学位论文 > 优秀研究生学位论文题录展示

残缺指纹识别中若干关键技术的研究

作　者: 张洁
导　师: 景晓军
学　校: 北京邮电大学
专　业: 通信与信息系统
关键词: 残缺指纹识别修复与重建特征提取指纹匹配指纹索引
分类号: TP391.41
类　型: 博士论文
年　份: 2013年
下　载: 308次
引　用: 0次
阅　读: 论文下载

内容摘要

当世界步入信息时代的今天,对身份验证的需求日益迫切。因此,对生物特征识别技术的研究和应用进行得如火如茶,前景十分广阔。在众多的生物特征中,指纹识别作为最传统、最成熟的生物特征识别方式,具有唯一性和终生不变性两大明显优势,被广泛应用于身份验证和识别。人类使用指纹识别与验证身份已有数百年的历史,特别是进入19世纪之后,科学研究领域更加关注与对指纹识别技术的探索与研究,使之得到了快速的发展。指纹识别技术凭借其较高的实用性和可靠性,已经成为了目前应用最为广泛的生物识别技术。现如今,许多科研机构都在深入研究指纹识别领域的各种关键技术方面表现得相当活跃,提出的算法在处理质量较好的指纹图像时,无论是在识别的速度还是精度方面都能够得到很好的保证。然而,对于低质量的残缺指纹,由于指纹存在污损、伤疤、断裂等情况,使得图像出现特征丢失过多和非线性形变严重的情况,识别起来存在一定的困难。但是在我国的指纹档案中,优良指纹所占比例有限,残缺指纹所占的比例不可小觑。因此,如何对残缺指纹进行准确、有效的识别,是指纹识别领域的一个亟待解决的问题。本文主要从残缺指纹识别中的图像增强、特征提取、指纹匹配和指纹索引四个方面进行深入研究,并提出相关算法。本文工作的主要贡献和创新总结如下：1.研究基于信息熵的指纹残缺区域修复与重建算法。指纹图像是指纹识别过程的原始输入数据,图像质量的好坏直接影响指纹特征提取的精度,进而影响指纹识别的准确率。由于残缺指纹图像存在脊线结构紊乱、连接脊线断开、局部区域脊线连接模糊等图像质量较差的现象,会导致由于信息缺失而难以提取可靠的细节点。因此对于残缺指纹识别而言,首要问题就是对指纹图像进行增强,尤其是对残缺区域进行修复和重建。本研究在现有基于细节点信息的指纹方向场估计算法基础上,针对残缺指纹图像增强的需要,引入邻域中的方向场信息来对指纹残缺区域的方向场进行全面、精准的估计,然后基于估计出的方向场并结合先验知识来分析残缺部分的脊线与细节点分布情况,以对其进行修复与重建。另一方面,引入信息熵理论对多种修复与重建方案进行评估,从而确定残缺部分的最佳重建结果。提出的算法能够对面积较大并可能包含细节点的残缺区域进行较好的修复与重建,力求为后续的匹配与检索提供正确、有效的信息。2.研究基于融合特征与模式熵的指纹匹配算法。指纹匹配一般由两个主要的步骤组成：特征提取和相似性度量。首先,指纹图像的特征能否准确提取直接影响指纹识别结果的准确率。传统的指纹特征提取方法对指纹图像中信息的可靠性依赖程度较强,但是在实际的残缺指纹识别情况中,会产生提取到的单一可靠特征信息少、存在大量伪特征点等问题。其次,在提取了可靠的特征之后,指纹匹配的任务是度量两个特征点集之间的相似性,来判断指纹图像的匹配程度。传统的相似性度量算法对特征点模式的形变以及位置和方向误差比较敏感,同时也没有消除误匹配的能力。本研究提出了基于细节点和方向场特征来构造融合特征描述符的融合准则,通过多种特征信息的相互综合补充来提高特征的识别能力,从而为后续的相似性度量步骤打下基础。另一方面,提出基于模式熵的相似性度量方法,可以衡量匹配点集之间的一致性,以消除错误匹配,提高指纹匹配的准确率。3.研究基于改进型GA-PSO算法(GA, Generitic Algorithm,遗传算法)(PSO, Particle Swarm Optimization,粒子群优化算法)的指纹匹配算法。指纹匹配中最常用的方法就是基于点模式的匹配算法。这类方法对信息的存储要求较低、操作较为简单,对于质量较好的图像可以取得较好的匹配效果。然而,传统的基于点模式的匹配算法在进行残缺指纹匹配时会存在一些缺陷,如对局部特征点的位置要求高、匹配的准确率严重依赖于指纹图像校准的可靠性等,因此当指纹图像质量较差时,很难确保好的匹配效果。本研究提出了基于优化算法的指纹匹配算法来对点模式匹配做改进,针对指纹识别的具体情况,首先,基于优化过程中尽量使种群朝着全局最优解的方向进化的原则,对种群初始化方法做改进,用指纹预校准的结果估计出的最优解来作为部分初始化种群中的个体产生来源,既可以规定进化的大体方向,又可以保证算法搜索的随机性；其次,基于细节点和方向场信息构成的融合特征描述符,自适应的构造适应度函数,能够实现微观匹配和宏观匹配的融合,来弥补残缺指纹细节点量少、可靠性差的缺点。另一方面,提出基于GA和PSO两种优化算法的改进型GA-PSO算法,能够充分发挥两种算法的互补性,有效克服GA求解到一定范围时出现无为的冗余迭代的问题,提高解的多样性,取得较好的匹配性能。4.研究基于BMHash (b-bit Minwise Hashing)算法的指纹索引算法。在对大规模的数据库进行指纹识别时,由于要进行数量庞大的查询和匹配工作,因此相当耗时,大大降低了识别技术的效率和可用性。希望能够借由索引技术来尽可能快速的选择出与查询指纹最相似的候选指纹,降低所需搜索空间,提高识别效率。在理想情况下,指纹索引算法应该能够快速、准确和稳定的对指纹进行检索和匹配。但在实际操作中,由于指纹本身的千差万别,加之残缺指纹图像自身的噪声对算法的影响,致使指纹索引至今还是一个令人棘手的问题。本研究采用聚类的方法来构造指纹的索引特征,克服了直接使用细节点三元组信息作为索引特征时运算维度大的缺点,能够降低索引规模和提高索引效率。另一方面,提出基于BMHash算法计算指纹图像的索引值,将较大规模的特征向量集合映射到小规模的哈希表上,在检索时通过查表的方式缩小待识别图像的匹配范围,能够提高识别效率,实现空间与时间、速度与精度的权衡。

全文目录

摘要  4-7
ABSTRACT  7-13
第一章绪论  13-35
  1.1 研究背景与意义  13-17
    1.1.1 社会需要指纹识别  13-15
    1.1.2 残缺指纹识别技术存在挑战  15-17
  1.2 研究现状  17-33
    1.2.1 指纹图像增强的研究  18-24
    1.2.2 指纹特征提取的研究  24-29
    1.2.3 指纹匹配的研究  29-31
    1.2.4 指纹索引的研究  31-33
    1.2.5 研究现状总结  33
  1.3 本文的篇章结构及主要研究成果  33-35
第二章基于信息熵的指纹残缺区域修复与重建  35-53
  2.1 前人工作回顾  35-36
  2.2 基于细节点与方向场的指纹残缺区域方向估计  36-40
    2.2.1 基于细节点的残缺区域方向场估计  37-39
    2.2.2 基于邻域方向场的残缺区域方向场估计  39-40
    2.2.3 融合后的残缺区域方向场估计结果  40
  2.3 残缺区域的修复和评估  40-45
    2.3.1 基于方向场的残缺区域修复  40-43
    2.3.2 基于信息熵的残缺区域修复结果评估  43-45
  2.4 仿真实验和分析  45-51
    2.4.1 FVC2004指纹库  45-46
    2.4.2 修复与重建效果的比较与分析  46-47
    2.4.3 细节点检测准确率测试  47-49
    2.4.4 指纹匹配测试  49-51
  2.5 本章小结  51-53
第三章基于融合特征与模式熵的指纹匹配  53-75
  3.1 前人工作回顾  53-55
  3.2 基于细节点与方向场的特征融合准则  55-59
    3.2.1 细节点特征的提取与定义  55-56
    3.2.2 方向场特征的提取  56-58
    3.2.3 融合特征描述符  58-59
  3.3 基于模式熵的指纹相似度测量  59-64
    3.3.1 基于高斯加权函数的特征点匹配  59-61
    3.3.2 基于模式熵的相似性度量  61-64
  3.4 仿真实验和分析  64-73
    3.4.1 指纹评估数据库的构造  64-65
    3.4.2 基于融合特征进行匹配的性能评估  65-68
    3.4.3 与相关算法的比较  68-73
  3.5 本章小结  73-75
第四章基于改进型GA-PSO算法的残缺指纹匹配  75-97
  4.1 前人工作回顾  75-77
  4.2 基本遗传算法(GA)的概述  77-81
    4.2.1 基本GA的原理  78
    4.2.2 基本GA的流程  78-81
  4.3 基本粒子群优化算法(PSO)概述  81-84
    4.3.1 基本PSO原理  81-83
    4.3.2 基本PSO流程  83-84
  4.4 改进型GA-PSO算法及其在指纹匹配的应用  84-90
    4.4.1 基于预校准的种群初始化  84-86
    4.4.2 基于细节点和方向场信息的适应度函数构造  86-88
    4.4.3 算法的其他必要步骤  88-89
    4.4.4 改进型GA-PSO算法的流程  89-90
  4.5 仿真实验和分析  90-94
    4.5.1 算法参数设置  90-91
    4.5.2 改进型GA-PSO算法的性能检测  91-93
    4.5.3 与相关算法的比较  93-94
  4.6 本章小结  94-97
第五章基于BMHASH算法的指纹索引  97-111
  5.1 前人工作回顾  98-99
  5.2 基于聚类算法的索引特征提取  99-102
    5.2.1 细节点三元组  99-100
    5.2.2 基于x-means聚类的索引特征构造  100-102
  5.3 基于BMHASH的指纹索引算法  102-105
    5.3.1 b-bit Minwise Hashing  102-103
    5.3.2 索引算法  103-105
  5.4 仿真实验和分析  105-110
    5.4.1 NIST指纹库介绍  105
    5.4.2 索引算法性能检测  105-108
    5.4.3 与相关算法的比较  108-110
  5.5 本章小结  110-111
第六章总结和展望  111-115
  6.1 本文工作总结  111-112
  6.2 今后工作展望  112-115
参考文献  115-127
致谢  127-128
作者攻读学位期间发表的学术论文  128-129

残缺指纹识别中若干关键技术的研究

内容摘要

全文目录

相似论文