印鉴识别方法和技术研究

摘 要：研究了印鉴识别技术，对基于特征的印鉴鉴别方法进行了深入探讨，详细介绍了基于几何矩、高阶相关方法。同时，介绍了印鉴鉴别前检材和样本的预处理，包括二值化、去噪、归一化等工作及对结果的综合评价方法。

关键词：印鉴识别 几何矩 高阶相关 综合评价
一、前言

印鉴作为具有一定效力的身份认证手段广泛地应用于、财务、安全认证以及人们的日常生活中。研究利用机代替人工来自动识别印鉴，能显著提高核对的效率和可靠性，具有非常重要的应用价值。因为印鉴真伪鉴别中的图像配准、特征提取方法等问题，并非孤立问题，而是模式识别领域中大多数课题都会遇到的难点问题。因此印鉴真伪自动鉴别的研究具有理论和实践意义。

二、计算机印鉴识别分类

印鉴识别的技术目前基本可以分为三类:模板匹配法、统计特征匹配法和结构匹配法。在模板匹配方法中，由于模板表达的就是原信号或其变换形式后的采样，相对失真程度最小，并且隐含了统计和结构两方面的综合信息，所以可以得到比特征统计和结构分析更好的效果。模板匹配鉴别效果好的另外一个原因就是它充分利用了印迹的位置信息。

可以综合利用印鉴图像的位置、相关、方向和形状特征，分别用点阵、局部相关、方向分解和几何矩表示这些特征。这几种特征不是相互独立存在的，而是相互关联的。所以我们不能仅利用其中的某一类特征，同时也不能仅仅简单地把这些特征拼凑在一起使用，可以用这几类特征进行印鉴鉴别实验，对其鉴别结果进行综合评判。

三、鉴别前的预处理工作

在进行印鉴鉴别前，首先要对扫描到计算机中的原始印鉴进行一些预处理工作。主要的预处理工作有:图像二值化、去噪、归一化、形成特征图和纹理图等。

四、基于特征的印鉴鉴别技术

在基于印鉴特征的鉴别方法中，目前常用的为基于几何矩、基于高阶相关和基于方向指数方法。下面介绍前两种。

1．基于几何矩特征的鉴别方法

矩是计算机视觉和模式识别领域中用来表示物体形状和进行不变性物体识别的一种重要方法，是目前应用最多的一种方法。

对于大小为M×N的数字图像，其p+q阶几何矩的计算公式是:

必须对特征进行归一化处理，使特征的动态值缩小到一个较小的范围内。主要处理的是印鉴图像的二阶和三阶中心矩，得出印鉴的归一化形状特征，对应了印鉴的形状特征。归一化特征的意义和提取方法如下:

1）长宽比

二阶矩u20和u02分别表示印鉴在水平和垂直方向上的伸展度，因此比值u20/u02代表了印鉴的长宽比。为了使特征值的范围在[0，1]内，可以按照下面的公式进行归一化:



2）印鉴方向

印鉴点阵的协方差矩阵描述了印鉴图像中黑点的分布情况，协方差矩阵的本征向量指向印鉴的两个正交轴，长轴的方向就是印鉴的延展方向。印鉴在两个正交轴方向上的惯性矩之比反映了印鉴的“拉长”度。由协方差矩阵计算主轴的方向角为:

归一化的特征值为：

3）惯性比(拉长度)

印鉴的惯性矩等于协方差矩阵的本征值:
其比值反映了印鉴的拉长度。相应的归一化特征为:

4）延展度

是一个反映旋转不变量的特征，反映了印鉴的延展度。为了得到印鉴归一化的特征值，先印鉴的尺寸为:

归一化的延展性特征为：

5）水平偏度

比值反映了印鉴在水平方向上的偏度，相应的归一化特征为:

6）垂直偏度

比值反映了印鉴在垂直方向上的偏度，相应的归一化特征为:

7）水平延展均衡度

比值反映了印鉴在水平方向上的偏度，相应的归一化特征为:

8）垂直延展均衡度

比值反映了印鉴在垂直方向上的偏度，相应的归一化特征为:

9）距离度量计算

在印鉴鉴别中，可使用如下的距离公式来计算两个特征矢量f l和f 2的距离:

其中r(x)在x
2．基于高阶相关的印鉴鉴别方法

在经过归一化的特征印鉴图像上，我们计算图像的相关和直线段的高阶相关。印鉴图像用f(x,y)表示，其一阶相关函数为:

其中 u=-63,…,0,…63,v=-63,…,0,…63

对于二值图像，相关函数的值表明图像中相隔一定距离的点之间的共存次数。印鉴图像的高阶相关C1(u,v), C2(u,v)和C3(u,v)是同时计算的。计算方法如下:

先将存储相关函数C0(U,V)和高阶相关C1(u,v), C2(u,v)的矩阵各元素的初值设置为0，然后对图像进行点阵扫描。对于图像中每一对为1的点f(x,y)和f(x+u,y+v)，给C0(u,v)加1。若两点连线的中点f(x+u/2,y+v/2)也为1，则给C1(u,v)加1。进一步，若连线上1/4和3/4的点f(x+u/4,y+v/4)和f(x+3u/4,y+3v/4)也为1,则给C2(u,v)也加1。对图像上的所有点统计完成后，C0(u,v)、C1(u,v)和C2(u,v)就是要求的相关函数的值。对它们进行相关谱分解



最后 ，对 分别进行归一化，归一化计算公式为：

其中k=0,1,2;的维数都是32X64=2048，直接用他们进行判断和比较不仅计算量大，而且识别结果可能会差。我们在实际应用中对它们进行压缩，成为8×16=128维，共3×128=384维。压缩方法为:



其中，m=0,…7,n=-8,…0,…7 i=0,1,2

将压缩后384个统计量表示为特征矢量x,在进行印鉴鉴别时两个特之间的距离定义为:



实验表明这种距离量度的鉴别效率最高。

五、鉴别结果的综合评价

对检材和数据库中的样本进行几何矩、高阶相关、方向指数和纹理对比，计算出距离值后，需要对对比结果进行综合评价和排名。理想的评价方法是根据这几种比较方法的可信程度，进行方法评价结果的加权平均。但这需要进行大量的实验，才能确定每种方法的权重。根据我们目前进行的实验结果，尚不能给出这种权重。

目前，常采用最差排名淘汰，然后求平均排名的方法进行综合评价。对每种方法，根据对比结果进行排序，排名在前的是和检材接近的样本。在计算综合排名时，取四种方法排名中的前三个进行平均。

六、

本章主要讨论了印鉴鉴别中的使用的一些比对方法，介绍了基于印鉴特征的鉴别方法的鉴别方法。在基于印鉴特征的鉴别方法中，详细介绍了基于几何矩、高阶相关方法。同时，介绍了印鉴鉴别前对检材和样本进行的预处理工作，包括二值化、去噪、归一化等工作以及对结果的综合评价和为了加速鉴别过程而使用的根据矩比对结果进行淘汰的方法。目前，在寻找快速、高效和稳定的印鉴鉴别中，仍然有很多工作可以做。



[1] 刘成林．院自动化所博士．1995．

[2] 陈燕新，李卫东，戚飞虎．基于边缘和模板匹配的印鉴自动鉴别方法[J]．上海大学学报．1998: 32 4：44-48．

[3] 郭军．智能信息技术．北京:北京邮电大学．1999.11．

[4] 张毓晋．图像处理和分析北京:清华大学出版社．1999.3