基于GaiaTracer高光谱刑侦物检仪的指纹识别研究

基于GaiaTracer高光谱刑侦物检仪的指纹识别研究

一、研究的背景

我们在生活中基本上都是依赖智能卡、身份证、密码、数字证书等安全措施进行身份识别和安全认证，这些传统的识别方式有很多缺点，常常给人们生活中带来不便。指纹作为“物证之王”，从诞生开始，就一直在各领域发挥着重要作用。截止到目前为止，国内外对潜在指纹显现方法的研究已有百余年历史。

采用高光谱图像技术给指纹识别带来了新的途径，该技术可以在不同的波长下对指纹提取图像，且该图像是一景包含了指纹图片二维信息及不同波长所组成的三维图像，在某一些波长下图像显示不理想，但在另外一些波长下拍摄的图像却要清晰很多。因此通过图像处理技术，可以得到一张包含指纹细节特征更明显、更多的图像。

二、高光谱图像采集系统

本次测试使用的设备是由江苏双利合谱科技有限公司自主研制的GaiaTracer高光谱刑侦物检仪。该系统主要是由计算机、液晶可调波长滤光镜（LCTF）、光学镜头以及光谱分析软件构成。图1为高光谱指纹图像采集系统，图2为高光谱数据采集软件。该相机的工作波段为420 nm - 720 nm，光谱分辨率为8 nm - 20 nm，图像分辨率为3296 * 2472，视场角为±7°。

图 1高光谱指纹采集系统实物图

图2  LCTF高光谱刑侦物检仪影像采集软件

三、指纹图像分析

    图3为LCTF相机基于复杂背景条件下获取的指纹图像(RGB假彩色合成)。从图中可以看出，受背景的干扰，我们无法通过肉眼有效地获取到整个指纹信息，因此需要基于高光谱图像利用图像分析的方法去除背景的干扰有效地提取图像中的指纹信息。本研究主要利用以下几个步骤提取指纹信息：获取图像端元-光谱信息散度-高通滤波-阈值分割-指纹提取。

图3  LCTF相机获取复杂背景下的指纹图像

根据图3，本研究选取了指纹、叶片-1、叶片-2、叶片-3、阴影、花、花丛共7个端元，其端元分布情况如图4所示。

图4  图像中7种端元的分布选取

光谱信息散度(Spectral Information Divergence)是基于信息论的理论衡量两条光谱之间的差异性（具体算法参考徐州老师的《基于光谱信息散度的光谱解混算法》一文）。图5为基于光谱信息散度分解的七种端元的灰度图。从图中可知第二、四和七个端元能有效地提取指纹信息。但仍受到少数背景的干扰。

 图5 基于光谱信息散度的七种端元灰度图

图像锐化主要影响图像中的低频分量，不影响图像中的高频分量。其主要目的有两个：其一是为了增强图像边缘，使模糊的图像变得更加清晰，颜色变得鲜明突出，图像的质量有所改善，产生更适合人眼观察和识别的图像；其二是希望通过锐化处理后，目标物体的边缘鲜明，以便于提取目标的边缘、对图像进行分割、目标区域识别、区域形状提取等，进一步的图像理解与分析奠定基础。主要方法有微分法和高通滤波法，本研究主要采用高通滤波法进行图像锐化。图6为各端元灰度图高通滤波的效果图。

图6 七种端元灰度图的高通滤波效果图

从图6可知，经过高通滤波之后，第二、四和七个端元的高通滤波图能较为清晰地识别出指纹的图像信息。以第7个端元的高通滤波图为例，为了去除指纹间隙中少数的背景因素，通过统计分析其设定阈值进行二值分割，如图7所示。

图7 基于第7端元的高通滤波的阈值分割效果图

图7虽然能较为清晰地显示指纹的轮廓信息，但是其周边包含了较多了无用的背景信息，为了更加方便地进行目视解译，了解指纹的轮廓，因此有必要进行对指纹进行区域截图，如图8所示。

图 8 原始图像与提取的指纹信息