多层次指纹特征提取及构造方法研究

Fingerprint identification is essentially the process of identification based on fingerprint features, therefore, the features' accuracy, stability and discriminability directly determines the system performance to a great extent. In this work, we are aim to roundly and deeply study the fingerprint features extraction and constructing methods which focus on the fingerprints' pattern features, minutiae-based features and image/texture features..1,As for the pattern features: exploring the novel none Singular Points(SPs) fingerprint orientation model to solve the common conflict(that is, for most proposed orientation models, the need prior knowledge regarding SPs to refine model descriptions, while for most SPs detecting method, the orientation field is needed as the input)between orientation field and SPs, meanwhile, in order to providing more accurate parameters for orientation model, we are trying to promote the accuracy of gradient-based orientation calculating method on poor fingerprint images. For improving the accuracy of our proposed SPs detection method, the scheme that ensures the low missing detecting rate(or even zero missing detecting rate) at first, and then distinguishs the true SPs from the false ones will be adopted. .2,As for the minutiae based features: mainly reserching the rotation-invariant Orientation based Minutiae Descriptor(OMD) constructing method and the stable minutiae based semi-net/net ridge sampling method..3,As for the image/texture features: focus on exploring the fingerprints' image/texture features which are robust to rotation,deformation and poscess high discriminability according to the deep analysis on invariant moments.

指纹识别本质上是基于指纹特征的识别过程，特征的准确性、稳定性及鉴别能力在很大程度上直接决定了最终系统的性能。鉴于此，从指纹模式特征、点特征、图像/纹理特征三个层次全面、深入、专门地研究特征抽取和构造方法：1.在模式特征抽取方面：针对绝大多数指纹方向场模型在构建过程中存在方向场-奇异点互为先决条件的"死锁"问题，探寻新的无需奇异点信息的指纹模型构建方法，同时努力提高梯度方法对低质量指纹方向场计算的准确性，为模型构建提供更加准确的参数信息；采取先保证低漏检率甚至零漏检率再去伪存真的方案以进一步提高已提出的指纹奇异点快速检测算法的准确性；2.在点结构特征构造方面：重点研究细节点方向描述子(OMD)旋转不变的构造方法和细节点半网状\网状脊线采样结构的稳定构造方法；3.在图像/纹理特征抽取方面：重点通过对不变矩特征的分析和研究以期获得具有旋转不变性、良好抗形变能力及鉴别能力的指纹图像/纹理特征。

本课题针对指纹的模式特征、点特征、图像/纹理特征这三个层次展开了研究工作，具体的研究成果包括：. 1，指纹模式特征主要包括方向场和奇异点。在方向场计算方面，我们发现了一种简单、高效且效果好的基于梯度的方向场计算方法，即：在最朴素的梯度算法上作2点改变，将采用复合窗口替代原来的单窗口，将块梯度向量的计算过程迭代20-30次替代原来只计算一次。另外，针对近几年提出的基于拟合思想的方向场计算方法，我们发现：在选定函数基的前提下，对每一幅指纹图像，其确定的一系列参数就表示了这幅图像的方向场，从另一个角度看，这些参数可以理解为方向场降维后的结果。基于这样的理解，我们将这些系数作为特征向量，采用SVM进行指纹分类，获得了90%的准确率。在奇异点检测方面，我们对自己之前提出的基于方向场丰富度的奇异点检测算法进行了拓展，即：重新定义了原算法中提出的同质区域概念，在新定义下，给出了多方向场分割方案融合的检测算法，准确率较之原来的单分割方案有提升。.2，在点特征构造方面，主要做了3点相关工作。将细节点方向描述子(OMD)这种以细节点为中心的小尺度局部特征改造为以指纹核心点(core点)为中心的大尺度全局特征，并直接依据该特征进行指纹分类；给出了一种准确提取当前细节点与周边细节点之间穿越脊线个数的方法，并构造出一种鉴别能力强、抗旋转、形变能力强的局部特征；提出了一种基于多层次验证的指纹细节点对获取算法,相对于以往的单层次验证，算法主要改进包括：将原单层次验证拓展为一级、二级两个验证层次；增加了补充验证。.3，在图像/纹理特征方面,主要做了2点相关工作，提出采用SIVV(Spectral Image Validation and Verification)特征来描述指纹图像的纹理特征，并采用该特征进行指纹分类；提出了一种基于正交曲线Gabor滤波器的指纹快速增强算法，该算法将2维曲面gabor滤波转化为沿脊线垂直方向的1维带通滤波和沿脊线方向的1维低通滤波，实验证明该算法运算速度较之曲面gabor快42倍同时保持了增强效果。