论文部分内容阅读
指纹识别技术作为当前生物特征识别技术综合性能强,使用最为广泛的一种身份识别认证技术,给现代人的生活带来了便利与安全。指纹识别技术的研究已有一定的时间,针对采集人配合度高,采集仪采集效果好的高质量指纹的匹配算法性能已经能够满足人们的日常需求。而对于采集人配合度低,采集仪采集效果差的低质量指纹的匹配算法性能并不理想。如何提升低质量指纹的识别性能,依然是指纹识别研究中的一个难点与热点。传统指纹匹配算法在低质量指纹匹配上性能有所下降,主要原因是较大的噪声导致了真细节特征的丢失和伪细节特征的产生。方向场信息作为指纹中最重要的特征之一,它的抗噪能力比细节特征更强,对于低质量产生的噪声有着更好的鲁棒性。本文优化了传统全局方向场的配准方法,并将全局方向场相似度分数与经典指纹算法的匹配分数融合,有效降低了低质量指纹识别的EER(等错误率),达到了提升低质量指纹匹配性能的目的。本文所做的主要工作和创新点如下:(1)本文提出了一种基于中心奇异点和焦点双重定位基准点的最速下降法进行配准,有效地解决了最速梯度下降法容易陷入局部最优的问题。(2)优化了下降法的迭代过程,配准的旋转量利用下降法自动计算,排除焦点计算时相近块方向造成的迭代发散问题。(3)将全局方向场相似度分数与经典指纹匹配算法的分数融合,大幅降低了低质量指纹的EER,有效提升了低质量指纹的识别精度。(4)通过配准实验和匹配对比实验,验证本文算法的有效性。为了验证本文算法中指纹方向场配准的性能,本文方法与经典配准方法作比较,在FVC2002数据库DB1中进行了指纹的方向场配准实验,配准的正确率可达99.47%,优于经典方法98.9%的正确率。为了验证本文算法中的融合匹配对于低质量指纹匹配的提升作用,在国际公认的低质量指纹库FVC2004数据库DB1和DB2进行融合匹配实验。实验将性能优异的Verifinger商业算法的匹配分数与采用本文方法求得的方向场相似度分数进行融合匹配,发现融合后的结果能够有效地降低EER。Verifinger商业算法匹配的EER在DB1和DB2上分别为4.2%和3.54%,经过融合匹配之后EER分别降低至2.58%和2.37%。综上所述,本文采用的双重定位最速梯度下降法进行方向场配准,能够获得更为准确的配准结果。在此基础上计算全局方向场相似度,将全局方向场特征融入低质量指纹匹配算法中,能够有效的提升低质量指纹的识别精度。低质量指纹识别技术的进步能够在采集仪采集效果差,采集人配合度低的情况下依然保证较高的指纹识别精度与速度,确保了在采集图像质量较差情况下的指纹识别技术可行性,从而能够促进指纹识别技术更大规模的推广。相对于传统身份认证技术,在提升身份认证效率的同时,降低身份认证的成本。