一種改進的指紋分類方法

顧菘

摘 要

指紋分類可以大大減少在指紋數據庫中的匹配次數，縮短匹配時間。本文在指紋塊方向場的基礎上，利用其方向方差進行濾波，得出各奇異點的連接路徑，并結合核心點與此路徑形成一種改進的指紋分類方法。該方法以指紋塊方向場為基礎，符合指紋分類的全局思想，而非關注于細節特征，并簡化計算。經過方向方差濾波后的指紋圖像不僅可以利用奇異點的相對位置進行指紋分類，而且克服了奇異點丟失的弊端。本文針對濾波后的圖像特征，提出了基于方向方差濾波的分類算法，通過實驗驗證了本算法的有效性。

【關鍵詞】指紋分類 奇異點 方向場 方向方差濾波

1 引言

盡管指紋識別系統的研發理論已取得重大進展，但是由于指紋識別系統在識別準確率和識別速度上還遠遠不能滿足很多實際應用的要求，使得指紋識別系統的應用在目前并沒有獲得全面普及，特別是在大型或超大型指紋數據庫中其實時性和準確率完全不能滿足要求。目前通常采用的辦法是首先利用指紋其自身的特性把數據庫的指紋分為若干類，然后在進行匹配之前將待匹配指紋進行歸類，最后再與此類中的指紋進行匹配，這樣能夠大大減少匹配次數，縮短匹配時間。

作為指紋最重要的全局特征之一，奇異點在基于知識的指紋分類方法中發揮了非常重要的作用。奇異點被定義為方向不連續的點，分為核心點（core）和三角點（delta）。目前，已經有很多檢測奇異點的方法。其中計算Poincare索引數值是檢測奇異點的常用算法。該方法的理論依據是計算點（i，j）的Poincare索引數值。當Poincare索引數值等于1/2時，該點為指紋中心點的候選點；當索引值為-1/2時，該點作為指紋三角點的候選點。然后再計算出圍繞該點外環和內環區域的Poincare索引數值，當兩者相同時則認定其為奇異點。該類方法思路簡單、能較好地確定奇異點的位置及類型，但使用Poincare索引值并不能找出拱型指紋奇異點的位置，因此還可以利用方向場計算出曲率最大的位置作為奇異點。

本文利用方向場的方向方差對經過預處理后的指紋圖像進行濾波，計算出三角點和核心點的相對位置，判斷三角點的數目，因此可以在丟失三角點的情況下同樣能夠對指紋進行分類；并且由于指紋分類都是從宏觀上對指紋的全局特征在較大尺度上進行分類，而無需考慮指紋的局部特征，因此本文在計算時把指紋圖像進行了分塊處理，大大簡化了計算量。

本文的指紋分類步驟如圖1所示。

2 塊方向場計算

方向場代表了指紋圖像的本質特征，在指紋處理中有著非常重要的地位。本文中采用了結構張量法來計算指紋圖像的塊方向場。首先將整個指紋圖像分割成w×w的塊，然后分別用下面的公式計算塊方向場。

3 方向方差計算

從圖3（c）中可以看出，在奇異點處方向場變化較大。依據上述原理，奇異點處的方向方差也較大。因此對指紋方向場進行方向方差濾波可以計算出奇異點的位置。

在方向角為水平的區域內，與局部方向角i，j的方向基本一致。但在方向逐漸變為垂直的區域內，由于的某點上，其領域內方向角的平均值，與局部方向角i，j正交，則在此區域內的方向方差v2x，y比其它區域的值大的多，定義此區域為方向垂直區域。依據此原理可以計算出方向角為垂直方向的軌跡。

總而言之，對指紋塊方向場進行方向方差濾波時不僅可以得到奇異點，還可以計算出方向場中為垂直方向的區域，如圖4所示。

4 利用方向方差濾波圖像進行指紋分類

經過濾波后的指紋圖像，選擇合理的閾值，得到無噪聲的二值濾波圖像。利用濾波后軌跡的個數、位置和大致走向進行指紋分類。

通過觀察指紋圖像可知，指紋采集時雖然三角點容易丟失，但核心點一般不會丟失。為了簡化計算，本文通過Poincare索引數值計算出核心點，結合濾波后軌跡的個數、位置和大致走向進行指紋分類。并且由于本文主要利用濾波后的方向場對指紋進行分類，所以對于指紋奇異點位置的準確性沒有太大的要求。表1列舉了本文進行指紋分類的標準。

從表1中可以看出對于漩渦型和拱型指紋，根據核心點和濾波軌跡的數目可以直接分類；而對于環型和尖拱型指紋，由于其核心點和濾波軌跡的數目相同，還必須由核心點和濾波軌跡相對位置進行二次分類。

5 實驗與討論

實驗將本文算法與目前占據絕對主流的poincare 索引數值方法在FVC2002指紋庫上進行了全面的對比。FVC2002指紋庫中共有4個小庫，每個小庫中分別有80個指紋。

為了盡可能地提高可對比性，poincare索引數值方法和本文的算法采用了一致的方向場。與文獻[4]所不同的是本文采用的方向場均為塊方向場。

實驗對比了poincare索引數值方法和本文的分類算法的錯誤分類率（False Classification Ratio， FCR）

如表2所示。從表2給出的對比結果可以看出，本文的算法的FCR略小于poincare索引數值方法。

5 結論與展望

本文主要做了以下兩個方面工作：

（1）針對指紋的本質特征對塊方向場進行方向方差濾波，提取出方向垂直區域，此算法可以在不依賴三角點的情況下對指紋進行可靠的分類，解決了指紋采集不完整的問題。

（2）提出了將poincare索引數值與方向方差濾波相結合的指紋分類方法，充分利用核心點與方向垂直區域的數目與位置關系對指紋進行分類。

在以后的工作中，可以將方向方差濾波看為指紋數據的一種非線性映射函數，通過構建線性模型對指紋進行分類。本文擬將此作為下一步研究重點。

參考文獻

[1]Hong L，Jain A.K.Classification of fingerprint images：Proceedings of the 11th Scandinavian Conference on Image Analysis，1999[C].Kangerlussuaq， Greenland.1999：781-795.

[2]Maltoni D，Maio D.A Structural approach to fingerprint classification：Proceedings of the 13th ICPR， 1996[C].Vienna.1996：75-91

[3]Jain A.K，Prabhakar S，Hong L.A multichannel approach to fingerprint classification[J].IEEE Transactions on PAMI，1999，21（04）：348-359.

[4]K.Karu，A.K.Jain.Fingerprint classification[J].Pattern Recognition，1996，29（03）：389–404.

[5]俞成浦.指紋識別算法的研究與實現[D]. 成都：電子科技大學，2009.

[6]Michel Neuhaus，Horst Bunke.A Graph Matching Based Approach to Fingerprint Classification Using Directional Variance.Proceedings of Audio and Video based Biometric Person Authentication，2005[C]. Hilton Rye Town，NY，USA.2005：455-501