一、研究的背景
我們在生活中基本上都是依賴智能卡、shen份證、密碼、數字證書等安全措施進行身份識別和安全認證，這些傳統的識別方式有很多缺點，常常給人們生活中帶來不便。指紋從誕生開始，就一直在各領域發揮著重要作用。截止到目前為止，國內外對潛在指紋顯現方法的研究已有百余年歷史。
采用高光譜圖像技術給指紋識別帶來了新的途徑，該技術可以在不同的波長下對指紋提取圖像，且該圖像是一景包含了指紋圖片二維信息及不同波長所組成的三維圖像，在某一些波長下圖像顯示不理想，但在另外一些波長下拍攝的圖像卻要清晰很多。因此通過圖像處理技術，可以得到一張包含指紋細節特征更明顯、更多的圖像。
二、高光譜圖像采集系統
本次測試使用的設備是由江蘇雙利合譜科技有限公司自主研制的GaiaTracer高光譜刑偵物檢儀。該系統主要是由計算機、液晶可調波長濾光鏡（LCTF）、光學鏡頭以及光譜分析軟件構成。圖1為高光譜指紋圖像采集系統，圖2為高光譜數據采集軟件。該相機的工作波段為420 nm - 720 nm，光譜分辨率為8 nm - 20 nm，圖像分辨率為3296 * 2472，視場角為±7°。
圖 1高光譜指紋采集系統實物圖
.jpg)
圖2 LCTF高光譜刑偵物檢儀影像采集軟件
三、指紋圖像分析
圖3為LCTF相機基于復雜背景條件下獲取的指紋圖像(RGB假彩色合成)。從圖中可以看出，受背景的干擾，我們無法通過肉眼有效地獲取到整個指紋信息，因此需要基于高光譜圖像利用圖像分析的方法去除背景的干擾有效地提取圖像中的指紋信息。本研究主要利用以下幾個步驟提取指紋信息：獲取圖像端元-光譜信息散度-高通濾波-閾值分割-指紋提取。
圖3 LCTF相機獲取復雜背景下的指紋圖像
根據圖3，本研究選取了指紋、葉片-1、葉片-2、葉片-3、陰影、花、花叢共7個端元，其端元分布情況如圖4所示。
圖4 圖像中7種端元的分布選取
光譜信息散度(Spectral Information Divergence)是基于信息論的理論衡量兩條光譜之間的差異性（具體算法參考徐州老師的《基于光譜信息散度的光譜解混算法》一文）。圖5為基于光譜信息散度分解的七種端元的灰度圖。從圖中可知第二、四和七個端元能有效地提取指紋信息。但仍受到少數背景的干擾。
.jpg)
圖5 基于光譜信息散度的七種端元灰度圖
圖像銳化主要影響圖像中的低頻分量，不影響圖像中的高頻分量。其主要目的有兩個：其一是為了增強圖像邊緣，使模糊的圖像變得更加清晰，顏色變得鮮明突出，圖像的質量有所改善，產生更適合人眼觀察和識別的圖像；其二是希望通過銳化處理后，目標物體的邊緣鮮明，以便于提取目標的邊緣、對圖像進行分割、目標區域識別、區域形狀提取等，進一步的圖像理解與分析奠定基礎。主要方法有微分法和高通濾波法，本研究主要采用高通濾波法進行圖像銳化。圖6為各端元灰度圖高通濾波的效果圖。
圖6 七種端元灰度圖的高通濾波效果圖
從圖6可知，經過高通濾波之后，第二、四和七個端元的高通濾波圖能較為清晰地識別出指紋的圖像信息。以第7個端元的高通濾波圖為例，為了去除指紋間隙中少數的背景因素，通過統計分析其設定閾值進行二值分割，如圖7所示。
圖7 基于第7端元的高通濾波的閾值分割效果圖
圖7雖然能較為清晰地顯示指紋的輪廓信息，但是其周邊包含了較多了無用的背景信息，為了更加方便地進行目視解譯，了解指紋的輪廓，因此有必要進行對指紋進行區域截圖，如圖8所示。
.jpg)
圖 8 原始圖像與提取的指紋信息
© 2019 版權所有：江蘇雙利合譜科技有限公司 備案號：蘇ICP備2021046114號-3 技術支持：化工儀器網 GoogleSitemap 管理登陸
在線客服