基于自適應(yīng)遺傳算法的殘缺指紋識(shí)別

摘 要： 在指紋圖像進(jìn)行采集的過(guò)程中，由于采集者本身或采集設(shè)備等各種原因會(huì)造成大量的殘缺指紋圖像。而這些殘缺指紋圖像正是影響指紋識(shí)別正確率的關(guān)鍵因素。在此對(duì)殘缺指紋做了大量的研究，提出了二次去偽特征點(diǎn)的方法，并利用自適應(yīng)遺傳算法設(shè)計(jì)了一種基于指紋微特征信息的匹配方法。在對(duì)殘缺指紋可信特征點(diǎn)進(jìn)行人工智能的匹配，著眼于殘缺指紋的全局特征進(jìn)行匹配，提升了匹配的精度與速度。

關(guān)鍵詞： 殘缺指紋識(shí)別； 可變界限盒； 自適應(yīng)遺傳算法； 二次去偽特征點(diǎn)

中圖分類號(hào)： TN964?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2013）10?0083?04

指紋是人體固有的一種生物特征，具有唯一、終生不變以及與主體不可分離等獨(dú)特性質(zhì)，用它來(lái)作個(gè)人的身份驗(yàn)證[1?2]已有上百年的歷史。指紋識(shí)別算法[3]是從指紋圖像中提取指紋特征，并進(jìn)行比對(duì)。指紋圖像由紋谷和紋脊組成，在指紋圖像中呈深灰色粗線條的部分即為紋路，其位于手指皮膚的凸出處；紋谷在指紋圖像中相對(duì)紋路的灰度較亮，夾在兩紋路間，位于手指皮膚的凹陷處。 在指紋識(shí)別系統(tǒng)中，首先要進(jìn)行的就是指紋圖像的預(yù)處理，它對(duì)后續(xù)指紋匹配等環(huán)節(jié)起著至關(guān)重要的作用。經(jīng)過(guò)指紋圖像預(yù)處理后，可以提取出準(zhǔn)確有效的指紋特征點(diǎn)。一個(gè)指紋識(shí)別系統(tǒng)一般包括如下的過(guò)程：指紋圖像分割、指紋圖像增強(qiáng)、指紋圖像二值化、指紋圖像細(xì)化處理以及特征點(diǎn)的提取。在指紋自動(dòng)識(shí)別過(guò)程中，采集到的指紋存在不同程度的粘連、斷裂、缺失、模糊等狀況，包含了大量的噪聲，使得采集到的指紋圖像質(zhì)量低、效果差，本文把這類指紋統(tǒng)一成為殘缺指紋。造成這種現(xiàn)象的原因是由于采集設(shè)備本身的采集條件和采集參數(shù)的限制，采集者自身指紋存在缺陷，采集者采集指紋時(shí)方法不當(dāng)?shù)取Ｈ鐖D1所示為一個(gè)采集到的指紋圖像的噪聲區(qū)域。

1 二次去偽特征點(diǎn)算法

在進(jìn)行了圖像的預(yù)處理之后，本文對(duì)處理后的指紋圖像進(jìn)行特征點(diǎn)提取，由于殘缺指紋存在大量的偽特征點(diǎn)，故本文設(shè)計(jì)了如下的二次去偽算法來(lái)克服偽指紋特征點(diǎn)的干擾。

1.1 脊線跟蹤算法

本文采用基于微特征的脊線跟蹤算法，用以找出偽特征結(jié)構(gòu)。算法主要是這樣實(shí)現(xiàn)的：首先在細(xì)化后的圖像上，從每一個(gè)未被訪問(wèn)的末梢點(diǎn)出發(fā)，開(kāi)辟新的脊線并沿著該脊線前進(jìn)，記錄走過(guò)的像素點(diǎn)，將它的橫、縱坐標(biāo)以及節(jié)點(diǎn)類型保存到鏈表中。如圖2所示，其中Pi-1是上一個(gè)跟蹤過(guò)的點(diǎn)，Pi是當(dāng)前點(diǎn)，Pi+1是下一個(gè)要跟蹤的點(diǎn)。然后算法判斷當(dāng)前點(diǎn)的類型和它的鄰接點(diǎn)，如果是分叉點(diǎn)且有未訪問(wèn)的鄰接點(diǎn)，則建立新的脊線進(jìn)行深度跟蹤，否則繼續(xù)在當(dāng)前脊線上進(jìn)行探索。脊線跟蹤完畢后，每條鏈表的頭尾是特征點(diǎn)，而中間節(jié)點(diǎn)都是連續(xù)點(diǎn)。

2 基于自適應(yīng)遺傳算法的匹配

鑒于上文對(duì)殘缺指紋匹配現(xiàn)狀的分析，必須設(shè)計(jì)一種基于全局信息的人工智能的指紋匹配方法。本文設(shè)計(jì)了基于自適應(yīng)遺傳算法[4]的殘缺指紋匹配算法。在該算法中，指紋比對(duì)被劃分為2個(gè)步驟。首先利用遺傳算法搜索可能將2幅指紋特征點(diǎn)集對(duì)齊的參數(shù)， 然后再確定點(diǎn)的位置匹配關(guān)系。遺傳算法是一種優(yōu)秀的智能搜索算法，具有并行度高等特點(diǎn)。但是，傳統(tǒng)的遺傳算法在求解上述模型最優(yōu)解的時(shí)候，會(huì)出現(xiàn)早熟與容易進(jìn)入局部限等問(wèn)題。本文根據(jù)自適應(yīng)遺傳算法的思想，設(shè)計(jì)了基于自適應(yīng)遺傳算法的最優(yōu)偏移搜索算法，實(shí)驗(yàn)證實(shí)該算法是高效的。

2.2 搜索算法

（1）初始種群：在解空間中隨機(jī)生成的初始染色體可能會(huì)在某一局部區(qū)域集中分布。其攜帶的基因信息無(wú)法代表整個(gè)解空間，導(dǎo)致種群過(guò)早喪失遺傳優(yōu)勢(shì)。使用平均小區(qū)間方法可以更好地分布得到優(yōu)化解。由于點(diǎn)對(duì)之間的數(shù)據(jù)沒(méi)有具備一定的特定特征。正常采集情況下，指紋圖像都應(yīng)當(dāng)是正立，同時(shí)以指紋中心居中。本文中的指紋特征點(diǎn)編號(hào)在處理的過(guò)程中自下向上增大。因此，本文在初始化種群時(shí)，以一定概率偏向于選取編號(hào)相差小于10的個(gè)體對(duì)。初始種群使用隨機(jī)方法進(jìn)行，初始種群大小為30。

（2）選擇策略：由于匹配模型的特性，對(duì)于高適應(yīng)度的個(gè)體之間的雜交的后代往往沒(méi)有優(yōu)勢(shì)是可以繼承的。為充分利用父代種群在遺傳算子中引入長(zhǎng)度為Q（Q

（3）交叉策略：根據(jù)個(gè)體的適應(yīng)度，采用輪賭法的方式選擇交叉的個(gè)體，交換一組等位基因進(jìn)行雜交。

3 實(shí)驗(yàn)與分析

4 結(jié) 語(yǔ)

本文對(duì)殘缺指紋匹配做了大量的研究，提出了二次去偽特征點(diǎn)的算法和基于自適應(yīng)遺傳算法的殘缺指紋匹配方法，利用自適應(yīng)遺傳算法有效地解決了殘缺指紋的指紋特征點(diǎn)匹配問(wèn)題，它將在速度及準(zhǔn)確性方面均有較大的提高。在對(duì)于少量共同區(qū)域的同手指不同采樣的匹配中，本文的算法表現(xiàn)差不理想（致使總體的FAR降低）。未來(lái)的研究將對(duì)該情況下的匹配方案進(jìn)行研究，從而完善匹配算法。

參考文獻(xiàn)

[1] ZHANG D. Automated biometrics technologies and systems [M]. [S.l.]： Kluwer Academic Publishers， 2000.

[2] JAIN A K， ROSS A， PRABHAKAR S. An introduction to biometric recognition [J]. IEEE Transactions on Circuits and Systems for Video Technology， 2004， 14（1）： 4?20.

[3] 柴曉光，岑寶熾.民用指紋識(shí)別技術(shù)[M].北京：人民郵電出版社，2004.

[4] 朱鈺，韓昌佩.一種種群自適應(yīng)收斂的快速遺傳算法[J].計(jì)算機(jī)科學(xué)，2012（30）：9?12.

[5] Anon. FVC2004 [EB/OL]. [2012?10?05]. http：//bias.csr.unibo.it/fvc200 6/default.

[6] Zheng Jiande， Gao Yuan， Zhang Mingzhi. Fingerprint matching algorithm based on similar vector triangle[J]. Proceedings of the 2009 2nd International Congress on Image and Signal Processing， 2009.

[7] 張圓圓，景曉軍.基于快速遺傳算法的指紋匹配[J].計(jì)算機(jī)工程，2011，24（3）：39?42.

[8] 洪波，榮鋼，黃韜.一種基于遺傳算法的指紋比對(duì)算法[J].清華大學(xué)學(xué)報(bào)：自然科學(xué)版，2001，41（3）：93?96.