指纹图像处理及匹配方法的研究

论文摘要

传统的安全系统主要采用基于信物或口令的方式,随着社会的发展,这种系统显得越来越脆弱。为了应对这些挑战,人们把目光转向了生物识别技术,希望能借助人体的生理特征或行为动作来提高身份识别的精度。在我们的手指表面,因为皮肤的凸凹不平会产生各种各样的纹路,人们常把这些纹路称谓指纹。现代解剖学和统计学已经表明,每个人的指纹都终身不变且与其他人的不一样,同时,每个人各个手指的纹路也各不相同。也就是说,指纹具有稳定性和唯一性。指纹作为主要的生物识别技术之一,被广泛应用于司法、公安和各种安全防护系统。指纹识别作为模式识别最先涉足的领域之一,发展极为迅猛,实际上在很多场合已经成为生物识别技术的代名词。自动指纹识别(AFIS, Automated Fingerprint Identification System)是图像处理技术、模式识别技术与计算机数据库技术的综合应用。它的研究可追溯到上个世纪60年代末,经过近40年的发展,在司法、公安和某些商业领域已取得了成功应用,但目前AFIS仍是模式识别研究的热点之一。针对当前自动指纹识别系统在指纹采集、图像增强、特征表述以及匹配等方面所面临的问题,本文对指纹在增强处理和匹配两方面进行了深入的研究。对于指纹的关键信息获取及校正、图像滤波,特征匹配方面做了大量工作。并对整体算法进行了试验和评价。1、本论文提出并实现了一种基于整体的最优模型残差的方向校正方法,将噪声从指纹整体方向场的拓扑结构中分离出来并进行抑止,比常用的无差别方向低通平滑具有更强的抗干扰能力。2、本论文提出并实现了一种变形的局部数字傅立叶估计频率的方法,并设计了试验进行了验证。该方法能够在较小尺寸的窗口中对指纹的频率进行较高精度的估计,比常用的投影统计以及FFT方法具有较明显的优势。另外,根据指纹区域的主要频率的幅值进行指纹的区域质量评价,为随后的指纹质量自适应滤波奠定了基础。3、本论文提出了指纹的质量自适应滤波。首先从理论上对Gabor滤波器的滤波强度进行了分析。然后根据前面所获得的方向、频率以及区域质量评价确定滤波器参数,对指纹区域采取了质量自适应滤波,使区域质量不同的指纹图像在滤波后达到相对统一的质量,该方法在保护清晰区域的纹线结构和获得劣质区域的特征信息两方面都具有重要的意义,也是本论文算法的核心之一。4、本论文提出了一种以指纹整体特征来描述细节点的方法,并利用指纹方向

论文目录

• 中文摘要
• Abstract
• 1 绪论
• 1.1 研究背景
• 1.1.1 安全技术所面临的挑战
• 1.1.2 生物识别的概念及要求
• 1.1.3 生物识别系统的组成
• 1.1.4 生物识别系统的工作模式
• 1.1.5 生物识别系统性能评价
• 1.1.6 主要生物识别技术简介及比较
• 1.1.7 自动指纹识别系统结构
• 1.1.8 指纹图像采集
• 1.1.9 指纹分类
• 1.1.10 指纹匹配
• 1.2 自动指纹识别所面临的问题
• 1.2.1 指纹图像的特点及图像增强目前面临的难题
• 1.2.2 指纹匹配目前存在的问题
• 1.3 指纹图像处理所需要的关键信息
• 1.4 论文的研究内容及组织结构
• 1.5 本章小结
• 2 指纹方向场的获取及最优模型残差的校正
• 2.1 方向场的初步获取方法回顾
• 2.2 一种快速的方向场初步获取方法
• 2.2.1 初步背景分离
• 2.2.2 分区规格化
• 2.2.3 初步方向估计
• 2.3.4 指纹零-极点模型（zero-pole model）的产生以及特点
• 3 局部傅立叶指纹图像频率估计及主频分量的质量评价
• 3.1 频率估计的主要方法回顾
• 3.2 改进的局部傅立叶变换的频率获取
• 3.2.1 离散傅立叶变换获取指纹频率的缺陷
• 3.2.2 局部频率的初步估计
• 3.2.3 验证试验及结果
• 3.2.4 指纹频率的校正
• 3.3 一种独立于指纹结构的频率估计
• 3.3.1 基于多尺度Gabor 滤波能量的指纹密度提取
• 3.3.2 存在的问题以及解释
• 3.4 根据傅立叶谱和最强响应幅度进行指纹质量评价
• 3.4.1 指纹质量评价方法回顾及特点
• 3.4.2 根据主频率分量进行指纹质量评价
• 3.5 本章小结
• 4 指纹图像的质量自适应滤波
• 4.1 滤波方法回顾及评价
• 4.2 指纹图像的滤波分析及其对特征点的影响
• 4.3 自适应滤波的意义
• 4.4 质量自适应滤波
• 4.4.1 理论依据
• 4.4.2 滤波器设计的两个要素
• 4.4.3 自适应滤波
• 4.4.4 奇异点区域的增强
• 4.4.5 特征提取
• 4.4.6 GI 试验结果
• 4.4.7 滤波速度试验结果
• 4.5 实验结果分析
• 4.6 本章小结
• 5 基于整体方向场描述矩阵的指纹匹配
• 5.1 指纹匹配主要方法回顾
• 5.2 特征点的描述准则探讨
• 5.2.1 理论分析
• 5.2.2 基于方向场的特征点描述
• 5.3 特征点的整体方向场描述
• 5.4 方向场描述矩阵匹配的实现
• 5.4.1 方向场描述矩阵的获取
• 5.4.2 基于方向场描述矩阵的匹配参数
• 5.4.3 后期距离验证
• 5.4.4 匹配参数阈值选择及可能出现的问题
• 5.4.5 匹配算法基本流程
• 5.5 本章小结
• 6 整体算法试验及结果分析
• 6.1 整体算法性能试验
• 6.1.1 试验指纹库的建立
• 6.1.2 试验结果
• 6.2 试验结果分析及算法评价
• 7 全文工作总结及展望
• 7.1 主要工作
• 7.2 论文主要创新点
• 7.3 展望
• 致谢
• 参考文献
• 附录
• A 作者参与的科研项目
• B 作者在攻读博士学位期间发表的论文及申请的专利