指紋傳感器工作原理及提高匹配性能的方法

　　指紋識別過(guò)程同所有的生物體特征識別的過(guò)程類(lèi)似，分為用戶(hù)注冊和特征匹配2個(gè)部分。首先，需要錄入指紋圖像，對獲取的原始圖像進(jìn)行處理，包括圖像增強、分割、細化、二值化等。然后，對指紋的細節特征進(jìn)行提取，比較常見(jiàn)的特征點(diǎn)有分叉點(diǎn)、端點(diǎn)，最后，生成模板儲存在系統數據庫中。無(wú)論是驗證或者辨識的過(guò)程，都需要將待識別的用戶(hù)的指紋圖像再一次進(jìn)行同樣的圖像分割、細化、二值化、特征提取等一系列步驟，生成和數據庫模板同樣的數據格式，最后，進(jìn)行比對，得出識別的結果。

　　現有的指紋識別算法的前提條件是使用相同的指紋識別器上采集指紋或認證。所以，在網(wǎng)上的很多用戶(hù)只能用同一類(lèi)指紋識別器才能實(shí)現認證，實(shí)踐證明：如果換作不同的指紋識別器，驗證系統的性能將大大降低，這是因為指紋識別器沒(méi)有標準的互換規定。

　　由于各種識別器的使用算法的不同，要使用指紋識別器的各系統需要個(gè)別的登錄，而且，認證時(shí)必須使用與登錄時(shí)使用的識別器類(lèi)型相同。這說(shuō)明個(gè)人和系統需要保留多個(gè)不同種類(lèi)的識別器。解決不同識別器之問(wèn)的通用算法就成為目前研究的一個(gè)很有意義的課題，這樣，用戶(hù)可以在自己的電腦上使用不同的識別器，方便了在線(xiàn)指紋驗證系統的使用價(jià)值。

　　由于某類(lèi)指紋傳感器僅僅適合同種類(lèi)型的采集儀驗證使用，為了允許更多的用戶(hù)使用和阻止假冒用戶(hù)試圖欺騙系統，多傳感器指紋融合提高系統的性能顯得很有必要。本文提出一種簡(jiǎn)單的融合策略研究了兩類(lèi)常用的指紋傳感器一光學(xué)傳感器和電容傳感器。兩類(lèi)傳感器分別采集兩幅圖像后通過(guò)預處理程序提取細節點(diǎn)后分別與模板指紋相匹配，得到2個(gè)匹配分數，然后，把這2個(gè)匹配分數通過(guò)融合規則得到最后的匹配分數，通過(guò)與單一傳感器性能比較表明：融合后的結果對系統的性能有了很大的提高。

　　1提出的融合框架

　　圖1為提出的多傳感器指紋驗證系統框架圖。首先，通過(guò)光學(xué)和電容傳感器采集用戶(hù)的指紋圖像。然后，對圖像進(jìn)行預處理和分別提取兩類(lèi)傳感器采集的指紋圖像的特征，基于細節點(diǎn)的匹配算法被分別應用到光學(xué)和電容細節點(diǎn)集，因此，有2個(gè)匹配分數，并使用融合規則融合這些分數。

　　圖1多指紋傳感器驗證系統框架圖

　　1.1指紋傳感器的類(lèi)型和工作原理

　　由于當今指紋傳感器規格很多，但是，至今仍然沒(méi)有一個(gè)恰當和統一的協(xié)議和標準。目前，市場(chǎng)上現有的傳感器主要有光學(xué)傳感器和電容式傳感器兩類(lèi)。

　　1.1.1光學(xué)傳感器工作原理

　　它的基本原理如下：將手指按壓在玻璃平面的一側，在玻璃的另一側安裝有LED光源和CCD攝像頭，LED發(fā)出的光束以一定的角度照射向玻璃，攝像頭用于接收從玻璃表面反射回的光線(xiàn)。手指上的脊線(xiàn)與玻璃表面接觸，谷線(xiàn)不與玻璃表面接觸，因此，照射在指紋脊線(xiàn)所接觸部分的玻璃表面的光線(xiàn)被漫反射，而照射在指紋谷線(xiàn)所對應的玻璃表面的光線(xiàn)被全反射，從而在由CCD攝像頭捕獲的圖像中，對應指紋脊線(xiàn)的部分顏色較深，對應指紋谷線(xiàn)的部分顏色較淺。

　　1.1.2電容傳感器工作原理

　　電容傳感器原理根據按壓到采集頭上的手指的脊和谷在手指表皮和芯片之間產(chǎn)生不同的電容，芯片通過(guò)測量空間中的不同的電磁場(chǎng)得到完整的指紋。由這一構造原理，可以大大地提高指紋的防偽性。偽造的指紋一般用硅樹(shù)脂或者白明膠等絕緣材料，在電容傳感器上是無(wú)法成像的，這樣使偽造的指紋無(wú)用武之地。但電容技術(shù)的芯片昂貴，且易受到干擾。

　　1.2指紋圖像處理

　　在該識別過(guò)程中，首先，通過(guò)指紋采集儀器采集到指紋J，由于采集指紋圖像時(shí)圖像質(zhì)量不高或者在捺取指紋過(guò)程中因用力不均造成指紋畸變，常常會(huì )造成指紋圖像分割的不準確，給后續的指紋識別帶來(lái)更大的困難，造成指紋自動(dòng)識別系統的拒識或誤識，所以，指紋采集后的第一個(gè)關(guān)鍵技術(shù)就是對采集到的指紋圖像進(jìn)行預處理，包括對指紋圖像的增強、二值化和細化等。預處理完成后即可進(jìn)行特征提取，然后，進(jìn)行特征匹配，輸出匹配結果，如圖2.

　　圖2指紋圖像預處理步驟

　　最后，細節點(diǎn)被提取出來(lái)，細節點(diǎn)定義為：端點(diǎn)和分又點(diǎn)(如圖3)，紋線(xiàn)端點(diǎn)是一條紋路的終結點(diǎn)，而紋線(xiàn)分叉點(diǎn)是一條紋路再次分開(kāi)成為兩條紋路的點(diǎn)。這2種特征點(diǎn)在指紋圖像中出現的幾率最大、最穩定，易于檢測，而且，足以描述指紋的唯一性。

　　圖3指紋細節點(diǎn)類(lèi)型

　　兩幅指紋圖像的匹配主要是解決旋轉、平移和形變等問(wèn)題。本文中，指紋匹配的輸入是2個(gè)特征點(diǎn)的點(diǎn)集尸與Q，其中一個(gè)點(diǎn)集P是從輸入的指紋圖像中提取出來(lái)的，另一個(gè)點(diǎn)集合Q則是預先從標準的指紋圖像中提取出來(lái)儲存在模板庫中。這2個(gè)點(diǎn)集合分別表示為

　　其中，記錄了點(diǎn)集P中第i個(gè)特征點(diǎn)的3條信息：坐標、Y坐標與方向，則記錄了點(diǎn)集Q中第j個(gè)特征點(diǎn)的3條信息：x坐標，y坐標與方向。假設兩幅指紋圖可以完全匹配起來(lái)，則可通過(guò)對輸入的指紋圖作某種變換(旋轉、平移與伸縮)得到模板中的指紋圖，因此，點(diǎn)集P可以通過(guò)旋轉、平移與伸縮等變換近似成點(diǎn)集Q.

　　為了能夠將輸入指紋圖像中的某一個(gè)特征點(diǎn)按照一定的變換方式轉換成模板指紋圖像中的相對應位置，需要知道相應的變換因子，△x與△y分別為x，y方向上的平移因子，△θ則是旋轉因子。匹配基準點(diǎn)的確定是通過(guò)判斷這2個(gè)三角形的相似程度得到的，在求取了兩幅指紋圖像之間的匹配基準點(diǎn)和變換因子后，本文對待識別指紋相對于模板指紋進(jìn)行旋轉、平移變換，以便判斷兩枚指紋是否來(lái)自于同一個(gè)手指。在本文中，求取變換后的待識別指紋的特征點(diǎn)坐標位置和所在區域的紋線(xiàn)方向。然后，將變換后的待識別指紋特征點(diǎn)集疊加到模板指紋特征點(diǎn)集上，檢測2個(gè)特征點(diǎn)集合中相重合的特征點(diǎn)數目。由于本文中的匹配是一種非精確匹配，即使是一對匹配的特征點(diǎn)對，它們之問(wèn)也不會(huì )完全重合，總是在位置、方向上存在有一定的偏差，所以，必須有一定的偏差容忍度。

　　為此，本文采用一種稱(chēng)為界定盒的方法。對模板指紋特征點(diǎn)集中的每一個(gè)特征點(diǎn)，選取它周?chē)囊粋€(gè)矩形區域作為它的界定盒，只要變換后的待識別指紋中的特征點(diǎn)經(jīng)過(guò)疊加后落在這個(gè)區域之內，而且，方向基本一致，可以認為這2個(gè)特征點(diǎn)對是一對匹配的特征點(diǎn)。

　　最后，算法統計所有相匹配的特征點(diǎn)數目，通過(guò)式(1)轉換成匹配分數，其中，maxscore是通過(guò)疊加匹配的細節點(diǎn)個(gè)數得到的最大匹配得分，Temp—Num和Input—Num分別是模板和輸入指紋的細節點(diǎn)數目

　　計算的匹配分數代表了相比較的兩幅指紋的相似程度。參數值越大，相似性程度越高，而如果得分較小時(shí)，說(shuō)明這一用戶(hù)不一定是其宣稱(chēng)的用戶(hù)，訪(fǎng)問(wèn)將被拒絕。

　　本文所使用的算法是一種典型的基于特征點(diǎn)坐標模型的點(diǎn)模式匹配算法。它對匹配過(guò)程中最難的一步一基準點(diǎn)的確定和變換參數的求取作了較深入的研究，根據3個(gè)近鄰的特征點(diǎn)之間的相互關(guān)系來(lái)確定基準點(diǎn)、求取變換參數。該算法在一定程度上能夠加快基準點(diǎn)的求取，從而提高整個(gè)匹配算法的速度。同時(shí)，該算法是根據多點(diǎn)來(lái)確定變換參數，而不是通常意義上的一點(diǎn)，在一定程度上可以消除在特征提取過(guò)程中所引入的位置、角度的偏差，得到更為準確的變換參數。