引言
 
    人的指紋都是唯一的, 并且終生不變,它是一個人與生俱來的可以證明個人身份的可靠證據(jù)。通過比較一個人的指紋和預先保存的指紋, 就可以驗證他的真實身份。指紋技術在現(xiàn)實生活中的應用非常廣泛,如: 信用卡識別, 門禁系統(tǒng), 軍事要地的通行系統(tǒng), 電子商務等。
 
    由于指紋具有隱私性, 一般不直接存儲指紋的圖像, 因此不能直接處理指紋圖像。指紋識別算法最終都歸結(jié)為在指紋圖像上找到并比對指紋的特征。而關于指紋識別的算法有很多, 比如有: 基于形態(tài)學和結(jié)構(gòu)圖表的指紋識別, 基于脊線采樣的指紋識別, 基于方向場和細節(jié)特征匹配的指紋識別等等。本文從指紋識別的原理出發(fā), 介紹一種基于模糊判別的指紋識別算法。
 
    1 指紋識別技術的基礎與原理
 
    通?？赏ㄟ^指紋的兩類特征進行驗證: 總體特征和局部特征。在考慮局部特征的情況下, 英國E.R.Herry 認為, 只要比對13 個特征點重合, 就可以確認是同一個指紋?？傮w特征是指那些用人眼就可直接觀察到的特征, 如圖1 所示。

    其他的指紋圖案都是基于此3 種基本圖案。這只是一個粗略的分類, 通過詳細分類可使在大數(shù)據(jù)庫中搜尋指紋更為便捷, 如圖2。

    2 指紋識別前的預處理
 
    在指紋自動識別過程中, 輸入的指紋圖像由于各種原因的影響, 是一幅含噪音較多的灰度圖像, 預處理的目的就是去除圖像中的噪音, 把它變成一幅清晰的點線圖, 便于提取正確的指紋特征。預處理是指紋自動識別系統(tǒng)中的第一步,它的好壞直接影響著指紋識別的效果。指紋預處理的一般工作過程如圖3 所示。

圖3 指紋預處理的一般工作過程

    3 指紋的匹配
 
    指紋匹配是指從已有的指紋集合中找出與待識別指紋圖像來自同一手指的指紋圖像的過程。指紋匹配是自動指紋識別系統(tǒng)中最關鍵的一步:
    ①基于圖形的匹配方式;圖形圖像 
    ②采用人工神經(jīng)網(wǎng)絡的方法。 

    圖形匹配是針對紋線幾何形狀和特征點的拓撲結(jié)構(gòu)的匹配方式。它的原理是采用相似變換的方法把兩個細節(jié)點集中相對應地點匹配起來。它可以在一定程度內(nèi)允許少量偽特征點的存在、真正特征點的缺失以及輕微的特征點定位偏差,對圖像的平移和旋轉(zhuǎn)也不敏感。但這種方法有兩個不足之處:
    ①匹配速度比較慢;
    ②對指紋圖像的質(zhì)量要求比較高, 低質(zhì)量的圖像匹配效果不佳。 

    采用人工神經(jīng)網(wǎng)絡的方法有很多,這里不再介紹。指紋匹配算法的準確性和速度是檢測系統(tǒng)性能的兩個主要指標。由于圖像錄入時的隨機性和特征提取技術的不完善性等客觀問題的存在, 使得指紋比對技術的實現(xiàn)存在很大的技術難度。 

    4 指紋識別技術的應用 

    應用系統(tǒng)利用指紋識別技術可以分為兩類, 即驗證(Verification) 和辨識(Identification)。 

    驗證就是通過把現(xiàn)場采集到的指紋與己經(jīng)登記的指紋進行一對一的比對(one to one matching),來確認身份的過程。 

    辨識則是把現(xiàn)場采集到的指紋同指紋數(shù)據(jù)庫中的指紋逐一對比, 從中找出與現(xiàn)場指紋相匹配的指紋。 

    5 指紋識別技術的一些具體算法 

    關于指紋識別的算法有很多, 比如有: 基于形態(tài)學和結(jié)構(gòu)圖表的指紋識別, 基于脊線采樣的指紋識別, 基于方向場和細節(jié)特征匹配的指紋識別等等。下面簡單介紹一種基于模糊判別的指紋識別算法。 

    過去人們對指紋識別做了很多研究。Isenor 等指出了一種用圖匹配來對兩幅指紋圖像進行匹配的方法。Hrechak 等用結(jié)構(gòu)匹配來做指紋識別。但目前最常用的方法是用美國聯(lián)邦調(diào)查局(FBI) 提出的細節(jié)點坐標模式來做細節(jié)匹配。此外, Ranade 等松弛算法,Chang 等的基于二維聚類的快速算法, Jain 等的串匹配算法, 以及Luo 等針對Jain 等的算法所提出的改進算法等, 都曾用于指紋的識別。 

    利用模糊判別技術從另外一種角度改進了Jain等提出的指紋匹配算法, 增強了指紋識別系統(tǒng)抵抗噪聲和非線性形變的能力, 在一定程度上解決了Luo等在實驗過程中所遇到的問題。 

    下面具體介紹這個算法。基于模糊判別的指紋識別算法由兩部分組成:
    ①根據(jù)樣本庫建立各細節(jié)點特征庫;
    ②基于細節(jié)特征庫利用模糊判別的方法對待識別指紋圖像進行識別。 

    目標分割采用簡單的二值分割法; 細節(jié)特征提取采用細節(jié)點坐標模式。 

    假設樣本庫中共有C 個手指的指紋圖, 每個手指用N 個細節(jié)點特征來描述, 每個手指有L 幅指紋圖(每幅指紋圖不限制位置和方向) , 每幅指紋圖提取出的細節(jié)特征值記為P ijk (i 表示是哪個手指, j 表示細節(jié)特征序列號, k 表示是哪幅指紋圖)。 

    現(xiàn)以每個手指的特征均值和方差來表述該手指, 即每個手指對應一個確定的均值和方差矢量, 設第i 個手指的細節(jié)特征的均值和標準差矢量為M(i ),V(i ), 即:M( i) =[m i1, ?, m ij , ?, m iN ]
V( i) =[v i1, ?, v ij , ?, v iN ]這樣, 有C 個手指的指紋圖模型庫為: {M ( i) ,V ( i) }, i = 1, 2, ?, C。 

    在判別過程中, 由于特征值的變化是隨機噪聲等因素引起的, 可以把特征值的波動視為一種高斯分布。根據(jù)高斯分布的性質(zhì), 特征值離均值3 倍標準差以外的概率幾乎為0。這樣當識別指紋時, 如果待識別的指紋圖與樣本庫中的某手指指紋相匹配, 那么該指紋的每個細節(jié)特征值均應落在樣本庫中某手指的指紋細節(jié)特征均值的3 倍標準差以內(nèi)。在定義所要識別的指紋圖對于樣本庫中的某手指指紋的隸屬度時,先逐個按特征計算指紋圖歸屬于樣本庫中某手指各幅指紋圖的隸屬度, 以后再以已算出的一組隸屬度中的極小值作為被識別指紋圖對樣本庫中某手指的隸屬度。根據(jù)實驗結(jié)果確定隸屬度的閾值, 在識別時,若樣本庫中獲得極大隸屬度的那個指紋大于所設閾值, 則認為該指紋圖與被識別的那個指紋圖相匹配。假設有C 個手指的指紋圖樣本模型庫, 現(xiàn)討論對待識別指紋圖Q 的模糊判別過程。 

    將待識別指紋圖Q 的特征記為矢量FQ ,FQ =[f q1, ?, f q j ,?f q N ] 

    如果該指紋圖與樣本庫的第i 個手指相匹配, FQ雖具有不變性, 但由于隨機因素的影響,FQ 不可能恒等于第i 個手指指紋的均值矢量M( i) , 而是以高斯分布的形式集中在M( i) 周圍。 

    FQ 的每個分量f q j 應集中在各自的mij 的附近, 但也可能在其他mrj (r≠i)附近, 這就是f q j 的不確定性, 由其作識別也就帶來了識別的不確定性?，F(xiàn)在用f q j 定義待識別指紋圖屬于手指r 的隸屬度drj , 則上述隸屬度d r j 在0～1 之間。如該指紋圖與樣本庫中的手指i 匹配, 則FQ 每一分量均應在M( i) 對應分量的周圍, 即在邏輯上是一種與的關系, 這就可以定義該待識別指紋圖與樣本庫中的手指i 相匹配的隸屬度為Di =min(d / j ) (1≤j≤N)。同樣求得該待識別指紋圖屬于樣本庫中每個手指的隸屬度, 最后在作識別歸屬判別時, 只要樣本庫中獲得極大隸屬度的手指的隸屬度大于給定閾值, 則認為待識別指紋圖屬于樣本庫中獲得極大隸屬度的手指。 

    6 系統(tǒng)設計 

    以上設計的自動指紋識別系統(tǒng)由樣本庫和待識別指紋圖兩部分組成?？驁D如圖4 所示,在系統(tǒng)的樣本庫部分, 用指紋采集儀采集指紋, 經(jīng)過預處理后提取細節(jié)點特征, 存入樣本庫。 

    在待識別指紋圖部分, 用指紋采集儀采集指紋,經(jīng)過預處理后提取細節(jié)點特征, 然后將這些細節(jié)點與保存在樣本庫中的模板細節(jié)點進行匹配, 判斷待識別指紋與樣本庫中的模板細節(jié)點是否來自同一個手指的指紋。

圖4 自動指紋識別系統(tǒng)框圖

    結(jié)語 

    本文從指紋識別的原理出發(fā), 介紹了一種基于模糊判別的指紋識別算法。 

    該算法具有以下一些特點:
    ①由于采用模糊判別技術, 使得在信息不完備的情況下能最大限度地判決, 實現(xiàn)對多目標的識別;
    ②由于采用了具有不變性的特征, 保證有較高的準確性;
    ③由于基于圖像的特征層進行模糊化, 而不是直接在灰度上進行判別, 大大減少了數(shù)據(jù)量, 具有較快的識別速度。 

    實驗表明該算法有效地解決了在圖像質(zhì)量很差時不能有效地進行指紋匹配的問題。