基于二维主成分分析的指纹识别算法

计 算 机 工 程 第 34 卷 第7期

Vol.34 No.7 Computer Engineering ·人工智能及识别技术·

文章编号：1000—3428(2008)07—0215—03

文献标识码：A

2008年4月

April2008

中图分类号：TP18

基于二维主成分分析的指纹识别算法

金莉莉，李勇平，汪勇旭，王 琳

（中国科学院上海应用物理研究所，上海 201800）

摘 要：提出一种基于指纹统计特性的识别算法。该算法根据奇异点的位置和方向，提取指纹图像的感兴趣区域(ROI)，并使用二维主成分分析(2DPCA)的方法进行统计特征的提取和识别。在FVC2002指纹数据库上进行实验，结果表明：相对于PCA，该方法的计算速度更快。相对于传统的基于特征点的方法，该方法的实现更为简便。 关键词：指纹识别；二维主成分分析；奇异点

Fingerprint Recognition Algorithm Based on Two-dimensional

Principal Component Analysis

JIN Li-li, LI Yong-ping, WANG Yong-xu, WANG Lin

(Shanghai Institute of Applied Physics, Chinese Academy of Sciences, Shanghai 201800)

【Abstract】This paper proposes a fingerprint recognition algorithm based on statistics. Region of interest of a fingerprint image is extractedaccording to the position and direction of the singular points. Then the two-dimensional principal component analysis approach is applied to thetraining images represented by ROIs to get the statistical feature space. Fingerprint recognition is performed in the feature space using Euclideandistance classifier. Experimental results obtained on the fingerprint database of FVC2002 prove that the method has the advantages of fastcomputation speed compared with PCA, and simple implementation compared with traditional minutiae-based approach. 【Key words】fingerprint recognition; two-dimensional principal component analysis; singular points

1 概述

指纹识别技术是一种非常重要的生物特征识别技术，应用十分广泛。指纹的唯一性、终生不变及与主体不可分离等特性使其在传统的安全领域有着无法取代的地位。随着计算机和模式识别技术的发展，指纹识别技术已经成为计算机操作系统确认用户的手段，指纹考勤系统、门禁系统等也应运而生。

指纹特征的匹配是指纹识别系统中一个非常重要的环节，包括：基于图形图像的算法[1]，基于脊线结构的算法[2-4]，基于特征点匹配的算法[5-6]等。目前，大部分的自动指纹识别系统(AFIS)都是采用基于特征点匹配的方法，主要思想为：研究指纹脊线端点和叉点的坐标及方向的信息，根据这些信息进行匹配。而基于图像统计特征的指纹识别算法却少见报道，文献[7]提出了一种利用图像统计特征的基于PCA的指纹识别方法，并得到了较好的识别效果，然而这种方法要求把二维的人脸图像矩阵转化为一维向量，形成高维的向量空间，导致运算量过大，更重要的是这样做会丢失图像的二维结构信息。针对PCA的方法，本文提出了一种基于二维主成分分析(2DPCA)的统计识别算法，该算法针对二维图像矩阵，其协方差矩阵直接由原图像矩阵计算求得，其特征矢量维数与PCA方法相比大大减小，因此，提取特征的时间也大大缩短。本算法关注的是指纹图像中含识别特征的部分——指纹图像的感兴趣区域(Region of Interest, ROI)，通过识别ROI来进行指纹的识别。

独特性可以使其成为指纹分类的重要依据，而且两枚指纹奇异点周围的区域不可能完全相同，因此，将奇异点附近的区域定义为指纹的ROI。通过检测到的指纹奇异点来提取指纹的ROI。

2.1 奇异点的检测

笔者选用Poincare Index法[8]来进行奇异点的提取，此方法是指纹奇异点检测中一种非常经典、直观且简洁的方法，具体算法如下：

令ο(x,y)表示指纹图像的方向场，场中给定点(i,j)的Poincare Index值定义为

Poincare(i,j)=

1N 1

∑ (t) (1) 2πt=0

其中，

(t)(t)<π2

(t)= π+ (t) (t)≤ π (2)

π (t)其他

(t)=ο(x[t+1]modN,y[t+1]modN) ο(xt,yt) (3)

当Poincare(i,j)=1/2时，点(i, j)为core点Poincare(i, j)=-1/2，则点(i,j)为delta点。

基金项目：中国科学院“百人计划”择优支持基金资助项目“多种生物特征识别”；上海市浦江人才计划基金资助项目(05PJ14111) 作者简介：金莉莉(1981－)，女，硕士研究生，主研方向：生物特征识别；李勇平，研究员、博士、博士生导师；汪勇旭，助理研究员、硕士；王 琳，博士研究生

收稿日期：2007-06-24 E-mail：jinlili@

2 指纹图像ROI的提取

在指纹图像中，奇异点位于图像的中间区域，奇异点的

—215—