指紋識別系統(tǒng)論文

1、指紋識別系統(tǒng)論文指紋識別算法研究摘要隨著計算機和網(wǎng)絡的迅速發(fā)展，人們對身份認證的準確性、安全性與實用性提出了更高的要求。基于生物特征識別的智能身份認證技術也逐漸受到廣泛的關注。在眾多的生物識別技術中，指紋識別技術是發(fā)展最早、應用最廣泛的一種。指紋識別技術充分利用了指紋的普遍性、唯一性和永久性的生物特征，已逐步取代了傳統(tǒng)的基于標志和數(shù)字的識別方式，目前在網(wǎng)絡、銀行、金融、醫(yī)療和安檢等行業(yè)均得到了廣泛應用。本文對指紋識別系統(tǒng)的原理和基本過程進行了分析研究，重點研究了指紋圖像預處理算法，并且進行了驗證。在指紋圖像預處理部分，論文對預處理的各個步驟包括規(guī)格化、圖像分割、中值濾波、二值化、細化等以及各個

2、步驟的方法進行了深入的分析和研究，選擇了一種圖像預處理方案。在指紋特征提取部分，采用基于Matlab實現(xiàn)的指紋細節(jié)特征提取方法，并給出了去偽算法。指紋特征提取是從細化后的指紋圖中得到細節(jié)特征點（即端點和分叉點），此特征點含有大量的偽特征，既耗時又影響匹配精度。采用了邊緣去偽和距離去偽，使得特征點去偽前后減小了近1/3，然后提取可靠特征點信息，以便實現(xiàn)指紋匹配。 在指紋匹配部分，本文采用基于細節(jié)點的指紋匹配算法，并進行研究。關鍵詞指紋識別；預處理；特征提?。黄ヅ銯ingerprint Recognition AlgorithmAbstractWith the rapid Progress of

3、computer science and network technique，An accurate，secure and practical techno1ogy of Personal identification becomes more and more important. Technology of Personal identification based on Biometrics has received extensive attention. Technology of Fingerprint recognition is the earliest one and is

4、app1ied widely in the all techniques of biometrics recognition, then is taking full advantage of the universality, uniqueness and permanency of the fingerprint, and gradually has taken place of traditional identification method that is based on symbol and number. Nowadays the technology of fingerpri

5、nt identification is fully used in network, bank, finance, insurance and security. This paper research the basic principles and process of the fingerprint identification system，and focus on the pre-processing algorithms of fingerprint image and finally verify. In the fingerprint image processing sec

6、tion, thesis on preprocessing steps including specifications, image segmentation, median filtering, binarization, refinement, and so on, and each step of the way to in-depth analysis and research, is an image processing program. Part of the fingerprint feature extraction, fingerprint-based Matlab im

7、plementation details of feature extraction methods, and gives to the pseudo-algorithm. Fingerprint feature extraction is refined to get the details of fingerprint feature points (the endpoint and bifurcation points), this feature points contain a large number of false features, time-consuming and wi

8、ll affect the matching accuracy. Used and the distance to the edge of the false and counterfeit, makes the feature points to reduce the false front of nearly 1 / 3, and then extract a reliable feature point information, in order to achieve the fingerprint match. Part of the fingerprint match, the pa

9、per-based fingerprint minutiae matching algorithm, and conduct research.Keywords Fingerprint recognition; Pretreatment; Feature extraction; Matching不要刪除行尾的分節(jié)符，此行不會被打印目錄摘要IAbstractII第1章 緒論51.1 指紋識別技術的背景51.2 指紋識別研究的目的和意義51.3 指紋識別在國內(nèi)外的研究現(xiàn)狀及分析61.3.1 國外研究現(xiàn)狀61.3.2 國內(nèi)研究現(xiàn)狀71.3.3 研究現(xiàn)狀分析71.4 本文研究的主要內(nèi)容及工作安排81.

10、4.1 研究的主要內(nèi)容81.4.2 工作安排8第2章 指紋識別的組成及原理分析92.1 指紋識別系統(tǒng)的組成92.2 指紋識別的基本原理92.2.1 指紋的基本特征92.2.2 全局特征92.2.3 局部特征112.2.4 指紋識別的一般算法132.3 本章小結(jié)14第3章 指紋圖像預處理153.1 對指紋圖像進行分割153.2 對指紋圖像進行二值化處理163.3 對指紋圖像進行細化處理183.4 實驗結(jié)果213.5 本章小結(jié)22第4章 指紋圖像特征提取與匹配234.1 指紋圖像特征提取234.1.1 指紋圖像特征提取的方法234.1.2 特征點的提取234.1.3 指紋圖像特征的去偽244.2

11、指紋圖像的匹配264.2.1 指紋匹配算法綜述264.2.2 指紋匹配過程274.3 實驗結(jié)果284.4 本章小結(jié)30結(jié)論31致謝32參考文獻33附錄34千萬不要刪除行尾的分節(jié)符，此行不會被打印。在目錄上點右鍵“更新域”，然后“更新整個目錄”。打印前，不要忘記把上面“Abstract”這一行后加一空行第1章 緒論1.1 指紋識別技術的背景指紋識別是依據(jù)人的手指尖表面的脊、谷線分布狀態(tài)來識別和驗證人身份的方法。據(jù)考古學家證實，公元前7000年到6000年以前，指紋作為身份鑒別的工具已經(jīng)在古敘利亞和中國開始應用。那時，一些粘土陶器上留有陶藝匠人的指紋。公元前2700多年前的周代，指紋被用于民間契約

12、的簽署，即畫押，旨在保持契約的可信度。盡管指紋在我國應用較早，但由于長期缺乏專門的系統(tǒng)研究，未能上升到一門專門的學科。英國科學家Galton于1892年出版了指紋學和指紋分析法【1】，從此奠定了指紋科學研究的基礎。1899年，英國學者亨利將指紋的特征及識別原理加以分析歸納，科學地提出了人的指紋各不相同，并提出了基于指紋特征進行識別的原理和方法，以后衍生出的各種識別方法都是基于該理論。到本世紀初，指紋學的研究基本成熟，這時的指紋鑒別，主要由指紋專家根據(jù)指紋知識憑經(jīng)驗判斷。世界上許多國家都建立了指紋庫，僅美國聯(lián)邦調(diào)查局的指紋庫中就存有二億多張指紋卡。然而傳統(tǒng)的指紋識別方法面臨著從指紋庫中人工查找、

13、對比指紋卡速度慢、效率低、對人員要求高等問題。從二十世紀六十年代開始，隨著計算機技術的發(fā)展，傳統(tǒng)的指紋識別技術發(fā)生了重大變化。人們開始利用計算機來建立指紋識別系統(tǒng)。1.2 指紋識別研究的目的和意義一直以來，傳統(tǒng)的驗證個人身份的方法，都是驗證那人是否持有某有效“物”或者某些“信息”，而不是驗證到底是不是本人。只要“物”或“信息”的有效性得到確認，那么這個人就可以進行權利范圍內(nèi)的所有操作。但是這種方法沒有考慮到“物”的可偽造性(也就是不唯一性)和丟失的可能，也沒有考慮到“信息”的被盜或被破解，缺點顯而易見。面對這樣的問題，生物識別技術的優(yōu)越性就顯示出來了，目前已經(jīng)成為安全技術研究的熱點。要把生物特

14、征用于身份識別，它就必須符合一定的要求：廣泛性：每個人都應具有這方面的人體特征；唯一性：每個人具有的這方面的人體特征各不相同；穩(wěn)定性：選擇的這些人體特征不會隨著時間的變化而發(fā)生改變；可采集性：選擇的這些特征要便于提取、測量?；谝陨咸卣鳎藗儼l(fā)展了語音識別、面部識別、虹膜識別、簽名識別、指紋識別等多種生物識別技術。而指紋的獨特性、持久性和防衛(wèi)性能都比較高，是眾多生物特征中綜合性能最高的，成為了生物識別技術的首選。同時，指紋識別也是目前應用的最為廣泛的生物識別技術。指紋識別就是用每個人獨特的指紋特征構成口令，提高系統(tǒng)的安全性。隨著科技的進步，個人電腦和光學掃描儀兩項技術不斷革新，指紋識別技術不斷

15、發(fā)展，為指紋識別技術的應用提供了更廣闊的空間。現(xiàn)在利用指紋來完成身份驗證和識別任務的系統(tǒng)己經(jīng)大規(guī)模使用。比如：政府機要部門、國家重點實驗室、軍事要地、高級住宅等重要入口的身份驗證，關鍵設備的啟動控制，銀行金庫、金融系統(tǒng)等，公司、學校等單位的考勤，甚至部分家庭已經(jīng)使用指紋鎖。這種安全、方便、高效的身份鑒別方法會帶給人們意想不到的便利：暢想一下，不需要再一記憶繁瑣的密碼、回家不需要帶鑰匙等等，那將是一種怎樣的情景呢？指紋識別技術的廣泛應用必將開創(chuàng)個人身份鑒別的新時代。1.3 指紋識別在國內(nèi)外的研究現(xiàn)狀及分析1.3.1 國外研究現(xiàn)狀人類將指紋作為身份識別的依據(jù)和驗證身份的方法已有悠久的歷史。早在公元

16、前70006000年以前，在敘利亞和中國，指紋作為身份鑒別的工具已經(jīng)開始應用。中國古代就出現(xiàn)了在文契上的“按指為書”畫押。在歐洲，1788年Mayer首次著文指出指紋的兩個重要特性：唯一性和穩(wěn)定性；現(xiàn)代的指紋匹配技術主要是16世紀后期產(chǎn)生。1872年Francis Galton提出了分叉點和端點開發(fā)人個指紋識別模式，基于這兩種特征的指紋識別模式至今都在使用。并且這兩種細節(jié)特征可以為每一枚指紋構建唯一的信息。Henry Faulds在1880年，第一次科學的提出了指紋的兩個重要特征：一是任何兩個不同手指的指紋脊線的式樣（ridge pattern）不同，二是指紋脊線的式樣在人的一生中不會改變。這

17、一發(fā)現(xiàn)奠定了現(xiàn)代指紋識別技術的理論基礎，也使得指紋識別在罪犯鑒定中得到應用。Francis Galton對指紋進行深入研究，并于1888年引入了特征點的分類技術。1899年，Edward Henry學習了Galton的指紋科學，建立了著名的“Henry System”用于指紋分類。使用精準的指紋索引給專家指紋識別帶來極大的便利。早在20世紀初期，司法部門己經(jīng)正式采用指紋作為有效的身份標記，一些指紋識別機構建立了世界范圍的罪犯指紋檔案庫。1923年Purkinje首次對指紋進行了分類；19世紀晚期，F(xiàn).Glton開展了關于指紋的廣泛研究，并引入了指紋中的細節(jié)特征作為指紋識別的依據(jù)。這些研究成果和

18、方法為現(xiàn)代指紋識別技術奠定了基礎，至今，一些方法仍被廣泛使用。1960年，美國聯(lián)邦調(diào)查局、英國內(nèi)務部（Home offiee in the UK）和法國巴黎警察局聯(lián)合開始投巨資研發(fā)指紋識別系統(tǒng)，并于1975年成功推出了第一個商業(yè)化系統(tǒng)，隨后，各國研究機構和許多大公司開始指紋識別技術的研究和產(chǎn)品開發(fā)工作。國際上著名的指紋識別系統(tǒng)有：美國聯(lián)邦調(diào)查局的AFIS系統(tǒng)，日本NEC公司的指紋鑒定系統(tǒng)，北美英弗公司的指紋鑒別系統(tǒng)等。目前，隨著數(shù)字化、信息化社會對自動身份鑒別技術的要求的不斷提高和AFIS在司法領域取得了巨大成功，隨著計算機硬件性能的飛速提高和價格的不斷降低，隨著普通大眾對指紋識別了解的深入和

19、接受，指紋識別技術已經(jīng)突破了司法、偵探領域進入民用領域，并取得了快速的發(fā)展。傳統(tǒng)指紋識別算法（主要用于司法、刑偵領域）主要考慮降低拒識率，一般需要人工協(xié)助處理，而且存在誤識率高、計算速度慢、資源消耗大等問題，并不適合于民用領域。同時，民用市場對指紋識別算法在自動化程度、拒識率和誤識率、響應時間、資源消耗等方面也提出了更高的要求。JAIN等人于1998年提出將指紋與人臉識別的結(jié)果融合；于2000年提出確定每個用戶的特定參數(shù)的方法將指紋、臉像和手形的識別結(jié)果融合，并在2001年對多生物特征識別作了概述。2006年初，澳大利亞成功發(fā)行世界上第一本生物識別護照。2007年11月，美國國土安全部宣布所有

20、入境美國的非美國公民都要接受數(shù)字拍照及雙手十指指紋掃描。指紋識別即將迎來迅速普及的發(fā)展時期。2009年，美國成功對指紋識別系統(tǒng)進行了更新的研究【2】。1.3.2 國內(nèi)研究現(xiàn)狀我國利用指紋識別身份的歷史最早可以追溯到秦朝， 1903年,中國青島市警察局首次應用漢堡式指紋法。此后我國相繼開展了指紋的應用及研究,還曾建立過“指紋學會”。劉紫宛編寫的中華指紋法一書是我國最早的指紋專著。全國解放后,我國對指紋研究一直比較重視。1955年編制了中華人民共和國十指紋分析法。這可以說是我國指紋的科學時期。在國內(nèi)，清華大學在80年代開始指紋識別的研究。中科院自動化所模式識別國家重點實驗室自90年代以來，一直致力

21、于“基于生物特征的身份鑒別”的研究，在指紋、虹膜、臉相識別等方面取得了很多的研究成果。北京大學視覺與聽覺信息處理國家重點實驗室先后承擔了國家“七五”和“八五”，科技攻關項目，對指紋識別進行了長期的基礎性研究，提出了一整套獨創(chuàng)的理論和高效實用的算法。另外，自九十年代初以來，我國的北大方正集團、長春鴻達集團、西安青松集團等機構分別以所在地高校為技術依托，陸續(xù)開展了這方面的研究工作?？偟膩碚f，國內(nèi)開展了很多研究，而且取得了很多成果。2002年，清華大學實現(xiàn)了在海量數(shù)據(jù)庫上的人臉和指紋綜合識別系統(tǒng)，在識別的過程采用的融合策略是先用人臉特征進行比對得到前n個候選，然后在這個范圍內(nèi)用指紋特征再進行比對。迄

22、今為止，還沒有綜合生物特征的識別系統(tǒng)的產(chǎn)品問世，綜合身份識別系統(tǒng)的研究有待于進一步發(fā)展。2009年中北大學信息與通信工程學院提出了一種基于傅立葉變換的指紋圖像增強技術，大大提高了圖像的清晰度。為后來的指紋識別技術作出了較大貢獻。1.3.3 研究現(xiàn)狀分析現(xiàn)在國內(nèi)外指紋識別大都采用基于細節(jié)特征點的指紋識別技術，即采用基于圖像處理的指紋識別算法，其中比較有代表性的有兩種。一種是基于方向濾波增強，并在指紋細化圖上提取特征點的算法，另一種是直接從指紋灰度圖上提取特征點的算法。指紋識別作為一種熱門的生物識別技術受到越來越多人的關注，國內(nèi)外許多機構和學者都采用了很多不同的算法對指紋圖像進行預處理和匹配。但有

23、些算法會由于指紋圖像的噪音、皮膚彈性引起的非線性形變等多方面因素，導致在識別過程中出現(xiàn)誤差，影響識別率等【3】。1.4 本文研究的主要內(nèi)容及工作安排1.4.1 研究的主要內(nèi)容通過閱讀大量的文獻資料，本文深入研究了指紋識別算法所包含的主要方面：指紋圖像預處理：全文研究的重點是指紋圖像預處理算法。預處理的目的是改善輸入指紋圖像的質(zhì)量，以提高特征提取的準確性。本文采用灰度分割法對質(zhì)問圖像進行分割。利用中值濾波進行去噪。通過自適應二值化的方法處理指紋圖像，最后再對圖像進行細化以及去除毛刺，斷裂等干擾。指紋圖像特征提?。簩χ讣y圖像的特征點進行提取。由于經(jīng)過預處理后的細化圖像上存在大量的偽特征點，所以提取

24、大量的偽特征點，這些偽特征點的存在，不但使匹配的速度大大降低，還使指紋識別性能急劇下降，造成識別系統(tǒng)的誤拒率和誤識率的上升，因此在進行指紋匹配之前，盡可能將偽特征點去除，針對提取出指紋細節(jié)特征點含有大量的偽特征這一問題，提出了一種邊緣信息判別法，有效地去除了邊界偽特征點，再根據(jù)脊線結(jié)構特性去除其毛刺和短脊等偽特征點，顯的減少了偽特征點。指紋匹配：對指紋圖像的匹配算法進行研究。特征匹配是識別系統(tǒng)的關鍵環(huán)節(jié)，匹配算法的好壞直接影響識別的性能、速度和效率。為了克服指紋圖像非線性形變的影響，采用基于結(jié)構特征的點匹配算法，對校準后的點集進行匹配，匹配的特征點個數(shù)在兩個點集中所占比例大約百分之六十五的范圍

25、內(nèi)就可判為匹配成功。1.4.2 工作安排本論文共分四章，每章的主要安排如下：第一章為緒論部分，第一章緒論。對指紋識別技術及系統(tǒng)的研究目的、意義及國內(nèi)外發(fā)展動態(tài)進行了概述。比對其研究現(xiàn)狀進行分析。第二章為指紋識別技術的組成及原理分析。簡單介紹了指紋識別的工作流程，以及指紋識別的基本原理，包括指紋結(jié)構特征、分類方式等。第三章研究了指紋圖像預處理的幾種技術，如指紋圖像歸一化、圖像分割、圖像濾波、圖像二值化、圖像細化等算法，并運用Matlab編程軟件實現(xiàn)了各階段的實驗結(jié)果。第四章對指紋圖像進行特征提取與匹配。是在細化后的指紋圖像的基礎上進行的。對指紋細節(jié)特征提取算法進行了簡單的介紹，并對提取出的特征點

26、進行匹配。并且得出了結(jié)果。第2章 指紋識別的組成及原理分析2.1 指紋識別系統(tǒng)的組成指紋識別技術是指使用取像設備讀取指紋圖像，通過識別軟件提取出指紋圖像中的特征數(shù)據(jù)，然后根據(jù)匹配算法得到的結(jié)果鑒別指紋所有人身份的生物特征識別技術。指紋識別系統(tǒng)主要涉及三大步驟:指紋圖像預處理、特征提取、特征匹配三個部分，其中預處理部分又可分為歸一化、圖像濾波增強、二值化和細化等幾個步驟。系統(tǒng)流程框圖如圖11所示。下面對這三個個部分做一下簡單的介紹。指 紋預處理指 紋特征提取指紋匹配指 紋識 別指紋庫圖11指紋識別系統(tǒng)流程圖2.2 指紋識別的基本原理2.2.1 指紋的基本特征指紋其實是比較復雜的。與人工處理不同，

27、許多生物識別技術公司并不直接存儲指紋的圖象。多年來在各個公司及其研究機構產(chǎn)生了許多數(shù)字化的算法（美國有關法律認為，指紋圖象屬于個人隱私，因此不能直接存儲指紋圖象）。但指紋識別算法最終都歸結(jié)為在指紋圖象上找到并比對指紋的特征。指紋識別系統(tǒng)中，通常采用全局和局部兩種層次的結(jié)構特征。兩枚指紋可能具有相同的全局特征，但局部特征卻不可能完全相同。2.2.2 全局特征全局特征是指那些用人眼直接就可以觀察到的特征，包括：基本紋路圖案環(huán)型（loop）,弓型（arch）,螺旋型（whorl）如圖21所示。其他的指紋圖案都基于這三種基本圖案。僅僅依靠圖案類型來分辨指紋是遠遠不夠的，這只是一個粗略的分類，但通過分類

28、使得在大數(shù)據(jù)庫中搜尋指紋更為方便。 環(huán)型 弓型 螺旋型圖21環(huán)型、弓型、螺旋型指紋圖像模式區(qū)是指指紋上包括了總體特征的區(qū)域，即從模式區(qū)就能夠分辨出指紋是屬于那一種類型的。有的指紋識別算法只使用模式區(qū)的數(shù)據(jù)。Secure Touch的指紋識別算法使用了所取得的完整指紋而不僅僅是模式區(qū)進行分析和識別，如圖22所示。圖22模式區(qū) 核心點位于指紋紋路的漸進中心，它在讀取指紋和比對指紋時作為參考點。許多算法是基于核心點的，既只能處理和識別具有核心點的指紋。核心點對于Secure Touch的指紋識別算法很重要，但沒有核心點的指紋它仍然能夠處理，如圖23所示。圖23核心點三角點位于從核心點開始的第一個分叉

29、點或者斷點、或者兩條紋路會聚處、孤立點、折轉(zhuǎn)處，或者指向這些奇異點。三角點提供了指紋紋路的計數(shù)跟蹤的開始之處，如圖24所示。圖24三角點指模式區(qū)內(nèi)指紋紋路的數(shù)量。在計算指紋的紋數(shù)時，一般先在連接核心點和三角點，這條連線與指紋紋路相交的數(shù)量即可認為是指紋的紋數(shù),如圖25所示。圖25紋數(shù)2.2.3 局部特征局部特征是指指紋上的節(jié)點的特征，這些具有某種特征的節(jié)點稱為特征點。兩枚指紋經(jīng)常會具有相同的總體特征，但它們的局部特征-特征點，卻不可能完全相同。1、指紋的特征點指紋紋路并不是連續(xù)的、平滑筆直的，而是經(jīng)常出現(xiàn)中斷、分叉或打折。這些斷點、分叉點和轉(zhuǎn)折點就稱為“特征點”。就是這些特征點提供了指紋唯一性

30、的確認信息。指紋上的節(jié)點有四種不同特性：2、特征點的分類有以下幾種類型，最典型的是終結(jié)點和分叉點。終結(jié)點（Ending）：一條紋路在此終結(jié)，如圖26所示。圖26終結(jié)點分叉點（Bifurcation）：一條紋路在此分開成兩條或更多的紋路，如圖27所示。圖27分叉點分歧點（Ridge Divergence）：兩條平行的紋路在此分開，如圖28所示。圖28分歧點孤立點（Dot or Island）：一條特別短的紋路，以至于成為一點，如圖29所示。圖29孤立點環(huán)點（Enclosure）：一條紋路分開成為兩條之后，立即有合并成為一條，這樣形成的一個小環(huán)稱為環(huán)點，如圖210所示。圖210環(huán)點短紋（Short

31、 Ridge）：一端較短但不至于成為一點的紋路，如圖211所示。圖211短紋方向（Orientation）：節(jié)點可以朝著一定的方向。曲率（Curvature）：描述紋路方向改變的速度。位置（Position）：節(jié)點的位置通過坐標來描述，可以是絕對的，也可以是相對于三角點或特征點的【4】。2.2.4 指紋識別的一般算法（1） 指紋圖象預處理在指紋識別過程中，輸入的指紋圖像由于各種原因的影響，是一幅含噪聲較多的灰度圖像，預處理的目的就是去除圖像中的噪聲，使圖像畫面清晰，邊緣明顯，把它變成一幅清晰的點線圖，以便于提取正確的指紋特征。指紋圖像預處理環(huán)節(jié)在整個指紋識別系統(tǒng)中具有重要的地位和作用，它的好壞

32、直接影響著指紋識別的效果。預處理一般分為四步進行：圖像分割、圖像濾波、二值化和細化。首先，對圖像進行分割。由于有的原始圖像跟其背景區(qū)域相混合，在背景和指紋圖像之間存在一道白色區(qū)域，所以需要對原始指紋圖像進行背景分離，消除最外面的邊框。我們可以根據(jù)灰度的大小對圖像進行初步處理，得到初步處理然后對指紋圖像進行歸一化及分割處理，消除剩下的背景區(qū)域。其次，指紋預處理過程中最重要的一步就是對指紋圖像進行濾波去噪，它是指紋圖像預處理需要解決的核心問題。圖像濾波的目的是在增強脊線谷線結(jié)構對比度的同時抑制噪聲，連接斷裂的脊線和分離粘連的脊線，按特定的需要突出一幅圖像中的某些信息，同時削弱或去除某些不需要的信息

33、【5】。再次，圖像經(jīng)濾波處理后，其中的紋線(脊)部分得到了增強，不過脊的強度并不完全相同，表現(xiàn)為灰度值的差異。二值化的目的就是使脊的灰度值趨向一致，使整幅圖像簡化為二元信息在指紋識別中，一方面對圖像信息進行了壓縮，保留了紋線的主要信息，節(jié)約了存儲空間，另一方面還可以去除大量的粘連，為指紋特征的提取和匹配作準備。最后，指紋圖像二值化后，紋線仍具有一定的寬度，而指紋識別只對紋線的走向感興趣，不關心它的粗細。細化的目的是為了刪除指紋紋線的邊緣像素，使之只有一個像素寬度，減少冗余的信息，突出指紋紋線的主要特征，從而便于后面的特征提取。細化時應保證紋線的連接性，方向性和特征點不變，還應保持紋線的中心基本

34、不變。（2） 特征提取目前的指紋識別普遍采用的指紋特征是細節(jié)點（minutiae），分為端點和分叉點。指紋的特征可以反映不同的指紋相互之間相似的程度。指紋的特征信息很多。這些所有的指紋特征信息構成了龐大的指紋特征集合。一組好的特征不僅要能達到身份識別的基本要求，而且對噪聲、畸變和環(huán)境條件不敏感。原始指紋圖像經(jīng)預處理后得到的是一幅細化的二值圖像，下一步要做的工作就是對細化后的圖像進行特征提取，得到可以識別不同指紋的關鍵特征。特征提取把指紋圖像的紋線走向，紋線端點、交叉點等能充分表示該指紋唯一性的特征用數(shù)值的形式表達出來。為了比對的準確性，要求特征提取算法盡可能多地提取有效特征，同時濾除由各種原因

35、造成的虛假特征。一般在指紋識別技術中只使用兩種細節(jié)特征點：端點和分叉點，其他類型特征點出現(xiàn)的機率很小，這兩類特征點在指紋中出現(xiàn)的機會最多、最穩(wěn)定，比較容易獲取。如何準確高效的提取指紋特征是指紋細節(jié)特征提取要開展的工作，或者說是采取什么樣的步驟和方法，是后面指紋匹配工作的基礎。（3） 指紋匹配特征匹配主要是細節(jié)特征的匹配，將新輸入指紋的細節(jié)特征值與指紋庫中所存指紋的細節(jié)特征值進行比對，找出最相似的指紋作為識別的輸出結(jié)果，也就是所說的指紋驗證識別過程，它是指紋識別系統(tǒng)的最終目的。由于各種因素的影響，同一指紋兩次輸入所得的特征模板很可能不同。因此，只要有輸入指紋的特征模板與所存儲的模板相似時，就說這

36、兩個指紋匹配。于是產(chǎn)生了有關衡量標準的問題。通常，匹配結(jié)果用“匹配度”來表示。當匹配度大于某一閾值時，認為兩指紋匹配；相反，當小于該閾值時，認為不匹配。閾值大小通常根據(jù)經(jīng)驗等因素人為設定【6】。2.3 本章小結(jié)本章對指紋識別原理及指紋識別系統(tǒng)作了簡單的介紹，介紹了指紋基本的分類方式、全局特征、局部特征等基本的指紋識別原理；并且對指紋識別各個階段的算法進行詳細的分析與介紹，目的在于使讀者對指紋識別系統(tǒng)的組成、識別原理和技術等方面有一個總體認識，為后面的理論研究提供現(xiàn)實基礎。第3章 指紋圖像預處理剛獲得的圖象有很多噪音。這主要由于平時的工作和環(huán)境引起的，比如，手指被弄臟，手指有刀傷、疤、痕、干燥、

37、濕潤或撕破等。圖象增強是減弱噪音，增強脊和谷的對比度。想得到比較干凈清晰的圖象并不是容易的事情。為這個目標而為處理指紋圖象所涉及的操作是設計一個適合、匹配的濾鏡和恰當?shù)拈y值。有很多圖象增強的方法。大多數(shù)是通過過濾圖象與脊局部方向相匹配。圖象首先分成幾個小區(qū)域（窗口），并在每個區(qū)域上計算出脊的局部方向來決定方向圖?？梢杂煽臻g域處理，或經(jīng)過快速2維傅立葉變換后的頻域處理來得到每個小窗口上的局部方向。設計合適的，相匹配的濾鏡，使之實用于圖象上所有的象素（空間場是其中的一個）。依據(jù)每個象素處脊的局部走向，濾鏡應增強在同一方向脊的走向，并且在同一位置，減弱任何不同于脊的方向。后者含有橫跨脊的噪音，所以其

38、垂直于脊的局部方向上的那些不正確的“橋”會被濾鏡過濾掉。所以，合適的、匹配的濾鏡可以恰到好處地確定脊局部走向的自身的方向，它應該增強或匹配脊而不是噪音。圖象增強，噪音減弱后，我們準備開始選取一些脊。雖然，在原始灰階圖象中，其強度是不同的而按一定的梯度分布，但它們真實的信息被簡單化為二元：脊及其相對的背景。二元操作使一個灰階圖象變成二元圖象，圖象在強度層次上從原始的256色降為2色。圖象二元化后，隨后的處理就會比較容易。二元化的困難在于，并不是所有的指紋圖象有相同的閥值，所以一般不采取從單純的強度入手，而且單一的圖象的對照物是變化的，比如，手在中心地帶按的比較緊。因此一個叫“局部自適應的閥值（l

39、ocally adaptive thresholding）”的方法被用來決定局部圖象強度的閥值。在節(jié)點提取之前的最后一道工序是“細化（thinning）”。細化是將脊的寬度降為單個象素的寬度。一個好的細化方法是保持原有脊的連續(xù)性，降低由于人為因素所造成的影響。人為因素主要是毛刺，帶有非常短的分支而被誤認為是分叉。認識到合法的和不合法的節(jié)點后，在特征提取階段排除這些節(jié)點。指紋圖像預處理的目的主要是為特征值提取的有效性、準確性作好準備【8】。圖像的預處理大致可以劃分為以下幾步：分割、平滑濾波、二值化和細化。主要流程如下圖31所示：灰度圖分割濾波二值化細化圖31 預處理主要流程3.1 對指紋圖像進行

40、分割由于獲得的指紋圖像跟其背景區(qū)域相混合，所以需要對原始指紋圖像進行背景分離。對指紋圖像進行分割處理，消除剩下的背景區(qū)域。a先對初步處理后的指紋圖像進行歸一化處理，在此利用公式如下： （31）如果，則把灰度值歸一化為255背景處理，其中和為期望的均值和方差，根據(jù)實際情況而定，和為指紋圖像的均值和方差。b對指紋圖像進行分塊，將其分為的小塊，如果是背景區(qū)域，其灰度的方差較小，而前景區(qū)的指紋圖像的方差較大，所以對每個小塊求其方差，再設定一個閾值，小于閾值的方塊區(qū)域設置為背景區(qū)域，將其灰度值設定為255，而大于閾值的區(qū)域的灰度值保持不變，從而可以將指紋圖像從背景區(qū)域很好的分離。3.2 對指紋圖像進行二

41、值化處理由于分割后的圖像質(zhì)量仍然不是很好，所以需要對其進行濾波、消除毛刺、空洞處理和二值化處理，以使指紋圖像清晰，消除不必要的噪聲，以利于進一步的辨識。指紋圖像二值化作為指紋預處理過程的一部分，是進行指紋圖像細化處理的基礎。目前指紋細化方法都是基于二值指紋圖像進行的。對指紋圖像二值化的好處在于使得圖像的幾何性質(zhì)只0和1的位置有關，不再涉及像素的灰度值，使處理變得簡單，這給存儲和處理帶來了很大的方便，同時也提高了系統(tǒng)的經(jīng)濟實用。一個好的算法可以得到一個高質(zhì)量的二值圖像。反之，如果該階段引入噪聲，就會直接降低圖像質(zhì)量，影響識別精度。對指紋圖像進行二值化，其基本要求就是二值化后的圖像能真實地再現(xiàn)原指

42、紋。具體要求為：1脊線中不出現(xiàn)空白；2二值化后的脊線基本保持原來指紋的特征；3指紋的紋線不應有太多的間斷和相連；4指紋紋線間的間距應大致相同。指紋圖像首先要進行中值濾波處理，去除噪聲。然后進行二值化過程，變成二值圖像。由于原始指紋圖像不同區(qū)域深淺不一，如對整幅圖像用同一閾值進行二值分割，會造成大量有用信息的丟失。這里我們使用自適應閾值二值化的思想，對每塊指紋圖像，選取的閾值應盡量使該塊圖像內(nèi)大于該閾值的像素點數(shù)等于小于該閾值的像素點數(shù)。一般灰度圖像二值化的變換函數(shù)用下列公式表示，見式（32）： （32）公式(32)中為指定的閾值，為灰度值。自適應閾值算法【9】首先是利用固定閾值算法的思想，然后

43、根據(jù)圖像中每一部分的明暗度來調(diào)整閾值。本文首先把圖像分為若干個的方塊，每一塊根據(jù)自己的閾值進行二值化。這種算法充分利用了指紋圖中脊線與谷線寬度大致相同的特點，即二值化后黑白像素的個數(shù)也應大致相同，首先利用固定閾值算法的特點對指紋圖像中的每塊確定一個大致的閾值，然后再利用自適應的思想對閾值進行準確的調(diào)整，即閾值的取值合適時圖像是最光滑的，既沒有“黑洞”閾值過大，也沒有“白點”閾值過小，所以01之間的轉(zhuǎn)換次數(shù)最少。下面為塊區(qū)域閾值的選取算法：1將指紋圖像劃分為不重疊的大小為的塊，求取該區(qū)域內(nèi)所有像素的灰度平均值。在綜合考慮算法速度和處理效果兩方面的條件下，本文分塊尺寸為88；為塊的灰度平均值見式（

44、33）： （33）2計算區(qū)域內(nèi)的和的值，=灰度值大于等于的像素點的個數(shù)。=灰度值小于的像素點的個數(shù)；3如果，則為閾值；4若，則，否則，返回第二步。自適應閾值二值化的流程圖如圖32所示：計算每塊的灰度均值T計算該塊參數(shù)Nh和NlT為該塊閾值根據(jù)閾值T對該塊進行二值化：灰度值T置255；灰度值T置0圖32自適應閾值二值化流程圖圖32中為該塊指紋圖像的平均灰度值、分別為第塊指紋圖像中灰度值大于等于和小于的像素點數(shù)，是分塊尺寸（像素）。3.3 對指紋圖像進行細化處理指紋圖像處理中物體的形狀信息是十分重要的，為了提取指紋圖像特定區(qū)域的特征，對指紋圖像通常需要采用細化算法處理，得到與原來指紋圖像形狀近似的

45、由簡單的弧或曲線組成的圖形，這些細線處于物體的中軸附近，這就是所謂的指紋圖像的細化。細化方法不同,細化結(jié)果就有差異。在指紋識別中要求在不改變原來指紋圖像的拓樸連通性的同時,細化的結(jié)果應為嚴格的八鄰域圖像骨架;紋線中除去特征點以外,每個像素均只與相鄰兩個像素為八鄰域,抹去任意一像素都將破壞紋線的連接性。概括起來說就是紋線細化處理要滿足收斂性、連接性、拓樸性、保持性、細化性、中軸性、快速性的要求。目前為止,關于細化方法的研究工作已有很多成果,所采用的方法從使用的觀點來看,比較多的是采用模板匹配的方法(如迭代法、OPTA單連通法等)。這種方法是根據(jù)某個像素的局部鄰域(如33,55等)的圖像特征對其進

46、行處理,此外也有采用邊緣搜索編碼、外輪廓計算以及神經(jīng)網(wǎng)絡等細化方法。從處理的過程來看,主要可以分為串行和并行兩類,前者對圖像中當前像素處理依據(jù)其鄰域內(nèi)像素的即時化結(jié)果,且不同的細化階段采用不同的處理方法;后者對當前的像素處理該像素及其鄰域內(nèi)各像素的前一輪迭代處理的結(jié)果,自始至終采用相同的細化準則。對于任意形狀的區(qū)域，細化實質(zhì)上是腐蝕操作的變體，細化過程中要根據(jù)每個像素點的八個相鄰點的情況來判斷該點是否可以剔除或保留。 （1） （2） （3） （4） （5） （6）（7）圖33 根據(jù)某點的八個相鄰點的情況來判斷該點是否能刪除圖33給出了當前需要處理的像素點在不同的八鄰域條件下的情況，可以看出：(

47、1)不能刪，因為它是個內(nèi)部點，我們要求的是骨架，如果連內(nèi)部點也刪了，骨架也會被掏空的；(2)不能刪，和(1)是同樣的道理；(3)可以刪，這樣的點不是骨架；(4)不能刪，因為刪掉后，原來相連的部分斷開了；(5)可以刪，這樣的點不是骨架；(6)不能刪，因為它是直線的端點，如果這樣的點刪了，那么最后整個直線也被刪了，剩不下什么；(7)不能刪，因為孤立點的骨架就是它自身?？偨Y(jié)上圖，有如下的判據(jù)：(1)內(nèi)部點不能刪除；(2)孤立點不能刪除；(3)直線端點不能刪除；(4)如果P是邊界點，去掉P后，如果連通分量不增加，則P可以刪除。我們可以根據(jù)上述的判據(jù)，事先做出一張表，從0到255共有256個元素，每個元

48、素要么是0，要么是1。我們根據(jù)某點的八個相鄰點的情況查表，若表中的元素是1，則表示該點可刪，否則保留。查表的方法是，設白點為1，黑點為0；左上方點對應一個8位數(shù)的第一位（最低位），正上方點對應第二位，右上方點對應的第三位，左鄰點對應第四位，右鄰點對應第五位，左下方點對應第六位，正下方點對應第七位，右下方點對應的第八位，按這樣組成的8位數(shù)去查表即可。考慮當前像素點的各種八鄰域的情況，我們可以得到一個細化操作查找表，該表在下面的細化算法中詳細介紹。為了避免分裂指紋圖像，細化的過程分為兩個步驟，第一步是正常的腐蝕操作，但是它是有條件的，也就是說那些被標記的可除去的像素點并不立即消去；在第二步中，只將

49、那些消除后并不破壞連通性的點消除，否則的話保留這些邊界點。以上的步驟是在一個33鄰域內(nèi)運算，可以通過查表實現(xiàn)細化的操作。算法的實現(xiàn)步驟如下：（1）定義一個33模板和一個查找表，模板和查找表分別如表31和圖34所示：表31: 細化模板1241282568643216 erase table256=0，0，1，1，0，0，1，1，1，1，0，1，1，1，0，1，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，1，0，0，1，1，0，0，1，1，1，1，0，1，1，1，0，1，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，1，1，1，0，0，1，1，0，0，0，0，0，0，

50、0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，1，0，0，1，1，0，0，1，1，0，1，1，1，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，1，0，0，1，1，1，1，0，1，1，1，0，1，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，1，0，0，1，1，0，0，1，1，1，1，0，1，1，1，0，1，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，0，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，0，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，0，1，1，

51、0，0，1，1，0，0，1，1，0，1，1，1，0，0，1，1，0，0，1，1，1，0，1，1，0，0，1，0，0，0圖34 細化查找表（2）對二值圖像從上到下、從左到右進行掃描；該過程結(jié)束后再對圖像進行從左到右，從上到下的掃描；如果圖像中當前像素點的灰度值為“0”，且其左右（第一次掃描過程考慮左右像素點）或上下（第二次掃描過程考慮上下兩個像素點）兩個像素點中有任意一個為“255”則轉(zhuǎn)至步驟（3），否則回轉(zhuǎn)到步驟（2）； （3）該像素點為中心的33區(qū)域內(nèi)的各個像素值和定義的模板中的權值進行卷積求和，得到查找索引值k； （4）根據(jù)這個索引值k得到表里相應的數(shù)據(jù)，如果為“1”，那么該像素點的灰度值

52、設為“255”，如果為“0”，則該像素點的灰度值為“0”。 （5）圖像從頭至尾掃描二遍后，如果該次掃描修改了圖像中的點，則跳轉(zhuǎn)至步驟二，開始新的一輪掃描。否則圖像細化結(jié)束。為了是圖像能過更加清晰的展現(xiàn)出來，我們把分割后的指紋圖像背景換為白色背景。實驗結(jié)果見實驗結(jié)果圖。3.4 實驗結(jié)果 原始圖像（a） 原始圖像（b）圖35 原始圖像 分割圖像（a） 分割圖像（b）圖3-6 分割后的圖像 二值化圖像（a） 二值化圖像（b）圖37二值化后的圖像 細化圖像（a） 細化圖像（b）圖38細化后的圖像3.5 本章小結(jié)本章主要介紹了指紋圖像預處理各個步驟的原理及實現(xiàn)，對各步驟的算法進行研究與實現(xiàn)，給出了各個算

53、法的結(jié)果。在指紋分割的處理中采用了灰度方差發(fā)進行分割運算，得到了很好的效果，在細化的處理中采用了查表的方法進行細化并且比以往的常規(guī)算法要優(yōu)越一些。第4章 指紋圖像特征提取與匹配4.1 指紋圖像特征提取4.1.1 指紋圖像特征提取的方法細節(jié)特征提取的方法分為兩種：一種是從灰度圖像中提取特征，另一種是從細化二值圖像中提取特征。直接從灰度圖像中提取特征的算法一般是對灰度指紋紋線進行跟蹤，根據(jù)跟蹤結(jié)果尋找特征的位置和判斷特征的類型。這種方法省去了復雜的指紋圖像預處理過程，但是特征提取的算法卻十分復雜,而且由于噪聲等因素影響，特征信息（位置、方向等）也不夠準確。目前大多數(shù)系統(tǒng)采用第二種方法，從細化二值圖

54、像中提取特征，該方法比較簡單，在得到可靠的細化二值圖像后，只需要一個33的模板就可以將端點和分叉點提取出來。特征點提取的好壞將直接影響匹配的結(jié)果。現(xiàn)實中，指紋輸入時，由于汗?jié)n、干燥、按壓力度不同等影響,得到的指紋圖像大都含有斷紋、褶皺、模糊、灰度不均勻等質(zhì)量問題，雖然經(jīng)過預處理，圖像質(zhì)量會有所改觀，但預處理算法對各個指紋的適應性和有效性也會不同，并且會引入新的噪聲，因此得到的細化二值圖像往往含有大量的偽特征點。偽特征點不僅會影響匹配的速度，嚴重的會影響整個識別的正確率。所以提取特征點后要進行去偽處理，盡可能濾除偽特征點、保留真特征點。實踐中發(fā)現(xiàn)，偽特征點的數(shù)量一般占總特征數(shù)量的一半以上，所以去

55、偽是必不可少的過程。去偽過程可以在兩個階段進行：一是在特征提取之前對細化二值圖像進行平滑、去除毛刺、連接斷紋等操作，然后提取特征作為真特征；另一種是在特征提取之后，根據(jù)特征之間的相互關系,盡可能準確的識別偽特征點并濾除它們。前者直接對圖像進行修補，操作比較復雜，容易引入新的偽特征；后者對特征提取后的數(shù)據(jù)進行判斷，識別比較麻煩，但是速度較快本文采用第二種方法，即從已提取的特征點中濾除偽特征，保留真特征【10】。4.1.2 特征點的提取本文的特征提取算法是在細化的圖像基礎上采用是模板匹配法。模板匹配法有運算量小、速度快的優(yōu)點。主要提取指紋的細節(jié)特征即端點和分叉點。端點和分叉點是建立在對8鄰點的統(tǒng)計分析基礎之上的，則在八鄰域的所有狀態(tài)中，滿足端點特征條件的有8種，滿足分叉點特征條件的有9種。 對于細化圖像而言，像素點的灰度值只有兩種情況（即0或1）“0”為背景點灰度，“1”為紋線點灰度。對于細化圖