基于自適應遺傳算法的殘缺指紋識別

摘 要： 在指紋圖像進行采集的過程中，由于采集者本身或采集設備等各種原因會造成大量的殘缺指紋圖像。而這些殘缺指紋圖像正是影響指紋識別正確率的關鍵因素。在此對殘缺指紋做了大量的研究，提出了二次去偽特征點的方法，并利用自適應遺傳算法設計了一種基于指紋微特征信息的匹配方法。在對殘缺指紋可信特征點進行人工智能的匹配，著眼于殘缺指紋的全局特征進行匹配，提升了匹配的精度與速度。

關鍵詞： 殘缺指紋識別； 可變界限盒； 自適應遺傳算法； 二次去偽特征點

中圖分類號： TN964?34 文獻標識碼： A 文章編號： 1004?373X（2013）10?0083?04

指紋是人體固有的一種生物特征，具有唯一、終生不變以及與主體不可分離等獨特性質，用它來作個人的身份驗證[1?2]已有上百年的歷史。指紋識別算法[3]是從指紋圖像中提取指紋特征，并進行比對。指紋圖像由紋谷和紋脊組成，在指紋圖像中呈深灰色粗線條的部分即為紋路，其位于手指皮膚的凸出處；紋谷在指紋圖像中相對紋路的灰度較亮，夾在兩紋路間，位于手指皮膚的凹陷處。 在指紋識別系統中，首先要進行的就是指紋圖像的預處理，它對后續指紋匹配等環節起著至關重要的作用。經過指紋圖像預處理后，可以提取出準確有效的指紋特征點。一個指紋識別系統一般包括如下的過程：指紋圖像分割、指紋圖像增強、指紋圖像二值化、指紋圖像細化處理以及特征點的提取。在指紋自動識別過程中，采集到的指紋存在不同程度的粘連、斷裂、缺失、模糊等狀況，包含了大量的噪聲，使得采集到的指紋圖像質量低、效果差，本文把這類指紋統一成為殘缺指紋。造成這種現象的原因是由于采集設備本身的采集條件和采集參數的限制，采集者自身指紋存在缺陷，采集者采集指紋時方法不當等。如圖1所示為一個采集到的指紋圖像的噪聲區域。

1 二次去偽特征點算法

在進行了圖像的預處理之后，本文對處理后的指紋圖像進行特征點提取，由于殘缺指紋存在大量的偽特征點，故本文設計了如下的二次去偽算法來克服偽指紋特征點的干擾。

1.1 脊線跟蹤算法

本文采用基于微特征的脊線跟蹤算法，用以找出偽特征結構。算法主要是這樣實現的：首先在細化后的圖像上，從每一個未被訪問的末梢點出發，開辟新的脊線并沿著該脊線前進，記錄走過的像素點，將它的橫、縱坐標以及節點類型保存到鏈表中。如圖2所示，其中Pi-1是上一個跟蹤過的點，Pi是當前點，Pi+1是下一個要跟蹤的點。然后算法判斷當前點的類型和它的鄰接點，如果是分叉點且有未訪問的鄰接點，則建立新的脊線進行深度跟蹤，否則繼續在當前脊線上進行探索。脊線跟蹤完畢后，每條鏈表的頭尾是特征點，而中間節點都是連續點。

2 基于自適應遺傳算法的匹配

鑒于上文對殘缺指紋匹配現狀的分析，必須設計一種基于全局信息的人工智能的指紋匹配方法。本文設計了基于自適應遺傳算法[4]的殘缺指紋匹配算法。在該算法中，指紋比對被劃分為2個步驟。首先利用遺傳算法搜索可能將2幅指紋特征點集對齊的參數， 然后再確定點的位置匹配關系。遺傳算法是一種優秀的智能搜索算法，具有并行度高等特點。但是，傳統的遺傳算法在求解上述模型最優解的時候，會出現早熟與容易進入局部限等問題。本文根據自適應遺傳算法的思想，設計了基于自適應遺傳算法的最優偏移搜索算法，實驗證實該算法是高效的。

2.2 搜索算法

（1）初始種群：在解空間中隨機生成的初始染色體可能會在某一局部區域集中分布。其攜帶的基因信息無法代表整個解空間，導致種群過早喪失遺傳優勢。使用平均小區間方法可以更好地分布得到優化解。由于點對之間的數據沒有具備一定的特定特征。正常采集情況下，指紋圖像都應當是正立，同時以指紋中心居中。本文中的指紋特征點編號在處理的過程中自下向上增大。因此，本文在初始化種群時，以一定概率偏向于選取編號相差小于10的個體對。初始種群使用隨機方法進行，初始種群大小為30。

（2）選擇策略：由于匹配模型的特性，對于高適應度的個體之間的雜交的后代往往沒有優勢是可以繼承的。為充分利用父代種群在遺傳算子中引入長度為Q（Q

（3）交叉策略：根據個體的適應度，采用輪賭法的方式選擇交叉的個體，交換一組等位基因進行雜交。

3 實驗與分析

4 結 語

本文對殘缺指紋匹配做了大量的研究，提出了二次去偽特征點的算法和基于自適應遺傳算法的殘缺指紋匹配方法，利用自適應遺傳算法有效地解決了殘缺指紋的指紋特征點匹配問題，它將在速度及準確性方面均有較大的提高。在對于少量共同區域的同手指不同采樣的匹配中，本文的算法表現差不理想（致使總體的FAR降低）。未來的研究將對該情況下的匹配方案進行研究，從而完善匹配算法。

參考文獻

[1] ZHANG D. Automated biometrics technologies and systems [M]. [S.l.]： Kluwer Academic Publishers， 2000.

[2] JAIN A K， ROSS A， PRABHAKAR S. An introduction to biometric recognition [J]. IEEE Transactions on Circuits and Systems for Video Technology， 2004， 14（1）： 4?20.

[3] 柴曉光，岑寶熾.民用指紋識別技術[M].北京：人民郵電出版社，2004.

[4] 朱鈺，韓昌佩.一種種群自適應收斂的快速遺傳算法[J].計算機科學，2012（30）：9?12.

[5] Anon. FVC2004 [EB/OL]. [2012?10?05]. http：//bias.csr.unibo.it/fvc200 6/default.

[6] Zheng Jiande， Gao Yuan， Zhang Mingzhi. Fingerprint matching algorithm based on similar vector triangle[J]. Proceedings of the 2009 2nd International Congress on Image and Signal Processing， 2009.

[7] 張圓圓，景曉軍.基于快速遺傳算法的指紋匹配[J].計算機工程，2011，24（3）：39?42.

[8] 洪波，榮鋼，黃韜.一種基于遺傳算法的指紋比對算法[J].清華大學學報：自然科學版，2001，41（3）：93?96.