论文部分内容阅读
随着电子银行、电子商务和各种智能卡的出现和普及,如何准确而可靠地进行个人身份的自动鉴别成为近来研究的一个热点问题,具有十分广泛的应用前景。利用人体生理或行为特征的唯一性来确认个体身份的生物测量学方法,因其具有的高度可靠性,日益受到人们的重视。指纹识别技术是发展最早,应用最为成熟的一种基于生物测量学的身份确认技术。指纹识别技术发展到今天,出现的方法大体可以分成两大类:基于细节特征的指纹匹配和基于概率统计特征的指纹匹配。基于细节特征的指纹匹配利用了细节点的自身特征以及其相互的位置关系来描述一个指纹,具有形象直观的特点,但是容易受噪声的影响,执行速度通常也较慢。同一个指纹的不同采样虽然存在随机性变异,但其纹理结构特征却具有很高的稳定的相似性,这是基于概率统计特征的指纹匹配的算法基础。基于概率统计特征的指纹匹配抗噪声干扰能力强,但是指纹的特征表达中仅仅体现了指纹的纹理结构特征,而没有体现指纹的细节特征,因此匹配精度通常不高,特别是当指纹库容量很大时。针对这两大类指纹匹配算法的特点,本文在综合这两类方法的应用上进行了一些尝试,先利用一种基于概率统计特征的指纹匹配方法进行首次匹配,缩小匹配搜索范围,然后利用基于细节特征的匹配方法进行精确匹配。本文研究工作的主要成果如下:1) 本文将指纹图象视作二维随机场,基于嵌入式隐Markov模型(Embedded HiddenMarkov Model,简记为E-HMM。E-HMM也可以称为pseudo 2-D Hidden Markov Model)的基本原理,首次提出了一种基于E-HMM的指纹识别方法,这是一种基于概率统计特征的指纹匹配方法。首先自上而下继而从左至右的指纹不同特征区域可以用E-HMM的状态序列来表示。同一个指纹的不同采样由于受到多种变化因素的影响而具有丰富的表现,可以把这些不同的指纹图象看作是同一组状态序列产生的一系列表现,它们对应的是同一个E-HMM。不同的指纹用不同的E-HMM的来描述。E-HMM可以在模型层反映指纹二维方向的结构特征,能够较好地描述指纹的纹理结构特征,基于E-HMM模型的指纹识别方法已经初步取得了较好的结果。2) 本文提出了一种基于E-HMM的指纹分类方法。对指纹进行分类,并按照分类特征建立指纹库中的指纹检索的索引,可以有效地提高指纹识别系统中大型指纹库的管理和指纹匹配效率。同一类型的指纹具有相似的纹理结构,把它们作为一组训练样本,训练后对应着一类E-HMM,不同类型的指纹对应着不同类E-HMM。通过合理地利用指纹方向场信息,构造观察向量、训练E一蛋翻以,可实现精度高、鲁棒性强的指纹快 速分类。3)本文研究并实现了一个健壮度很高的指纹参考基准点计算方法,在此基础上进行了 匹配对齐和细节匹配处理。指纹的参考基准点对应着指纹的奇异点区域,是指纹的 一个重要的宏观结构特征,在指纹的细节匹配阶段,首先利用指纹参考基准点对齐 了两个待匹配指纹的细节特征,然后利用编辑距离算法评价指纹细节的相似程度。 整个细节匹配算法在一定程度上有效地补偿了指纹采样过程中由于伪细节的混入 和真实细节的丢失而产生的细节特征的变化,提高了细节匹配的精度和可靠性。关键词:指纹识别;指纹匹配:指纹分类:指纹增强;隐Ma rkov模型;模式识别