指纹膜啦

18779187148

基于信息融合的指纹特征信息提取算法

时间:2018-01-10 19:16:13 作者:柯绿科技

指纹特征信息提取

 

一、伪特征信息分析

由于手指的磨损、汗演、传感器的噪声等因素的影响.指纹细节点特征信息提取过程可能会产生以下错误:

(1)产生大量的虚暇细节点。即把不是细节点的地方判定为细节点,如将纹线断裂处判定为两个端点,将纹线粘连处判定为两个纹线分叉点等。

(2)遗漏真实细节点。即忽略了存在细节点的地方。造成遗漏真实细节点的主要原因是指纹图像的对比度较差,从而模枷了其中的细节点信息。

(3)细节点位里和方向存在误差。虽然判断出某处存在细节点,但是给出的细节点位里和方向并不精确。

(4)细节点类型错误。即把纹线端点判定为分又点,将分又点判定为端点,造成这个问鹿的主要原因是纹线断裂和纹线枯连。

如果不进行去伪处理,这些伪特征点将会严重影响匹配的正确性。

毛刺是由于二值图中的纹线不平滑引起的。从毛刺的端点开始跟踪,一般7个点内遇上又点。技捺时由于用力不均,使得相邻两纹线连接起来产生了桥接,其特点是桥接处和相邻两纹线近乎垂直。孔润是由于二值图中纹线模糊或纹线中有空洞引起的,其特点是两个分叉点距离很近,且方向相对。断点是由子采集指纹时用力不均或纹线自身的裂痕使得纹线断开,其特点是两个端点距离很近,且方向一般比较接近。短枝是由于二值图中的孤立黑块引起的,其特点是从一个端点跟踪一个较短的距离时会遇上另一端点。

除此以外,大量的伪特征点出现在指纹前背录的边缘交界附近(边缘效应),而且由原始图像转化为细化图像时,前期的各种预处理步砚和方法也可能会产生一些伪特征点。

二、提取细节点的信息胜合算法

常用的去除伪细节特征的方法主要是依据细节点的结构特点进行判断和筛选。该方法能较好地去除一些由于指纹本身质f或采集因素影晌而产生的伪细节特征点,但是却无法去除在指纹圈像预处理过程中产生的伪细节特征点。

本文的预处理增强及二值化方法能够对被破坏的坟践进行很好的修复,但会改变某些敬感区城的纹线结构,导致改变特征点的类型和位里。墓于Bubble小波分析的预处理方法对指纹图像增强效果一般,但对纹线结构和原貌保留较好。用两种原理不同的方法进行预处理所产生的伪特征点是不同的。为此,本文提出通过融合两种不同预处理方法所提取的特征信息结果来减少甚至消除预处理过程所产生的伪特征点,即:先取两种不同预处理方法所得结果的交集为待师选的特征集.这-过程会州除一些由于图像增强而产生的伪特征点。在此基础上,应用相应的规则对所筛选出的特征点进行判断和分析,以此减少甚至消除伪特征点。

通过信息融合提取特征点的方法如下:

1.利用频谱分析法增强指纹圈像并予以二值化、细化;

2.利用多尺度Bubble小波变换分割指纹图像并予以细化;

3.分别在同一幅原始指纹图像的两福不同细化图像中提取细节点,构成指纹图像的两个细节点集;

4.取两幅不同细化圈像的细节点集的交集作为该原始指纹的待筛选真实细节点集。典体傲法是,以第1步中得到的细化圈像中的细节点为中心,在第2步得到的细化图像中相应位里的某个邻域内搜索是否有相同类型的细节点,邻城大小取决于纹线宽度,考虑到经过预处理,真实特征点移位幅度通常不会超过一个纹线宽度,而纹线宽度的平均值通常不超过10个像素,故邻城大小取为10x10。若找到相同类型的细节点,则认为该点不是在预处理过程中产生的伪特征点。否则认为该点是伪特征点并予以去除。由此可以对特征点进行初步筛选,去除在预处理过程中产生的伪特征点。

特征点初步筛选过程及结果如图所示,(a)(d)是频潜分析论波增强方法提取的指纹特征分布圈,圈4-11伪冶)是荃于Bubble小波分割方脚m]提取的指纹特征分布图,融合两者信息得到的结果。

从实脸结果图像可以看出,信息触合的方法去除了因预处理而产生的伪特征点,但因纹线本身结构或其他原因而产生的伪特征点还未能去除,因此采用下述去除伪特征点的结构规则对上一步蹄选的结果进行进一步处理,以去除其他的伪特征点:

(1)边界点:从图像边缘提取出的特征点(主要是端点)大部分都是由于前、背景分割而产生的。本文算法在图像分割时将图像分为了背景块和前最块,所以只要将距离图像前、背景边缘一定阅值内的特征点去掉即可。

(2)毛刺和短线:毛刺将产生分又点和端点,短线产生两个端点。因此实际算法只要查找距离在一定闭值内的几征点,并从其中一个端点出发,如果在一定阅值内使用脊线跟踪法可以到达另一个征点则认为其为伪特征点,两个特征点同时去除。

(3)断点:如果两端点距离在一定阅值之内,且两瑞点的方向差不超过一定央角,则认为两个端点为伪特征点。

(4)孔洞和桥接:孔洞和娇接都是产生两个分叉点。判断条件是两个分叉点之间距离小于一定阅值,且存在一条连接两个分叉点的脊线时,Nil认为其为伪特征点,予以去除。

三、实脸结果及评价

为了验证本方法的有效性,对采集的指纹库和国际指纹识别大赛FVC2004的数据库共选取80枚不网质量的指纹图像进行实验。图显示了按上述规则去除伪特征点的过程以及特征提取的最终结果。(a)(d)是信息触合方法初步筛选的结果,(b)(e)是根据伪特征点结构去除伪特征点后的结果,(c)(t)是显示在指纹原始图上的特征提取的最终结果。

部分指纹特征提取的结果如表所示,其中,和,分别为真实细节点和提取出的细节点个数,d、f、e分别表示遗失的细节点、错误的细节点和类型改变的细节点的个数。

所述的五种方法(A、B、C、D和E).f本文方法的特征提取平均错误率的比较,结果表明本文方法有一定优势。本文方法在细节点的遗失率相对比较高是因为容锗思想严格筛选细节点所致,但正是因为信息融合的原因使错误细节点和类型改变的细节点数目较少,这保证了所提取细节点的正确性。

总结

对指纹的全局特征采用复数沱波的方法进行提取,能准确地提取奇异点的位里和方向信息,有助于细节点匹配的参考定位。在图像二值化之前加入了方向中值涟波算法,充分利用纹线方向信息减少了冲击嗓声的干扰.提出了一种信息融合方法来去除预处理过程产生的伪特征点,在此基础上根据伪特征点的结构特点来进一步判断和去除伪特征点。最终的提取结果表明,本方法在保留真实特征点和去除伪特征点方面共有明显的优势。

制作演示视频