利用中心點信息的活體指紋分類算法

利用中心點信息的活體指紋分類算法

摘要：一種針對活體指紋采集樣本的分類算法。將指紋分為四類：弓形、左箕形、右箕形和箕形（Right loop）和斗形（Whorl）。根據公安部的統計，中國人指紋類型的分布，弓形和帳弓形分別為1.1%、1.4%。對于實驗系統，把兩者分離的必要性不大。而且，弓形和帳弓形在結構上很相似，沒有明顯的特征可以把兩者很好地分開。文獻的實驗表明：不把這兩類分開，可以在不影響分類器效率的情況下，提高正確率。本文采用指紋結構特片分析方法，基于實用性的考慮，把采集的指紋分為四類：弓形（Arch）、左箕形（Left Loop）、右箕形（Right loop）和斗形（Whorl）。如圖1所示。

目前指紋分類在的研究對象主要是油墨指令等滾動按捺得到的指紋圖像，一般采用美國中央情報局的SINT4、NIST9、NIST14、NIST24等批文數據庫，這些據指紋圖像通常保留了三角點和中心點等特征點。但活體采集通常不能完整采集三角點。活體采集的樣本與傳統油墨按捺采集的樣本有很大不同。從目前所能查閱的國內外文獻來看，針對活體采集樣本的分類算法研究并不多見，而且效果并不是很理想。本文所研究的指紋庫是用主流芯片級指紋采集器——富士通公司的BMF200電容式的指紋傳感器采集得到的。這款采集器在自動指紋識別系統中得到了廣泛應用。因此，針對這種樣本數據庫的分類算法的研究具有現實意義和理論意義。

傳統的分類算法沿用指紋學上的分類法，把指紋分為五類：弓形（Arch）、帳弓形（Tent Arch）、左箕形（Left loop)、右箕形（Right loop)和斗形（Whorl）。根據公安部的統計，中國人指紋類型的分布，弓形和帳弓形分別為1.1%、1.4%。對于實際系統，把兩者分離的必要性不大。而且，弓形和帳弓形在結構上很相似，沒有明顯的特征可以把兩者很好地分開。文獻的實驗證表明：不把這兩作業成績分開，可以在不影響分類器效率的情況下，提高正確率。本文采用指紋的結構特征分析方法，基本實用性的考慮，把采集的指紋分為四類：弓形（Arch）、左箕形（Letf loop）、右箕形（Right loop）和斗形（Whorl）。如圖1所示。

1 指紋分類算法

分類算法的基本步驟是：

（1）圖像預處理：為使指紋圖像有要同的均值和方差，對原始圖像進行歸一化處理，然后根據圖像灰度信息對圖像分割，把背景區分割出來；

（2）計算方向圖：計算指紋圖像每一點的方法；

（3）提取特征：根據方向圖，找出指紋的奇異點；

（4）分類：根據中心點數目和指紋特定區域的流向把指紋分為四類。

程序流程圖如圖2。

1.1 圖像預處理

預處理包括歸一化、背景分割。歸一化就是把原始圖像的灰度均值和方差變換為期望得到的均值和方差。

歸一化后，對圖像進行分割，利用灰度信息把指紋區和背景區分開。

圖3是一幅指紋圖像的分割結果。

1.2 方向圖的計算與平滑

輸入的指紋圖像大小為240×264，分成8×8的小塊。首先計算每一點的方向，把平面空間量化成8個方向碼，通過式（1）計算每一點的方向。

其中：D（i,j）表示點（i,j）的方向碼；N這里取值為8。G（i,j）表示點（i,j）的灰度值；w表示以點（i,j）中心，在方向為d的直線上，每一邊的點數。G（ik,jk）d表示d方向的直線上所取像素點的灰度值。點的方向碼的計算解釋如下：在某一個點較小的范圍內，紋線上的點的灰度值相關不大，而紋線上與非紋線的點的灰度值相差較大。因此沿著紋線計算的差的絕對值之和較小，而沿著其他方向計算出的差的絕對值之和則較大。

為了保證方向的抗干擾能力，可在塊劃分不變的情況下，適當擴展方向碼的統計區域。塊的劃分尺寸為8×8，而統計該區域的方向碼時，則按照12×12的擴展區域。統計每一小塊對應區域中每一個方向碼的像素點數，像素點數最多的方向碼就是該小塊的主方向。

為了消除局部的方向圖計算誤差，對方向圖進行平滑。平滑方式采用3×3均值濾波器實現平滑濾波。圖4給出濾波前后的方向圖。

1.3 奇異點尋找與修正

進行指紋分類前，先將指紋的特片點找出來。對指紋分類有用的是指紋的奇異點：中心點（core）和三角點（delta）。文獻中介紹了判

【利用中心點信息的活體指紋分類算法】相關文章：

指紋識別算法研究03-08

指紋預處理算法與實現的研究03-07

SWEBOK的軟件工程知識分類模型及算法03-03

藍牙的信息安全機制及密鑰算法改進03-18

網絡信息資源的開發與利用03-29

利用匯編語言實現DES加密算法03-20

基于塊分類的H.264視頻水印算法03-07

基于MR信息干擾矩陣的頻率優化算法03-07

醫學檔案信息的開發和利用論文11-14