摘  要： 为克服传统细节点匹配模型的不足，对指纹的纹理结构进行了分析，利用指纹纹线的不同结构作为指纹图像的特征。提出了一套基于指纹纹线轮廓的特征提取和匹配算法，并且采用了分步匹配，减少了拒判时间，该算法具有平移、旋转不变性。由于利用了指纹的结构信息，对低质量指纹图像有一定的适应度。实验结果表明，该算法具有相当高的识别率和较强的鲁棒性。
关键词： 纹理结构；特征匹配；分步匹配

    自动指纹识别系统(AFIS)一般包括指纹图像采集、指纹图像增强、特征提取和特征匹配几部分，其中，特征提取和匹配在整个系统中占有很重要的地位。目前，大多采用基于细节点的匹配模型，这种方法用细节特征来表示指纹图像，具有存储量小、算法简单、匹配速度快等特点，但仅对质量较好的图像有很好的效果，并且只利用了指纹的局部特征，没有利用指纹丰富的结构信息，忽略了大量可用于识别的宏观特性。由于指纹是一个纹理图像，其方向场稳定、规律，蕴含了纹线的轨迹、曲率等重要信息，受变形噪声等因素的影响较小，因此本文利用指纹纹线的结构信息，提出了一套基于纹线结构的特征提取和匹配算法。
1 图像预处理
    指纹图像的预处理包括图像分割、图像增强、二值化、细化等环节，可以使其纹线结构清晰化，尽量突出和保留固有的特征信息，避免产生伪特征信息，得到指纹图像的纹理图。
    由于噪声和边界的影响，经过预处理后的指纹纹理图像中有些纹线是孤立的或分小段连续的，而这些纹线不属于指纹的有效纹线结构,因此，可以将这两种断开的纹线连接起来组成连续的纹线。算法如下：如果两条纹线段A和B之间是断开的，但纹线A的端点(Xa,Ya)在纹线B的端点(Xb,Yb)的邻域内(一般取7×7的邻域)，就认为这两条纹线有可能合并为一条纹线，是否能合并为一条纹线取决于这两条纹线在各自端点处的斜率k是否相等。以计算纹线A在端点处的斜率k为例，其计算如下:

2 选择脊线并采样
　　一幅指纹图像中有20～30个分叉点，模板指纹图像和待识别指纹若有13个以上的分叉点对应匹配，则可以认为两幅指纹图像匹配。如果有分叉点所在的脊线匹配,则认为分叉点对应匹配,即两幅指纹图像匹配。在此选择分叉点所在的脊线进行匹配,主要基于以下两点考虑:第一,如果对所有脊线均进行离散采样,就会使算法较为复杂和繁琐,存储的数据量较大;第二,考虑到从指纹图像中提取的分叉点可信度要高于端点,所以选择分叉点所在脊线进行离散采样。脊线采样点示意图如图1所示。

    采样过程如下：O点为脊线分叉点,沿着分叉点所在的三条脊线分别进行采样,每隔D个像素点采样一次,并记录采样点坐标。A1、A2、A3、B1、B2、B3、C1、C2、C3分别是三条脊线上的采样点。由图1可以看出采样间隔越小越接近真实脊线，若间隔D=1则可恢复原脊线，但采样间隔越小数据量越大，故在此选择D=5。
3 特征提取
3.1脊线特征
    以分叉点为标准点，计算出第k+1个采样点和第k个采样点所在直线与第k个采样点和第k-1个采样点所在直线的夹角θk,故由θk和D值唯一确定第k+1个点，依次可以确定唯一的脊线，所以将θk作为整条脊线的特征,如图2所示。

3.2分叉点特征
    分叉点脊线夹角如图3所示。

    图中A(xa,ya)、B(xb,yb)、C(xc,yc)分别是每条脊线上的第一个采样点，则(xi,yi)相对于X轴的夹角为:

    统计每条脊线上符合上述条件的采样点的数目n，若n/m≥T(T为设定的阈值)，则认为此脊线对匹配，重复以上步骤，统计纹线匹配对的数量M，若M/N≥Q，(N是参与匹配的所有纹线数量)则可以判定这两幅指纹图像是匹配的。
5 实验结果    
    一个自动指纹识别系统的性能评价参数有：识别速度、正确率CR(Correct Rate)、误识率FAR(False Accepted Rate)和拒识率FRR(False Reject Rate)。其计算公式分别为：    FAR=不该识别而识别的次数/匹配总次数；
    FRR=该识别而没有识别的次数/匹配总次数；
    CR=1-(FAR+FRR)；
    FAR和FRR是相互矛盾的,当FAR增大时FRR就会减小。对于不同的系统需求，可通过改变判决阈值来满足。为了验证本文算法的有效性，采用FVC2002公布的指纹库进行实验。该数据库包含了800枚灰度指纹图像，图像来自100个不同的手指，每个手指有8个采样图像。本文实测总数为[(8×7)/2]×100=2 800次，得到的实验结果识别率为97.74%，误识率为0.36%，拒识率为1.9%，并且相对于直接匹配算法本算法减少了拒判时间。实验结果证明了该算法的有效性。
    本文在研究前人算法的基础上，利用指纹纹线的结构特征来表示指纹图像,由于利用了指纹的结构信息，弥补了传统的利用细节点方法进行匹配的缺陷，克服了图像平移和旋转所带来的影响，对低质量图像表现出了很好的适应性，并且采用了分步匹配，减少了拒判时间，综合了多种判别条件，在一定程度上降低了拒识率。通过与传统算法的比较，本算法在整体上表现出了很好的鲁棒性，但是如果指纹粘连和断裂很多，对纹理结构影响很大时，该算法的识别率会有所下降，所以提高抗噪和抗干扰能力是需要进一步研究的内容。
参考文献
[1] 张洪光，刘雪梅.指纹识别中的一种局部向量匹配算法[J].计算机工程，2002,28(4):106-108.
[2] 范俐捷,王岩飞,高鑫.一种新的基于灰度的图像匹配方法[J].微计算机信息,2007,23(10-3):296-297,8.
[3] 尹义龙,宁新宝,张晓梅,等.一种基于纹线相似度的指纹匹配算法[J].模式识别与人工智能,2002,15(4):502-506.
[4] 孟祥萍，武增光，赵玉兰.基于纹理结构的指纹识别算法[J]. 计算机工程与设计，2009,30(13):3136-3138.
[5] 罗西平,田捷.自动指纹识别中的图像增强和细节匹配算法[J].软件学报,2002,13(5):942-956.
[6] CHEN Z, KUO C H. A toplogy-based matching-algorithm  fingerprint authentication[J].IEEE International Carhanan Conference on Security Technology,1991,31(2):84-87.
[7] 王秋平.自动指纹识别系统的研究与实现[D].扬州：扬州大学，2006:45-48.