专利名称：指纹识别算法中图像采集设备无关性技术方法
技术领域：
本发明涉及自动指纹识别领域，具体地说是一种指纹识别算法中图像采集设备无关性技术方法。
背景技术：
我们知道，近年来，以自动指纹识别技术为代表的生物特征识别技术备受关注。自动指纹识别技术是指利用指尖表面纹路的脊线、谷线分布模式来确认被识别对象的身份的一种生物识别技术。人类使用指纹作为身份识别的手段已经有很长的历史了，使用指纹进行身份识别的合法性也早已得到了广泛的认可。
自动指纹识别技术经过多年的研究与发展，已经相对成熟。但是，所有这些算法体系都是基于同一个前提输入指纹和模板指纹均来自同一款采集器，也就是说，指纹图像在图像分辨率和图像大小上是完全一致的。迄今为止，涉及到多采集器的图像采集设备的无关性问题并未引起足够的重视。
所谓算法的图像采集设备无关性问题，直观地讲，就是在使用同一套识别算法的前提下，用一款指纹采集设备进行指纹登记，而用另外一种采集原理、图像分辨率与之不同的采集设备采集指纹图像进行识别，并能确保识别的正确性。在本质上，这是一套指纹识别算法对指纹采集设备的适应性问题，即对于各种型号不同、采集原理不同、图像分辨率不同、获取的图像质量不同乃至所采集指纹实际区域的大小也不同的指纹采集设备，一套指纹识别算法是否都可以正确地提取特征信息、正确地进行识别。如果一套指纹识别算法具有这样的能力，我们就说这套指纹识别算法是具备图像采集设备无关性的。
图像采集设备无关性技术包括特征提取算法的图像采集设备无关性技术和指纹匹配算法的图像采集设备无关性技术。特征提取是指在指纹图像预处理之后，采用特定算法提取一定数量的有效指纹信息用以表征指纹图像。常规的指纹细节特征提取算法需要先采用纹线跟踪的方法对细化后的指纹图像进行纹线修复，然后再实现细节特征提取。纹线修复不仅步骤繁琐，而且比较耗时。针对这一问题，尹义龙等提出了一种改进的指纹细节特征提取算法。该算法首先在细化后的指纹图像上直接提取原始细节特征点集；然后分析图像中存在的各类噪声及其特点，总结伪特征点的分布规律；最后，结合局部纹线方向信息，针对不同的噪声，采用针对性的算法，将各类噪声引起的伪特征点分别予以删除，最终保留下来的特征点集即视为真正的特征点集。
对于指纹图像分块尺寸的选择问题，如果一套指纹特征提取算法只是用在某一种固定的指纹图像采集设备上，我们总可以利用经验为其确定一个相对合适的图像分块尺寸，在大多数情况下是可以满足应用需求的。
但是，如果要求一套特征提取算法可以直接用在多种指纹图像采集设备上，即对于多种不同设备所采集的指纹图像，要求算法都能正确地进行处理、可靠地提取特征信息，则选择合适的图像分块尺寸就成了一个比较困难的问题。由于不同的指纹图像采集设备，其采集分辨率可能不同、甚至存在较大的差异(大致从250dpi到900dpi)，对来自不同采集设备的指纹图像使用相同的图像分块尺寸显然是行不通的。
指纹匹配是指纹识别算法中的最后一个步骤，指利用特征提取算法提取的有效指纹信息，判断两幅指纹图像是否同源。1986年，艾森那(Isenor)和赛克(Zaky)提出了一种图匹配方法。2000年，金(Jain)等人提出基于滤波器组的匹配方法，该方法对整幅图像进行8方向滤波并提取特征进行匹配。目前，基于细节点(纹线端点和纹线分叉点)的点模式匹配是指纹匹配的主流方式。指纹匹配过程中，首先确定待匹配模式之间的参考点，然后计算旋转平移参数并进行姿势调整，最后计算匹配分数确定两幅指纹图像是否同源，以上所解决的问题是同一型号指纹采集器指纹匹配问题。
如果两个待匹配的特征模式仅仅是在比例上不同，而在结构上是完全相同的话，计算它们之间的比例关系并不困难。但在指纹匹配中，由于受到诸多因素的影响，即使信息来自同一个手指，两个待匹配的特征模式在结构上也不是完全相同的，往往存在着真正特征点的缺失、个别伪特征点的存在、特征点定位存在偏差、两个待匹配模式只有部分匹配等问题。这使得解决问题的难度大大增加了。在这样一种复杂条件下，如何有效地计算两个待匹配特征模式之间的比例关系，是解决指纹匹配算法中图像采集设备无关性的关键所在。
随着网络技术的迅速发展和网络条件的逐渐普及，身份认证的应用场合逐渐向网络环境转移。以电子商务为代表的网上身份认证，将逐渐成为指纹识别的重要应用领域。指纹识别在网络环境下的应用，应该与数字签名相似，会逐步走向“指纹认证中心”+远程终端的模式即“指纹认证中心”负责所有样本指纹采集、存储和管理，而认证过程则大多是通过在远程的服务终端采集图像、提取特征来实现的。如果指纹识别算法不能实现图像采集设备的无关性，则会严重影响指纹识别在网络环境中的应用。
发明内容
本发明为克服上述现有技术的不足，提供一种方法简单、使用方便的指纹识别算法中图像采集设备无关性技术方法。
本发明的目的是采用下述技术方案实现的一种指纹识别算法中图像采集设备无关性技术方法，其包括特征提取算法的图像采集设备无关性技术步骤和指纹匹配算法的图像采集设备无关性技术步骤，指纹识别算法通过图像采集设备无关性的特征提取步骤提取指纹特征，通过图像采集设备无关性的匹配步骤实现指纹比对。
特征提取算法的图像采集设备无关性技术步骤采用大窗口频谱分析方法首先将整幅指纹图像或其中的大部分指纹图像进行傅立叶变换，得到其频谱图像；然后针对其频谱图像进行分析和处理，即在其频谱图像上计算能量聚集程度最大的圆环或部分圆环，根据圆环或部分圆环对应半径与进行傅里叶变换的图像大小之间的关系，计算出这幅指纹图像的平均纹线距离，再以平均纹线距离作为选择窗口尺寸的依据，用这种方式实现图像分块尺寸的自适应选择；最后利用指纹细节特征提取算法提取纹线端点和分叉点表征指纹特征点模式。
指纹匹配算法的图像采集设备无关性技术方法采用计算几何的三角化方法解决两个待匹配的指纹特征模式间比例关系的计算问题首先将两个待匹配的指纹特征点模式看做平面域中的两个离散点集，使用三角化将其划分为三角网格结构；对一个指纹特征点而言，若假设它有n个相邻的特征点，在这种局部的三角网格中，有两组几何要素可用于解决两个待匹配特征模式的比例关系问题1)这个指纹特征点与相邻的n个特征点之间的连线即三角形的边，即n条线段，可以将其视为n维长度矢量；2)这n条线段中，任意两条相邻线段间所形成的夹角，也是n个，可以将其视为n维角度矢量；从两个待匹配模式中任意的各取一个特征点，组成一个特征点对，利用以上两组几何信息，指纹特征点本身的属性信息如特征点类型以及前面计算的平均纹线距离信息，判断一对特征点是否匹配；在两个待匹配的特征模式之间，确定若干对肯定匹配的特征点对，计算出两个待匹配特征模式之间的比例关系；最后，将两个待匹配模式进行放缩实现同一比例下的匹配。
所述的平均纹线距离的可靠计算方法为
1)使用大窗口进行频谱分析，尽量覆盖整幅指纹图像，确保即使指纹图像质量比较差时、频域图像中能量部分也有足够的强度、便于检测和计算；2)计算能量最大方向，即信号主频方向，而将其余方向上的信息舍弃；3)利用径向函数，实现对平均纹线距离的计算。
本发明的图像采集设备无关性技术方法中包括特征提取算法的图像采集设备无关性技术步骤和指纹匹配算法的图像采集设备无关性技术步骤。
(1)特征提取是指在指纹图像预处理之后，采用特定算法提取一定数量的有效指纹信息用以表征指纹图像。
本发明利用待处理的原始指纹图像本身的信息，为其确定合适的分块尺寸。指纹图像分块尺寸的选择，主要是依据指纹纹线间的平均距离来决定的。理论上讲，图像分块尺寸应该为图像纹线距离的2到4倍。针对一幅具体的指纹图像，如果能够可靠地计算出其平均的纹线距离，就可以为其选择合适的图像分块尺寸。这样图像分块尺寸的自适应选择问题就转变为如何可靠地计算一幅指纹图像的平均纹线距离的问题。
(2)指纹匹配是指利用提取的指纹特征，判别两幅指纹图像是否同源。
本发明在基于特征点的匹配算法中，两个待匹配的指纹特征模式可以看成两个平面域上的离散点集。这样，计算两个待匹配的指纹特征模式间比例关系的问题就可以看作计算两个平面离散点集间的比例关系问题。计算几何中的“三角化”方法具有以下几个方面的特性，使得其在解决该问题上存在一定的优势1)“三角化”方法对离散点集的划分结果，具有唯一性。即对于相同的两个点模式，使用同样的三角划分准则，划分的结果是相同的。这是“三角化”方法的固有属性，也是计算两个离散点集之间的比例关系的基础2)“三角化”方法对指纹特征点模式的划分结果，具有良好的局部性。三角划分有多种不同的准则，本项目研究中拟采用“最小角最大”(max-min)准则，对指纹特征点组成的平面点集进行三角划分，使划分得到的三角网格具有良好的局部性。在指纹特征点模式中，这种划分规则可以使少数真正特征点的缺失、个别伪特征点的出现和特征点的定位偏差等因素对划分结果的影响尽量局限在一个小的局部区域内，从而使待匹配的两个特征模式(如果他们来自同一手指)的大部分区域的划分结果是基本相同的3)“三角化”方法对指纹特征点模式的划分结果，具有比例不变性。这是“三角化”方法的固有属性，也恰恰是我们所需要的本发明的有益效果是解决了在现有算法体系下一种指纹识别算法严重依赖于一套指纹采集设备的问题，使得一种指纹识别算法能同时适应多种不同型号的指纹采集设备，提高了指纹识别算法的通用性。
图1是不同采集器采集到的同一手指的指纹图像A；图2是不同采集器采集到的同一手指的指纹图像B；图3是不同采集器采集到的同一手指的指纹图像C；图4是本发明A、B、AB的ROC曲线图；图5是本发明A、C、AC的ROC曲线图；图6是本发明A、B、C、ABC的ROC曲线图。
具体实施例方式
下面结合附图和实施例对本发明进一步说明。
实施例使用自建库进行测试，自建库使用的两款采集器分别为杭州中正生产的FPR-361/300电容指纹采集仪和上海锋泰生产的BIOCA-120电容指纹采集仪及一款由中控科技生产的U are U 4000 Sensor光学指纹采集器，命名为A、B和C，其分辨率分别为450dpi、500dpi和512dpi，如图1、图2和图3所示。指纹图像来源于16位学生志愿者(平均年龄24岁，男女各占一半)。每名志愿者被采集的手指为双手的食指和中指(共4个手指)，每个手指采集10幅指纹图像，共计640幅指纹图像。测试方案包括单独测试和交叉测试。单独测试A、B和C是指分别在指纹图像库A、B和C上测试性能指标；交叉测试AB是指在指纹图像库A和B上匹配来自同一手指的对应指纹图像从而测试性能指标。同理，可以得出交叉测试AC和ABC。如图4、图5、图6所示，由交叉测试所得的ROC曲线与单独测试所得的ROC曲线相似，交叉测试AB、AC、ABC所得ROC曲线分别介于单独测试A、B、C的中间，其中，在指纹库A、C、AC上获得的技术指标EER(错误率)分别为1.1％、5.4％和4.2％，充分说明本发明针对由不同指纹采集设备所采集的指纹图像的识别效果与同一指纹采集设备所采集的指纹图像的效果相差无几。总的看来，图像采集设备无关性技术，在自建库上取得了良好的性能指标。
权利要求
1.一种指纹识别算法中图像采集设备无关性技术方法，其包括特征提取算法的图像采集设备无关性技术步骤和指纹匹配算法的图像采集设备无关性技术步骤，其特征在于，特征提取算法的图像采集设备无关性技术步骤得到的图像通过指纹匹配算法的图像采集设备无关性技术步骤实现图像的匹配；特征提取算法的图像采集设备无关性技术步骤采用大窗口频谱分析方法首先将整幅指纹图像或其中的大部分指纹图像进行傅立叶变换，得到其频谱图像；然后针对其频谱图像进行分析和处理，即在其频谱图像上计算能量聚集程度最大的圆环或部分圆环，根据圆环或部分圆环对应半径与进行傅里叶变换的图像大小之间的关系，计算出这幅指纹图像的平均纹线距离，再以平均纹线距离作为选择窗口尺寸的依据，用这种方式实现图像分块尺寸的自适应选择；最后利用指纹细节特征提取算法提取纹线端点和分叉点表征指纹特征点模式；指纹匹配算法的图像采集设备无关性技术方法采用计算几何的三角化方法解决两个待匹配的指纹特征模式间比例关系的计算问题首先将两个待匹配的指纹特征点模式看做平面域中的两个离散点集，使用三角化将其划分为三角网格结构；对一个指纹特征点而言，若假设它有n个相邻的特征点，在这种局部的三角网格中，有两组几何要素可用于解决两个待匹配特征模式的比例关系问题1)这个指纹特征点与相邻的n个特征点之间的连线即三角形的边，即n条线段，可以将其视为n维长度矢量；2)这n条线段中，任意两条相邻线段间所形成的夹角，也是n个，可以将其视为n维角度矢量；从两个待匹配模式中任意的各取一个特征点，组成一个特征点对，利用以上两组几何信息，指纹特征点本身的属性信息如特征点类型以及前面计算的平均纹线距离信息，判断一对特征点是否匹配；在两个待匹配的特征模式之间，确定若干对肯定匹配的特征点对，计算出两个待匹配特征模式之间的比例关系；最后，将两个待匹配模式进行放缩实现同一比例下的匹配。
2.根据权利要求1所述的指纹识别算法中图像采集设备无关性技术方法，其特征在于，所述的平均纹线距离的可靠计算方法为1)使用大窗口进行频谱分析，尽量覆盖整幅指纹图像，确保即使指纹图像质量比较差时、频域图像中能量部分也有足够的强度、便于检测和计算；2)计算能量最大方向，即信号主频方向，而将其余方向上的信息舍弃；3)利用径向函数，实现对平均纹线距离的计算。
全文摘要
本发明涉及一种指纹识别算法中图像采集设备无关性技术方法，包括特征提取算法的图像采集设备无关性技术步骤和指纹匹配算法的图像采集设备无关性技术步骤，前者得到的图像通过后者实现图像的匹配。特征提取算法的图像采集设备无关性技术步骤采用大窗口频谱分析方法，实现图像分块尺寸的自适应选择。指纹匹配算法的图像采集设备无关性技术方法采用计算几何的三角化方法解决两个待匹配的指纹特征模式间比例关系的计算问题。本发明解决了在现有算法体系下一种指纹识别算法严重依赖于一套指纹采集设备的问题，使得一种指纹识别算法能同时适应多种不同型号的指纹采集设备，提高了指纹识别算法的通用性。
文档编号G06K9/00GK1920850SQ20061006889
公开日2007年2月28日 申请日期2006年9月18日 优先权日2006年9月18日
发明者尹义龙, 贾同辉, 任春晓, 刘宁 申请人:山东大学