GB∕T 33767.4-2018 信息技术 生物特征样本质量 第4部分：指纹图像数据 GB∕T33767.4-2018 标准压缩包解压密码：www.bzxz.net

ICS35.240.15
中华人民共和国国家标准
GB/T33767.4—2018/ISO/IECTR29794-4:2010生物特征样本质量
信息技术
第4部分：指纹图像数据
Information technology—Biometric sample quality-Part 4:Finger image data
（ISO/IECTR29794-4:2010.IDT)2018-03-15发布
中华人民共和国国家质量监督检验检疫总局中国国家标准化管理委员会
2018-10-01实施
GB/T33767.4—2018/ISO/IECTR29794-4:2010目
规范性引用文件
3术语和定义
4符号和缩略语
5指纹图像质量
6指纹图像质量分析
参考文献
GB/T33767.4—2018/ISO/IECTR29794-4:2010前言
GB/T33767《信息技术生物特征样本质量》拟分为如下部分：一第1部分：框架；
一第4部分：指纹图像数据；
一第5部分：人脸图像数据；
一第6部分：虹膜图像数据，
本部分为GB/T33767的第4部分。本部分按照GB/T1.1—2009给出的规则起草本部分使用翻译法等同采用ISO/IECTR29794-4：2010《信息技术生物特征样本质量
第4部
分：指纹图像数据》
与本部分中规范性引用的国际文件有一致性对应关系的我国文件如下：GB/T33767.1—2017信息技术生物特征样本质量第1部分：框架（ISO/IEC29794-1：2009.IDT
请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别这些专利的责任，本部分由全国信息技术标准化技术委员会（SACTC28）提出并归口。本部分起草单位：广州广电运通金融电子股份有限公司，浙江蚂蚁小微金融服务集团有限公司，州广电卓识智能科技有限公司、北京天诚盛业科技有限公司、广州广电运通信息科技有限公司，长春鸿达光电子与生物统计识别技术有限公司、中国电子技术标准化研究院、公安部第一研究所、北京旷视科技有限公司、厦门市数韬软件科技有限公司、广东霸菱科技有限公司、深圳市铭图创新科技有限公司、深圳市汇顶科技股份有限公司。
本部分主要起草人：罗攀峰、梁添才、胡静宜、落红卫、柯文辉、林冠辰、彭程、王欣、张琳、刘旭东、聂芸芸、张鑫、刘军、高健、徐俊、翁展、蒋奇伟、金晓峰、郑城、秦日臻、郑琳。1
GB/T33767.4—2018/ISO/IECTR29794-4:2010引言
指纹图像数据的质量被定义为匹配环境下对图像的预测行为。因此，在许多应用中质量信息至关重要。GB/T30267.1—2013与GB/T28826.1一2012为质量分数分配了一个质量域并规定了允许的分数范围。根据这几项标准中的建议，质量分数将被细分为四类，每类对应一个定性解释。在GB/T26237.2、GB/T26237.3.GB/T26237.4、GB/T26237.8的标准化指纹数据交换格式中同样定义了图像质量域。虽然如此，目前还没有出台有助于解释和交换指纹图像分数的标准质量分数定义方法本部分为一份指导性方法的推荐性标准，旨在找出以客观、定量的形式表示和解释指纹图像质量分数的方法；同时，在开发参照性指纹图像数据样本库方面对ISO/IEC29794-1进行了补充。此参照样本库基于公开指纹图像的可用性，后续可用于质量分数的正则化。-iiKAoNniKAca
1范围
GB/T33767.4—2018/IS0/IECTR29794-42010信息技术生物特征样本质量
第4部分：指纹图像数据
针对指纹图像模态的质量方面，GB/T33767的本部分：确立了有助于指纹图像质量度量的规范、使用和测试的术语和定义；一定义了指纹图像质量分数；
识别或定义了指纹图像样本库，为算法开发人员和用户提供信息；为描述质量度量特征，针对指纹图像样本库开发了专门的统计方法，有助于理解质量分数及其与匹配的性能之间的关系。
本部分不包括以下内容：
质量算法的性能评估和标准化。2规范性引用文件
下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件ISO/IEC29794-1信息技术生物特征样本质量第1部分：框架（InformationtechnologyBiometric sample quality-Part 1:Framework)3术语和定义
ISO/IEC29794-1界定的以及下列术语和定义适用于本文件。3.1
前景区域foregroundregion
指纹图像中包含有效指纹图像特征的区域。注：有效指纹图像最明显的结构特征是脊线和谷线的交叉，3.2
局部区域
localregion
指纹图像的前景区域中mXn个像素点大小的图像块，其中m与n都小于指纹图像的宽与高。3.3
指纹图像质量评价算法fingerimagequalityassessmentalgorithm用于计算出给定指纹图像样本质量分数的算法。3.4
指纹图像数据库fingerimagecorpus指纹图像样本集合。
指纹图像质量分类finger imagequalitycategory一组指纹图像的公共属性。对于一类指纹匹配器来说，具备相同公共属性的指纹图像其表现或行1
-iiKAoNniKAca
GB/T33767.4—2018/IS0/IECTR29794-4:2010为很相似。
注：匹配器为匹配算法模块。
符号和缩略语
下列符号和缩略语适用于本文件DFT：离散傅里叶变换（discretefouriertransform）FQAA：指纹图像质量评价算法（fingerimagequalityassessmentalgorithm）PPI：每英寸像素（pixelperinch)[类似于每英寸的点数（dpi)QAID：质量算法标识（qualityalgorithmidentification）QSN：质量分数正则化（qualityscorenormalization）指纹图像质量
指纹图像的缺陷因素
扫描仪采集的指纹图像有时可能存在缺陷，引起缺陷原因包括用户特征（如用户的皮肤状况）、成像（如扫描仪的缺陷）、用户的行为（如不恰当的手指摆放）或环境（如在扫描仪表面上的杂质）。部分缺陷及成因如下所示：
由用户特征引起的缺陷：
1）极端的皮肤状况如非常潮湿，非常干燥等；2）疤痕；
3）皱纹；
4）水疱；
5）湿疹；
杂质如污垢，潜在印记等。
b）由成像引起的缺陷：
采样误差；
低对比度和信噪比；
失真；
不正确的条纹线；
不均勾的背景纹理；
动态范围不足：
非线性或非均匀的灰度输出；
由于硬件故障导致像素点无效；信号混叠问题。
由用户行为引起的缺陷：
1）弹性形变；
不正确的手指摆放位置如太低，旋转等；指纹图像的面积不够
由环境引起的缺陷：
1）潮湿；
TKAoNi KAca
2）光照；
3）扫描仪表面的杂质。
GB/T33767.4—2018/ISO/1IECTR29794-4:2010指纹图像中的缺陷的数量与严重程度将会影响到自动指纹识别系统的性能。因此，计算出指纹图像的质量分数极其必要。第6章提出了几种可行的指纹图像质量计算方法。质量分数可用于预测自动指纹识别系统的性能。此外，质量分数最好独立于扫描仪和源数据。5.2指纹图像质量交换的标准化方法由于指纹图像质量关乎指纹识别系统的性能，可以根据指纹图像质量采用不同的方式来进行图像处理，目前也是根据图像质量进行图像处理，比如在特征提取前引人图像增强方法，基于质量引人不同的匹配器，或改变系统的阈值等。实际上，更多的是采用指纹图像质量来提高系统整体性能。因此，需要对质量分数的量化表达与解释进行规范化，从而得到质量分数的通用定义。根据ISO/IEC29794-1中的建议，规范化可以通过质量算法标识（QAID)或者基于质量分数正则化（QSN)数据库标准化的质量分数百分等级。
6指纹图像质量分析
6.1介绍
完整的指纹图像质量分析应包括对指纹图像的局部和全局结构检查。指纹的局部结构为以脊线和谷线为主的纹理图案，而有效的全局结构指整个指纹中具有一定平滑流势的脊谷交替结构。指纹图像的质量由局部和全局结构共同决定。本章主要介绍当前在指纹图像的局部与全局结构中，与指纹识别系统性能相关的重要特征。这些算法部分将在6.2和6.3中进行介绍，也可查阅参考文献[5-8，10，11]进行了解。
此处假定指纹图像的分辨率是500PPI。如选择其他分辨率，那么分辨率相关的参数应该进行相应调整。最初的指纹图像样本库可公开获取，如指纹验证大赛（FVC)2000、2002、2004和2006（见参考文献[4]>样本库。wwW.bzxz.Net
6.2局部分析
6.2.1局部分析的构成
指纹图像划分成块，每个块中包含足量的脊谷信息，最好至少有两条清晰的脊线，但并不一定要是高曲率脊线。对于分辨率为500PPI的指纹图像，脊分离通常变化8个～12个像素点（参见参考文献[2]）。一个脊分离包含一个脊和一个谷。为了覆盖两条清晰的脊线，一个块应大于24个像素点，因此建议每个块大小为32×32个像素点。当然也可以选择其他尺寸。采用沿脊线的曲线坐标代替笛卡尔坐标，然后进行分割处理，将每块标记为前景或背景块。分割方法有很多，比如参考文献[2]在每个块中采用梯度幅值分割方法等。在前景块中计算其局部质量度量，进行局部质量分析。6.2.2指纹图像局部分析方法
现有几种指纹图像局部质量分析方法如下。6.2.2.1方向确定性水平
一小块内的指纹图像（如图1所示）通常是由沿同一方向的黑色脊线与白色谷线交替出现形成。一致的脊线方向与恰当的脊容结构构成了指纹块中可辨识的局部特征。3
iiiKAoNhikAca
GB/T33767.4—2018/IS0/IECTR29794-4:2010图1典型的脊块纹理结构
像素点的灰度级梯度（dr，d）描绘了像素级的方向与方向强度。比如，参考文献7介绍了一种测量方向确定性水平的方法。通过对图像块梯度进行主成分分析，找到图像块的特征值和特征向量就可形成一组正交基。主成分分析是一个多元过程。该过程中，通过旋转数据使投影到正交坐标轴上的变化量达到最大值。生成的第一主成分包含沿脊线正交方向最大梯度变化的最大方差。第一个特征向量给出方向，方差值对应第一个特征值入m举。生成的第二主成分具有脊流方向最小的梯度变化量，对应第二个特征值入i。两个特征值的比值表示沿主方向上聚集的能量强度，主方向上的两个向量分别指向平均脊流的法线和切线方向。对于包含N个像素点的图像块，其梯度向量的协方差矩阵C为式(1)：
对于式（1)中的协方差矩阵，特征值入见式（2）、式（3）：Am =(a +b)+Va-b)\+4c
(a+b)-/a-b)2+4c2
对于指纹图像块，方向确定性水平（ocl），入mi与入mx之间的比值见式（4）：-amim_（a+6）)-/a-b)+4c2
Amx(a+6)+a-b)*+4c
·（1)
（3）
·（4）
当a和b均大于0时，ocl值的范围在0～1之间。该值表示沿脊谷方向上聚集的能量强度。值越小，能量强度越高。因此ocl值可用于表示指纹图像块的质量。当方向强度较高的样本中存在标记或残差，比如之前用户隐约留下的指纹印，则不能利用方向确定性水平预测出匹配度。6.2.2.2脊谷结构
高质量的指纹图像会显示出清晰的脊谷结构。因此，脊谷结构的清晰度是指纹图像质量的一项有用指标。
-iiKAoNniKAca
有方向图案的指纹图像
GB/T33767.4—2018/ISO/IECTR29794-4:201032个像素点
旋转变换
13个像
V，垂直对齐脊图案
图2局部区域的提取以及向垂直对齐脊型的转换6.2.2.2.1脊容结构分析
参考文献[7]介绍了脊谷清晰度的评价方法。为了分析脊谷的结构，把指纹图像划分为块，每个块大小最好是32×32个像素点。在每个块中，计算出垂直于脊线的方向线。在沿脊线方向块的中心提取出比块尺寸要小的二维矢量V（图2中倾斜正方形），如32×16个像素点，转换成一个垂直对齐的二维矢量Va。通过式（5），可计算出一个一维矢量V（即V的平均轮廓）。Zv.(i.j)
Ve()=台
.i-1...32
其中，m是块的高度（16个像素点），i是横向坐标。，垂直对齐脊图案
强度级
V，2的平均轮廊
DT1.确定阅值
图3向量V，的区域分割
.（5）
当V，计算出来后，通过线性回归（即最小二乘拟合）找到确定國值（DT）参数，DT，为位于矢量V，中心的一条线，用于将图像块分割为脊或谷区域。灰度级强度低于DT的区域为脊，其余为谷。DT把指纹图像区域分割成脊和谷的过程如图3所示。图3的顶部为脊纹图案，底部为投影到一维累积强度剖面的脊纹图案灰度级分布图。Y轴是强度水平，X轴是脊纹图案的横截面。每个局部块均有DTi值。
从图3的一维信号中可计算出几个有用的参数如谷和脊的厚度。对于高质量的指纹图像，脊与脊之间不能间隔太近或太远，因此标定的脊和容厚度可用于衡量指纹图像的质量。同样，若脊太厚或太5
GB/T3376Z.42018/IS0/IECTR29794-4.2010薄，则表明获取指纹图像的方式不恰当，如按压太重或太轻，或图像是残差采样。因此，指纹图像质量可通过将脊谷厚度与其标定范围进行对比来判定。任何值超出其标定范围都可能意味着脊纹图案的质量较差。脊谷的厚度值依赖于指纹扫描仪的分辨率。为对这些值进行正则化，以125PPI除以扫描仪分辨率得到一个因数。为正则化厚度值范围，应使用预先设定的最大厚度。当扫描仪分辨率为500PPI时，高质量指纹图像的最大脊或谷厚度（Wmx）估计有20个像素点，而当扫描仪分辨率为125PPI时，正则化后的指纹图像估计有5个像素点。对于500PPI的扫描仪分辨率，20个像素点的预设值是借助8～12个像素点的典型脊间隔的中位线估算而来，并且假设任何脊间隔不超过中位值的两倍。这可以确保预设值为最大值，从而将正则化后的脊谷厚度值限制在0到1之间。脊厚度（W.）和谷厚度（W，）正则化过程表示见式（6）、式（7）：NW，=W/（（Sc/125）XWmax）其中Wmx=5NW=W/（（Sc/125）XWmax），其中Wmax=5其中NW.和NW分别为正则化后的脊谷厚度.Sc为扫描仪的分辨率（6)
将脊和谷区域如上隔开，在每个分割后的二维矩形区域内进行清晰度测试。图4为分割后脊和谷的样本灰度级分布。重叠区域为潜在误分类区域，在这个区域内，利用DT无法准确地判定像素点是否属于脊或谷。因此，重叠区域的面积可作为脊谷清晰度的判定指标，但前提是脊谷的厚度应在可接受的范围内。
频率/像素点
相间的脊谷直方图
强度级
确定阈值
图4脊谷分布图
像素点
式（8）、式（9）及式（10）描述了清晰度得分的计算方法，其中B为在谷区域中强度低于DT，的像素点个数（也称为谷的“坏像素点”），VT是谷区域中的像素点总数，况为在脊区域中强度高于DT，的像素点个数（也称为脊的“坏像素点”），况是脊区域中的像素点总数Q=UB/UT
·（9)
GB/T33767.4—2018/ISO/IECTR29794-4:2010((a+B)/2if((NWwmiotherwise
......( 10)
其中，A是逻辑与运算符：α和β是脊谷区域中坏像素点部分，而（NWrmin，NWrmux）和（NWvmin，NWm）分别为正则化后脊（NW）和谷（NW）厚度的最小值和最大值。因此，局部清晰度得分（LCS）是α和β(二者值范围为0～1)的约束平均值。对于高清晰度的脊区域，脊谷的重叠面积非常小，LCS也小。影响总重叠面积大小的因素如下：a）脊谷上的噪声；
由于手指湿，图像上有水渍斑块；b）
由于定向噪声导致的错误方位角；脊纹图案上有疤痕；
高度弯曲的脊线；
脊线端点、分叉点、三角点和核心点；始端脊线、汗毛孔和点。
因素a)～c)为图像中出现的物理噪声。因素d)～g)为指纹的实际物理特性。因此，选择一个小窗
口比如大小为32×16，以降低在同一位置出现许多不同特征的可能性。6.2.2.2.2方向对比度
参考文献[8]介绍了一种通过测量方向对比度来衡量脊谷结构清晰度的方法。方向对比度D为脊流方向上脊谷区域灰度值之间的对比度。该方法的基本思想是质量好的区域具有较高的方向对比度，这意味着根据灰度值，指纹图像的脊谷能得到较好的分离。在参考文献[8]中描述了计算对比度D的整个过程。公式简化如式（11)所示。在式（11)中，2k（i.i）为同一方向θ上所有像素点的总数，（i，j）表示指纹图像上块大小为NXN中像素的坐标。D=|0max —6ortho
其中max=maxo
6.2.2.3频域分析
（ij），k=1.，8)，o.nheLomxk为方向指数.（11)
高质量样本信号是一个周期性信号，可由一个矩形波或正弦波近似得到。在频域中，一个理想的矩形波应为具有边频带分量的主频率（sinc函数）。正弦波由一个主频率和非主频率的最小分量组成。因此，我们可以利用这些信息辨别质量块的好与坏。是否存在一个主频率和主分量的频率是决定样本质量好坏的两个主要因素。
对于每个块，沿着脊谷（c）方向的信号可计算出每个块的中心。如图5所示，信号会经过轴方向上图像块的中心。
（0,0)
图5沿x轴方向的信号
GB/T3376Z.42018/IS0/IECTR29794-4.2010（r，）点的坐标系如上所示，信号的计算公式如式（12）：T():
l(r，k)
其中，（，y）是在坐标点（，）的灰度级；是沿x轴方向上的指数，值范围为一25≤≤26，足以覆盖两条相间的脊线（参见参考文献[2])（只要它至少可以完全覆盖一个周期性循环，是否精确并不至关重要）；r是沿轴方向上的宽度，为了在轴上获得足够的平均灰度级，一般r的值范围为一10高质量
高质量
劣质量
图6沿脊线方向各图像块信号的DFTsd）劣质量
图6显示了四个不同质量的指纹图像块与其离散傅里叶变换（DFT）。曲线图的纵轴为T（）的DFT值.而水平轴是轴的指数。低质量图像c)可通过存在于超低频段（<5）的主频率就能很容易地辨识出来，该频率超出了脊的正常频率范围。此外，图d)没有明显的主频率，这表明图像被高度污染了
分析的最终结果是通过式（13)计算出的图像质量度量（IQM）：A（Fmax）+0.3[A（Fmx-1)+A（Fmax+1)]IQM=
（13）
其中.A（)是频率指数T的幅度。F为值为1NF/2的DFT频率指数.其中NF为DFT使用的点数（建议NF=52）。Fmx表示幅度达到最大时的频率指数。在本条描述的频域分析中，通过在脊流方向上进行均值化计算出一维信号。该均值化过程中沿脊谷流方向过滤掉噪声，并在垂直于脊流的方向上提供一个更好的平稳变化信号模型。然而，均值化过程同样忽略了脊谷方向上像素级噪声的影响。脊谷部灰度级的随机波动是样本质量低的另一表现。由于它通过脊谷结构分析与均勾性测量才能获得，因此本条暂不讨论，我们在6.2.2.2和6.2.2.4分别描述。6.2.2.4均匀度
均勾度决定了脊谷部灰度级的一致性。图7为指纹图像块均勾度由高到低的四个样本。8
小提示：此标准内容仅展示完整标准里的部分截取内容，若需要完整标准请到上方自行免费下载完整标准文档。