基于细节点的高鲁棒性指纹识别算法研究与实现

摘要

指纹识别系统是应用最为广泛的个人身份识别系统，这是因为人体指纹具有非常优异的易用性、可靠性和稳定性。然而，由于指纹本身的复杂性以及个人身份识别应用场景的不断演变，指纹识别算法的研究与实现仍然面临着很多挑战和难题亟待解决。比如对于低质量指纹图像，特别是存在严重非线性形变的图像，现有的指纹识别算法通常无法达到理想的识别效果。因此，进一步提高指纹识别算法的鲁棒性具有十分重要的意义。为解决上述问题，本文提出了一种基于细节点的高鲁棒性指纹识别算法。
　　基于细节点的指纹识别算法可以分为指纹细节点提取算法和基于细节点的指纹匹配算法两部分。本文首先阐述了指纹细节点提取算法，通过指纹图像输入、指纹方向场的生成、指纹图像二值化、指纹细节点检测、指纹质量场生成、低质量指纹细节点移除以及指纹细节点模板文件输出等步骤的处理，得到了指纹细节点信息，并作为后续指纹匹配算法输入。接着本文设计了基于细节点的指纹匹配算法，首先通过局部匹配得到初步的识别结果，然后利用细节点的质量、输入和模板指纹图像重叠区域面积等一系列简单易得的全局指纹细节点相关特征，经由全局匹配环节优化局部匹配结果得到最终的识别结果。除了算法设计以外，本文还在包含嵌入式CPU和GPU的异构平台上完整地实现了高性能、低能耗指纹识别算法，完成了自动指纹识别系统的全部功能。
　　实验结果表明，本文设计的指纹识别算法在FVC2006DB2和DB3上的EER分别为1.00％和4.82％，FMR1000分别为2.30％和16.13％，在鲁棒性方面明显优于其他先进的指纹识别算法;本文提出的嵌入式异构平台映射方案中的指纹细节点提取算法和基于细节点的指纹匹配算法的执行时间分别为477.08ms和107.07ms，能耗分别为647.11 mJ和137.27mJ，相对于仅使用嵌入式CPU的映射方案，指纹细节点提取算法加速1.32倍，同时减少了13.53％的能耗。最后，本文还将嵌入式异构平台的映射方案与其他高水平的嵌入式指纹识别系统进行了比较，充分证明了在移动平台计算资源与能耗受限制的情况下，本文提出的利用嵌入式CPU和GPU的异构映射方案达到了综合执行效率和能耗两方面的最优性能。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．1．1 指纹识别算法的应用需求

1．1．2 指纹识别系统与性能评估

1．2 国内外研究现状与意义

1．2．1 基于细节点的指纹识别算法研究

1．2．2 指纹识别算法的嵌入式平台实现

1．3 论文研究内容

1．4 论文组织结构

第二章 指纹细节点提取算法研究

2．1 指纹细节点

2．2 指纹细节点提取算法流程

2．3 指纹细节点提取算法实现

2．3．1 指纹方向场的生成

2．3．2 指纹图像二值化

2．3．3 指纹细节点检测

2．3．4 指纹质量图像

2．3．5 低质量指纹细节点移除与细节点的输出

2．4 本章小结

第三章 基于细节点的指纹匹配算法设计

3．1 基于细节点的匹配算法流程

3．2 局部匹配

3．2．1 构造基于细节点的局部特征表达

3．2．2 局部相似度计算

3．3 全局匹配算法中的特征表达

3．3．1 输入和待匹配指纹图像重叠区域面积

3．3．2 输入和待匹配指纹图像重叠区域细节点质量

3．4 全局匹配

3．4．1 粗粒度过滤

3．4．2 细化匹配

3．4．3 全局匹配相似度分值归一化

3．5 基于细节点的指纹匹配算法的执行效率优化

3．6 本章小结

第四章 指纹识别算法在嵌入式异构平台上的实现

4．1 嵌入式异构计算平台研究

4．1．1 异构计算以及嵌入式异构平台

4．1．2 异构计算编程模型OpenCL

4．2 指纹识别算法的任务划分

4．2．1 指纹细节点提取算法分析

4．2．2 指纹细节点匹配算法分析

4．2．3 软硬件任务划分的确定

4．3 算法计算核心映射

4．3．1 算法分析

4．3．2 嵌入式异构平台上的映射

4．4本章小结

第五章 实验与结果分析

5．1 指纹识别算法的识别率与执行效率实验

5．1．1 对比方案

5．1．2 识别率结果对比

5．1．3 算法执行效率对比

5．2 指纹识别算法在嵌入式异构平台上的映射实验

5．2．1 实验平台与对比方案

5．2．2 系统执行时间与能耗的实验结果

5．3 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

致谢

参考文献

作者简介