一种改进的指纹分类方法

顾菘

摘 要

指纹分类可以大大减少在指纹数据库中的匹配次数，缩短匹配时间。本文在指纹块方向场的基础上，利用其方向方差进行滤波，得出各奇异点的连接路径，并结合核心点与此路径形成一种改进的指纹分类方法。该方法以指纹块方向场为基础，符合指纹分类的全局思想，而非关注于细节特征，并简化计算。经过方向方差滤波后的指纹图像不仅可以利用奇异点的相对位置进行指纹分类，而且克服了奇异点丢失的弊端。本文针对滤波后的图像特征，提出了基于方向方差滤波的分类算法，通过实验验证了本算法的有效性。

【关键词】指纹分类 奇异点 方向场 方向方差滤波

1 引言

尽管指纹识别系统的研发理论已取得重大进展，但是由于指纹识别系统在识别准确率和识别速度上还远远不能满足很多实际应用的要求，使得指纹识别系统的应用在目前并没有获得全面普及，特别是在大型或超大型指纹数据库中其实时性和准确率完全不能满足要求。目前通常采用的办法是首先利用指纹其自身的特性把数据库的指纹分为若干类，然后在进行匹配之前将待匹配指纹进行归类，最后再与此类中的指纹进行匹配，这样能够大大减少匹配次数，缩短匹配时间。

作为指纹最重要的全局特征之一，奇异点在基于知识的指纹分类方法中发挥了非常重要的作用。奇异点被定义为方向不连续的点，分为核心点（core）和三角点（delta）。目前，已经有很多检测奇异点的方法。其中计算Poincare索引数值是检测奇异点的常用算法。该方法的理论依据是计算点（i，j）的Poincare索引数值。当Poincare索引数值等于1/2时，该点为指纹中心点的候选点；当索引值为-1/2时，该点作为指纹三角点的候选点。然后再计算出围绕该点外环和内环区域的Poincare索引数值，当两者相同时则认定其为奇异点。该类方法思路简单、能较好地确定奇异点的位置及类型，但使用Poincare索引值并不能找出拱型指纹奇异点的位置，因此还可以利用方向场计算出曲率最大的位置作为奇异点。

本文利用方向场的方向方差对经过预处理后的指纹图像进行滤波，计算出三角点和核心点的相对位置，判断三角点的数目，因此可以在丢失三角点的情况下同样能够对指纹进行分类；并且由于指纹分类都是从宏观上对指纹的全局特征在较大尺度上进行分类，而无需考虑指纹的局部特征，因此本文在计算时把指纹图像进行了分块处理，大大简化了计算量。

本文的指纹分类步骤如图1所示。

2 块方向场计算

方向场代表了指纹图像的本质特征，在指纹处理中有着非常重要的地位。本文中采用了结构张量法来计算指纹图像的块方向场。首先将整个指纹图像分割成w×w的块，然后分别用下面的公式计算块方向场。

3 方向方差计算

从图3（c）中可以看出，在奇异点处方向场变化较大。依据上述原理，奇异点处的方向方差也较大。因此对指纹方向场进行方向方差滤波可以计算出奇异点的位置。

在方向角为水平的区域内，与局部方向角i，j的方向基本一致。但在方向逐渐变为垂直的区域内，由于的某点上，其领域内方向角的平均值，与局部方向角i，j正交，则在此区域内的方向方差v2x，y比其它区域的值大的多，定义此区域为方向垂直区域。依据此原理可以计算出方向角为垂直方向的轨迹。

总而言之，对指纹块方向场进行方向方差滤波时不仅可以得到奇异点，还可以计算出方向场中为垂直方向的区域，如图4所示。

4 利用方向方差滤波图像进行指纹分类

经过滤波后的指纹图像，选择合理的阈值，得到无噪声的二值滤波图像。利用滤波后轨迹的个数、位置和大致走向进行指纹分类。

通过观察指纹图像可知，指纹采集时虽然三角点容易丢失，但核心点一般不会丢失。为了简化计算，本文通过Poincare索引数值计算出核心点，结合滤波后轨迹的个数、位置和大致走向进行指纹分类。并且由于本文主要利用滤波后的方向场对指纹进行分类，所以对于指纹奇异点位置的准确性没有太大的要求。表1列举了本文进行指纹分类的标准。

从表1中可以看出对于漩涡型和拱型指纹，根据核心点和滤波轨迹的数目可以直接分类；而对于环型和尖拱型指纹，由于其核心点和滤波轨迹的数目相同，还必须由核心点和滤波轨迹相对位置进行二次分类。

5 实验与讨论

实验将本文算法与目前占据绝对主流的poincare 索引数值方法在FVC2002指纹库上进行了全面的对比。FVC2002指纹库中共有4个小库，每个小库中分别有80个指纹。

为了尽可能地提高可对比性，poincare索引数值方法和本文的算法采用了一致的方向场。与文献[4]所不同的是本文采用的方向场均为块方向场。

实验对比了poincare索引数值方法和本文的分类算法的错误分类率（False Classification Ratio， FCR）

如表2所示。从表2给出的对比结果可以看出，本文的算法的FCR略小于poincare索引数值方法。

5 结论与展望

本文主要做了以下两个方面工作：

（1）针对指纹的本质特征对块方向场进行方向方差滤波，提取出方向垂直区域，此算法可以在不依赖三角点的情况下对指纹进行可靠的分类，解决了指纹采集不完整的问题。

（2）提出了将poincare索引数值与方向方差滤波相结合的指纹分类方法，充分利用核心点与方向垂直区域的数目与位置关系对指纹进行分类。

在以后的工作中，可以将方向方差滤波看为指纹数据的一种非线性映射函数，通过构建线性模型对指纹进行分类。本文拟将此作为下一步研究重点。

参考文献

[1]Hong L，Jain A.K.Classification of fingerprint images：Proceedings of the 11th Scandinavian Conference on Image Analysis，1999[C].Kangerlussuaq， Greenland.1999：781-795.

[2]Maltoni D，Maio D.A Structural approach to fingerprint classification：Proceedings of the 13th ICPR， 1996[C].Vienna.1996：75-91

[3]Jain A.K，Prabhakar S，Hong L.A multichannel approach to fingerprint classification[J].IEEE Transactions on PAMI，1999，21（04）：348-359.

[4]K.Karu，A.K.Jain.Fingerprint classification[J].Pattern Recognition，1996，29（03）：389–404.

[5]俞成浦.指紋识别算法的研究与实现[D]. 成都：电子科技大学，2009.

[6]Michel Neuhaus，Horst Bunke.A Graph Matching Based Approach to Fingerprint Classification Using Directional Variance.Proceedings of Audio and Video based Biometric Person Authentication，2005[C]. Hilton Rye Town，NY，USA.2005：455-501