指紋識別技術中指紋匹配過程的研究

2012-12-31 00:00:00鮑通

中國新通信 2012年12期

【摘要】指紋匹配是指紋識別過程中的最后一步，也是評價整個指紋識別系統性能的最主要依據。

【關鍵詞】指紋匹配特征提取中心點特征點

指紋匹配是指紋識別過程中的最后一步，也是評價整個指紋識別系統性能的最主要依據。指紋匹配是根據提取的指紋特征來判斷兩枚指紋是否來自于同一個手指。由于每次采集到的指紋圖像相對于模板圖像會發生平移、旋轉和形變，這給后期的指紋匹配算法帶來很大的不便。為了能夠準確、快速地判斷兩枚指紋是否來自于同一個手指，指紋匹配算法必須具有一定的容錯性，并且運算復雜度不能太高，時間代價小且準確度高。人們對指紋匹配已經做過很多研究，提出了許多匹配算法，其中，基于圖形的匹配方式應用居多，包括點模式匹配和基于圖論的方法。當然，此方式也存在著不足之處，如低質量的圖像匹配效果不佳。

1指紋匹配過程

在指紋匹配之前，要先提取出指紋圖像的中心點，再建立特征模板。為對指紋圖像進行匹配做好準備工作。具體如下：

（1）中心點定位

中心點定義為指紋的脊曲線曲率最大的點，在本文的匹配算法中，將中心點作為匹配參考點具有一致性比較強的特點。這里選取的中心是指紋中心的一個小區域，先求出指紋圖像的點方向，相鄰8個灰度值之和的平均值，再求這8個灰度值與平均值之差的和，最小和所在的方向即此點所在指紋脊線的方向，如此得到點方向圖。把點方向圖分為若干塊16×16大小的小塊，對每塊計算直方圖，其峰值方向即為塊方向，即每塊中點的主導方向。然后在這個粗的塊方向圖上按照以下原則去搜索中心區域，逐行檢查塊方向數組。然后再根據求出各個方向的角度以及相鄰8個灰度值之和的平均值，再求這8個灰度值與平均值之差的和，最小和所在的方向即此點所在指紋脊線的方向，如此得到點方向圖。該方法求取的中心點具有很強的魯棒性。

（2）建立特征模板

特征端點分類為1，特征分叉點分類為2；建立特征端點相對中心點的距離向量，和特征分叉點相對中心點的距離向量；建立特征端點相對中心點的方向向量，和特征分叉點相對中心點的方向向量。

定義匹配點PointOfModel（點集合P中的特征點）是從輸入的指紋圖像中提取出來的，另外一個匹配點PointOfMatch（點集合Q中的特征點）則是從指紋圖像庫中提取出來儲存在模板庫中的。將兩組點集合進行比對。

（3）匹配方法

這是模式識別中的一個難題。它是對于兩個含有不同數量的點集P{p1，p2，…，pm}和Q{q1，q2，…，qn}，如何找出它們之間的匹配關系。因此，一個好的指紋匹配算法應該能夠有效地解決兩個點集間的幾何不變量問題。人們對一般的指紋匹配提出很多算法，比如松弛算法，其中有的文獻只處理了點模式間因平移帶來的偏差；也有文獻處理了因平移和旋轉帶來的誤差；另外有文獻不僅考慮到位移和旋轉誤差，還處理了因伸縮尺度不同而帶來的誤差。

指紋圖像匹配中的兩個點集P和Q，其中P從第一幅圖像抽取，有m個特征點構成，Q從第二幅圖像抽取，有n個特征點構成，即P={p1，p2，…，pm}和Q={q1，q2，…，qn}。因為在實際應用中，點的相對位置存在誤差，所以它們之間的匹配就是對每一個特征點分別提取再相對于中心點取得的向量進行比對的過程，使兩個點集有最大數量點對之間存在穩定的一一對應關系。

對于點集中的特征點，這里用x方向和y方向的坐標來描述，指紋圖像每一特征點是一個五維向量（x，y，茁，t，c），其中x，y分別是該點的坐標位置，茁是特征點相對于中心點的方向向量，t為特征點的類型（即是分叉點還是端點），c為特征點相對于中心點的距離向量。

可以通過一些合適的算法，通過在一定范圍搜索參數空間，計算其匹配支持數，也就是在該參數空間里，有多少指紋對匹配。當匹配支持數最大時，也就得到了所需要的結果。

算法步驟：

（1）分別讀取兩個特征點集合中的特征點；

（2）對特征點進行分類。定義取“1”時，屬于特征點端點分類，取“2”時，屬于特征點分叉點分類；

（3）分別計算它們相對于中心點的方向向量和距離向量；

（4）若兩特征點的距離向量之差小于“2”且兩特征點的方向向量小于等于仔/4，則認為兩特征點匹配；

（5）若不滿足（4）的條件則認為不匹配，并刪除。

一般能找到13個相同的特征就可以認為這些指紋出自同一個手指，但從匹配來看，平均50個特征匹配點會有3～4個誤配，于是將成功匹配點設置為大于30個，認為是出自同一個手指。

算法實現以下兩點：

（1）指紋特征提取是指紋自動識別的核心技術之一，采用模板匹配法，提取指紋的細節特征即端點和分叉點。

（2）濾除了偽特征點以后，不但使匹配的速度大大提高，而且指紋識別性能提升，因此在進行指紋匹配之前，盡可能將偽特征點去除，保留真特征點。