在不同色彩空間下的指紋識別

倪承龍（四川大學計算機學院，成都610000）

在不同色彩空間下的指紋識別

倪承龍
（四川大學計算機學院，成都610000）

在生物識別的領域內，指紋識別一直是一個非常重要的話題。設計一個實驗，在同一個數據集中，對比使用灰度圖進行指紋識別和用其他色彩空間的其他通道的識別精度的差別，找出一個比灰度圖更好的通道來進行指紋識別。

指紋識別；非接觸式；色彩空間

0　引言

幾年前，智能手機的出現，使得復雜的應用程序在移動設備上的出現成為了可能，例如網上銀行、電子商務功能。但是，對于這些應用程序來說，安全成為了一個重要的問題。當今大多數的應用程序的安全措施為密碼，但是密碼還是不足以驗證是本人操作。密碼存在著外泄的危險，而系統很難識別是否是本人發送的消息。尤其在手機上這個問題特別突出，一旦手機丟失，而用戶密碼泄露，并且驗證消息是發送到手機上的，那么，信息就會泄露到別人手里，造成損失。近年來，生物特征識別，尤其是指紋識別的安全性使得人們越來越多的用來進行信息的加密。

那么，在移動設備上如何使用生物特征識別的技術來進行信息的加密呢？

在生物特征識別的技術當中，指紋識別是一種應用比較廣、安全性比較高的，也比較好操作的一種方法。

現在已經有一些智能手機搭載了指紋識別的功能。但是這些有指紋識別功能的移動設備大多是在設備上加了一個接觸式指紋識別的設備。

但是，這種設計，需要重新設計移動設備，并且成本比較高。而且現在市面上大多數的移動設備并沒有接觸式的指紋采集設備。但是，現在市面上絕大多數的智能手機都配有比較高質量的攝像頭，那么我們就可以用質量很高的攝像頭拍攝的指紋圖片來進行指紋識別。

但是不像接觸式指紋采集儀采出的指紋，用攝像頭采出的指紋圖片是彩色的照片。為了能夠用這些彩色的指紋圖片來進行指紋特征的提取，我們需要將彩色圖片轉換為灰度圖。

彩色圖片有很多種色彩空間種類，例如RGB色彩空間、CMY色彩空間、HSI色彩空間等。這些色彩空間中都有三個色彩通道，RGB色彩空間中有R（紅）通道、G（綠）通道、B（藍）通道、CMY色彩空間中有C（青紅）通道、M（品紅）通道，Y（黃）三個通道，HSI色彩空間中有H（色調）、S（色飽和度）、I（強度）。

通過以上的圖片，我們能夠看出來在不同色彩空間的指紋圖片非常不一樣。

本文中，我們將要討論用灰度圖的識別效果更好，還是用這些不同的色彩空間不同的色彩通道的識別效果更好。

圖1　手指圖片在不同的色彩空間下的表現

1　色彩模型

色彩模型是描述使用一組值（通常使用三個、四個值或者顏色成分）表示顏色方法的抽象數學模型。

不同的色彩模型用各自的角度來描述彩色圖片。這里面要介紹的色彩模型有RGB色彩模型、CMY色彩模型、HSI色彩空間。

1.1RGB 色彩模型

在RGB色彩模型中，每個一種顏色都是用R（紅）、G（綠）、B（藍）三個量來表示的。RGB色彩空間是基于迪卡爾坐標系統的。這個色彩空間可以表示成一個色彩方塊，這個色彩方塊的邊正好與迪卡爾坐標系統中的三個坐標是平行的。而這個色彩方塊表示紅、綠、藍三個變量的邊正好在坐標系的三個坐標軸上，也就是說，這三個軸分別表示紅、綠、藍三個變量。在原點上，紅、綠、藍三個變量為0，原點就是代表黑，而在這個方塊黑色點斜對面的那個點，就是白色，這兩個點連線上的點就是灰度值。

在一個24-bit格式的RGB色彩圖片中，三個色彩通道中每個通道是一個8-bit的灰度圖片。

1.2CMY色彩模型

RGB色彩空間可以表示成一個色彩方塊，這個方塊一共有八個頂點，其中有三個頂點是放在紅、綠、藍的三個坐標軸上的，除了白點和黑色，還有三個點，這三個點和黑色點之間的邊分別是代表青紅、品紅、黃三個量，如果把這三個邊放到坐標系的三個坐標軸上，黑色的點在原點上，那么形成的這個色彩模型就是CMY色彩模型。

用一種簡單的公式來表示從RGB色彩空間到CMY色彩空間的轉換：

在CMY的色彩空間中，三個通道表示的分別為青紅，品紅，黃。

1.3HSI 色彩模塊

在前面我們看到，從RGB色彩模型到CMY色彩模型的轉換中，這種轉換形式是一種線性的轉換。在這兩種顏色模型中和其他的類似的色彩模型并不能很好地描述人看到顏色時的感覺。

當人們描述一種顏色時，我們通常用色調，色彩飽和度、強度來描述，其中色調與光波的波長有關，它表示人的感官對不同顏色的感受，如紅色、綠色、藍色等，它也可表示一定范圍的顏色，如暖色、冷色等；飽和度表示顏色的純度，純光譜色是完全飽和的，加入白光會稀釋飽和度。飽和度越大，顏色看起來就會越鮮艷，反之亦然；強度對應成像亮度和圖像灰度，是顏色的明亮程度。用三個量來描述色彩模型就是HSI，H（Hue）即為色調，S（Saturation）為飽和度，I（Intensity）為強度。

從RGB色彩模型到HSI色彩模型轉變是一種非線性的轉換。轉換公式如下：

色調為：

其中：

強度為：

這里面，RGB的值取在0到1之間的值，θ的值為以HSI模型中表示紅色的那條軸為0度，向順時針為正，一直到360度。

2　基礎工作

2.1指紋庫德手機

在這個實驗中，需要大量的非接觸式指紋。于是，我們用華為U9100手機，采集了100個人的指紋圖片，一共收集到了10000張的指紋圖片，每個人的手指拍攝了5到15張指紋，只有在大量的指紋圖片的支持下，實驗的結果才能有說服力。

在拍攝這些指紋圖片的過程中，同一個手指的幾張圖片的差別不能夠太小，如果差別太小，相似度太高，實驗的結果將不會明顯。但是在拍攝的過程中，同一個指紋圖片之間又不能有其他因素的干擾，例如光線，遠近，旋轉，這些因素的干擾盡量都要避免。

2.2將RGB指紋彩色圖片轉換為的色彩模型（CMY,HSI）

根據（1）、（2）、（3）、（4）的公式，將RGB彩色的指紋圖片轉換為其他的實驗我們就要用這十套圖片的來進行對比，以此來看這些色彩模型的各種通道中所表現的圖片是否識別效果比灰度圖更好。

3　實驗設計

3.1實驗的基本設計

在每一個色彩模型的每一個色彩中，我們都會得到很多的真匹配分數和假匹配分數。真匹配的分數是用同一個手指的指紋圖片兩兩匹配得到的，而假匹配的分數是用不同的手指的指紋匹配得到的。

假使一個手指拍了十張指紋圖片，那我們會得到這個手指的45個真匹配分數（兩兩匹配得到）。但是假匹配我們如果用全部的不同的指紋兩兩匹配，那么數據量就太大了。在這個實驗中，每個手指的全部指紋圖片只與其下一張手指的指紋圖片進行兩兩匹配，這樣的話，即保證了假匹配的數據來源于整個指紋數據庫，又使數據庫中的指紋數量不至于太大。

用這個指紋庫的話，我們在一個通道內會得到65056個真匹配分數，201568個假匹配分數。

在這個實驗中，我們用軟件Neurotec_Biometric 4.3來得到真匹配和假匹配的分數。

3.2灰度圖與RGB 色彩模型的比較

在RGB與灰度圖中，我們得到的分數分布圖如圖2。

在這個圖表中，在不同的通道中的分數沒有辦法很好地分辯出來。

每個通道都會得到65056個真匹配分數。我們可以統計一下，各個通道的真匹配分數最高有多少個。經過統計，結果如下：

圖2　

灰度圖分數最高的數量為：15853。

紅色通道分數最高的數量為：12765。

綠色通道分數最高的數量為：18206。

藍色通道分數最高的數量為：18232。

灰度圖與RGB色彩模型中的ROC曲線如下：

圖3　

我們還可以在這個四個通道中得到FMR1000、FMR10000和EER，如表1：

表1　

基于上面的數據，我們可以看到，用藍色通道的圖片得到的結果好于紅、綠通道，并且好于灰度圖的結果。

所以，在RGB色彩模型中，B通道得到的圖片比灰度圖更適合做指紋的識別。

3.3灰度與HSI 色彩模型的比較

根據公式（3）（4）（5），我們可以將RGB色彩空間的圖片轉換為HSI色彩空間的圖片。

在HSI色彩模型與灰度圖中，H和S通道得到的圖片無法提取細節點，故無法用H和S通道中的圖片進行指紋識別。

那么對比灰度圖與I通道的圖片的分數分布情況如表1：

圖4　

從圖中，我們也無法明顯看出哪個識別情況更好，和RGB色彩空間的處理方法一樣，我們也統計一下通道I的FMR1000和FMR10000。結果如下：

FMR1000=0.011%

FMR10000=0.012%

從這個結果我們能看出，通道I比灰度圖更適合做指紋識別。

3.4灰度圖與CMYW色彩模型的比較

根據公式（1），我們可以將RGB色彩空間的圖片轉換為CMY色彩空間的圖片。

用Neurotec_Biometric(4.3)得到的匹配分數分布圖如下：

圖5　

類似的情況，我們也無法從這個圖中分辨出來CMY中哪個色彩通道的圖片更適合做匹配。

那我們來統計一下灰度圖與CMY色彩模型中的ROC曲線如下：

圖6　

還可以得到FMR1000、FMR10000和EER如下：

表2　

在這個色彩模型與灰度圖的比較中，我們可以看到色彩通道Y更適合做指紋識別。而且效果比RGB色彩空間中的藍通道更好。

這樣，我們就得到了結論，灰度圖不是做指紋識別的最好通道。在RGB色彩模型中，B通道更適合做指紋識別，在CMY色彩空間中，Y通道更適合做指紋識別。并且效果比B通道更好。

4　混和色彩模型不同色彩空間進行指紋匹配

在上面的實驗中，我們討論了各個色彩模型中哪個色彩通道更適合做指紋識別。那么，我們接下來將討論一個問題，在一個色彩模型中，如果我們將不同的色彩通道混和起來，是不是存在一個混和的比例，如用單一的色彩通道匹配的效果更好。

例如在RGB色彩空間中，匹配結果最好的是B色彩通道，那么有沒有一種可能是RGB三個道通，經過一定比例的混和，這樣得到的圖的識別效果比B通道更好呢？

那么我們就要設計一個實驗，例如在RGB通道中，我們首先用R為1，B為0，G為0這樣的比例進行混和，然后B一點點增加，每次增加0.1，然后再G一點點增加，每次也是增加0.1，直到把所有的混和可能給走遍。

然后看看這些混和的結果里哪一個結果是最好的。如果最好的結果比B通道好，那么說明存在一個混和比例，比B通道的結果更好。

對于CMY色彩模型，我們也做同樣的實驗。

那么，對于各處指標來說，最好的混和比例最好的結果如下：

（1）RGB色彩空間：

表3　

對于這幾組比例，我們會得到得每個比例指紋識別的指標：

表4　

從上面的結果可以看出，如果以R：0.3，G：0.4，B：0.3或者R：0.2，G：0.5，B：0.3的比例進行混和，可以得到更好的EER、EMR1000、FMR10000。而且這個結果是比藍通道更好的。

（2）CMY色彩空間：

同樣的，對于這幾組比例，我們也會得到每個比例指紋識別的指標：

表5　

表6　

對于C：0.3，M：0.2，Y：0.5這個比例來說結果是好于Y通道的結果的。

[1]Dongjae Lee,et al.Recongnizable-Image Selection for Fingerprint Recognition With a Mobile-Device Camera.IEEE Transactions on System,Man,and Cybernetics,Part B:Cybernetics,vol.38,no.1,2008,pp.233~243

[2]D.Maltoni,et al..Handbook of Fingerprint Recognition,Springer Science+Business Media,LLC,2003

[3]B.Y.Hiew,et al..Preprocessing of Fingerprint Images Captured with a Digital Camera.Proc.Control,Automation,Robotics and Vision, 2006,ICARCV 2006.9th International Conference on,2006,pp.1~6

Fingerprint Identification Under Different Color Spaces

NI Cheng-long

(College of Computer Scienc，Sichuan University,Chengdu 610000)

In the field of biological recognition,fingerprint recognition is always an important topic.Designs an experiment,contrasts the difference of grays image between other color space to recognize fingerprint in the same database,to find out an aisle better than gray image for the fingerprint recognition.

Fingerprint Identification;Non-contact;Color Space

1007-1423（2015）11-0088-06

10.3969/j.issn.1007-1423.2015.11.018

倪承龍（1988-），男，遼寧大連人，在讀碩士研究生，研究方向為圖形圖像處理

2015-03-17

2015-03-30