指纹特征提取与多特征识别_陈芳林，周杰著_9787118109665

　　《指纹特征提取与多特征识别》针对大人群和低质量指纹识别中的特征提取和识别问题开展研究，将扩展特征应用到实际的指纹识别系统中，以提高系统的识别性能。主要内容有：重叠指纹的分离、特征提取与识别；基于细节点的方向场特征重建及其应用；基于指纹全局拓扑模型和局部特征相结合的奇异点特征提取算法；多特征指纹识别的融合算法及快速比对方法；基于分级结构的指纹细节点快速比对方法。

　　随着通信、网络、金融技术的高速发展，信息安全显示出前所未有的重要性，人的身份识别技术的应用越来越广泛。生物识别技术是指利用生理特征（如人脸、指纹、掌纹等）或行为特征自动地识别个人身份的科学技术。指纹是最广泛使用的生理特征之一，已受到人们的重视，在安全领域的许多方面有着非常广泛的应用前景。指纹自动识别系统已成功地应用于预防身份欺诈、打击恐怖主义、刑侦和国防安全等方面。这些系统按照应用形式可分为三类：指纹验证系统、指纹辨认系统和现场指纹辨认系统。
　　虽然指纹包含许多特征，如方向场、密度图、奇异点和细节点等，但几乎所有传统的实际应用的指纹识别系统都是基于细节点的。研究表明，在细节点匹配的基础上，进一步利用扩展特征（即细节点之外的其他指纹特征）可以改善纯细节点匹配算法的准确性。然而，这些研究都是在理想情况下进行的（假定有足够的储存空间、足够的计算能力及充足的人力资源），没有充分考虑实际应用中的各种复杂因素。目前，国内外也鲜有系统、全面地介绍指纹在实际应用中的特征提取与多特征识别的著作。
　　作者在近十年的指纹识别研究工作基础上完成本书，这些工作的目的是克服实际应用中复杂因素的限制，从而将扩展特征应用到实际的指纹识别系统中，以提高系统的识别性能。本书写作的目标不是介绍指纹识别的基本原理和完整过程，而是着力于阐述指纹识别在实际应用中的新理论和新技术。本书主要由作者已公开发表的成果、博士学位论文整理而成。同时也参考了同一研究领域的他人研究论文，在此表示感谢。
　　本书内容组织如下：
　　第1章是概述，简要介绍指纹识别的研究背景、传统指纹识别方法的流程、目前研究的困难与热点问题。
　　第2章针对现有指纹识别系统不能处理重叠指纹的不足，提出一种分离重叠指纹的方法，该方法可以将重叠指纹较好地分离成独立的指纹，便于自动提取特征。重叠指纹主要存在于从犯罪现场提取出来的指纹；当取指器上有残存指纹时，也可能出现重叠指纹。现有指纹识别方法不能分离重叠指纹，不能成功地完成重叠区域的脊线检测。因此，重叠指纹对目前的指纹识别算法提出了挑战。而人工地在重叠指纹上标定特征，即便是指纹专家，也是一件相当困难的事情。本章提出一种分离重叠指纹的算法，其原理是首先估计初始方向场；然后利用松弛标注的方法将初始方向场分离成两个独立的方向场；最后，利用这两个独立的方向场，对原始图像进行增强，得到两个独立的指纹。本章既用仿真数据，也用实际的现场重叠指纹数据做实验，对算法进行性能测试，实验表明，该方法可以成功地分离重叠指纹，并提高重叠指纹的识别率。
　　为了更充分地利用细节点信息，第3章提出了基于细节点的方向场重建及其应用的方法。传统的基于细节点的指纹识别算法，一般由两步组成，即细节点提取与细节点匹配。在细节点匹配中，输入指纹的细节点并与数据库中指纹的细节点进行比较，计算总共匹配的细节点对数。如果比对的得分高于某个阈值，则认为这两幅指纹图像来自同一手指。这种匹配算法只应用了每个细节点独自的位置和方向信息，而没有利用细节点之间的相互信息。因而，这种方法不具备充分的识别能力，尤其是在大规模的指纹辨认系统中。方向场是指纹最重要的全局特征之一，但由于一些系统只存储了细节点的模板（这些系统包括多数传统的指纹识别系统、嵌入式系统，现场指纹识别系统往往也只有人工标定的细节点），没有存储指纹原始图像，因而无法应用方向场信息。本章提出从细节点重建方向场，再将方向场应用到指纹比对中。首先从细节点重建方向场，然后将重建的方向场应用到指纹比对中，最后与细节点比对进行融合。该方法对细节点信息的利用更加充分，可以有效地提高系统的识别率。实验结果表明，将重建的方向场比对与细节点比对融合，提高了系统的识别性能。
　　除了细节点和方向场外，奇异点也是指纹的重要特征，可以应用于指纹分类、检索等。传统的基于Poincar6指数的奇异点检测方法，在图像质量较差时，容易产生虚假检测点。产生虚假检测点的原因主要有：①基于Poincar6指数的特征表示的仅仅是一个标量，无法提供足够的信息来检测奇异点；②许多后处理步骤仅仅考虑一个点的局部特征，难以区分真实奇异点与虚假奇异点。这些虚假奇异点通常是由于断纹、疤痕、斑点及衰老等原因产生的。在这些点附近，虚假点的局部方向信息与真实奇异点的方向信息往往没有什么区别，难以通过局部特征来区分真实奇异点与虚假奇异点。因此，将全局信息应用到奇异点的检测中变得尤为重要。
　　第4章提出一种新的奇异点检测方法，在用Poincar6指数方法检测得到初始的奇异点候选集后，使用DORIC特征去除大部分虚假检测的奇异点。最后，利用两类奇异点之间的数量约束关系以及方向场重建误差最小准则，选择最优的奇异点组合。该方法综合利用指纹的局部信息和全局信息，在提高奇异点正确检测率的同时大幅降低了误检率。
　　指纹的特征有许多种，但大多数研究只求取其中的一种特征用于指纹识别，并与细节点识别相融合，以提高系统的性能。我们自然会问：①通过融合更多的特征，系统性能是否会进一步得到提升？②在这么多的特征中，哪些是性能最好的选择组合？③如何控制特征数增加所需的时间消耗？这些问题对于实际指纹识别系统的设计非常重要。为了分析多特征在指纹识别中的应用，第5章进行了多特征融合的比较研究，找到最优的特征组合以及组合的方式。特征越多，识别率提高，但同时所需的时间越多。在指纹验证中，这是可以接受的，因为指纹验证是1对1的比对。由于自动指纹辨认系统（AFIS）是一个1对Ⅳ（Ⅳ是数据库中指纹的数目，通常非常大）的比对过程，特征的增加引起时间消耗的增大将是难以接受的。本章进一步提出一种新的基于多特征的指纹辨认方法，通过引入分级的策略，在融合多特征的同时控制时间的消耗。由于分级结构的每级对应使用一个特征，可以排除许多不匹配的指纹，因此，该方法可以减小计算量，同时保持较高的识别率。
　　第6章在第5章的基础上进一步研究如何提高指纹辨认系统中细节点匹配的速度。已有许多研究者的工作旨在加快指纹辨认系统的搜索速度，例如基于分类和索引的工作，但这些方法很难避免识别精度的降低。本章提出了一种新颖的分级细节点匹配算法用于指纹识别。该方法通过把匹配过程分解成几个层次（层级），并且在不同的层次中拒绝许多不匹配的指纹或掌纹，节省了许多时间，识别率较高。实验结果显示，对比传统的方法，本章所提出的算法可以节省大约50%的搜索时间，说明了该方法的有效性。
　　本书是在国家自然科学基金项目（61203263、61225008、61020106004、61005023、61021063）等研究成果的基础上编写的。衷心感谢国家自然科学基金委员会和国防科技图书出版基金委员会的资助。本书总结了作者多年的研究成果，希望能够促进国内指纹识别技术等相关领域的研究，并对从事相关领域的研究人员有一定参考价值。
　　由于作者水平有限，不妥之处在所难免，恳请读者批评指正。

你还可能感兴趣

我要评论