使用图像处理的实时生物特征认证技术

T.Yuvaraja¹, A.Lakshminarayanan², P.Elayaraja^3., K.Shajudeen⁴
印度泰米尔纳德邦孔古纳都工程技术学院欧洲经委会系助理教授

摘要

在目前的生物特征识别技术中，指纹识别是最可靠和最被广泛接受的技术。原生脊特征被称为琐碎点代表指纹。标准策略将这些琐碎信息单独用作某个范围集，并仅从琐碎集中定位出匹配点。作为一个世界性的特征，除了历史上常用的琐碎点外，方向域提供了较强的歧视性信息。因此，计划中的技术描述了护理自动指纹识别系统(AFIS)，它包括了每个本地和国际指纹选项，并分为3个阶段:(1)琐碎匹配(2)重构方向场匹配(3)融合匹配。在第一阶段中，从输入的指纹图像中提取真实琐碎点，并进行匹配。在下一阶段中，从提取的琐碎信息和匹配阶段中使用的附加信息重建指纹的方向场。最后阶段采用选择级融合匹配主题，将重建的方向场匹配与基于细节的匹配相混合。因此，与受害典型匹配相比，受害典型匹配提高了系统的性能和匹配精度。

关键字

AFIS，融合匹配，场匹配

介绍

生物特征认证设备考虑的措施，平方测量每个行为和生理。随着时间的推移和分类设置，每个人的行为和生理都在改变，生物特征似乎不能精确地重复。

指纹指的是指尖上的脊状纹路。脊流在尖端的原生区域表现出异常，而这些异常的位置和方向正是用方形测量来表示和匹配指纹的。虽然没有科学依据，但人们相信指纹在不同的人之间是不同的，在不同的人的手指上也是不同的。即使是拥有相似聚合物的同卵双胞胎，也被认为拥有完全不同的指纹。从历史上看，指纹模式是通过在纸上用墨水印出指纹尖端来提取的。

我们10个指纹中的每一个都是排他性的，彼此之间完全不同，彼此之间也完全不同。即使是同卵双胞胎也有独特的指纹。不像密码、个人识别码和我们现在依赖的识别卡，我们的指纹不可能丢失或忘记，也永远不会被窃取。

a.指纹作为生物特征

指纹的可靠性是最高的，在刑事调查中被修辞顾问广泛使用。指纹指的是指尖上的脊状纹路。

脊流在尖端的原生区域表现出异常，这些异常的位置和方向是面积单位通常用来表示和匹配指纹的。虽然没有科学依据，但指纹面积单位被认为在人与人之间以及同一个人的手指上是不同的。即使是dna相似的同卵双胞胎，也被认为拥有完全不同的指纹。过去，指纹模式提取是通过在纸上绘制指纹尖端的印记来实现的。电子时代已经迎来了各种紧凑的传感器，可以提供这些模式的数字图像。这些传感器可以简单地集成到现有的pc外设中，如鼠标或键盘，从而创建这种识别模式，这是一个非常诱人的命题。这将促进基于指纹的自动认证系统在民用和执法领域的应用。

b.FINGERPRINTFEATURE品种

在我们的手，手指，脚和脚趾是“脊”或内衬同心凸起的模式。这些山脊被称为摩擦山脊，它们有助于创造更容易了解和抓住物体和表面，而不滑动

在接近摩擦纹中，方形测量有几种变化，方形测量有格子、破碎和分叉，形成了脊状皮肤区域，以及独特的指纹。本地选项创建了两种用于识别个人的指纹特征:国际选项和本地选项。原生选项也被称为琐事积分。它们是用于识别的方形指纹脊的小而独特的特征。2个或更多的人可以拥有相同的国际选项，但仍然有完全不同和独特的指纹，因为他们需要本地选项-琐事点-这与其他人不同。

文献调查

A.Jain和L.Hong代表了在线指纹验证系统的外观相关实现。针对琐碎匹配问题，提出了基于关联对齐的弹性匹配公式[1]。该公式能够在不进行彻底搜索的情况下，找到输入图像中琐碎特征之间的对应关系，并对指纹之间的非线性变形和不精确原因转换具有自适应补偿能力。a . jain, S.Prabhakar和L.Hong给出了一个手指代码公式，该公式减少了超大信息的指纹匹配时间。然而，该公式的缺陷在于需要适当设置感兴趣的区域，需要在指纹图像中正确检测中心目的。

S. pankanti, S. Prabhakar和A.K.Jain通过在琐碎选项中量化市场上的知识数量来确定2张指纹图片[2]之间的对应关系，解决了指纹个性的问题。

他们需要计算出琐碎之间的错误对应的几率——基于从两个任意指纹幸福到完全不同的手指[3]的主要表示。gu j .， zhou j .和zhang d .建立了一种独特的指纹方向场模型，提高了方向估计[4]的性能。采用多项式模型对方向场进行全局近似，并在各个奇异点上采用点电荷模型对方向场进行局部近似。这两个模型被一个权重操作组合在一起，仅仅被称为组合模型。J.Zhou和J.Gu设计了一种基于模型的定向场[5]的计算方法。

对基于梯度的公式进行了处理，得到了粗场。J.Qi, s.y yang和y.o wang为支持世界方向场[6]的每个指纹项概述了一个唯一的特征向量。这些选项通过计算向量[7]之间的欧氏距离来建立两个指纹印象之间的相应琐碎性。J.Gu, J.Zhou和C.Yang为指纹设计了一个独特的插图，包含了每个琐碎和基于模型的方向域。Ross, J.Shah, A.K.Jain已经表明，仅从琐碎引导就可以诱导出关于父指纹的3个层次的知识，即1)方向场数据2)类别或种类数据3)摩擦脊结构[8]。

指纹识别系统中提出的方案

a.拟议方案概述

为提高指纹自动识别系统中的细节匹配精度，提出了一种决策级融合匹配主题。目前大多数方案是在匹配阶段对指纹的方向场进行重构和利用，以提高系统的性能。投影组合模型由一系列匹配阶段组成。采用灰度指纹图像对融合主题进行检验。初级阶段是从输入的指纹图像中提取琐碎特征模板。琐事提取是弱脊图中奇异点提取的关键任务。采用改进的物理滤波公式提取真实琐碎点。

接下来的步骤是通过单纯的受害琐碎信息、脊和谷来估计有效区域。有效区域通常是通过细化包含所有琐碎点的最小包络来计算的。接下来的方法是由琐碎数据重建方向场。主要采用基于插值模型的重建技术。然后将重构的方向场引入匹配阶段。

如果匹配分数大于一个精确的阈值，我们将单位面积表示2个方向字段匹配。因此，融合匹配的主题是重建方向场匹配和标准的基于细节的匹配的结合。最终的匹配分数是匹配琐碎项对的种类之和，也是方向场的相似度。

有效区域估计

图2显示了单纯的琐碎特征，我们可以通过单纯的处理琐碎信息来提取有效区域，除了脊和谷。在这种情况下，我们能够通过找到包含所有琐碎点的最小包络来提取有效区域。

b.INTERPOLATION

指纹上的琐事总是“不均匀”分布，最终分布在琐事较少的区域。从而在分布式空间中放弃高权重的琐事。

我们倾向于在建模之前通过受害插值得出“虚拟”琐事。由于指纹的方向场是不断变化的，因此可以通过检测原生区域内琐碎点的方向来估计一个度的方向。为了在分布式空间内插值“虚拟”琐事，我们确定3个琐事点来构造一个三角形。

生成虚拟细节

设P (x, y)表示放置在星座中的“虚拟”琐事，Δ M1 M2 M3, di = || P-Mi ||是那些“虚拟”琐事从第i个顶点Mi的欧氏距离。并让θi是顶点对应的方向，Mi。很明显，如果一个顶点比另一个顶点更接近P，那么它应该对额外的“虚拟”琐事P有影响。

为了提高指纹自动识别系统中的细节匹配精度，设计了决策级融合匹配主题。目前最主要的方案是将指纹的方向场从琐事中重构出来，并在匹配阶段更多地利用它来提高系统的性能。所规划的组合模型由一系列匹配阶段组成。

结果与讨论

在性能分析中，考虑了FVC2004的指纹信息，以确定细节的底层真相。图2实验区单元分布，以检验系统的性能。在图3、4中，将规划的主题应用于指纹图片，并对匹配精度进行评估。第二个实验是计划的方法与现有方法的比较。

d.绩效评估

图8和图9所示的最后步骤显示了融合匹配的主题，即重构方向场匹配与传统的基于琐事的多数匹配相结合。如果图像的数量与方向场面积单位相匹配，则称该图像为已识别图像。类似地，如果它们彼此不匹配，那么图像将无法识别。

与现有方法的比较

作为关联例子，图6中存在一个方向可计算错误的琐事M，图7显示了相应的插值结果较差。IM方法将考虑所有的琐碎数据，M的错误方向的影响可以通过选择正确的琐碎来减少。因此，利用所规划的方法重建定向场，将在一定程度上克服M的医源性问题，增加一些替代性琐事的积极贡献。图8所示为方向场重构支持的IM方法，该方法可能会克服医源性问题。

典型的方法是将琐碎信息单独用作度集，参数选择策略完全依赖于图像，在某些情况下最终导致工件，并且结果平方测量不可接受。传统的图像美化技术不稳定。时间和记忆紧张。

插值后，细枝末节“均匀”分布。通过这种改进，基于模型的方法可以获得更好的性能，如图10 (c)所示。

a.值得策划的主题

利用融合匹配主题可以大大提高匹配精度。提高了定位、估计的性能。更正确和强的相关性噪声。在匹配方法中使用方向信息是可行的。因此，提取真正的琐碎，最终在自动指纹识别系统的可靠性上升。提取的选项方块可以自由测量指纹的移动和旋转。参数选择策略完全是图像自由的。改进了输入指纹图像中脊状结构和自然凹陷结构之间的区别。流程的简易性。

结论

因此，本文规划了一种快速、可靠的指纹识别方法，以获得优化的解决方案。方向场在指纹显示中非常重要。为了在仅存储琐碎特征的指纹自动识别系统中利用方位数据，提出了一种完全独特的利用琐碎特征进行指纹识别的技术。

将重构的方向场数据用于匹配阶段。规划规则将插值技术和基于模型的技术结合起来重构方向场，减少了错误检测琐碎的结果。同时，还增加了一种精确的琐屑提取方法，从而减少了虚假琐屑的产生。为了提高骨架图像的经济性，提出了许多经济的预处理技术。在后期处理阶段，现实琐事面积单位被保留，虚假琐事面积单位被移除。结果表明，该方法具有较高的耐寒性、精度和整机质量，与基于琐事的定向场估计方法相比，降低了定向场估计的精度。

参考文献

Hartwing Fronthaler, Klaus kollreider，和Josef Bigun(2008)，“指纹的局部特征增强和细节提取”，IEEE图像处理学报，第17卷，第3期，第354-363页。
顾杰，周杰，杨春华(2006)，“基于全局结构和局部线索的指纹识别方法”，电子工程学报。图像的过程。，vol. 15, pp. 1952–1964,
Najme Zehra，， Mansi Sharma, Somya Ahuja, Shubha Bansal(2010)，“基于隐写术的生物认证安全传输系统”，国际计算机科学与信息安全杂志，第318-324页。
J. Gu, J. Zhou，和D. Zhang(2004)，“指纹定位场的组合模型”，模式识别。，第7卷，第543-553页。
J. Qi, S. Yang，和Y. Wang(2005)，“结合全局方向场和细节的指纹匹配，”模式识别。列托人。，vol. 26, no. 15, pp. 2424–2430.
Ross, J. Shah，和A. K. Jain(2007)，“从模板到图像:从细部点重建指纹”，IEEE Trans。模式肛门。马赫。智能。，vol. 29, pp. 544–560.
周杰和顾杰，(2004)，“一种基于模型的指纹方向场计算方法”，电子工程学报。图像的过程。，vol. 13, pp. 821–835.