陳振偉，趙亞琴，蔣林權(quán)，張益翔

　?。暇┝謽I(yè)大學(xué) 機(jī)械電子工程學(xué)院，江蘇 南京，210037）

　　摘要：指紋圖像是由交錯(cuò)排列的脊線和谷線組成，包含了豐富的紋理信息。為了獲得更為有效的紋理信息，首先將圖像分解為3個(gè)級(jí)別的區(qū)域塊，來校正小尺寸塊的方向角，以確定指紋的中心點(diǎn)位置，進(jìn)而提高算法的運(yùn)算速度；然后利用小波變換將指紋圖像由空間域轉(zhuǎn)換到頻率域，在頻率域進(jìn)行多尺度分析，提取指紋圖像在不同頻率和方向上的局部紋理信息，提高指紋識(shí)別的準(zhǔn)確率。該算法在以ARM11為處理器的嵌入式系統(tǒng)中實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明，該算法能夠快速有效地識(shí)別指紋圖像。

　　關(guān)鍵詞：指紋識(shí)別；小波變換；中心點(diǎn)；紋理信息

　　0引言

　　指紋是生活中應(yīng)用最多的生物特征，再加上它的唯一性以及不變性等這些獨(dú)特的優(yōu)點(diǎn)，并且指紋的采集獲取方便，抗干擾性很強(qiáng)，使得指紋識(shí)別技術(shù)在嵌入式領(lǐng)域得到了廣泛的應(yīng)用。MAIO D與MALTIONI D［1］ 提出了由脊線從灰度指紋圖像提取指紋特征點(diǎn)的算法，去掉二值化和細(xì)化的過程；之后又由楊小冬［2］等人提出直接從灰度指紋圖像中提取特征點(diǎn)信息，略過了二值化和細(xì)化的過程從而提高了運(yùn)算速度；而KAWAGOE M和TOJO A提出的Poincare Index算法［3］是基于指紋的細(xì)節(jié)特征或者紋理特征提出的算法。

　　雖然研究者們?cè)谥讣y識(shí)別算法方面做了大量的研究工作，然而上述幾類算法對(duì)于某些不是很清晰的指紋，最終的測(cè)試結(jié)果都不是很理想，并且大多適用在PC上或者某些高端機(jī)上，不適合運(yùn)用在嵌入式領(lǐng)域，因此，本文從提高算法運(yùn)算速度的角度出發(fā)，提出一種快速有效的指紋識(shí)別算法，并將其應(yīng)用在ARM11開發(fā)的嵌入式系統(tǒng)中。

1指紋中心點(diǎn)區(qū)域提取

　　1.1指紋圖像增強(qiáng)和邊緣處理

　　由于指紋原始圖像的全數(shù)據(jù)計(jì)算量過大，不能移植在嵌入式系統(tǒng)中，而且指紋圖像的邊緣附近不夠清晰，因此，本文對(duì)指紋原始圖像提取中心點(diǎn)區(qū)域，不僅可以提高運(yùn)算速度，而且可以達(dá)到更高的匹配精確度。常用的指紋圖像中心點(diǎn)提取算法多數(shù)出于KAWAGOE M和TOJO A提出的Poincare Index算法，該算法以圍繞一個(gè)點(diǎn)順時(shí)針旋轉(zhuǎn)一個(gè)閉環(huán)方向上的變化總和作為基準(zhǔn)，當(dāng)總和為180°為中心點(diǎn)，-180°為三角點(diǎn)，0°為一般點(diǎn)時(shí)提取指紋圖像中心點(diǎn)的［4］。而本文設(shè)計(jì)是采用高斯低通濾波器對(duì)指紋圖像增強(qiáng)，最后裁剪指紋圖像中心點(diǎn)區(qū)域。中心點(diǎn)區(qū)域提取流程如圖1所示。

　　指紋圖像矩陣用A(i,j)表示，首先用高斯低通濾波器對(duì)指紋圖像增強(qiáng)，二維高斯低通濾波（GLPF）的形式［4］：

　　H(u,v)=e－D2(u,v)/2σ2(1)

　　其中，D(u,v) 是距離傅里葉變換的距離，σ表示高斯曲線擴(kuò)展的程度。本文利用高斯低通模板h(x,y)(低通濾波器的脈沖響應(yīng)函數(shù)) 對(duì)指紋圖像進(jìn)行去噪處理后得到指紋圖像矩陣A′(i,j)。然后再利用Roberts算子模板對(duì)A′(i,j)處理，處理后得到方向矩陣A″(i,j)。Roberts算子模板［5］如下所示：

　　1.2中心塊的搜索步驟

　　(1)將方向矩陣A″(i,j)進(jìn)行三級(jí)分割，劃分為32×32、16×16和8×8的三個(gè)尺寸級(jí)別的非重疊方向塊；

　　(2)對(duì)每一級(jí)別的所有方向塊，計(jì)算每一塊的方向角θk；

　　(3)如果小尺寸塊（如8×8）的方向角與它所在的上一級(jí)別塊（如16×16）的方向角度的差大于閾值θh,則用大尺寸塊的方向角代替小尺寸塊方向角；

　　(4)從每個(gè)8×8的方向塊開始，搜索θk<π2的方向塊，直到θk≥π2停止，標(biāo)記停止位置(i,j) ［6］；

　　(5)將標(biāo)記次數(shù)最多的位置設(shè)定為指紋圖像的中心位置。

　　根據(jù)上面5個(gè)步驟得到的區(qū)域塊所在方向就是中心點(diǎn)的方向圖。然后用綠色圓圈標(biāo)記出中心點(diǎn)位置，圖2為MBF200采集到的幾幅大小為256×300像素的指紋圖像運(yùn)用這套算法的效果圖，可以看到效果還是比較好的。

　　然后再對(duì)找到中心點(diǎn)的指紋圖像進(jìn)行裁剪，以中心點(diǎn)為中心裁剪100×100指紋圖像塊，作為指紋圖像的有效區(qū)域進(jìn)行指紋的特征值提取圖3最終裁剪的有效區(qū)域 ，指紋圖像中心點(diǎn)預(yù)測(cè)位置部分矩陣數(shù)據(jù)如表1所示，指紋裁剪效果圖如圖3所示。

2指紋圖像紋理特征提取

　　2.1指紋圖像的小波多尺度分解

　　現(xiàn)對(duì)一幅用MBF200采集到的大小為256×300像素的指紋圖像進(jìn)行小波3層分解。如圖4所示，前者是采集到指紋圖像的原始圖像，后者是經(jīng)過小波分解后的圖像，后者左上角圖像是原始圖像最低頻圖像，與原始圖像最為相似。從圖4中可以看出，圖像經(jīng)3級(jí)分解后低頻子圖的能量要比同級(jí)其余的3個(gè)高頻子圖以及上一級(jí)三高頻子圖的能量大很多，可以看出原始圖像的能量最終集中在左上角的圖像中，而高頻子圖能量的細(xì)節(jié)系數(shù)幅度值比較小。進(jìn)而提取出指紋圖像的指紋特征向量。

　　2.2指紋圖像局部紋理信息提取

　　三層小波分解共得到9幅高頻子圖，設(shè)高頻子圖的系數(shù)為Dln，其中n=1,2,3分別表示水平、垂直和對(duì)角方向的高頻系數(shù)，l=1,2,3表示分解的層數(shù)。對(duì)每一幅高頻子圖的系數(shù)進(jìn)行歸一化處理，因此，每個(gè)子圖包含1個(gè)特征值，9幅子圖得到一個(gè)9維的特征向量?，F(xiàn)在對(duì)MBF200采集到的兩幅指紋圖提取的特征向量進(jìn)行比圖5兩幅指紋對(duì)（如圖5所示），以證明用特征向量作為指紋匹配的正確性和高效性。

　　經(jīng)過計(jì)算的特征向量如表2所示。

3指紋圖像的特征值匹配

　　本文使用歐式距離計(jì)算空間之間的距離，設(shè)D1(x1,x2,…,x9)與D2(x1,x2,…,x9)分別表示兩個(gè)指紋特征向量,則它們之間的相似度度量公式如下:

　 設(shè)置一個(gè)合適的閾值Th，當(dāng)Sim(D1,D2)≤Th時(shí)，則指紋圖像匹配成功。

4算法性能測(cè)試

　　本文采用FVC2004［7］（國(guó)際標(biāo)準(zhǔn)測(cè)試庫(kù)）進(jìn)行測(cè)試，其中由110只不同的手指，每個(gè)手指采集8個(gè)樣本，共包含了880幅指紋圖像256個(gè)灰度級(jí)，并以TIF格式保存在指紋數(shù)據(jù)庫(kù)中，從測(cè)試庫(kù)中取出300個(gè)樣本對(duì)算法性能進(jìn)行驗(yàn)證。指紋匹配性能測(cè)試是通過FRR（False Rejection Rate）和FAR（False Acceptance Rate）對(duì)指紋識(shí)別算法性能進(jìn)行評(píng)估。公式［7］如下：

　　式(4)中，NGRA是類內(nèi)測(cè)試的總數(shù)，NIRA是類間測(cè)試的總數(shù)。NFR和NFA是錯(cuò)誤拒絕次數(shù)和錯(cuò)誤接受次數(shù)。利用不同的閾值，可以得到多組FRR和FAR數(shù)據(jù)，F(xiàn)RR和FAR的關(guān)系圖如圖6所示。當(dāng)兩個(gè)曲線相交時(shí)對(duì)應(yīng)的橫坐標(biāo)或縱坐標(biāo)就是EER（Equal Error Rate），這時(shí)對(duì)應(yīng)的閾值就是最優(yōu)的閾值Th2。圖7為匹配次數(shù)對(duì)應(yīng)的時(shí)間圖。　　

5結(jié)論

　　本文從應(yīng)用于嵌入式系統(tǒng)的角度出發(fā)，提出了一種快速有效的指紋識(shí)別方法。首先提出了一種基于多級(jí)塊劃分的指紋圖像中心位置確定方法，準(zhǔn)確地確定了指紋圖像的中心位置，截取指紋中心區(qū)域，提高算法的運(yùn)算速度；其圖7匹配次數(shù)對(duì)應(yīng)的時(shí)間圖次對(duì)中心區(qū)域運(yùn)用小波分解提取指紋特征向量，提高了算法的識(shí)別性能。

參考文獻(xiàn)

　?。?］ MAIO D, MALTIONI D. Direct grayscale minutiae detection in fingerpirt［J］.IEEE Transanction on Pattern Analysis and Matching Intelligence,1997,19(1):2739.

　?。?］ 楊小冬,寧新寶,譚臺(tái)哲.基于紋線跟蹤的指紋細(xì)節(jié)提取算法［J］.計(jì)算機(jī)應(yīng)用, 2004, 24(3) : 12.

　　［3］ 梁連偉,趙紅東,何平,等.指紋圖像中心點(diǎn)提取算法［J］.河北工業(yè)大學(xué)學(xué)報(bào),2007,36(1): 12.

　?。?］ 梁連偉.指紋圖像增強(qiáng)與中心點(diǎn)的提取［D］.天津:河北工業(yè)大學(xué),2006.

　?。?］ ROBERTS L D.Machine perception of threedimension solids in optical and electroptimal information processing ［C］.Cambridge,Massachusetts:Massachusette Institure of Technology Press, 1966:157197.

　?。?］ 劉偉,楊圣.基于haar小波的快速指紋識(shí)別算法［J］.中國(guó)圖象圖形學(xué)報(bào),2007,12(4): 13.

　　［7］ FVC2004: Fingerprint Verification Competition 2004［EB/OL］.（20040710）. ［20160305］.http: // bias. csr. unibo. it /fvc2004/.