专利名称：指纹识别中确定性编码方法与系统的制作方法
技术领域：
本发明属于计算机生物识别技术领域，特别涉及一种采用确定性编码来进行指纹识别的 方法以及采用该方法所构建的指纹识别系统。
技术背景现有的指纹识别方法是基于点模式的模糊匹配方法。定义指纹脊线的分叉点和指纹脊线 的端点为指纹的特征点。在"Azriel Rosenfeld. Point pattern matching by relaxation" (Pattern Recognition, 1980， 12(5) :269 275) 一文中，作者Ranade与Rosenfeld提出 了点匹配的松弛算法定义点集Ll =P1. . .Pm与点集L2:QL . . Qm。对于一对匹配(Pi， Qj)，定义两个点集的一个相对变换Tri j。根据在TRi j变换下两个点集中其余点的匹配程度， 计算TRi j的可靠度。如果存在一个变换TR0使点集LI与点集L2合理地匹配，则当某个TRi j "TR0时，TRij的可靠度较大而其他变换匹配的可靠度较小，可靠度将迭代计算。该方法的 主要缺点是(1)特征点集的提取依赖于采集设备、采集环境与图像预处理算法的性能，因 此，特征点集提取的误差严重影响指纹识别系统的精确性；(2)指纹图像与描述其特征的特 征点集之间是一对多的映射关系。不同情况下采集到的同一手指的指纹图像不尽相同，提取 的特征点集也不尽相同，因此，识别系统采用模糊匹配的模式，系统错误拒绝率(FRR)与错 误接受率(FAR)较高，存在安全隐患；(3)由于采用穷举的模糊匹配方法，因此，运算量大， 识别慢，不适合于指纹门禁、密码验证等实时应用环境； 发明内容本发明的目的是提出一种采用确定性编码来进行指纹识别的方法。该方法采用确定性编 码特征实现指纹识别过程的精确匹配。利用该方法可以在指纹图像中提取只与指纹个体相关 的确定性编码特征(指纹DNA)，并利用确定性编码特征实现指纹识别过程精确匹配，从而克 服传统基于点模式的指纹识别系统中仅采用模糊匹配算法造成的正确率低、存在安全隐患等 缺点。本发明的方法其特征在于在指纹比对的过程中，采用确定性编码特征实现指纹识别过程精确匹配。所说的利用确定性编码特征进行精确匹配是通过在指纹图像中选取某一特定形状 的特征区域，并求出该特征区域所对应的特征值——指纹脊线总长、脊线方向场的主方向和 像素点的方向熵来进行匹配。该方法在DSP中依次按以下步骤(1) 在指纹识别过程中，通过经总线与计算机中央处理器相连的指纹图像采集设备， 采集一个指纹作为模板指纹，存储于内存储器中，并通过图像显示设备显示图像。(2) 通过经总线与计算机中央处理器相连的指纹图像采集设备，采集一个指纹作为待 识指纹，存储于内存储器中，并通过图像显示设备显示图像。(3) 在模板指纹和待识指纹的图像中，将各像素点的像素值归一化到[O， l]区间，其 中像素值为0的点为黑色点，像素值为l的点为白色点，得到模板指纹和待识指纹的归一化 图像，计算公式为像素点的归一化髓值<formula>formula see original document page 6</formula>1> 像素点的像素值小于阈值T(4) 分别在步骤(3)所说的模板指纹和待识指纹的归一化图像中，将指纹脊线细化为 只有一个像素点宽度的纹线，细化方法为对于所说的归一化图像，在满足不改变指纹脊线长 度的前提下，将像素值为0的像素点，其像素值更改为1，得到模板指纹和待识指纹的细化 图；(5) 确定性编码特征的提取与匹配(5. 1)分别选取模版指纹与待识指纹的脊线端点作为待选特征点；(5. 2)分别对模板指纹细化图和待识指纹细化图中所有待选特征点所在的纹线进行跟踪及离散采样，每隔设定值"。个像素点采样一点，D。取值范围为8-12，记录像素 点的坐标，统一设定每条纹线采样N点，N取值范围为3-5，以特征点本身为第0采样 点，如果纹线长度不足以采样N点，则放弃采样；(5.3)对待识指纹中的任一待选特征点和模板指纹中的任一待选特征点，通过以 下公式计算2个特征点所在的2条纹线的拟合度函数,,=1/§1《。-",.,。1<formula>formula see original document page 6</formula>其中，",。——待识指纹细化图中所说的采样纹线上第J'采样点和第0采样点(特征点)之间的距离，i取值范围为l到^l;A,-模板指纹细化图中所说的采样纹线上第i采样点和第0采样点(特征点)之间的距离，i取值范围为l到AM;如果^大于某一设定值阈值^，则初步认定这两条纹线所对应的待选特征点为一对基准点，保留这对特征点，进行(5.4)，若不能满足^大于设定值阈值^，则舍弃这对特征点，重复(5.3)，所说的&取值范围0.01-0.1;(5. 4)对(5. 1)中所说的待识图像和模板图像中的任2个待选特征点重复(5. 3)， 得到基准点对集；(5.5)按以下步骤进行指纹图像姿势纠正；(5.5.1) 在(5.4)得到的基准点对集中，任选一对作为基准点对；(5.5.2) 按以下步骤计算待识图像相对于模板图像的平移参数和旋转角度<formula>formula see original document page 7</formula>其中，一待识指纹图像中该基准点所在纹线的第k个采样点的横坐标和纵坐标，k取值范围为0到fl——模板指纹图像中该基准点所在纹线的第k个采样点的横坐标和纵坐标，k取值范围为0到fl《,、分别为待识指纹图像相对于模板指纹图像横向平移参数和纵向平移参数，待识指纹相对于模板指纹的旋转角度^为该对基准点中的待识指纹特征点所 在脊线的切线方向与模板指纹特征点所在脊线的切线方向之差；(5.5.3)将模版指纹的所有像素点坐标Or，力按下式转化为像素点坐标("， k)，计算公式为<formula>formula see original document page 7</formula>其中，P为图像伸縮系数，P=l;分别为步骤(5.5.2)所得到的待识 指纹图像相对于模板指纹图像横向平移参数和纵向平移参数；S为待识指纹相对于模板指纹的旋转角度-，(5.6)按以下步骤进行精确匹配；(5.6.1) 对于(5.5.1)所说的一对基准点，分别以模板图像的基准点和待 识图像的基准点为中心，在(4)所说的模板指纹和待识指纹的细化图中，按设定 形状做一个相同面积的特征区域；(5.6.2) 分别在(5.6.1)所说的模板指纹细化图和待识指纹细化图的特征 区域内，计算以下确定性编码特征值，包括指纹脊线总长度、脊线方向场的主方向 和像素点的方向熵3个参数，其中指纹脊线总长度为该相应的特征区域内像素值为0的像素点数目； 脊线方向场的主方向按以下步骤求得首先以度为单位计算特征区域内各像素点所在的指纹脊线的切线方向，其次 统计像素点所在的指纹脊线的切线方向等于某一角度值的像素点个数，再次以角度 为横坐标，像素点个数为纵坐标建立直方图，最后取直方图中像素点个数最少的角 度方向的反方向为脊线方向场的主方向；像素点的方向熵定义为特征区域内像素点的方向熵-^A(l-巧)其中P,是将360度以45度为间隔分为8个方向域，第J'个方向域的所有像素 点数目占全部8个方向域的像素点数目的比例；(5.6.3) 对于(5.6.2)得到的模板指纹和待识指纹的确定性编码特征值， 将各参数的十进制计算结果分别转化为用"01"串表示的二进制结果；(5.6.4) 分别对(5.6.3)得到模板指纹和待识指纹的确定性编码每个参数 的2个二进制结果的各位二进制数值进行比对，如果3个参数的每位二进制数值比 对结果完全相同，则认定两指纹通过比对，输出指纹匹配成功的结果，否则，转(5.5)，选择另外一对基准点，按(5.5)到(5.6.4)进行比对；(5.6.5) 相应于所说的两指纹通过比对，对(5.4)所说的基准点对集中的 每一对基准点按(5.6)进行精确匹配，如均未通过比对，则认为两指纹不能通过 对比，输出指纹匹配不成功的结果；本发明的系统其特征在于，它含有中央处理器，经总线与中央处理器相连的指纹图像采 集设备，图像显示设备、键盘、鼠标以及内存储器。使用本发明的指纹识别方法，对3幅图像/手指110手指=30幅不同类型、背景噪音、图 像大小、采集者性别、年龄的图像进行测试表明，该方法的识别正确率为FRR = 2/60 = 0.0333333、層=1/405 = 0.00246914。采用前述现有基于点模式的指纹识别方法，识别正 确率则为FRR = 5/60 = 0. 116667、 FAR = 2/405 = 0.00493827。本发明的优越性在于由于采用了确定性编码的方法来进行指纹识别，即在传统点模 式匹配算法初步匹配成功后，更进一步利用确定性编码特征来实现指纹识别过程的精确 匹配，因此，克服了传统基于点模式的指纹识别系统中采用模糊匹配算法造成的正确率 低、存在安全隐患等缺点。这种采用确定性编码来进行指纹识别的方法以及采用该方法 构建的系统可用于指纹识别、大规模指纹库的检索，以及用于安全级别较高的军事禁区、 银行、国家安全部门的门禁系统、密码验证等应用环境。
图1适用于本发明实施例的计算机系统。 图2确定性编码指纹识别系统流程图。 图3设定形状取圆形的特征区域示意图。
具体实施方式
本发明中提出的指纹识别中确定性编码方法主要包括以下步骤，结合附图详细描述如下 图1描述了一个适用于本发明实施例的计算机系统。该计算机系统包括中央处理器(CPU) 和一些输入输出设备，如键盘、鼠标、显示器，还可以包括指纹图像采集设备等。实施本发 明的软件存储在内存中，CPU可以对内存进行存取，并进行相应指令，以获得本发明的实施结果。图2是确定性编码指纹识别系统流程图。图中包括原始图像采集、图像二值化及细化、确 定性编码提取与编码匹配四部分。首先先给出具体实施例中的一些相关的定义，在该实施例中，设定形状的特征区域取圆 形区域，称为特征圆。图3为指纹特征圆区域定义示意图。特征圆以特征点(指纹脊线分叉点、端点)为圆心，设定值R为半径的一个圆形区域， R的范围为50-80个像素长度，称为该特征点的特征圆。特征圆内指纹脊线总长度为该相应的特征区域内像素值为1的像素点数目；特征圆内脊线方向场的主方向按以下步骤求得首先以度为单位计算特征区域内各像素点所在的指纹脊线的切线方向，其次统计像素点 所在的指纹脊线的切线方向等于某一角度值的像素点个数，再次以角度为横坐标，像素点个 数为纵坐标建立直方图，最后取直方图中像素点个数最少的角度方向的反方向为脊线方向场 的主方向；特征圆内像素点的方向熵定义为特征圆内像素点的方向熵<formula>formula see original document page 10</formula>其中P,是将360度以45度为间隔分为8个方向域，第y个方向域的所有像素点数目占全 部8个方向域的像素点数目的比例；1、 指纹图像处理及特征点提取在指纹识别中确定性编码方法的特征信息提取之前，首先通过二值化和细化进行指纹图 像预处理，得到指纹图像的细化图，其次在指纹图像的细化图上提取指纹端点和分叉点信息。1) 原始图像二值化及细化在模板指纹和待识指纹的图像中，将各像素点的像素值归一化到[O， l]区间，其中像素 值为0的点为黑色点，像素值为1的点为白色点，得到模板指纹和待识指纹的归一化图像， 计算公式为賴吝A^,b f0，像素点的像素值大于等于阈值T像素点的归一化像素值<formula>formula see original document page 10</formula>ll，像素点的像素值小于阈值T分别在模板指纹和待识指纹的归一化图像中，将指纹脊线细化为只有一个像素点宽度的 纹线，细化方法为对于所说的归一化图像，在满足不改变指纹脊线长度的前提下，将像素值 为0的像素点，其像素值更改为l，得到模板指纹和待识指纹的细化图；2) 提取指纹特征点对于任一像素点(x， y)，令数组Ng(x' y)为描述包括(x， y)与其8邻域像素点的3 X3点集，若(x，y)的像素值为0，则根据^(x' y)的取值判断点(x，y)的类型若^(x' Y)中，除点(x， y)之外，有且只有l个黑色点，则点(x， y)为端点；若&(x' y)中，除点 (x， y)之外，有且只有3个黑色点，则点(x， y)为分叉点；其余情况不予考虑。2、 确定性编码特征提取与匹配 1)特征点的选取如果指纹特征点满足两个条件，则作为采样特征点P点为指纹脊线端点且指纹图像中 以P点为中心，以设定值^为半径的区域内不存在其它特征点。要求采样特征点周围一定区域内没有其它特征点则是因为这样的特征点可靠性高，^的取值可以控制采样特征点的数量。2) 纹线离散采样对模板和待识图像中所有采样特征点所在的纹线进行跟踪，每隔。。个像素点采样一点， 即记录像素点的坐标。统一设定每条纹线采样N点，以特征点本身为第0采样点。如果纹线 长度不够，则放弃采样，不保留所跟踪纹线的任何信息。3) 基准点对的初步确定 定义两条指纹脊线的拟合度函数为<formula>formula see original document page 11</formula>其中，《°——待识图像中某一采样纹线上第i采样点和第O采样点(特征点)之间的距离 A，°——模板图像中同一采样纹线上第i采样点和第O采样点(特征点)之间的距离对待识图像中任一采样特征点和模板图像中任一采样特征点，计算他们的拟合度函数。 如果&大于设定值阈值77。，则初步认定这两条纹线所对应的特征点为一对基准点。4) 基准点对的进一步筛选对每一对初步认定的基准点对，分别在待识图像和模板图像中搜索与其距离最近的3个 特征点，连同其自身，组成两个各包含4个特征点的子模式。考察这两个子模式的相似性， 如果相似程度不高，则将该对基准点删除；否则予以保留。5) 图像姿势纠正在保留下来的基准点对中，任选一对作为基准点，计算待识图像相对于模板图像的平移、 旋转参数<formula>formula see original document page 11</formula> ——待识指纹图像中该特征点所在纹线的第i各采样点的横坐标和纵坐标。D"'A>——模板指纹图像中该特征点所在纹线的第i各采样点的横坐标和纵坐标。。 分别为待识指纹图像相对于模板指纹图像横向平移、纵向平移和旋转角度，待识指纹相对于模板指纹的旋转角度P通过计算该对基准点的方向之差求得。将模版指纹图像与待 匹配指纹图像校正到同一个直角坐标系，计算公式为<formula>formula see original document page 12</formula>其中，(x, y)为模板指纹像素点的直角坐标，(u， v)为待识指纹像素点的直角坐标，p 为图像伸縮系数，e为待识指纹相对于模板指纹的旋转角度。 6)进行精确匹配以保留下来的模板图像和待识图像中的任意一对基准点为圆心，设定值^为半径构成特 征圆。分别计算特征圆的圆内纹线总长度、园内方向场主方向和圆内方向熵。将十进制计算 结果转化为二进制"01"串表示，并对得到的两个二进制确定性编码特征进行各数位数值的 比对。如各数位数值完全相同，则认定两指纹通过比对。否则，转第5)步，使用其它基准 点对进行比对。如均未通过比对，则认为两指纹对比不能通过。
权利要求
1、一种指纹识别的方法，其特征在于该指纹识别方法是在DSP中依次按以下步骤完成的:步骤(1)，采集一个指纹作为模板指纹；步骤(2)，采集一个待识别指纹作为待识指纹；步骤(3)，在模板指纹和待识指纹的图像中，将各像素点的像素值归一化到[O， l]区间， 其中像素值为O的点为黑色点，像素值为l的点为白色点，得到模板指纹和待识指纹的归一 化图像，计算公式为像素点的归一化像素值40， ^，m^:tt:定r^ll，像素点的像素值小于设定值阈值T所说的设定值阈值T取值范围为0. 5-0. 7;步骤(4)，分别在步骤(3)所说的模板指纹和待识指纹的归一化图像中，将指纹脊线 细化为只有一个像素点宽度的纹线，细化方法为对于所说的归一化图像，在满足不改变指纹 脊线长度的前提下，将像素值为0的像素点，其像素值更改为1，得到模板指纹和待识指纹 的细化图；步骤(5)，确定性编码特征的提取与匹配步骤(5.1)，分别选取模版指纹与待识指纹的脊线端点作为待选特征点；步骤(5.2)，分别对模板指纹细化图和待识指纹细化图中所有待选特征点所在的纹线进行跟踪及离散采样，每隔设定值"。个像素点采样一点，D。取值范围为8-12，记录 像素点的坐标，统一设定每条纹线采样N点，N取值范围为3-5，以特征点本身为第0 采样点，如果纹线长度不足以采样N点，则放弃采样；步骤(5.3)，对待识指纹中的任一待选特征点和模板指纹中的任一待选特征点，通 过以下公式计算2个特征点所在的2条纹线的拟合度函数其中，《，。——待识指纹细化图中所说的采样纹线上第i采样点和第0采样点(特征点) 之间的距离，/取值范围为1到",。——模板指纹细化图中所说的采样纹线上第i采样点和第0采样点(特征点)之间的距离，Y取值范围为1到A^1;如果&大于某一设定值阈值&，则初步认定这两条纹线所对应的待选特征点为一对基准点，保留这对特征点，进行步骤(5.4)，若不能满足&大于设定值阈值&，则舍弃这对特征点，重复步骤(5.3)，所说的A取值范围0.01-0. 1;步骤(5.4),对步骤(5.1)中所说的待识图像和模板图像中的任2个待选特征点 重复步骤(5.3)，得到基准点对集；步骤(5.5)，按以下步骤进行指纹图像姿势纠正；步骤(5.5.1)，在步骤(5.4)得到的基准点对集中，任选一对作为基准点对； 步骤(5.5.2)，按以下步骤计算待识图像相对于模板图像的平移参数(~, )和旋转角度^<formula>formula see original document page 3</formula>其中，"h，^v一待识指纹图像中该基准点所在纹线的第k个采样点的横坐标和纵坐 标，k取值范围为O到(l"fa，D&——模板指纹图像中该基准点所在纹线的第k个采样点的横坐标和纵坐标，k取值范围为O到AM^，^分别为待识指纹图像相对于模板指纹图像横向平移参数和纵向平移参数，待识指纹相对于模板指纹的旋转角度《为该对基准点中的待识指纹特征点所 在脊线的切线方向与模板指纹特征点所在脊线的切线方向之差；步骤(5.5.3)，将模版指纹的所有像素点坐标"力按下式转化为像素点坐 标("，k)，计算公式为<formula>formula see original document page 3</formula>其中，P为图像伸縮系数，^=1;分别为步骤(5.5.2)所得到的待识指纹图像相对于模板指纹图像横向平移参数和纵向平移参数；《力待识指纹相对于模板指纹的旋转角度；步骤(5.6)，按以下步骤进行精确匹配；步骤(5.6.1)，对于步骤(5.5.1)所说的一对基准点，分别以模板图像的基 准点和待识图像的基准点为中心，在步骤(4)所说的模板指纹和待识指纹的细化 图中，按设定形状做一个相同面积的特征区域；步骤(5.6.2)，分别在步骤(5.6.1)所说的模板指纹细化图和待识指纹细化 图的特征区域内，计算以下确定性编码特征值，包括指纹脊线总长度、脊线方向场 的主方向和像素点的方向熵3个参数，其中指纹脊线总长度为该相应的特征区域内像素值为0的像素点数目；脊线方向场的主方向按以下歩骤求得首先以度为单位计算特征区域内各像素点所在的指纹脊线的切线方向，其次 统计像素点所在的指纹脊线的切线方向等于某一角度值的像素点个数，再次以角度 为横坐标，像素点个数为纵坐标建立直方图，最后取直方图中像素点个数最少的角 度方向的反方向为脊线方向场的主方向；像素点的方向熵定义为特征区域内像素点的方向熵=^^.(1-^.)其中P,是将360度以45度为间隔分为8个方向域，第j'个方向域的所有像素 点数目占全部8个方向域的像素点数目的比例；步骤(5.6.3)，对于步骤(5.6.2)得到的模板指纹和待识指纹的确定性编码 特征值，将各参数的十进制计算结果分别转化为用"01"串表示的二进制结果；步骤(5.6.4)，分别对步骤(5.6.3)得到模板指纹和待识指纹的确定性编码 每个参数的2个二进制结果的各位二进制数值进行比对，如果3个参数的每位二进 制数值比对结果完全相同，则认定两指纹通过比对，输出指纹匹配成功的结果，否 贝'J，转步骤(5.5),选择另外一对基准点，按步骤(5.5)到(5.6.4)进行比对；步骤(5.6.5)，相应于所说的两指纹通过比对，对歩骤(5.4)所说的基准点 对集中的每一对基准点按步骤(5.6)进行精确匹配，如均未通过比对，则认为两 指纹不能通过对比，输出指纹匹配不成功的结果。
2、根据权利要求1的确定性编码特征实现指纹精确匹配方法所设计的指纹识别系统，其 特征在于，它含有中央处理器，经总线与中央处理器相连的指纹图像采集设备，图像显示设 备、键盘、鼠标以及内存储器。
全文摘要
本发明属于计算机生物识别技术领域，涉及一种在指纹比对的过程中，采用确定性编码来进行指纹精确匹配的方法及系统。所说的利用确定性编码特征进行精确匹配是通过在指纹图像中选取某一特定形状的特征区域，并求出该特征区域所对应的特征值——指纹脊线总长、脊线方向场的主方向和像素点的方向熵来进行匹配。该确定性编码方法及由该方法所构建的指纹识别系统克服了传统点模式的指纹识别系统中采用模糊匹配算法所造成的正确率低、存在安全隐患等缺点。
文档编号G06K9/00GK101145198SQ20071012208
公开日2008年3月19日 申请日期2007年9月21日 优先权日2007年9月21日
发明者彭振云, 蔡莲红, 珈 贾 申请人:清华大学;北京东鸟软件技术有限公司