記的指紋進(jìn)行一對(duì)一的比對(duì)(one to one matching),來確認(rèn)身份的過程。 

    辨識(shí)則是把現(xiàn)場(chǎng)采集到的指紋同指紋數(shù)據(jù)庫(kù)中的指紋逐一對(duì)比, 從中找出與現(xiàn)場(chǎng)指紋相匹配的指紋。 

    5 指紋識(shí)別技術(shù)的一些具體算法 

    關(guān)于指紋識(shí)別的算法有很多, 比如有: 基于形態(tài)學(xué)和結(jié)構(gòu)圖表的指紋識(shí)別, 基于脊線采樣的指紋識(shí)別, 基于方向場(chǎng)和細(xì)節(jié)特征匹配的指紋識(shí)別等等。下面簡(jiǎn)單介紹一種基于模糊判別的指紋識(shí)別算法。 

    過去人們對(duì)指紋識(shí)別做了很多研究。Isenor 等指出了一種用圖匹配來對(duì)兩幅指紋圖像進(jìn)行匹配的方法。Hrechak 等用結(jié)構(gòu)匹配來做指紋識(shí)別。但目前最常用的方法是用美國(guó)聯(lián)邦調(diào)查局(FBI) 提出的細(xì)節(jié)點(diǎn)坐標(biāo)模式來做細(xì)節(jié)匹配。此外, Ranade 等松弛算法,Chang 等的基于二維聚類的快速算法, Jain 等的串匹配算法, 以及Luo 等針對(duì)Jain 等的算法所提出的改進(jìn)算法等, 都曾用于指紋的識(shí)別。 

    利用模糊判別技術(shù)從另外一種角度改進(jìn)了Jain等提出的指紋匹配算法, 增強(qiáng)了指紋識(shí)別系統(tǒng)抵抗噪聲和非線性形變的能力, 在一定程度上解決了Luo等在實(shí)驗(yàn)過程中所遇到的問題。 

    下面具體介紹這個(gè)算法。基于模糊判別的指紋識(shí)別算法由兩部分組成:
    ①根據(jù)樣本庫(kù)建立各細(xì)節(jié)點(diǎn)特征庫(kù);
    ②基于細(xì)節(jié)特征庫(kù)利用模糊判別的方法對(duì)待識(shí)別指紋圖像進(jìn)行識(shí)別。 

    目標(biāo)分割采用簡(jiǎn)單的二值分割法; 細(xì)節(jié)特征提取采用細(xì)節(jié)點(diǎn)坐標(biāo)模式。 

    假設(shè)樣本庫(kù)中共有C 個(gè)手指的指紋圖, 每個(gè)手指用N 個(gè)細(xì)節(jié)點(diǎn)特征來描述, 每個(gè)手指有L 幅指紋圖(每幅指紋圖不限制位置和方向) , 每幅指紋圖提取出的細(xì)節(jié)特征值記為P ijk (i 表示是哪個(gè)手指, j 表示細(xì)節(jié)特征序列號(hào), k 表示是哪幅指紋圖)。 

    現(xiàn)以每個(gè)手指的特征均值和方差來表述該手指, 即每個(gè)手指對(duì)應(yīng)一個(gè)確定的均值和方差矢量, 設(shè)第i 個(gè)手指的細(xì)節(jié)特征的均值和標(biāo)準(zhǔn)差矢量為M(i ),V(i ), 即:M( i) =[m i1, ?, m ij , ?, m iN ]
V( i) =[v i1, ?, v ij , ?, v iN ]這樣, 有C 個(gè)手指的指紋圖模型庫(kù)為: {M ( i) ,V ( i) }, i = 1, 2, ?, C。 

    在判別過程中, 由于特征值的變化是隨機(jī)噪聲等因素引起的, 可以把特征值的波動(dòng)視為一種高斯分布。根據(jù)高斯分布的性質(zhì), 特征值離均值3 倍標(biāo)準(zhǔn)差以外的概率幾乎為0。這樣當(dāng)識(shí)別指紋時(shí), 如果待識(shí)別的指紋圖與樣本庫(kù)中的某手指指紋相匹配, 那么該指紋的每個(gè)細(xì)節(jié)特征值均應(yīng)落在樣本庫(kù)中某手指的指紋細(xì)節(jié)特征均值的3 倍標(biāo)準(zhǔn)差以內(nèi)。在定義所要識(shí)別的指紋圖對(duì)于樣本庫(kù)中的某手指指紋的隸屬度時(shí),先逐個(gè)按特征計(jì)算指紋圖歸屬于樣本庫(kù)中某手指各幅指紋圖的隸屬度, 以后再以已算出的一組隸屬度中的極小值作為被識(shí)別指紋圖對(duì)樣本庫(kù)中某手指的隸屬度。根據(jù)實(shí)驗(yàn)結(jié)果確定隸屬度的閾值, 在識(shí)別時(shí),若樣本庫(kù)中獲得極大隸屬度的那個(gè)指紋大于所設(shè)閾值, 則認(rèn)為該指紋圖與被識(shí)別的那個(gè)指紋圖相匹配。假設(shè)有C 個(gè)手指的指紋圖樣本模型庫(kù), 現(xiàn)討論對(duì)待識(shí)別指紋圖Q 的模糊判別過程。 

    將待識(shí)別指紋圖Q 的特征記為矢量FQ ,FQ =[f q1, ?, f q j ,?f q N ] 

    如果該指紋圖與樣本庫(kù)的第i 個(gè)手指相匹配, FQ雖具有不變性, 但由于隨機(jī)因素的影響,FQ 不可能恒等于第i 個(gè)手指指紋的均值矢量M( i) , 而是以高斯分布的形式集中在M( i) 周圍。 

    FQ 的每個(gè)分量f q j 應(yīng)集中在各自的mij 的附近, 但也可能在其他mrj (r≠i)附近, 這就是f q j 的不確定性, 由其作識(shí)別也就帶來了識(shí)別的不確定性?，F(xiàn)在用f q j 定義待識(shí)別指紋圖屬于手指r 的隸屬度drj , 則上述隸屬度d r j 在0～1 之間。如該指紋圖與樣本庫(kù)中的手指i 匹配, 則FQ 每一分量均應(yīng)在M( i) 對(duì)應(yīng)分量的周圍, 即在邏輯上是一種與的關(guān)系, 這就可以定義該待識(shí)別指紋圖與樣本庫(kù)中的手指i 相匹配的隸屬度為Di =min(d / j ) (1≤j≤N)。同樣求得該待識(shí)別指紋圖屬于樣本庫(kù)中每個(gè)手指的隸屬度, 最后在作識(shí)別歸屬判別時(shí), 只要樣本庫(kù)中獲得極大隸屬度的手指的隸屬度大于給定閾值, 則認(rèn)為待識(shí)別指紋圖屬于樣本庫(kù)中獲得極大隸屬度的手指。 

    6 系統(tǒng)設(shè)計(jì) 

    以上設(shè)計(jì)的自動(dòng)指紋識(shí)別系統(tǒng)由樣本庫(kù)和待識(shí)別指紋圖兩部分組成?？驁D如圖4 所示,在系統(tǒng)的樣本庫(kù)部分, 用指紋采集儀采集指紋, 經(jīng)過預(yù)處理后提取細(xì)節(jié)點(diǎn)特征, 存入樣本庫(kù)。 

    在待識(shí)別指紋圖部分, 用指紋采集儀采集指紋,經(jīng)過預(yù)處理后提取細(xì)節(jié)點(diǎn)特征, 然后將這些細(xì)節(jié)點(diǎn)與保存在樣本庫(kù)中的模板細(xì)節(jié)點(diǎn)進(jìn)行匹配, 判斷待識(shí)別指紋與樣本庫(kù)中的模板細(xì)節(jié)點(diǎn)是否來自同一個(gè)手指的指紋。

圖4 自動(dòng)指紋識(shí)別系統(tǒng)框圖

    結(jié)語 

    本文從指紋識(shí)別的原理出發(fā), 介紹了一種基于模糊判別的指紋識(shí)別算法。 

    該算法具有以下一些特點(diǎn):
    ①由于采用模糊判別技術(shù), 使得在信息不完備的情況下能最大限度地判決, 實(shí)現(xiàn)對(duì)多目標(biāo)的識(shí)別;
    ②由于采用了具有不變性的特征, 保證有較高的準(zhǔn)確性;
    ③由于基于圖像的特征層進(jìn)行模糊化, 而不是直接在灰度上進(jìn)行判別, 大大減少了數(shù)據(jù)量, 具有較快的識(shí)別速度。 

    實(shí)驗(yàn)表明該算法有效地解決了在圖像質(zhì)量很差時(shí)不能有效地進(jìn)行指紋匹配的問題。