指纹图像处理与匹配技术研究

论文摘要

随着网络的普及,当前社会对个人身份的安全性要求逐渐提高。指纹以其便携性、唯一性和识别率高等优点已经成为当前应用最广泛的生物识别技术之一。尽管国内外已经发表了很多关于指纹识别技术的研究,而且很多基于指纹识别技术的商业产品也已经问世,但是由于指纹图像的复杂性和识别系统应用性的需求,指纹识别技术仍然存在着很多亟待解决的问题。本文在参考和分析了大量近年来国内外关于指纹识别技术的学术资料的基础上,并综合利用图像处理、模式识别和机器学习等相关方面的知识,对指纹识别技术中的指纹图像分割、指纹图像增强、指纹的核心点特征提取和指纹匹配等方面做了深入地研究,并取得了一些在理论和实际应用上都有价值的研究成果。本文的贡献点可概括如下:(1)研究了指纹图像分割技术。从三个方面分析了指纹图像的特征。分析了指纹图像局部的像素灰度的均值和方差、纹路清晰程度以及局部纹路的对称性,提出了指纹的块内一致性、块间一致性和局部纹路统一性等概念。从多个角度对指纹进行前景和背景的分割操作。实验结果表明,本算法可以对指纹图像进行很好地分割,并可以很好地处理指纹中的噪音以及前景和背景区域的交界处,同时消耗了更少的计算时间。(2)研究了指纹图像滤波增强技术。提出了一种改进的基于Gabor filter的方法对指纹图像进行增强处理。与传统的方法中采用固定增强区域的策略不同,本文根据局部纹路的频率和方向选取了一个可以自动调整的滤波区域。并利用Gabor filter的偶对称性,快速实现滤波计算。实验结果表明,本方法选取的滤波区域更为合理也更加有效,可以对指纹纹路进行有效地增强并且减少了计算时间。(3)研究了指纹核心点特征提取技术。提出了一种利用支持向量机和复数滤波器的指纹核心点定位算法。首先根据指纹核心点区域与非核心点区域的纹路特点构建特征数据,并利用支持向量机构建分类模型。利用分类模型进行预测得到指纹核心点的候选区域。根据核心点周围纹路的类对称性走向的特点,构建基于正切函数的复数滤波器,对指纹核心点的位置和方向值进行精确定位。与传统的复数滤波器相比,本文设计的滤波器能更好地描述指纹核心点周围纹路的特性。实验结果表明,本方法可以更为准确地定位指纹的核心点的位置和方向,在计算效率上也有所提高。(4)指纹图像在获取的过程中存在着弹性形变,会在一定程度上改变指纹的纹路位置。本文设计了一种基于消除形变的指纹匹配方法。首先利用邻近的细节点构建邻接特征联合体(AFU),接着比较模板指纹和待查询指纹的AFU得到参考细节点,利用参考细节点对指纹进行比对。根据待匹配的细节点与参考细节点之间的纹路频率和方向信息计算出指纹的局部纹路形变量,根据形变量对细节点的位置和方向进行调整以消除形变所产生的影响,并用调整后的数据进行指纹匹配。实验结果表明,本方法可以很好地减小指纹图像中出现形变所带来的影响,有较高的匹配效率。(5)指纹图像的不完整性以及噪音的存在会给基于单一参考点的指纹匹配造成影响。本文提出了基于多参考点的指纹匹配方法。首先利用细节点及其周围的纹路构建局部特征单元(LFU),比较模板指纹和待查询指纹的局部特征单元得到候选匹配细节点集合(PMS)。通过对候选匹配细节点集合提纯得到真匹配细节点集合(TMS)。真匹配细节点集合中的细节点就作为多参考点。通过比较模板指纹和待匹配指纹中的剩余细节点到真匹配细节点集合的距离来进行指纹匹配。实验结果表明本文提出的基于多参考点的指纹匹配方法有着较好的匹配效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.1.1 生物识别技术
• 1.1.2 指纹识别技术
• 1.2 指纹识别技术中的基本问题
• 1.2.1 基本原理和基本框架
• 1.2.2 指纹图像获取
• 1.2.3 指纹图像预处理
• 1.2.4 指纹特征提取
• 1.2.5 指纹匹配
• 1.2.6 指纹分类
• 1.3 本文的研究目标
• 1.4 本文的组织结构
• 第二章 多阶段指纹图像分割算法
• 2.1 问题描述
• 2.2 相关工作
• 2.3 多阶段指纹图像分割
• 2.3.1 初始分割
• 2.3.2 基于Gabor filter响应的分割
• 2.3.3 基于局部纹路统一性的分割
• 2.4 分割算法伪代码
• 2.5 实验测试与结果
• 2.5.1 实验参数
• 2.5.2 分割结果比较
• 2.5.3 GI值测试
• 2.5.4 时间消耗分析
• 2.6 本章小结
• 第三章 改进的基于GABOR FILTER的指纹图像增强算法
• 3.1 问题描述
• 3.2 相关工作
• 3.3 指纹纹路频率和方向计算
• 3.3.1 指纹纹路方向计算
• 3.3.2 指纹纹路频率计算
• 3.4 改进的基于Gabor filter的指纹图像增强
• 3.4.1 Gabor filter的基本原理和性质
• 3.4.2 指纹图像增强
• 3.4.3 Gabor filter快速实现
• 3.5 增强算法伪代码
• 3.6 实验测试与结果
• 3.6.1 实验参数
• 3.6.2 指纹图像增强
• 3.6.3 算法时间消耗测试
• 3.7 本章小结
• 第四章 基于支持向量机和复数滤波器的指纹核心点定位算法
• 4.1 问题描述
• 4.2 相关工作
• 4.3 利用支持向量机对指纹核心点候选区域进行定位
• 4.3.1 支持向量机介绍
• 4.3.2 指纹核心点候选区域确定
• 4.4 利用改进的复数滤波器精确定位指纹核心点
• 4.4.1 传统的基于复数滤波器定位指纹核心点方法
• 4.4.2 改进的复数滤波器设计
• 4.5 算法伪代码
• 4.6 实验结果与分析
• 4.6.1 实验参数
• 4.6.2 指纹图像的复数滤波器响应值
• 4.6.3 指纹核心点候选区域确定
• 4.6.4 精确定位指纹核心点
• 4.7 本章小结
• 第五章 基于去除形变的指纹匹配
• 5.1 问题描述
• 5.2 相关工作
• 5.2.1 指纹匹配技术
• 5.2.2 指纹细节特征点提取技术
• 5.3 邻接特征联合体与指纹比对
• 5.3.1 邻接特征联合体
• 5.3.2 指纹比对
• 5.4 全局匹配
• 5.5 匹配算法伪代码
• 5.5.1 指纹比对
• 5.5.2 全局匹配
• 5.6 实验结果与分析
• 5.6.1 实验参数
• 5.6.2 匹配分数分布
• 5.6.3 ROC性能测试
• 5.7 本章小结
• 第六章 利用多参考节点对指纹进行匹配
• 6.1 局部特征单元构造
• 6.2 初始匹配阶段
• 6.3 提纯阶段
• 6.4 最终匹配阶段
• 6.5 算法伪代码
• 6.6 实验结果与分析
• 6.6.1 实验参数
• 6.6.2 匹配分数分布
• 6.6.3 ROC性能测试
• 6.7 本章小结
• 第七章 结束语
• 7.1 本文工作总结
• 7.2 未来的研究方向
• 参考文献
• 致谢
• 攻博期间发表的文章
• 科研经历
• 作者简介