文档介绍：基于遗传算法的指纹图匹配算法及应用研究
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。目前基于遗传算法的指纹图匹配算法及应用研究
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。
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。
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