论文部分内容阅读
指纹识别技术作为应用最广泛的生物特征识别技术,已经用于个人的身份认证。但是,随着便携式电子设备和采集技术的发展,指纹采集仪的面积越来越小,从采集的图像中获得的特征信息也随之变少,同一根手指的不同指纹图像间的重叠区域也相应变小,这严重影响了指纹识别系统的性能。小面积指纹拼接技术通过合并同一根手指的两幅或多幅指纹图像或特征模板,增加了指纹模板所包含的信息,有效提高指纹识别系统的性能。因此,小面积指纹拼接技术成为目前指纹识别技术中新的研究热点之一。 小面积指纹拼接是形成小面积指纹模板库的重要步骤,它分为特征拼接和图像拼接两个方向。传统的特征拼接只使用细节点的独立信息为特征,忽略了细节点与周围区域的相关信息,可能导致特征拼接模板的误差较大。经典的两种小面积指纹图像拼接算法是基于改进迭代最近点算法,它们在选取初始变换的参考点时,使用多个相关细节点求取对应的匹配细节点对,选取生成匹配细节点对较多的作为参考点或者直接选取核心点作为参考点,前者计算量较大,后者不适用于不含核心点的指纹图像。此外,该算法只使用细节点信息来判断指纹拼接图像是否准确,可靠性不高。为了改进上述指纹拼接的不足之处,本文所做的主要工作与创新点如下: 1、提出了一种基于方向场描述子和刚性变换的指纹特征拼接算法,该算法中,在指纹特征模板中增加了细节点的方向场描述子信息,然后选取方向场描述子相似度较高的多组细节点对,根据每组细节点对求取的变换参数和匹配细节点对,最后选取匹配细节点对间欧式距离之和最小的变换参数作为特征拼接时的变换参数,提高了匹配细节点对的准确性,有效地减少了由相似细节点间的错误匹配导致的特征拼接误差。 2、提出了一种基于距离图像和细节点的指纹图像拼接算法,该算法基于细节点匹配算法得到两幅指纹图像的匹配细节点对,并选取匹配细节点对中相似度最高的作为初始参考点。然后,通过距离图像引入指纹图像的脊线信息,使用脊线匹配错误作为判断指纹图像拼接是否准确的标准。该算法减少计算量的同时进一步保证了指纹拼接图像的准确性。 为了验证本文提出两种算法的有效性,在西安电子科技大学自建的小面积指纹数据库XDFinger上进行实验,该数据库有200根手指,每根手指10幅图像。向XDFinger中添加使用本文算法得到的指纹拼接特征模板,使识别系统的等错误率从0.45%降至0.39%。使用VeriFinger指纹识别系统进行实验,相较于不添加指纹拼接图像的等错误率0.4%以及添加使用经典拼接算法得到指纹拼接图像的等错误率0.34%,本文所提出的指纹图像拼接算法的等错误率为0.22%,显著降低了小面积指纹识别系统的等错误率,提升了具有指纹识别功能的智能设备上的用户体验。