论文部分内容阅读
当前社会对个人身份的安全性要求逐渐提高,依赖于人体固有生理特征的生物识别技术在各种身份认证领域得到广泛的应用。指纹识别技术由于其个体唯一性、稳定性和简单易操作性被视为最有效的生物识别技术。目前,指纹识别技术已经广泛应用于网络安全、罪犯鉴定、门禁系统和ATM等身份认证场合。自动指纹识别系统是一个集指纹图像获取、处理、特征提取、识别和匹配等模块与一体的自动识别系统,它的性能很大程度上依赖于采集的指纹图像的质量。质量高的指纹图像才能保证较高的识别率,所以如果首先对采集的指纹图像质量进行评估,判断其纹理是否清晰,是否可用于特征提取、指纹匹配或识别,从而拒绝低质量指纹图像并提示重新采集,自动指纹识别系统的性能会得到很大的提高。本文借鉴数字图像质量评估方法和生物识别领域对质量的定义,对指纹图像质量评估进行了深入研究并取得了一定的成果,主要工作总结如下:(1)通过对数字图像质量评估方法的研究,结合生物识别领域对质量的分析研究,对指纹图像质量进行了定义;(2)从评估效率和评估全面性两方面考虑,设计了三项指纹质量评估因子:图像模糊度因子、纹理特征因子和可用性因子,分别从图像总体模糊程度、指纹脊、谷清晰程度和对指纹识别后续处理的影响三个方面综合反映指纹图像的质量;(3)提出基于SVM分类的指纹图像质量评估算法,利用SVM方法综合利用设计的三项评估因子得到对指纹图像质量的最终评估结果,克服了人工设定阈值的打分函数的缺点。另外,本文对传统的SVM二分类算法进行了改进,提出SVM多分类的指纹质量评估算法,可以按不同的标准将指纹质量分类,满足不同的应用需求;(4)对本文提出的基于SVM分类的指纹质量评估算法和线性打分函数指纹质量评估方法分别在两个数据集上进行了测试,把得到的评估结果中低质量的指纹按照一定的比例去除后,对该数据集的匹配正确率和ROC曲线进行了测试,结果证明本文提出的算法优于线性打分函数评估方法。