一種基于混合匹配的指紋識別方法

摘要：為克服傳統的基于細節點(diǎn)匹配的不足，對基于點(diǎn)模式匹配算法與改進(jìn)的2DPCA 匹配算法的混合識別算法進(jìn)行了改進(jìn)。改進(jìn)后的算法在點(diǎn)模式匹配算法中加入改進(jìn)的2DPCA 算法的初匹配得分權重， 提高了點(diǎn)模式匹配算法的準確性； 并利用點(diǎn)模式匹配算法對2DPCA 算法的匹配結果進(jìn)行二次匹配，同時(shí)也提高了2DPCA 算法匹配的準確率。

　　指紋識別技術(shù)是一種非常重要的生物特征識別技術(shù)， 應用十分廣泛。指紋識別一般包括指紋圖像采集、指紋圖像增強、特征提取和匹配幾個(gè)部分， 其中特征匹配在整個(gè)系統中占有重要地位。指紋識別系統中的匹配算法主要分為基于細節信息和基于全局信息兩種模式。

　　目前， 大部分的指紋識別系統都是采用基于細節特征的匹配方法， 即提取細化后的指紋圖像的端點(diǎn)和分叉點(diǎn)信息， 采用一定的算法實(shí)現匹配。此類(lèi)算法雖然取得了較好的識別效果， 但是對發(fā)生偏移、形變、斷紋等低質(zhì)量的指紋圖像效果不佳， 并由于該類(lèi)方法在提取特征之前要對指紋圖像做一系列的預處理， 耗時(shí)較長(cháng)。

　　本文采用了一種基于點(diǎn)模式算法和改進(jìn)的2DPCA的混合匹配算法， 能夠充分利用指紋紋線(xiàn)中脊線(xiàn)和谷線(xiàn)的全局信息， 彌補點(diǎn)模式算法的不足。

　　1 基于點(diǎn)模式的匹配算法

　　本文采用一種在極坐標下基于中心點(diǎn)的指紋匹配算法， 該算法的具體實(shí)現步驟如下。

　?。?） 構造指紋圖像特征點(diǎn)的集合， 在預處理階段計算出指紋圖像的特征點(diǎn)及其特征點(diǎn)信息， 包括特征點(diǎn)的坐標FeatureX 與FeatureY、特征點(diǎn)的方向DirectiON 和特征點(diǎn)的類(lèi)型Type（ 包括端點(diǎn)和分叉點(diǎn)）。通過(guò)上述信息， 設系統數據庫中已存在的指紋圖像為P， 其特征點(diǎn)的數量為m， 在線(xiàn)錄入的指紋圖像為Q， 其特征點(diǎn)的數量為n ，則它們對應的兩個(gè)點(diǎn)集為：

　　其中，

　?。?） 獲取中心點(diǎn)CorePoint_X、CorePoint_Y 及中心點(diǎn)的方向CorePoint_Dir。

　?。?） 以各自圖像的中心點(diǎn)為極點(diǎn)， 按照公式將所有的特征點(diǎn)都轉換到極坐標下：

　　通過(guò)上述公式轉換后， 指紋圖像中的任一特征點(diǎn)可以表示為一個(gè)四維向量（Radius,θ，Dir,Type）。其中，Radius表示該特征點(diǎn)在極坐標下的極徑，θ 表示極角，Dir 表示該特征點(diǎn)在極坐標下的方向；Type 表示該特征點(diǎn)的類(lèi)型。

　?。?） 分別將模板指紋P 和輸入Q 特征點(diǎn)按照極角遞增的方向排序， 形成兩個(gè)新的特征點(diǎn)集：

　?。?） 匹配誤差值的設定。為了克服指紋出現旋轉、形變等非線(xiàn)性形變帶來(lái)的誤差，本文引入了可變界限盒的概念， 如圖1 所示， 其中，Rw為兩個(gè)特征點(diǎn)間的極徑允許的誤差范圍，θw為極角間的允許誤差范圍。

　圖1 可變界限盒示意圖

　　距離中心點(diǎn)遠的特征點(diǎn)有可能發(fā)生的位移或形變的幅度較大， 而距離中心點(diǎn)近的特征點(diǎn)往往發(fā)生的位移或形變較小， 為減少誤判， 將Rw和θw設為兩個(gè)動(dòng)態(tài)的值， 其具體值由不同的極徑?jīng)Q定。