基于汗孔特征的指纹识别技术研究进展

丁 锰， 易 瑶， 康艳荣

(1.中国人民公安大学刑事技术学院，北京 100038;2.清华大学，北京 100084;3.公安部物证鉴定中心，北京 100038)

0 引言

基于细节点特征的指纹识别技术已经广泛应用在指纹识别系统中，但随着指纹数据库容量的飞速增长，细节点特征提供的信息量已经越来越难以满足实际公安工作的需求。三级特征的引入，使得指纹图像中大量被现有识别技术所忽略的信息能够被利用，从而增大指纹之间的区分度，因此受到了不少关注。三级特征有很多种，其中汗孔是一种非常常见同时又具有较好可靠性的特征，因此在很多文献中都是主要的研究对象。本文将从汗孔特征的提取和应用两方面进行较为详细的介绍。

1 汗孔特征的提取

汗孔特征的提取可以分为两大类:基于骨架跟踪的方法和基于滤波的方法。早期文献中［1-4］采用的多是骨架跟踪的方法，此类方法首先对指纹图像进行骨架化处理，然后跟踪纹线骨架，当跟踪过程中满足某种预设的标准时，则认为出现了一个汗孔特征。骨架化方法的计算量很大，并且对噪声非常敏感，因此在使用这种方法提取汗孔特征时，只有当图像分辨率很高并且质量很好时才能得到比较好的结果。在骨架化方法之后，研究热点逐渐转至对图像质量和分辨率要求更低的提取方法:滤波方法。滤波方法中使用的典型的模型包括三个各向同性滤波模型:Jain 氏模型［5］、Ray 氏模型［6］、DoG(高斯微分)模型［7］，以及一个各向异性滤波模型。

A.K.Jain等人发现在汗孔处会有很高的负频率响应，因此利用墨西哥帽小波变换提取汗孔［5］。在这种方法中，墨西哥帽小波实际上就是汗孔模型。

M.Ray等人基于改进的二维高斯函数模型提出了一种滤波算法［6］。这种算法首先计算指纹图像的误差图，其计算方法如下:对于指纹的每个像素，根据改进的二维高斯函数模型得到其周边的模型像素灰度，计算此灰度值与原图中对应像素灰度值的差值的平方并求和。最后设定阈值对误差图进行二值化，就可以留下存在汗孔可能性大的区域。

N.R.Parsons等人的方法是利用带通滤波器探测指纹图像中的圆形特征。这种方法假设汗孔是指纹图像中的圆形物体，并利用DoG滤波器进行探测［7］，但并没有考虑不同指纹图像中汗孔大小的变化，而仅仅采用一种尺寸进行滤波。Qijun Zhao等人对此模型进行了改进，改进的方法根据指纹图像不同区域中脊线周期的不同来定义不同大小的DoG滤波器，使得此模型能够适应不同尺寸汗孔的变化。

上述三种模型均将汗孔视为各向同性的物体，而Qijun Zhao等人认为，汗孔在一些情况下可能是各向异性的(图1)，并且汗孔大小也有不同，因此建立了动态的各向异性汗孔模型［8］。

此模型用方向和大小两个参数控制滤波器，使滤波器模型对各向异性和不同大小的汗孔具有一定的适应性。

图1 汗孔在打开(呼吸)状态下的形状

2 汗孔特征的应用

将汗孔特征应用于指纹识别与细节点特征一样，主要是在配准和匹配两个阶段。在配准阶段，首先找出模板图和查询图中的几组控制点(即对应的特征点)，通过这些控制点得到这两幅图之间的变换关系，从而可以校正由于平移、旋转、畸变等带来的影响;在匹配阶段，比对经过配准后的两幅图的相应点，如果其距离满足一定的条件，则认为这一组点匹配，根据匹配点数与不匹配点数最终得到两幅图的匹配分数。

A.K.Jain 等人在文献［9］中，首先利用细节点进行指纹配准，然后寻找匹配的细节点对。如果匹配的细节点对不足12对，则进入三级特征匹配，选取的区域是已经匹配的细节点对周边的矩形区域，匹配算法为迭代最近点算法。此算法可以补偿指纹的非线性形变，同时适用于模板图像和查询图像的特征点数量不同的情况。匹配的汗孔对之间的平均距离被用作匹配分数参与最后的融合决策。

Qijun Zhao等人认为A.K.Jain的方法中，三级特征的匹配依赖于细节点匹配的结果，二者不能解耦，不利于二级特征与三级特征匹配的融合，因此提出了一种汗孔直接匹配算法［10］。这种方法首先对所有的汗孔建立一个旋转不变的、归一化的描述符，然后利用汗孔的描述符直接进行粗匹配。粗匹配之后，再利用RANSAC算法剔除粗匹配中的错误结果，最后得到一个独立于细节点的汗孔匹配分数。

Mayank Vatsa等人直接进行细节点和汗孔位置的融合，并以此进行指纹识别 。作者首先对细节点进行Delaunay三角划分，划分出来的每个三角形都作为一个细节点组，对每个细节点组及其内部的汗孔，构建一个新的超矢量，这个超矢量包括三角形内角余弦平均值、三角形的方向、细节点平均密度、边长比、细节点与汗孔的最大最小距离、脊线平均宽度等矢量或标量，指纹的识别就基于这个超矢量进行。

可以看到，在汗孔特征的应用方面，研究还进行得比较少，需要更多更深入的研究。

3 总结

指纹识别技术由于其本身的技术优势和在公安工作中的使用背景，将会在生物特征识别领域继续发挥重要作用。随着现代社会对识别精度越来越高的要求，以及高分辨率指纹采集仪的出现，汗孔特征将在指纹识别中发挥越来越重要的作用。如何更准确更快速地提取指纹的汗孔特征以及如何更有效地利用汗孔特征，都是亟待更加深入研究的课题。

［1］ RODDY A R，STOSZ JD.Fingerprint features-statistical analysis and system performance estimates［J］.Proceedings of the IEEE，1997，85(9):1390-1421.

［2］ STOSZ J D，ALYEA L A.Automated system for fingerprint authentication using pores and ridge structure［C］∥SPIE's1994 International Symposium on Optics，Imaging，and Instrumentation.International Society for Optics and Photonics，1994:210-223.

［3］ KRYSZCZUK K，DRYGAJLOA，MORIER P.Extraction of level 2 and level 3 features for fragmentary fingerprints［C］∥ Proceedings of the 2nd COST275 Workshop.2004:83-88.

［4］ KRYSZCZUK K M，MORIER P，DRYGAJLO A.Study of the distinctiveness of level 2 and level 3 features in fragmentary fingerprint comparison［M］∥Biometric Authentication.Springer Berlin Heidelberg，2004:124-133.

［5］ JAIN A，CHEN Y，DEMIRKUS M.Pores and ridges:Fingerprint matching using level 3 features［C］∥Pattern Recognition，2006.ICPR 2006.18th International Conference on.IEEE，2006，4:477-480.

［6］ RAY M，MEENEN P，ADHAMI R.A novel approach to fingerprint pore extraction［C］∥System Theory，2005.SSST'05.Proceedings of the Thirty-Seventh Southeastern，2005:282-286.

［7］ PARSONS N R，SMITH J Q，Thönnes E，et al.Rotationally invariant statistics for examining the evidence from the pores in fingerprints［J］.Law，Probability and Risk，2008，7(1):1-14.

［8］ ZHAO Q，ZHANG D，ZHANG L，et al.High resolution partial fingerprint alignment using pore–valley descriptors［J］.Pattern Recognition，2010，43(3):1050-1061.

［9］ JAIN A K，CHEN Y，DEMIRKUSM.Pores and ridges:high-resolution fingerprint matching using level 3 features［J］.Pattern Analysis and Machine Intelligence，IEEE，2007，29(1):15-27.

［10］ ZHAO Q，ZHANG L，ZHANG D，et al.Direct pore matching for fingerprint recognition［M］∥Advances in Biometrics.Springer Berlin Heidelberg，2009:597-606.

［11］ VATSA M，SINGH R，NOORE A，et al.Combining pores and ridges with minutiae for improved fingerprint verification［J］.Signal Processing，2009，89(12):2676-2685.