隨著通信、網(wǎng)絡(luò)、金融技術(shù)的高速發(fā)展，信息安全顯示出前所未有的重要性，人的身份識(shí)別技術(shù)的應(yīng)用越來(lái)越廣泛。生物識(shí)別技術(shù)是指利用生理特征（如人臉、指紋、掌紋等）或行為特征自動(dòng)地識(shí)別個(gè)人身份的科學(xué)技術(shù)。指紋是最廣泛使用的生理特征之一，已受到人們的重視，在安全領(lǐng)域的許多方面有著非常廣泛的應(yīng)用前景。指紋自動(dòng)識(shí)別系統(tǒng)已成功地應(yīng)用于預(yù)防身份欺詐、打擊恐怖主義、刑偵和國(guó)防安全等方面。這些系統(tǒng)按照應(yīng)用形式可分為三類：指紋驗(yàn)證系統(tǒng)、指紋辨認(rèn)系統(tǒng)和現(xiàn)場(chǎng)指紋辨認(rèn)系統(tǒng)。
　　雖然指紋包含許多特征，如方向場(chǎng)、密度圖、奇異點(diǎn)和細(xì)節(jié)點(diǎn)等，但幾乎所有傳統(tǒng)的實(shí)際應(yīng)用的指紋識(shí)別系統(tǒng)都是基于細(xì)節(jié)點(diǎn)的。研究表明，在細(xì)節(jié)點(diǎn)匹配的基礎(chǔ)上，進(jìn)一步利用擴(kuò)展特征（即細(xì)節(jié)點(diǎn)之外的其他指紋特征）可以改善純細(xì)節(jié)點(diǎn)匹配算法的準(zhǔn)確性。然而，這些研究都是在理想情況下進(jìn)行的（假定有足夠的儲(chǔ)存空間、足夠的計(jì)算能力及充足的人力資源），沒有充分考慮實(shí)際應(yīng)用中的各種復(fù)雜因素。目前，國(guó)內(nèi)外也鮮有系統(tǒng)、全面地介紹指紋在實(shí)際應(yīng)用中的特征提取與多特征識(shí)別的著作。
　　作者在近十年的指紋識(shí)別研究工作基礎(chǔ)上完成本書，這些工作的目的是克服實(shí)際應(yīng)用中復(fù)雜因素的限制，從而將擴(kuò)展特征應(yīng)用到實(shí)際的指紋識(shí)別系統(tǒng)中，以提高系統(tǒng)的識(shí)別性能。本書寫作的目標(biāo)不是介紹指紋識(shí)別的基本原理和完整過(guò)程，而是著力于闡述指紋識(shí)別在實(shí)際應(yīng)用中的新理論和新技術(shù)。本書主要由作者已公開發(fā)表的成果、博士學(xué)位論文整理而成。同時(shí)也參考了同一研究領(lǐng)域的他人研究論文，在此表示感謝。
　　本書內(nèi)容組織如下：
　　第1章是概述，簡(jiǎn)要介紹指紋識(shí)別的研究背景、傳統(tǒng)指紋識(shí)別方法的流程、目前研究的困難與熱點(diǎn)問(wèn)題。
　　第2章針對(duì)現(xiàn)有指紋識(shí)別系統(tǒng)不能處理重疊指紋的不足，提出一種分離重疊指紋的方法，該方法可以將重疊指紋較好地分離成獨(dú)立的指紋，便于自動(dòng)提取特征。重疊指紋主要存在于從犯罪現(xiàn)場(chǎng)提取出來(lái)的指紋；當(dāng)取指器上有殘存指紋時(shí)，也可能出現(xiàn)重疊指紋。現(xiàn)有指紋識(shí)別方法不能分離重疊指紋，不能成功地完成重疊區(qū)域的脊線檢測(cè)。因此，重疊指紋對(duì)目前的指紋識(shí)別算法提出了挑戰(zhàn)。而人工地在重疊指紋上標(biāo)定特征，即便是指紋專家，也是一件相當(dāng)困難的事情。本章提出一種分離重疊指紋的算法，其原理是首先估計(jì)初始方向場(chǎng)；然后利用松弛標(biāo)注的方法將初始方向場(chǎng)分離成兩個(gè)獨(dú)立的方向場(chǎng)；最后，利用這兩個(gè)獨(dú)立的方向場(chǎng)，對(duì)原始圖像進(jìn)行增強(qiáng)，得到兩個(gè)獨(dú)立的指紋。本章既用仿真數(shù)據(jù)，也用實(shí)際的現(xiàn)場(chǎng)重疊指紋數(shù)據(jù)做實(shí)驗(yàn)，對(duì)算法進(jìn)行性能測(cè)試，實(shí)驗(yàn)表明，該方法可以成功地分離重疊指紋，并提高重疊指紋的識(shí)別率。
　　為了更充分地利用細(xì)節(jié)點(diǎn)信息，第3章提出了基于細(xì)節(jié)點(diǎn)的方向場(chǎng)重建及其應(yīng)用的方法。傳統(tǒng)的基于細(xì)節(jié)點(diǎn)的指紋識(shí)別算法，一般由兩步組成，即細(xì)節(jié)點(diǎn)提取與細(xì)節(jié)點(diǎn)匹配。在細(xì)節(jié)點(diǎn)匹配中，輸入指紋的細(xì)節(jié)點(diǎn)并與數(shù)據(jù)庫(kù)中指紋的細(xì)節(jié)點(diǎn)進(jìn)行比較，計(jì)算總共匹配的細(xì)節(jié)點(diǎn)對(duì)數(shù)。如果比對(duì)的得分高于某個(gè)閾值，則認(rèn)為這兩幅指紋圖像來(lái)自同一手指。這種匹配算法只應(yīng)用了每個(gè)細(xì)節(jié)點(diǎn)獨(dú)自的位置和方向信息，而沒有利用細(xì)節(jié)點(diǎn)之間的相互信息。因而，這種方法不具備充分的識(shí)別能力，尤其是在大規(guī)模的指紋辨認(rèn)系統(tǒng)中。方向場(chǎng)是指紋最重要的全局特征之一，但由于一些系統(tǒng)只存儲(chǔ)了細(xì)節(jié)點(diǎn)的模板（這些系統(tǒng)包括多數(shù)傳統(tǒng)的指紋識(shí)別系統(tǒng)、嵌入式系統(tǒng)，現(xiàn)場(chǎng)指紋識(shí)別系統(tǒng)往往也只有人工標(biāo)定的細(xì)節(jié)點(diǎn)），沒有存儲(chǔ)指紋原始圖像，因而無(wú)法應(yīng)用方向場(chǎng)信息。本章提出從細(xì)節(jié)點(diǎn)重建方向場(chǎng)，再將方向場(chǎng)應(yīng)用到指紋比對(duì)中。首先從細(xì)節(jié)點(diǎn)重建方向場(chǎng)，然后將重建的方向場(chǎng)應(yīng)用到指紋比對(duì)中，最后與細(xì)節(jié)點(diǎn)比對(duì)進(jìn)行融合。該方法對(duì)細(xì)節(jié)點(diǎn)信息的利用更加充分，可以有效地提高系統(tǒng)的識(shí)別率。實(shí)驗(yàn)結(jié)果表明，將重建的方向場(chǎng)比對(duì)與細(xì)節(jié)點(diǎn)比對(duì)融合，提高了系統(tǒng)的識(shí)別性能。
　　除了細(xì)節(jié)點(diǎn)和方向場(chǎng)外，奇異點(diǎn)也是指紋的重要特征，可以應(yīng)用于指紋分類、檢索等。傳統(tǒng)的基于Poincar6指數(shù)的奇異點(diǎn)檢測(cè)方法，在圖像質(zhì)量較差時(shí)，容易產(chǎn)生虛假檢測(cè)點(diǎn)。產(chǎn)生虛假檢測(cè)點(diǎn)的原因主要有：①基于Poincar6指數(shù)的特征表示的僅僅是一個(gè)標(biāo)量，無(wú)法提供足夠的信息來(lái)檢測(cè)奇異點(diǎn)；②許多后處理步驟僅僅考慮一個(gè)點(diǎn)的局部特征，難以區(qū)分真實(shí)奇異點(diǎn)與虛假奇異點(diǎn)。這些虛假奇異點(diǎn)通常是由于斷紋、疤痕、斑點(diǎn)及衰老等原因產(chǎn)生的。在這些點(diǎn)附近，虛假點(diǎn)的局部方向信息與真實(shí)奇異點(diǎn)的方向信息往往沒有什么區(qū)別，難以通過(guò)局部特征來(lái)區(qū)分真實(shí)奇異點(diǎn)與虛假奇異點(diǎn)。因此，將全局信息應(yīng)用到奇異點(diǎn)的檢測(cè)中變得尤為重要。
　　第4章提出一種新的奇異點(diǎn)檢測(cè)方法，在用Poincar6指數(shù)方法檢測(cè)得到初始的奇異點(diǎn)候選集后，使用DORIC特征去除大部分虛假檢測(cè)的奇異點(diǎn)。最后，利用兩類奇異點(diǎn)之間的數(shù)量約束關(guān)系以及方向場(chǎng)重建誤差最小準(zhǔn)則，選擇最優(yōu)的奇異點(diǎn)組合。該方法綜合利用指紋的局部信息和全局信息，在提高奇異點(diǎn)正確檢測(cè)率的同時(shí)大幅降低了誤檢率。
　　指紋的特征有許多種，但大多數(shù)研究只求取其中的一種特征用于指紋識(shí)別，并與細(xì)節(jié)點(diǎn)識(shí)別相融合，以提高系統(tǒng)的性能。我們自然會(huì)問(wèn)：①通過(guò)融合更多的特征，系統(tǒng)性能是否會(huì)進(jìn)一步得到提升？②在這么多的特征中，哪些是性能最好的選擇組合？③如何控制特征數(shù)增加所需的時(shí)間消耗？這些問(wèn)題對(duì)于實(shí)際指紋識(shí)別系統(tǒng)的設(shè)計(jì)非常重要。為了分析多特征在指紋識(shí)別中的應(yīng)用，第5章進(jìn)行了多特征融合的比較研究，找到最優(yōu)的特征組合以及組合的方式。特征越多，識(shí)別率提高，但同時(shí)所需的時(shí)間越多。在指紋驗(yàn)證中，這是可以接受的，因?yàn)橹讣y驗(yàn)證是1對(duì)1的比對(duì)。由于自動(dòng)指紋辨認(rèn)系統(tǒng)（AFIS）是一個(gè)1對(duì)Ⅳ（Ⅳ是數(shù)據(jù)庫(kù)中指紋的數(shù)目，通常非常大）的比對(duì)過(guò)程，特征的增加引起時(shí)間消耗的增大將是難以接受的。本章進(jìn)一步提出一種新的基于多特征的指紋辨認(rèn)方法，通過(guò)引入分級(jí)的策略，在融合多特征的同時(shí)控制時(shí)間的消耗。由于分級(jí)結(jié)構(gòu)的每級(jí)對(duì)應(yīng)使用一個(gè)特征，可以排除許多不匹配的指紋，因此，該方法可以減小計(jì)算量，同時(shí)保持較高的識(shí)別率。
　　第6章在第5章的基礎(chǔ)上進(jìn)一步研究如何提高指紋辨認(rèn)系統(tǒng)中細(xì)節(jié)點(diǎn)匹配的速度。已有許多研究者的工作旨在加快指紋辨認(rèn)系統(tǒng)的搜索速度，例如基于分類和索引的工作，但這些方法很難避免識(shí)別精度的降低。本章提出了一種新穎的分級(jí)細(xì)節(jié)點(diǎn)匹配算法用于指紋識(shí)別。該方法通過(guò)把匹配過(guò)程分解成幾個(gè)層次（層級(jí)），并且在不同的層次中拒絕許多不匹配的指紋或掌紋，節(jié)省了許多時(shí)間，識(shí)別率較高。實(shí)驗(yàn)結(jié)果顯示，對(duì)比傳統(tǒng)的方法，本章所提出的算法可以節(jié)省大約50%的搜索時(shí)間，說(shuō)明了該方法的有效性。
　　本書是在國(guó)家自然科學(xué)基金項(xiàng)目（61203263、61225008、61020106004、61005023、61021063）等研究成果的基礎(chǔ)上編寫的。衷心感謝國(guó)家自然科學(xué)基金委員會(huì)和國(guó)防科技圖書出版基金委員會(huì)的資助。本書總結(jié)了作者多年的研究成果，希望能夠促進(jìn)國(guó)內(nèi)指紋識(shí)別技術(shù)等相關(guān)領(lǐng)域的研究，并對(duì)從事相關(guān)領(lǐng)域的研究人員有一定參考價(jià)值。
　　由于作者水平有限，不妥之處在所難免，懇請(qǐng)讀者批評(píng)指正。