【正文】 成的行為特征 [2]。一些辦公場(chǎng)所或政府機(jī)關(guān)開始采用生物自動(dòng)識(shí)別技術(shù)進(jìn)行門禁管理和考勤 ；德國(guó)的一些超市已經(jīng)推出了一款新型的指紋付賬系統(tǒng)， 事先將個(gè)人銀行信息，大拇指、食指的指紋進(jìn)行關(guān)聯(lián)注冊(cè)，指紋就能在結(jié)賬時(shí)發(fā)揮信用卡的作用 ； 在國(guó)際通關(guān)中，虹膜識(shí)別已是身份驗(yàn)證的主要手段。從全球來(lái)看，生物識(shí)別技術(shù)在出入境、機(jī)場(chǎng)安檢、電子護(hù)照以及智2 能身份證等方面正得到廣泛應(yīng) 用。 11”以后 ,各個(gè)國(guó)家對(duì)生物識(shí)別技術(shù)越來(lái)越重視 [3]。 2020 年，全球生物識(shí)別市場(chǎng)規(guī)模達(dá)到 15億美元， 2020年有望突破 60億美元。美國(guó)是目前全球指紋識(shí)別技術(shù)應(yīng)用最為成熟的國(guó)家，全球約有 50%以上的指紋采集芯片廠商和約 30%以上的指紋軟件提供商在美國(guó)，約有 20%以上的指紋識(shí)別產(chǎn)品需求在美國(guó)。作為最精確也是最昂貴的生物識(shí)別技術(shù)，虹膜識(shí)別目前已被用于英國(guó)的民航通關(guān)系統(tǒng)。而人臉識(shí)別技術(shù)應(yīng)用廣泛而且持續(xù)增長(zhǎng)，英國(guó)的警力部門很早就開始研究怎么把臉部識(shí)別軟件加載到國(guó)家嫌疑犯數(shù)據(jù)庫(kù)中。 據(jù)了解，我國(guó)的生物識(shí)別技術(shù)（主要是指紋識(shí)別）與美國(guó)和日本相比要研發(fā)起步晚10 到 20年時(shí)間。據(jù)國(guó)內(nèi)知名生物識(shí)別專家、亞略特生物識(shí)別研究院院長(zhǎng)楊若冰介紹，目前，我國(guó)生物識(shí)別產(chǎn)業(yè)中 70%至 80%是指紋識(shí)別，不包括指紋產(chǎn)品的貼牌廠商和經(jīng)銷廠商在內(nèi)，從事指紋技術(shù)研 究和開發(fā)的企業(yè)有 50到 100家，預(yù)計(jì)整個(gè)指紋產(chǎn)業(yè)的從業(yè)人員在 10萬(wàn)人以上。據(jù)中科院高技術(shù)局邱顯杰介紹，中科院自動(dòng)化所目前在生物識(shí)別、人臉識(shí)別等方面已形成了多項(xiàng)專利成果。目前在我國(guó)申請(qǐng)的與指紋技術(shù)相關(guān)的專利有 1300多條，與指紋識(shí)別相關(guān)的有 200多條，但其中有相當(dāng)一部分來(lái)自美國(guó)、歐洲、日本、中國(guó)臺(tái)灣等。因此 ， 《國(guó)家中長(zhǎng)期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要（ 20202020）》在信息前沿領(lǐng)域和國(guó)家安3 全領(lǐng)域都特別提到了要加強(qiáng)生物識(shí)別技術(shù)的研究 [5]。生理特征與生俱來(lái)，多為先天性的；行為特征則是習(xí)慣使然，多為后天性的。 目前，研究和使用的生物特征包括臉部、虹膜、視網(wǎng)膜、指紋、掌紋、手形等生理特征和語(yǔ)音、簽名、步態(tài)等行為特征。 特征提取就是將圖像中最有代表性的特征變成特征向量，以減少信息的冗余度。 虹膜特征提取 虹膜位于角膜后、晶狀體前 ， 是黑色瞳孔和白色鞏膜間的環(huán)狀部分 ， 總體上呈現(xiàn)出一種由 里向外的放射狀結(jié)構(gòu) ， 由相當(dāng)復(fù)雜的纖維組織構(gòu)成 ,包含很多相互交錯(cuò)的斑點(diǎn)、細(xì)絲、冠狀物、條紋及隱窩等細(xì)節(jié)特征。 采用高效的特征提取方法既保留虹膜盡可能多的信息，又能達(dá)到對(duì)數(shù)據(jù)降維的效果是虹膜特征提取的關(guān)鍵。 Boles 等人 [8]提出了一種基于一維小波變換的虹膜特征提取算法。其中 Daugman 的方法優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單 , 速度快 , 但是存在著要求獲取圖像的分辨率、大小以及光照等條件保持基本不變的缺點(diǎn)。王蘊(yùn)紅等人使用多尺度的紋理分析方法提取全局特征 , 具有平移和旋轉(zhuǎn)不變性 , 并且對(duì)于光照的變化不敏感 ,采用兩維的分析方法 , 虹膜的紋理更加明顯。 4 基于獨(dú)立分量分析的虹膜特征提取方法 該方法是在對(duì)虹膜紋理進(jìn)行分析基礎(chǔ)上 ,利用獨(dú)立分量分析提取虹膜的紋理特征。但是 , 此方法對(duì)虹膜圖像預(yù)處理以及對(duì)特征的選擇的要求較高 , 且需要大規(guī)模樣本的進(jìn)一步測(cè)試 [9]。這一方法具有直觀、穩(wěn)定且編碼效率高、抗噪聲能力強(qiáng)、識(shí)別準(zhǔn)確性好的優(yōu)點(diǎn) , 便于數(shù)據(jù)交換。但由于樣本數(shù)還不多 , 需要通過進(jìn)一步工作進(jìn)行測(cè)試和改進(jìn) [10]。還有許多紋理分析的方法都可用來(lái)抽 取虹膜特征 , 傳統(tǒng)的 Gabor 濾波和小波變換應(yīng)用最為廣泛 [11]。 目前提取特征的方法歸納起來(lái)分為兩大類：基于整體特征的提取方法和基于局部特征的提取方法。模板匹配法即用一個(gè)包括人臉器官的模板來(lái)對(duì)各器官進(jìn)行提取。定義模板需要用到人臉器官的幾何特征矢量 (如眼睛、鼻子和嘴的位置和寬度等 )。固定模板較簡(jiǎn)單，但是隨著環(huán)境的變化模板也要更換，有很大的局限性，一般只針對(duì)簡(jiǎn)單的圖像 ； 當(dāng)物體結(jié)構(gòu)事先知道但大小、位置和中心不確定時(shí)，可變形模板法 (Deformable Template) 則是一種有效的定位方法。 5 基于整體特征的提取方法 該類方法把人臉圖像灰度分布整個(gè)作為一個(gè)特征模式來(lái)提取特征。目前大多都是基于整體特征的提取方法，如特征臉 （ Eigenface） 法、 Fisher臉法、彈性匹配法、基于離散余弦變換 (Discrete Cosine Transform， DCT)的方法等 [12]。當(dāng)人臉的光照、表情產(chǎn)生比較大的變化時(shí)，其識(shí)別率一般。彈性匹配法定義了一種對(duì)于人臉變形具有不變性的距離，采用屬性拓?fù)鋱D代表人臉。從理論上彌補(bǔ)了特征臉提取特征的缺陷。 掌紋特征提取 掌紋圖像主要由三種不規(guī)則的線條 (屈肌紋、乳突紋和褶皺 ) 組成。 圖 1 掌紋圖像 乳突紋成規(guī)則排列 ,具有終生不變性和唯一性。 掌紋屈肌線特征穩(wěn)定且明顯，與皺線混雜成不規(guī)則排列，且特征與背景對(duì)比度低 ， 是掌紋身份識(shí)別的主要特征紋線。 由于掌紋識(shí)別起步較晚，目前流行的特征提取方法都是從整體來(lái)提取掌紋的紋理能量特征，典型的方法有基于 Gabor濾波器、基于小波變換的特征提取法等。 該種特征包括主線、皺紋、數(shù)據(jù)點(diǎn)和細(xì)節(jié)等。點(diǎn)特征的提取只能在高分辨率圖像中實(shí)現(xiàn)。方向投影算法 （ directional projection algorithm） 也是點(diǎn)特征和線特征提取的經(jīng)典算法，目前在掌紋識(shí)別領(lǐng)域中，絕大部分 點(diǎn)特征的提取均依賴于此算法完成 ?；诙褩V波 （ stack filter） 的金字塔邊緣檢測(cè)算法和依據(jù)灰度形態(tài)學(xué)中的膨脹 （ dilation） 、腐蝕 （ erosion） 開、閉等概念構(gòu)造的算子被用于掌紋紋理特征的提取。線特征明顯穩(wěn)定，表示方法簡(jiǎn)單，特征空間小。 基于空域 頻域變換的特征提取 基于空域 頻域變換的特征提取將原始空域掌紋圖像變換到頻域，在頻域內(nèi)定義并計(jì)算若干特征變量，作為特征提取的步驟，也被稱為譜分析法 （ spectral approach） ， 常用方法有傅里葉變換、 Gabor變換、小波變換。但不足之處是在頻域內(nèi)分析圖像時(shí)，將忽略圖像本身的豐富紋理信息，受光照條件影響而產(chǎn)生的不穩(wěn)定性也較 大。 基于統(tǒng)計(jì)的方法重點(diǎn)在于計(jì)算隨機(jī)模型中的統(tǒng)計(jì)特征， 這些特征和基于結(jié)構(gòu)的特征相比更易于提取和表示，但基于統(tǒng)計(jì)的特征提取的缺點(diǎn)在于其中幾乎不包含結(jié)構(gòu)信息，識(shí)別掌紋的能力比結(jié)構(gòu)特征要差。 根據(jù)映射變換的性質(zhì)，變換后的子空間可分為線性子空間和非線性子空間，目前運(yùn)用在掌紋識(shí)別上的多為線性子空間方法，如主成分分析法 包括一維和二維主成分分析，特征掌 （ eigenpalm） 方法，基于 Fisher線性判別的 fisherpalm方法等等。 視網(wǎng)膜特征提取 在眾多人體生物特征中，視網(wǎng)膜有別于其它生物特征的獨(dú)特之處在于：視 網(wǎng)膜位于眼球的最內(nèi)層，本身透明，其特征主要由從視盤出發(fā)并向表面延伸分布的動(dòng)脈靜脈血管所代表，在宏觀上稱為視網(wǎng)膜血管形態(tài)。圖 2是一幅視網(wǎng)膜血管形態(tài)圖。研究者已經(jīng)提出一些血管提取方法 。由于血管分布網(wǎng)絡(luò)具有連通性 ， 提出了不同的血管追蹤算法 , Sun提出一種自適應(yīng)追蹤算法。Tolias和 Panas提出一種基于模糊聚類的追蹤算法。 小結(jié) 本章介紹了人臉、虹膜、掌紋以及視網(wǎng)膜的特征和特征提取方法。因此，這三種生物 特征在生物識(shí)別技術(shù)中具有最高的可信度和準(zhǔn)確度。目前人臉特征提取算法主要適用于限定環(huán)境，限定類別數(shù)量條件下的應(yīng)用。而虹膜識(shí)別、視網(wǎng)膜識(shí)別、掌紋識(shí)別等還有待進(jìn)一步推廣。 指紋增強(qiáng)是對(duì)低質(zhì)量的指紋圖像采用一定的算法進(jìn)行處理 , 使其紋線結(jié)構(gòu)清晰 , 進(jìn)而突出和保留固有的特征信息而避免產(chǎn)生偽特征信息。 目前已經(jīng)提出了許多關(guān)于指紋圖像增強(qiáng)的算法。該方法使用具有方向性的濾波器來(lái)沿著指紋紋線方向進(jìn)行平滑 ,同時(shí)還能夠在梯度方向上提高紋理的對(duì)比度。將經(jīng)過濾波的圖像根據(jù)原始圖像的局部方向信息來(lái)進(jìn)行融合 , 得到完整的增強(qiáng)圖像。 本章將重點(diǎn)討論幾種指紋圖像增強(qiáng)算法：（ 1）基于傅里葉變換的指紋增強(qiáng)算法；（ 2）基于 Gabor濾波的指紋增強(qiáng)算法；（ 3）基于空域、頻域和方向?yàn)V波相結(jié)合的指紋增強(qiáng)算法。這里用式 （ 1） 來(lái)均衡化。 （ 2） 傅立葉變換 如圖 3 (a) 所示指紋圖像是由脊線和谷線交替組成，脊線寬度一般在 3~6個(gè)像素之間，具有很強(qiáng)的周期性，并且在局部有很強(qiáng)的方向性，這些特性都有利于圖像的頻域處理，同時(shí)對(duì)指紋圖像進(jìn)行頻域處理可以取得比空域更好的效果。首先對(duì)指紋圖像用式（ 2）進(jìn)行二維離散傅立葉變換。其它的亮點(diǎn)是圖像噪聲的干擾，我們對(duì)圖像進(jìn)行帶通濾波去除干擾信息。 ? ?, ( e n e r g y )() 0,i e n e r g y? ? ??? ? ? ?? ??高 低其 他 （ 3） 同時(shí)取功率譜的 次方來(lái)增強(qiáng)圖像，即 ??? 用式（ 4）對(duì)增強(qiáng)后的圖像進(jìn)行離散二 維傅立葉逆變換。 10 (a) 原指紋圖像 (b) 傅立葉變換后圖像 (c) 增強(qiáng)后的圖像 圖 3 圖像增強(qiáng)過程 基于 Gabor 濾波的指紋增強(qiáng)算法 在指紋圖像增強(qiáng)方面 , 利用指紋的方向特性設(shè)計(jì)出 Gabor 濾波器 , 并且根據(jù)指紋核心區(qū)域方向變化比較劇烈 , Gabor濾波求取的結(jié)果不夠準(zhǔn)確 , 對(duì)核心區(qū)域采用了單一方向Gabor濾波以及多方向 Gabor濾波合成的方法 , 取得了較好的效果 。根據(jù)需要 , 將 Gabor 函數(shù)略作修改 , 得到一個(gè)數(shù)字濾波器 , 如公式 (5) 所示 : ? ? ? ? ? ? ? ?2222yc o s sin1, : , e x p c o s 2 c o s2xxyh x f fx?? ??? ???????? ? ? ? ??????? ?? （ 5） 這里得到的 Gabor 濾波器 h ( x , ν:Φ , f ) 用于對(duì)指紋圖像的局部區(qū)域進(jìn)行濾波。式中 : Φ表示濾波器的方向 。 利用公式 (5) 對(duì)圖像進(jìn)行濾波 , 其濾波公式為 : ? ? ? ? ? ?/ 2 / 2/ 2 / 2, , : , 39。( i , j)為規(guī)格化后的指紋圖 像 , wg為 Gabor濾波器的大小 ,一般為一個(gè)脊線寬度。 (2) 對(duì)當(dāng)前小塊 ,計(jì)算其方向值與 4 個(gè)鄰域子塊的方向值的差值 。 ， 則利用當(dāng)前的方向參數(shù)得到 Gabor 濾波器進(jìn)行濾波 ； (4) 如果差值有大于 45176。 孫以雷等人在該 算法中 取 ： δ x = ,δ y = , f = ,經(jīng)過以上的方法進(jìn)行增強(qiáng)以后 ， 指紋圖像的脊線連通性較好 ， 在脊線方向變化較大的局部區(qū)域取得了較好11 的處理效果 [19]。 （ 1） 基于空域的圖像增強(qiáng) 采用灰度均衡化來(lái)消除傳感器噪聲以及 手指壓力不均造成的灰度差異。 其中 M0、 V0是圖像預(yù)置的均值和方差 (均設(shè)為 100), M、 V為圖像計(jì)算的均值和方差 , I(i,j)、 N(i,j)分別為均衡化前后像素灰度值。公式 （ 7） 如下 : ? ? ? ?,dcg x y f x y cba???? （ 7） 根據(jù)上式可以將任意像素灰度 f(x,y)變 換成灰度 g(x,y)。 （ 2） 基于頻域的圖像增強(qiáng) 把高通濾波和低通濾波的方法結(jié)合起來(lái)形成了帶通濾波 , 帶通濾波只保留傅立葉變換后環(huán)域部分。 Butterworth濾波是一種非線性濾波 , 通帶和阻帶之間沒有明顯的不連續(xù)性 , 故圖像的模糊減少。 （ 3） 方向?yàn)V波 ① 圖像方向場(chǎng)提取 將指紋圖像劃分為不重疊的大小為 ww的塊，初始值科設(shè)置為 16 16；對(duì)整幅指紋圖像進(jìn)行增強(qiáng)，采用 Sobel算子計(jì)算其每一像素點(diǎn)的一階偏導(dǎo)數(shù)；計(jì)算每塊圖像的方向信息。利用前一步求出的方向角信息來(lái)構(gòu)建這個(gè) 7 7 的方向模板 [20]。在數(shù)字圖像處理中，已存在許多去噪方法，它們可以應(yīng)用到指紋圖像增強(qiáng)中來(lái)，但這些方法需要與指紋圖像的特性結(jié)合起來(lái)才能取得較好的效果。選擇什么特征以及如何表示這種特征既關(guān)系指紋本身的特點(diǎn)，又和具體的指紋匹配算法緊 密聯(lián)系，同時(shí)還要考慮所采用的指紋采集設(shè)備的特點(diǎn)。指紋的特征可以反映給定的人類群體里來(lái)自不同手指的指紋之間相似的