您好, 访客   登录/注册

基于遗传算法的指纹图匹配算法及应用研究

来源:用户上传      作者:史晶

  摘 要:针对目前在公安和身份确认等领域得到广泛应用的自动指纹识别,在简单介绍其分类和指纹匹配要求的基础上,结合指纹匹配基本原理与现有方法,提出一种以遗传算法为基础的新型匹配算法。目前,在高层次匹配当中引入这一方法,能以指纹细节点具有的特征为依据完成初匹配,取得了显著成效,可将其作为日后研究和发展重点。
  关键词:自动指纹识别; 指纹图匹配; 遗传算法
  中图分类号:TP18            文献标识码:A       文章编号:1006-3315(2019)9-200-001
   由于自动指纹识别具有灵活、方便和精准等优势,所以在身份确认等领域逐渐得到广泛应用。而其能否发挥应有效果,有赖于指纹图匹配,即需要借助高水平匹配算法来保证指纹匹配精度。
  1.基本概述
   自动指纹识别具有广阔的应用与发展前景,不仅能用于公安领域,还能在计算机领域得到应用,比如作为确认用户身份的手段和对网络资源进行访问的口令等。除此之外,它还能以嵌入式系统形式在银行系统中使用,如用于信用卡身份確认等。
   就目前来看,这项技术主要包含下列两方面:其一,指纹分类;其二,指纹细节匹配。以指纹特征为依据,可将指纹分成以下五种:第一,尖拱类指纹;第二,拱类指纹;第三,左环类指纹;第四,右环类指纹;第五,漩涡类指纹。对指纹进行分类的目的在于便于指纹库建立与管理,为后续指纹匹配创造良好条件。虽然很多人员针对指纹分类方面的问题做出大量研究,但从自动指纹识别角度讲,怎样缩小误识率依然是难点所在[1]。
   指纹的匹配主要用于判断指纹是否属于目标,它需要将指纹具有的特征作为基础,这些特征包括:脊末梢;分岔点;符合特征;未定义。现在最常用特征为细节点对应的坐标模型,即利用分岔点和脊末梢来完成指纹的鉴定。为解决指纹匹配方面的问题,需要提出一种新型算法,比如根据指纹图包含的结构信息予以初匹配,再以此为基础,借助遗传或补偿算法进行与指纹图之间的匹配。这一算法能有效抵抗非线性变形和噪声,对指纹图像没有太高要求,所以能识别不完全的指纹。
  2.指纹匹配
   现有文献中对指纹匹配提出很多算法,其中大部分是以点匹配算法为基础的。对于点匹配算法,它是指采用某种变换措施对两个点进行匹配[2]。
   比如Ranade等提出的松弛算法,这一方法定义两个点集,针对一组匹配,为点集定义相对变换。以该变换条件下其它点实际匹配程度为依据,对相对变换可靠度进行计算。若有一个变换能使点集科学匹配,如果这一变换和前一变换相近,则说明变换有较大可靠度,但其它变换较小。对可靠度进行重复计算的过程中,其它变换具有的可靠度会对正处于计算过程的可靠度造成加权影响。完成迭代后,能使匹配达到科学的变换,其可靠度将较大,其它变小。这一方法由于需要对可靠度进行反复计算,故速度相对较慢。
   又比如Stockman提出以Hough为基础的方式,将点模式通过匹配转化为检测Hough当中的峰值。该方法的缺点为:如果细节点的数量较少,则难以在空间内积累证据完成可靠匹配。除此之外,这一方法的计算量还很大。虽然有人从能量达到最小这一角度入手对点匹配问题进行描述,同时引入模拟退火方式,但是这一方法的实际计算量也很大。
   在此之后,Rand等提出了更加细致的能对指纹特征进行分析的模型[3]。这一模型对10种指纹具有的特征进行了区分。以此为基础,可通过格栅的叠加来完成特征识别。S-Sobajic等提出三种能对指纹进行匹配的方法,其中一种为借助光学仪器对指纹图进行相关性计算,这一方法具有很快的速度,但成本较高,且不容易携带;另一种方法为PCA法,从图像识别角度讲也就是KL变换,这一方法的指纹识别成效相对较少,其主要原因为指纹图具有的特征属于松散定义,同时存在很多伪特征。此外还有一种方法为神经网络算法,这一方法十分简单,但在计算时需要付出很大的代价。
   对算法而言,其本质在于改进后的算法,它能在利用现有结构信息的前提下,借助补偿算法对偏移累积进行抵消,所以可以有效抵抗变形及噪声。采用初匹配算法可以加快匹配速度。
  3.以遗传算法为基础的匹配算法
   对两幅指纹图进行匹配,能解决形变、旋转与平稳方面的问题,将关键点对应的点集作为指纹匹配输入,这两个点集分别从输入与标准指纹图进行提取,然后共同存储于模板库当中[4]。
   这两个点集能对关键点坐标和方向进行记录,若指纹图能完全匹配,可对输入指纹图实施变换,以此获得模板对应的指纹图。基于此,其中一个点集能通过变换成为另一个点集。部分点会由于噪音而发生偏移,或被添加与删除。如此一来,匹配指纹图即变为找出变换,促使点集良好匹配。因无法知晓指纹图是否属于同一手指,故试图找到能使更多点实现匹配的具体变换。若两个点不仅之间的距离很近,并且方向还保持一致,则可认定这两个点是相互匹配的。但需要注意,任何一个点集都可能存在不能采用变换的方式达到匹配的点。因指纹图的大小基本相同,所以在实际的变换过程中没有考虑伸缩因子,相应的,在匹配算法当中也没有考虑伸缩因子。
  4.结束语
   综上所述,对自动指纹识别及其应用而言,指纹图匹配具有重要作用和意义,为满足更复杂情况下指纹识别要求,需要不断创新指纹图匹配方式。通过综合考虑,提出一种以遗传算法为基础的匹配算法,以此避免偏移的产生及其累积,并有效加快匹配的速度。
  参考文献:
  [1]魏志平,谢进,席涛,曹书磊.双稳态俘能器的控制及控制器功耗优化[J]传感器与微系统,2019,38(04):33-36
  [2]赵婧,包伟华.基于分步遗传算法的压力变送器排产优化[J]应用技术学报,2019(01):165-171
  [3]蒋洋,张星臣,周晓晔.考虑支线运输服务的多式联运网络优化[J]沈阳工业大学学报(社会科学版),2015(10):25-26
  [4]黄正鹏,王力,张仕学,余廷忠,张起荣.基于传统遗传和数据压缩算法的冗余光纤数据存储优化[J]激光杂志,2019,40(03):135-139
转载注明来源:https://www.xzbu.com/9/view-15025032.htm