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