《基于激光扫描的残缺指纹图像特征提取技术研究》由会员分享,可在线阅读,更多相关《基于激光扫描的残缺指纹图像特征提取技术研究(16页珍藏版)》请在金锄头文库上搜索。
1、基于激光扫描的残缺指纹图像特征提取技术研究 牛耕 陕西警官职业学院 摘 要: 传统的指纹识别常采用基于纹理边缘轮廓检测方法, 不能对残缺指纹进行有效识别, 为了实现对残缺指纹图像特征的有效辨认识别, 提出一种基于激光扫描的残缺指纹图像特征提取技术。对激光扫描采集残缺指纹图像进行边缘像素集特征分解与角点检测, 采用 Harris 角点检测技术进行残缺指纹非规则角点标记, 对激光扫描指纹图像进行边缘轮廓分割, 结合指纹的先验纹理特征进行信息融合和残缺点特征提取。仿真结果表明, 采用该方法进行残缺指纹图像特征提取, 输出图像的峰值信噪比较高, 提高了对残缺指纹的有效识别精度。关键词: 激光扫描; 残
2、缺指纹; 识别; 特征提取; 图像; 作者简介:牛耕 (1982-) , 女 (汉族) , 陕西渭南, 硕士, 讲师, 主要研究方向:计算机取证收稿日期:2017-03-19基金:陕西省教育厅教改项目 (13Z39) Research on feature extraction of incomplete fingerprint image based on laser scanningNIU Geng Shanxi Police Academy; Abstract: The traditional fingerprint recognition usually adopts texture
3、edge contour detection method, which cannot effectively identify incomplete fingerprint. Therefore, this paper proposes a feature extraction of incomplete fingerprint image technology based on laser scanning. Feature decompose and corner detect the edge pixels, mark irregular corner of incomplete fi
4、ngerprint based on Harris corner detection technology, segment edge contour, fuse information and extract incomplete fingerprint combined with transcendental texture feature of fingerprint. The simulation results show that the proposed method can extract the features of incomplete fingerprint image,
5、 and the peak signal noise of the output image is relatively high.Keyword: laser scanning; incomplete fingerprint; recognition; feature extraction; image; Received: 2017-03-19指纹提取技术是计算机图像处理的一个重要应用方向, 而今指纹提取已经广泛应用在安全检查、门禁安防系统管理、身份证管理和刑事侦查等身份辨认领域中1。指纹提取的原理是采用图像处理技术进行指纹的纹理信息特征提取, 得出能唯一反应当事人身份的指纹信息, 从而实
6、现人员身份辨认。在很多情况下, 由于条件和环境的限制, 通常采集到的指纹信息不完整, 特征分辨力不强, 而采用传统的图像特征提取方法进行指纹特征提取和筛选的难度较大, 随着激光扫描和激光图像处理技术的发展, 采用激光扫描技术进行指纹识别展现了一定的应用前景。通过对残缺指纹图像的激光扫描和特征提取, 进行指纹识别, 当前, 对指纹特征提取主要采用的是主成分特征提取技术和纹理边缘轮廓检测技术2, 通过人工识别和电子稳像识别技术进行指纹的纹理信息分析3, 其中, 文献4提出基于 Trust Zone 的指纹识别安全技术, 通过提取指纹的 Trust Zone 区域特征, 进行指纹识别, 并对指纹数据
7、和指纹特征模板进行加密, 提高指纹的提取精度, 但是该方法进行指纹图像特征提取时容易受到残缺杂质信息干扰, 提取的准确性受到限制;文献5中采用一种海量模式高效匹配方法进行指纹特征提取, 通过为每一个模式串计算唯一指纹可以降低误报率, 但该方法计算开销较大, 对残缺指纹的唯一性提取性能较低;文献6提出基于交点权重图的指纹焦点检测方法, 采用纹理边缘轮廓检测进行特征提取和指纹识别, 提高焦点检测算法的精度和稳定性, 但该方法存在不能对残缺指纹有效识别的问题。针对上述问题, 为克服当前方法的弊端, 提高对残缺指纹的准确识别能力, 本文提出一种基于激光扫描的残缺指纹图像特征提取技术。首先对激光扫描采集
8、残缺指纹图像进行边缘像素集特征分解, 然后用 Harris 角点检测技术进行残缺指纹非规则角点标记, 对激光扫描指纹图像进行边缘轮廓分割, 结合指纹的先验纹理特征进行信息融合和残缺点特征提取。最后通过仿真实验进行了性能验证, 展示了本文方法的优越性。1 激光扫描指纹图像的边缘像素分解与角点检测1.1 边缘像素集特征分解计算及设计流程为了实现对基于激光扫描的残缺指纹图像特征提取技术优化设计, 以图像的采集为基础, 首先采用三维激光成像技术进行残缺指纹的图像采集和信息采集, 直觉模糊集 u=uik, 在残缺指纹激光扫描图像序列的超像素平面中, 进行图像像素集特征分解7, 得到构建残缺指纹图像特征提
9、取的初始建模方程为:考虑整个激光扫描几何轮廓内的成像差异性, 用 u (x, y;d) 表示残缺指纹激光扫描图像序列子空间纹理信息, 对各个点的像素值进行归一化重构8, 依据初始建模方程, 从梯度方向场生成残缺指纹的贡献特征点的多维空间结构模型, 获得边缘像素集特征分解计算的迭代方程为:上式中, n=1, 2, , T, 表示迭代步数, 通过激光扫描方式搜集边缘像素集特征分解迭代方程的焦点信息, 并对点信息进行候选特征点分解, 确定指纹纹理特征的新的候选点为9:式中, u ik为残缺指纹激光扫描图像的多样性因子, 为模糊隶属度矩阵, m 为整个方向场中的纹理信息参数, 依据指纹纹理特征的候选点
10、, 由此得到指纹激光扫描图像的边缘像素集特征分解计算表达式为:上式中, 表示为单位时间内指纹的特征候选点出现的概率密度, x 表示扫描场的空间间隔。求解残缺指纹激光扫描图像的暗原色10, 令 t (x) =e, 其中 0t (x) 1, t (x) 表示残缺指纹激光扫描图像边缘检测和分割的透射率, 通过确定指纹特征候选点的有效区域, 并进行候选点与残缺焦点的距离计算, 确定是否为提取的指纹信息11-12, 根据上述边缘像素集特征分解计算表达式, 得到激光扫描指纹特征提取设计流程如图 1 所示。图 1 激光扫描指纹特征提取设计流程 下载原图1.2 残缺指纹图像的 Harris 角点检测在上述激光
11、扫描采集残缺指纹图像进行边缘像素集特征分解的基础上, 采用Harris 角点检测方法实现对残缺指纹微弱信息特征点的信息标定13, 实现对其准确识别。指纹角点分布的尺度为 a (a1) , I (x, y) 表示指纹的分形变量在 (x, y) 处的灰度值, L (x, y, ) 表示重叠指纹纹理的整体放大倍数, 根据指纹角点的旋转不变和尺度不变性, 得到旋转不变的特征矩阵为:尺度不变的特征量为:上式为指纹纹理分布 Harris 角点的尺度增强 Hessian 矩阵, 残缺指纹激光扫描图像的尺度参量 ua (t) 在时域上是相位加权, 得到 u (t) , 对图像像素点进行从左到右, 从上到下的角
12、点分割和检测14, 其中, 相位平移幅值为 bm, 在旋转不变的特征矩阵和尺度不变特征量基础上, 得到指纹的纹理分布尺度空间极值点为:根据指纹纹理的相似性、距离性等相关属性, 对指纹的纹理分布尺度空间极值点进行归类, 得到指纹角点检测的限定范围为:在指纹角点检测的限定范围内, 通过激光扫描滤波, 将采集指纹图像转换为一副灰阶图像, 通过灰阶向量量化分析15, 在尺度平移平面上 (a, b m) 点处, 得到角点检测结果为:通过上述处理, 将残缺指纹的角点分布网格划分为 P 个完全具有相似度属性的不规则三角网, 并进行空间位置信息标定, 实现非规则角点标记, 为进行指纹图像特征提取技术提供有效的
13、信息输入基础。2 残缺指纹图像特征提取技术的优化实现2.1 残缺指纹图像的边缘轮廓分割在上述进行指纹图像的激光扫描采集和角点检测基础上, 进行残缺指纹图像特征提取的优化设计, 本文针对当前的技术提取精度不好的问题, 提出一种基于激光扫描的残缺指纹图像特征提取技术, 首先给出第 s 帧激光扫描的指纹图像的边缘轮廓矩阵 A=aii=1, 表示具有 N 个标量的边缘像素点, 采用特征筛选进行空间降维, 筛选过程表达式如下:其中, a i表示角点尺度值, 像素点的相似程度系数满足-1m1, -1n1, m0, n0, 根据像素的相似度度量, 在筛选基础上, 得到指纹图像边缘轮廓的直线段, 满足如下收敛
14、条件:满足指纹图像收敛条件的同时, 在图像的边缘轮廓中, 经过仿射变换, 得到激光扫描残缺指纹图像的尺度归一化像素点信息满足:在仿射不变闭合区域内进行信息融合, 得到一个尺度为 的高斯滤波函数 G (x, y, ) , 计算指纹纹理的二阶矩旋转不变特征结果为:其中, G ( I) 表示图像角点 (x, y) 的迹, I为边缘轮廓分割的积分尺度, D为微分尺度, x, y 为二值灰度图像的邻域坐标, L (x, y, D) 表示亚像素级逼近函数, L x (x, y, D) , Ly (x, y, D) 分别表示图像在横向平移 x 方向和纵向平移 y 方向的关联特征分量, L xx (x, y,
15、 D) , Lyy (x, y, D为互相关函数, 通过上述设计完成指纹图像的边缘轮廓分割, 为残缺点图像特征提取奠定基础。2.2 信息融合与残缺点图像特征提取优化实现定义残缺指纹的图像特征搜索轨迹为:把满足上述条件的指纹纹理角点和边缘特征点进行直方图信息融合, 用珟 U (x) 表示直方图 (1, 2, , n) 上的旋转不变矩, 通过激光扫描形式, 对残缺指纹的图像特征搜索轨迹进行扫描, 得到指纹残缺部位和完整部位的尺度分割线为:其中, assoc (A, V) 是指残缺部位的像素点子集, assoc (B, V) 也是类似的定义, 结合指纹的先验纹理特征, 得到先验信息特征分解矩阵 J
16、(x, y, ) :依据先验信息特征分解矩阵, 通过尺度归一化处理, 在激光扫描的相邻两帧之间求解图像纹理差异值, 得到差异函数为:其中, I (y) 为当前帧 Ic的灰度, A 为纹理分割的幅度, (x) 为指纹的先验信息分布邻域, 求得相应残缺点特征子块内的灰度 s (k|k) , 结合指纹的先验纹理特征进行信息融合和残缺点特征提取, 因 s (k) = (k) , x (k) , y (k) , 所以沿梯度方向进行指纹图像特征搜索结果能有效反应指纹的纹理信息, 实现残缺指纹图像特征的有效提取。3 实验测试分析为了验证本文的特征提取技术在实现残缺指纹的图像特征提取的应用性能, 进行仿真实验分析。实验采用 Matlab 7 软件进行图像处理, 实验的硬件环境为:Pentium (R) D CPU2.80GH、2.7