在不同色彩空间下的指纹识别

倪承龙（四川大学计算机学院，成都610000）

在不同色彩空间下的指纹识别

倪承龙
（四川大学计算机学院，成都610000）

在生物识别的领域内，指纹识别一直是一个非常重要的话题。设计一个实验，在同一个数据集中，对比使用灰度图进行指纹识别和用其他色彩空间的其他通道的识别精度的差别，找出一个比灰度图更好的通道来进行指纹识别。

指纹识别；非接触式；色彩空间

0　引言

几年前，智能手机的出现，使得复杂的应用程序在移动设备上的出现成为了可能，例如网上银行、电子商务功能。但是，对于这些应用程序来说，安全成为了一个重要的问题。当今大多数的应用程序的安全措施为密码，但是密码还是不足以验证是本人操作。密码存在着外泄的危险，而系统很难识别是否是本人发送的消息。尤其在手机上这个问题特别突出，一旦手机丢失，而用户密码泄露，并且验证消息是发送到手机上的，那么，信息就会泄露到别人手里，造成损失。近年来，生物特征识别，尤其是指纹识别的安全性使得人们越来越多的用来进行信息的加密。

那么，在移动设备上如何使用生物特征识别的技术来进行信息的加密呢？

在生物特征识别的技术当中，指纹识别是一种应用比较广、安全性比较高的，也比较好操作的一种方法。

现在已经有一些智能手机搭载了指纹识别的功能。但是这些有指纹识别功能的移动设备大多是在设备上加了一个接触式指纹识别的设备。

但是，这种设计，需要重新设计移动设备，并且成本比较高。而且现在市面上大多数的移动设备并没有接触式的指纹采集设备。但是，现在市面上绝大多数的智能手机都配有比较高质量的摄像头，那么我们就可以用质量很高的摄像头拍摄的指纹图片来进行指纹识别。

但是不像接触式指纹采集仪采出的指纹，用摄像头采出的指纹图片是彩色的照片。为了能够用这些彩色的指纹图片来进行指纹特征的提取，我们需要将彩色图片转换为灰度图。

彩色图片有很多种色彩空间种类，例如RGB色彩空间、CMY色彩空间、HSI色彩空间等。这些色彩空间中都有三个色彩通道，RGB色彩空间中有R（红）通道、G（绿）通道、B（蓝）通道、CMY色彩空间中有C（青红）通道、M（品红）通道，Y（黄）三个通道，HSI色彩空间中有H（色调）、S（色饱和度）、I（强度）。

通过以上的图片，我们能够看出来在不同色彩空间的指纹图片非常不一样。

本文中，我们将要讨论用灰度图的识别效果更好，还是用这些不同的色彩空间不同的色彩通道的识别效果更好。

图1　手指图片在不同的色彩空间下的表现

1　色彩模型

色彩模型是描述使用一组值（通常使用三个、四个值或者颜色成分）表示颜色方法的抽象数学模型。

不同的色彩模型用各自的角度来描述彩色图片。这里面要介绍的色彩模型有RGB色彩模型、CMY色彩模型、HSI色彩空间。

1.1RGB 色彩模型

在RGB色彩模型中，每个一种颜色都是用R（红）、G（绿）、B（蓝）三个量来表示的。RGB色彩空间是基于迪卡尔坐标系统的。这个色彩空间可以表示成一个色彩方块，这个色彩方块的边正好与迪卡尔坐标系统中的三个坐标是平行的。而这个色彩方块表示红、绿、蓝三个变量的边正好在坐标系的三个坐标轴上，也就是说，这三个轴分别表示红、绿、蓝三个变量。在原点上，红、绿、蓝三个变量为0，原点就是代表黑，而在这个方块黑色点斜对面的那个点，就是白色，这两个点连线上的点就是灰度值。

在一个24-bit格式的RGB色彩图片中，三个色彩通道中每个通道是一个8-bit的灰度图片。

1.2CMY色彩模型

RGB色彩空间可以表示成一个色彩方块，这个方块一共有八个顶点，其中有三个顶点是放在红、绿、蓝的三个坐标轴上的，除了白点和黑色，还有三个点，这三个点和黑色点之间的边分别是代表青红、品红、黄三个量，如果把这三个边放到坐标系的三个坐标轴上，黑色的点在原点上，那么形成的这个色彩模型就是CMY色彩模型。

用一种简单的公式来表示从RGB色彩空间到CMY色彩空间的转换：

在CMY的色彩空间中，三个通道表示的分别为青红，品红，黄。

1.3HSI 色彩模块

在前面我们看到，从RGB色彩模型到CMY色彩模型的转换中，这种转换形式是一种线性的转换。在这两种颜色模型中和其他的类似的色彩模型并不能很好地描述人看到颜色时的感觉。

当人们描述一种颜色时，我们通常用色调，色彩饱和度、强度来描述，其中色调与光波的波长有关，它表示人的感官对不同颜色的感受，如红色、绿色、蓝色等，它也可表示一定范围的颜色，如暖色、冷色等；饱和度表示颜色的纯度，纯光谱色是完全饱和的，加入白光会稀释饱和度。饱和度越大，颜色看起来就会越鲜艳，反之亦然；强度对应成像亮度和图像灰度，是颜色的明亮程度。用三个量来描述色彩模型就是HSI，H（Hue）即为色调，S（Saturation）为饱和度，I（Intensity）为强度。

从RGB色彩模型到HSI色彩模型转变是一种非线性的转换。转换公式如下：

色调为：

其中：

强度为：

这里面，RGB的值取在0到1之间的值，θ的值为以HSI模型中表示红色的那条轴为0度，向顺时针为正，一直到360度。

2　基础工作

2.1指纹库德手机

在这个实验中，需要大量的非接触式指纹。于是，我们用华为U9100手机，采集了100个人的指纹图片，一共收集到了10000张的指纹图片，每个人的手指拍摄了5到15张指纹，只有在大量的指纹图片的支持下，实验的结果才能有说服力。

在拍摄这些指纹图片的过程中，同一个手指的几张图片的差别不能够太小，如果差别太小，相似度太高，实验的结果将不会明显。但是在拍摄的过程中，同一个指纹图片之间又不能有其他因素的干扰，例如光线，远近，旋转，这些因素的干扰尽量都要避免。

2.2将RGB指纹彩色图片转换为的色彩模型（CMY,HSI）

根据（1）、（2）、（3）、（4）的公式，将RGB彩色的指纹图片转换为其他的实验我们就要用这十套图片的来进行对比，以此来看这些色彩模型的各种通道中所表现的图片是否识别效果比灰度图更好。

3　实验设计

3.1实验的基本设计

在每一个色彩模型的每一个色彩中，我们都会得到很多的真匹配分数和假匹配分数。真匹配的分数是用同一个手指的指纹图片两两匹配得到的，而假匹配的分数是用不同的手指的指纹匹配得到的。

假使一个手指拍了十张指纹图片，那我们会得到这个手指的45个真匹配分数（两两匹配得到）。但是假匹配我们如果用全部的不同的指纹两两匹配，那么数据量就太大了。在这个实验中，每个手指的全部指纹图片只与其下一张手指的指纹图片进行两两匹配，这样的话，即保证了假匹配的数据来源于整个指纹数据库，又使数据库中的指纹数量不至于太大。

用这个指纹库的话，我们在一个通道内会得到65056个真匹配分数，201568个假匹配分数。

在这个实验中，我们用软件Neurotec_Biometric 4.3来得到真匹配和假匹配的分数。

3.2灰度图与RGB 色彩模型的比较

在RGB与灰度图中，我们得到的分数分布图如图2。

在这个图表中，在不同的通道中的分数没有办法很好地分辩出来。

每个通道都会得到65056个真匹配分数。我们可以统计一下，各个通道的真匹配分数最高有多少个。经过统计，结果如下：

图2　

灰度图分数最高的数量为：15853。

红色通道分数最高的数量为：12765。

绿色通道分数最高的数量为：18206。

蓝色通道分数最高的数量为：18232。

灰度图与RGB色彩模型中的ROC曲线如下：

图3　

我们还可以在这个四个通道中得到FMR1000、FMR10000和EER，如表1：

表1　

基于上面的数据，我们可以看到，用蓝色通道的图片得到的结果好于红、绿通道，并且好于灰度图的结果。

所以，在RGB色彩模型中，B通道得到的图片比灰度图更适合做指纹的识别。

3.3灰度与HSI 色彩模型的比较

根据公式（3）（4）（5），我们可以将RGB色彩空间的图片转换为HSI色彩空间的图片。

在HSI色彩模型与灰度图中，H和S通道得到的图片无法提取细节点，故无法用H和S通道中的图片进行指纹识别。

那么对比灰度图与I通道的图片的分数分布情况如表1：

图4　

从图中，我们也无法明显看出哪个识别情况更好，和RGB色彩空间的处理方法一样，我们也统计一下通道I的FMR1000和FMR10000。结果如下：

FMR1000=0.011%

FMR10000=0.012%

从这个结果我们能看出，通道I比灰度图更适合做指纹识别。

3.4灰度图与CMYW色彩模型的比较

根据公式（1），我们可以将RGB色彩空间的图片转换为CMY色彩空间的图片。

用Neurotec_Biometric(4.3)得到的匹配分数分布图如下：

图5　

类似的情况，我们也无法从这个图中分辨出来CMY中哪个色彩通道的图片更适合做匹配。

那我们来统计一下灰度图与CMY色彩模型中的ROC曲线如下：

图6　

还可以得到FMR1000、FMR10000和EER如下：

表2　

在这个色彩模型与灰度图的比较中，我们可以看到色彩通道Y更适合做指纹识别。而且效果比RGB色彩空间中的蓝通道更好。

这样，我们就得到了结论，灰度图不是做指纹识别的最好通道。在RGB色彩模型中，B通道更适合做指纹识别，在CMY色彩空间中，Y通道更适合做指纹识别。并且效果比B通道更好。

4　混和色彩模型不同色彩空间进行指纹匹配

在上面的实验中，我们讨论了各个色彩模型中哪个色彩通道更适合做指纹识别。那么，我们接下来将讨论一个问题，在一个色彩模型中，如果我们将不同的色彩通道混和起来，是不是存在一个混和的比例，如用单一的色彩通道匹配的效果更好。

例如在RGB色彩空间中，匹配结果最好的是B色彩通道，那么有没有一种可能是RGB三个道通，经过一定比例的混和，这样得到的图的识别效果比B通道更好呢？

那么我们就要设计一个实验，例如在RGB通道中，我们首先用R为1，B为0，G为0这样的比例进行混和，然后B一点点增加，每次增加0.1，然后再G一点点增加，每次也是增加0.1，直到把所有的混和可能给走遍。

然后看看这些混和的结果里哪一个结果是最好的。如果最好的结果比B通道好，那么说明存在一个混和比例，比B通道的结果更好。

对于CMY色彩模型，我们也做同样的实验。

那么，对于各处指标来说，最好的混和比例最好的结果如下：

（1）RGB色彩空间：

表3　

对于这几组比例，我们会得到得每个比例指纹识别的指标：

表4　

从上面的结果可以看出，如果以R：0.3，G：0.4，B：0.3或者R：0.2，G：0.5，B：0.3的比例进行混和，可以得到更好的EER、EMR1000、FMR10000。而且这个结果是比蓝通道更好的。

（2）CMY色彩空间：

同样的，对于这几组比例，我们也会得到每个比例指纹识别的指标：

表5　

表6　

对于C：0.3，M：0.2，Y：0.5这个比例来说结果是好于Y通道的结果的。

[1]Dongjae Lee,et al.Recongnizable-Image Selection for Fingerprint Recognition With a Mobile-Device Camera.IEEE Transactions on System,Man,and Cybernetics,Part B:Cybernetics,vol.38,no.1,2008,pp.233~243

[2]D.Maltoni,et al..Handbook of Fingerprint Recognition,Springer Science+Business Media,LLC,2003

[3]B.Y.Hiew,et al..Preprocessing of Fingerprint Images Captured with a Digital Camera.Proc.Control,Automation,Robotics and Vision, 2006,ICARCV 2006.9th International Conference on,2006,pp.1~6

Fingerprint Identification Under Different Color Spaces

NI Cheng-long

(College of Computer Scienc，Sichuan University,Chengdu 610000)

In the field of biological recognition,fingerprint recognition is always an important topic.Designs an experiment,contrasts the difference of grays image between other color space to recognize fingerprint in the same database,to find out an aisle better than gray image for the fingerprint recognition.

Fingerprint Identification;Non-contact;Color Space

1007-1423（2015）11-0088-06

10.3969/j.issn.1007-1423.2015.11.018

倪承龙（1988-），男，辽宁大连人，在读硕士研究生，研究方向为图形图像处理

2015-03-17

2015-03-30