[計(jì)算機(jī)軟件及應(yīng)用]指紋識(shí)別算法實(shí)現(xiàn) 畢業(yè)論文

1、 摘 要生物識(shí)別技術(shù)已經(jīng)成為身份識(shí)別和網(wǎng)絡(luò)安全的發(fā)展技術(shù)之一，其中指紋識(shí)別技術(shù)是目前公認(rèn)的安全、準(zhǔn)確、方便的身份認(rèn)證技術(shù)之一，是人們研究的熱點(diǎn)。本文對(duì)指紋圖像識(shí)別系統(tǒng)的原理和基本過程進(jìn)行了較為深入的分析與研究并給與實(shí)現(xiàn)。首先對(duì)指紋數(shù)字圖像的分類、基本特征與識(shí)別原理進(jìn)行了詳細(xì)地論述。其次，本文在指紋數(shù)字圖像預(yù)處理部分從指紋圖像的預(yù)處理、特征提取、特征匹配這三個(gè)必要環(huán)節(jié)對(duì)指紋識(shí)別算法進(jìn)行了詳細(xì)地研究，最后實(shí)現(xiàn)了指紋圖像處理的算法。在指紋圖像預(yù)處理階段，本文使用基于灰度的算法對(duì)圖像進(jìn)行了分割，同時(shí)，針對(duì)二值化后圖像中仍然存在的噪聲，也進(jìn)行了相應(yīng)的修飾處理，盡可能的為以后指紋特征的提取打好基礎(chǔ)。指紋特

2、征提取階段，采用模板法提取指紋中所有的端點(diǎn)和分叉點(diǎn)，并進(jìn)行了細(xì)化的處理。特征匹配階段，采用基于細(xì)節(jié)點(diǎn)的方式進(jìn)行特征點(diǎn)的匹配。本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)指紋識(shí)別系統(tǒng)，完成了對(duì)指紋數(shù)字圖像的處理、特征提取，保存和匹配等功能，利用編碼對(duì)指紋數(shù)字圖像進(jìn)行入庫(kù)、匹配等操作，從而完成圖像的識(shí)別來判斷是否同一指紋，其比對(duì)結(jié)果令人滿意?！娟P(guān)鍵詞】指紋識(shí)別 預(yù)處理 二值化 特征提取 特征匹配abstract biometric technology has become one of the developing technologies for identity recognition and network se

3、curity. and fingerprint identification technology is now recognized as one of the most safe, accurate and convenient authentication technologies, and it is a focus for researchers. this paper mainly research the basic principles of digital image of the fingerprint identification system and do more i

4、n-depth analysis on process, and finally achieved the algorithm of digital fingerprint precessing. first, this paper explains the classification of fingerprints digital images, basic characteristics and identify the principle in detail. secondly, in the digital fingerprint image pre-processing part

5、of this paper, three essential aspects of fingerprint : fingerprint imagepreprocessing, featureextraction and feature matching are discussed and researched in detail in this paper. fingerprint image pre-processing stage, this paper presents a gray-based algorithm for image segmentation, at the same

6、time, the noise still exists for the image after binarization, also carried out the appropriate modification of treatment, as much as possible lay a solid foundation for the fingerprint feature extraction . fingerprint feature extraction stage, the use of all of the endpoints and the bifurcation poi

7、nt in the fingerprint template extraction and refinement processing. feature matching stage, minutiae-based approach for matching feature points. in this paper, a fingerprint verification system was designed and implement a digital image of a fingerprint recognition system, completed fingerprint dig

8、ital image processing, feature extraction, save and matching features, the use of coding fingerprint digital image storage, matching and other operations to complete the image recognition process, and we were satisfied with the results of its comparison .【keywords】fingerprint recognition preprocessi

9、ng binarization feature extraction feature matching 目 錄前 言- 1 -第一章 指紋識(shí)別概述- 2 - 第一節(jié) 生物識(shí)別技術(shù)- 2 - 第二節(jié) 指紋識(shí)別的歷史- 2 - 第三節(jié) 指紋識(shí)別研究的現(xiàn)狀- 3 - 第四節(jié) 指紋識(shí)別研究的意義- 5 - 本章小結(jié)- 5 -第二章 指紋識(shí)別系統(tǒng)及算法簡(jiǎn)介- 6 - 第一節(jié) 指紋識(shí)別系統(tǒng)的構(gòu)成- 6 - 第二節(jié) 指紋圖像增強(qiáng)- 7 - 第三節(jié) 指紋識(shí)別的基本原理- 7 - 一、總體特征- 8 - 二、局部特征- 10 - 第四節(jié) 指紋識(shí)別的一般算法- 12 - 一、指紋圖像預(yù)處理- 12 - 二、特征提

10、取- 13 - 三、特征匹配- 14 - 第五節(jié) 指紋識(shí)別算法的性能指標(biāo)- 14 - 本章小結(jié)- 15 -第三章 指紋圖像處理算法詳細(xì)設(shè)計(jì)及實(shí)現(xiàn)- 16 - 第一節(jié) 指紋圖像預(yù)處理- 16 - 一、指紋圖像預(yù)處理概述- 16 - 二、指紋圖像分割及增強(qiáng)- 16 - 三、指紋圖像二值化- 17 - 四、指紋圖像細(xì)化- 19 - 五、實(shí)驗(yàn)結(jié)果- 22 - 第二節(jié) 指紋圖像特征提取- 23 - 一、指紋圖像特征提取的方法- 23 - 二、特征點(diǎn)提取- 24 - 三、指紋圖像特征的去偽- 25 - 第三節(jié) 指紋特征匹配- 27 - 一、基于點(diǎn)模式的匹配算法- 28 - 二、特征匹配算法- 28 - 三

11、、實(shí)驗(yàn)結(jié)果- 29 - 本章小結(jié)- 30 -結(jié) 論- 31 -致 謝- 32 -參考文獻(xiàn)- 33 -附 錄- 35 - 一、英文原文：- 35 - 二、英文翻譯- 44 - iv -前 言 當(dāng)今社會(huì)，更安全、更方便的身份認(rèn)證和訪問控制在電子設(shè)備和保密機(jī)構(gòu)上的需求變得越來越強(qiáng)烈，傳統(tǒng)的保護(hù)措施如機(jī)械鑰匙、口令加密碼以及智能卡等的保護(hù)措施都存在著各種安全隱患，但是生物識(shí)別技術(shù)為以上不足提供了一個(gè)很好的解決方案。一個(gè)人的生物特征是隨身攜帶的，具有唯一和不可復(fù)制性，而且安全可靠。指紋識(shí)別是諸多人類生物特征識(shí)別方法的一種，有學(xué)者推論：以全球60億人口算，300年內(nèi)都不會(huì)有兩個(gè)相同的指紋出現(xiàn)2。因此，指紋

12、被稱為“物證之首”。進(jìn)入信息時(shí)代，生物識(shí)別特征識(shí)別又一次崛起，以電子商務(wù)、電子銀行的安全認(rèn)證為例，目前在電子商務(wù)中，他人假冒當(dāng)事人上網(wǎng)采購(gòu)所造成的欺詐案越來越多。如果對(duì)當(dāng)事人的身份能夠被確認(rèn)，例如通過生物特征識(shí)別，就可有效防止此類事件的發(fā)生。另外，網(wǎng)絡(luò)、數(shù)據(jù)庫(kù)的關(guān)鍵文件等的安全控制、帶有機(jī)密信息的計(jì)算機(jī)的登陸認(rèn)證、銀行atm、pos終端等的安全認(rèn)證都離不開安全可靠的生物識(shí)別特征。 本文首先對(duì)指紋識(shí)別的全過程進(jìn)行介紹，通過指紋識(shí)別過程中指紋圖像預(yù)處理、指紋圖像特征提取、指紋圖像特征匹配這三個(gè)主要階段對(duì)指紋圖像處理算法進(jìn)行研究，然后給出了算法的詳細(xì)設(shè)計(jì)及實(shí)驗(yàn)結(jié)果。第一章介紹了指紋識(shí)別的概況，包括歷

13、史和研究現(xiàn)狀；第二章對(duì)指紋識(shí)別系統(tǒng)做了簡(jiǎn)介；第三章對(duì)指紋圖像處理算法進(jìn)行詳細(xì)分析并出實(shí)驗(yàn)結(jié)果。最后討論了本文算法所存在的問題，總體上實(shí)現(xiàn)了研究的目的。第一章 指紋識(shí)別概述第一節(jié) 生物識(shí)別技術(shù)生物識(shí)別技術(shù)是依靠個(gè)人不同的生理或行為特征來進(jìn)行身份驗(yàn)證的一種解決方案。要把人體的特征用于身份識(shí)別，這些特征必須具有唯一性和穩(wěn)定性。人體的生物特征包括臉形、指紋、掌形掌紋、聲音、虹膜、視網(wǎng)膜、骨架、簽名筆跡及鍵盤敲擊習(xí)慣甚至腕關(guān)節(jié)的血管脈絡(luò)等等。未來的生物識(shí)別技術(shù)必將無(wú)所不在，全民普及。為此，生物識(shí)別技術(shù)應(yīng)有以下特性1:1、隨時(shí)性，隨時(shí)隨地都有或可以進(jìn)行生物認(rèn)證;2、隱蔽性，似無(wú)實(shí)有的認(rèn)證，生物個(gè)體輕松接受

14、;3、方便性，即便于使用，產(chǎn)品符合個(gè)人的生理和心理習(xí)慣；4、可靠性，采用易于汲取和辨識(shí)，由不易流失偽造的生物特征。由于人體特征具有人體所固有的不可復(fù)制的唯一性，這一生物密鑰無(wú)法復(fù)制，失竊或被遺忘。人類追尋文檔、交易及物品的安全保護(hù)的有效性與方便性經(jīng)歷了三個(gè)階段的發(fā)展。第一階段是最初始的方法，也就是采用大家早已熟悉的各種機(jī)械鑰匙。第二階段是由機(jī)械鑰匙發(fā)展到數(shù)字密鑰，如口令或條形碼等。第三階段是利用人體所固有的生物特征來辯識(shí)與驗(yàn)證身份。生物識(shí)別是當(dāng)今數(shù)字化生活中最高級(jí)別的安全密鑰系統(tǒng)。常見的口令、ic卡、條紋碼、磁卡或鑰匙則存在著丟失、遺忘、復(fù)制及被盜用諸多不利因素。因此采用生物”鑰匙，您可以不必

15、攜帶大串的鑰匙，也不用費(fèi)心去記或更換口令。生物識(shí)別的核心在于如何獲取這些生物特征，并將之轉(zhuǎn)換為數(shù)字信息，存儲(chǔ)于計(jì)算機(jī)中，利用可靠的匹配算法來完成驗(yàn)證與識(shí)別個(gè)人身份。第二節(jié) 指紋識(shí)別的歷史指紋識(shí)別作為可靠的身份認(rèn)證技術(shù)自古以來就被人類發(fā)現(xiàn)并運(yùn)用，據(jù)考古學(xué)家證實(shí)：公元前7000年6000年，指紋作為身份鑒別的工具已經(jīng)在古敘利亞和中國(guó)開始應(yīng)用2。在那個(gè)時(shí)代，一些粘土陶器上留有陶藝匠人的指紋，中國(guó)的一些文件上印有起草者的大拇指指紋，在jercho的古城是的房屋上留有磚匠的指紋等。由此可見，指紋的一些特征在當(dāng)時(shí)已經(jīng)被人們認(rèn)識(shí)和接受。19世紀(jì)初，科學(xué)家研究發(fā)現(xiàn)了至今仍然承認(rèn)的指紋的兩個(gè)重要特征，一是兩個(gè)不

16、同手指的指紋紋脊的樣式不同，另外一個(gè)是指紋紋脊的樣式終生不變，即指紋的唯一性和不變性2。這個(gè)研究成果使得指紋在犯罪事件的鑒別中得以正式應(yīng)用。20世紀(jì)60年代，由于計(jì)算機(jī)的高速發(fā)展，可以快速、有效地處理圖形，人們便開始著手研究利用計(jì)算機(jī)來處理指紋。從那時(shí)起，自動(dòng)指紋識(shí)別系統(tǒng)afis（auto fingerprint identification system）在法律實(shí)施方面的研究和應(yīng)用在世界許多國(guó)家展開。隨著個(gè)人計(jì)算機(jī)、光學(xué)掃描這兩項(xiàng)技術(shù)的革新，指紋識(shí)別技術(shù)得到了進(jìn)一步發(fā)展，計(jì)算機(jī)代替人力作為指紋提取的工具成為現(xiàn)實(shí)，從而使指紋識(shí)別在其他領(lǐng)域得以應(yīng)用?，F(xiàn)在，隨著取像設(shè)備的引入及其飛速發(fā)展，生物指紋

17、識(shí)別技術(shù)的逐漸成熟、可靠的比對(duì)算法的發(fā)現(xiàn)都為指紋識(shí)別技術(shù)提供了更廣闊的舞臺(tái)。第三節(jié) 指紋識(shí)別研究的現(xiàn)狀生物識(shí)別技術(shù)中應(yīng)用最早、技術(shù)最為成熟、價(jià)格最為低廉的分支就是指紋識(shí)別技術(shù)，許多廠商都有各自相對(duì)成熟的指紋識(shí)別系統(tǒng)。盡管各個(gè)廠家都聲稱自己的系統(tǒng)具有相當(dāng)高識(shí)別率，但是他們的實(shí)驗(yàn)都是在自己的指紋庫(kù)上做測(cè)試，而不是在一個(gè)統(tǒng)一的標(biāo)準(zhǔn)指紋庫(kù)上進(jìn)行測(cè)試，結(jié)果并不具很大的可比性。影響指紋識(shí)別率的因素有很多，例如噪聲、變形等。在提取指紋的過程中，人為因素最容易導(dǎo)致噪聲的產(chǎn)生，例如臟手指、疤痕導(dǎo)致的不同時(shí)期、不同季節(jié)間指紋的差異，手指按壓過程中的扭轉(zhuǎn)、拉伸和按壓力度等因素會(huì)使指紋產(chǎn)生變形；機(jī)器因素有芯片表面殘留

18、物帶來的噪聲等，這些都會(huì)影響指紋錄入的質(zhì)量，可能使多次錄入的同一手指的指紋不能被指紋識(shí)別系統(tǒng)辨識(shí)，給指紋識(shí)別帶來困難，直接導(dǎo)致識(shí)別錯(cuò)誤。隨著半導(dǎo)體指紋錄入芯片的誕生，指紋識(shí)別技術(shù)從單一的司法應(yīng)用擴(kuò)展到了民用，同時(shí)問題也隨之產(chǎn)生，為了降低成本，指紋芯片的面積做得盡可能小，這樣，由于指紋的多次按壓位置不同，導(dǎo)致同一指紋的重疊區(qū)域有時(shí)會(huì)很小。傳統(tǒng)的基于細(xì)節(jié)點(diǎn)的指紋識(shí)別算法只利用了指紋圖像中一小部分信息，丟失了豐富的結(jié)構(gòu)信息，對(duì)于小面積指紋圖像就有可能因?yàn)槿狈ψ銐虻男畔河绊懽R(shí)別率。而且細(xì)節(jié)提取過程中，由于噪聲的影響，很容易產(chǎn)生虛假細(xì)節(jié)點(diǎn)和丟失真正的細(xì)節(jié)點(diǎn)，在指紋的受損區(qū)域，這種現(xiàn)象更為突出。另外，由

19、于每個(gè)指紋的細(xì)節(jié)點(diǎn)數(shù)都不同，導(dǎo)致產(chǎn)生出的特征向量長(zhǎng)度不同，不利于快速匹配，特征匹配時(shí)，細(xì)節(jié)點(diǎn)的相對(duì)位置隨指紋的彈性變形而會(huì)改變，會(huì)影響匹配精度。所以在指紋識(shí)別的算法研究上，還存在著許多需要改進(jìn)的地方，這使得指紋識(shí)別算法研究還在繼續(xù)。國(guó)外有機(jī)構(gòu)在很早之前就開始了對(duì)指紋識(shí)別的研究，其中最為著名的是fvc(fingerprint verification competition)是由意大利博洛尼亞大學(xué)“生物識(shí)別系統(tǒng)實(shí)驗(yàn)室”、美國(guó)密歇根州大學(xué)“模式識(shí)別與圖像處理實(shí)驗(yàn)室”與美國(guó)圣何塞州大學(xué)“生物識(shí)別測(cè)試中心”聯(lián)合舉辦的全球指紋識(shí)別算法大賽。也是在指紋識(shí)別算法方面唯一一個(gè)世界性大賽。參加2000年fvc算

20、法大賽的有14家企業(yè)院校，分別來自法國(guó)、以色列、新加坡、韓國(guó)、立陶宛、荷蘭、瑞士等國(guó)。法國(guó)的sagem sa (france)公司這次比賽中名列第一。到了2002年fvc大賽，增至32支隊(duì)伍參加算法競(jìng)賽。參賽的國(guó)家也大有增多，有美國(guó)、巴西、立陶宛、加拿大、俄羅斯、以色列、德國(guó)、法國(guó)等在算法研究方面領(lǐng)先的國(guó)家參加。還有中國(guó)的五個(gè)算法參加者，分別是中科院自動(dòng)所，北大生物識(shí)別系統(tǒng)實(shí)驗(yàn)室、兩家企業(yè)（杭州中正、數(shù)字指通）和一位個(gè)人（北京石油大學(xué)鄧國(guó)強(qiáng)）。臺(tái)灣的大葉大學(xué)也參加了此次比賽。在這次競(jìng)賽上，美國(guó)bioscryp公司的算法摘取第一。西門子、立陶宛（神網(wǎng)）、法國(guó)sagem、以及中國(guó)的鄧國(guó)強(qiáng)算法名列前

21、10名。最近的一屆2004年fvc大賽，有43家參賽者，其中企業(yè)29家，院校6家，個(gè)人8人。其中中國(guó)參賽者有8家，分別是鄧國(guó)強(qiáng)、杭州中正、中科院自動(dòng)所、li lijuan（音）、ji hui（音）、漢王科技、長(zhǎng)沙新通科技和香港futronic 公司。這次大賽美國(guó)的bioscryp公司、俄羅斯的sonda，以及中科院自動(dòng)所都取得不錯(cuò)的成績(jī)。在國(guó)內(nèi)，清華大學(xué)在80年代開始指紋識(shí)別的研究。中科院自動(dòng)化所模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室自90年代以來，一直致力于“基于生物特征的身份鑒別”的研究，在指紋、虹膜、臉相識(shí)別等方面取得了很多的研究成果。北京大學(xué)視覺與聽覺信息處理國(guó)家重點(diǎn)實(shí)驗(yàn)室先后承擔(dān)了國(guó)家“七五”和“八

22、五”，科技攻關(guān)項(xiàng)目，對(duì)指紋識(shí)別進(jìn)行了長(zhǎng)期的基礎(chǔ)性研究，提出了一整套獨(dú)創(chuàng)的理論和高效實(shí)用的算法。另外，自九十年代初以來，我國(guó)的北大方正集團(tuán)、長(zhǎng)春鴻達(dá)集團(tuán)、西安青松集團(tuán)等機(jī)構(gòu)分別以所在地高校為技術(shù)依托，陸續(xù)開展了這方面的研究工作。總的來說，國(guó)內(nèi)開展了很多研究，而且取得了很多成果。2002年，清華大學(xué)實(shí)現(xiàn)了在海量數(shù)據(jù)庫(kù)上的人臉和指紋綜合識(shí)別系統(tǒng)，在識(shí)別的過程采用的融合策略是先用人臉特征進(jìn)行比對(duì)得到前n個(gè)候選，然后在這個(gè)范圍內(nèi)用指紋特征再進(jìn)行比對(duì)。迄今為止，還沒有綜合生物特征的識(shí)別系統(tǒng)的產(chǎn)品問世，綜合身份識(shí)別系統(tǒng)的研究有待于進(jìn)一步發(fā)展。2009年中北大學(xué)信息與通信工程學(xué)院提出了一種基于傅立葉變換的指紋

23、圖像增強(qiáng)技術(shù)，大大提高了圖像的清晰度。為后來的指紋識(shí)別技術(shù)做出了較大貢獻(xiàn)。第四節(jié) 指紋識(shí)別研究的意義在目前的計(jì)算機(jī)系統(tǒng)中，指紋識(shí)別已經(jīng)被廣泛的應(yīng)用于多種領(lǐng)域中。例如：指紋識(shí)別可以被用于電腦或手機(jī)開機(jī)登錄的身份確認(rèn)，企事業(yè)單位中被用于指紋打卡考勤，銀行儲(chǔ)蓄防冒領(lǐng)及通存通兌的加密方法，保險(xiǎn)行業(yè)中投保人的身份確認(rèn)，期貨證券提款人的身份確認(rèn)，刑偵犯罪案件時(shí)被用于指紋比對(duì)，醫(yī)療衛(wèi)生系統(tǒng)中醫(yī)療保險(xiǎn)人的身份確認(rèn)等等。指紋識(shí)別技術(shù)之所以能夠快速的發(fā)展是因?yàn)楝F(xiàn)代電子集成制造技術(shù)和快速可靠的算法的研究的快速提高。雖然指紋只是人體皮膚的一小部分，但因?yàn)閷?duì)指紋的數(shù)據(jù)識(shí)別并不是簡(jiǎn)單的相等與不相等的問題，所以需要識(shí)別的數(shù)

24、據(jù)量卻很大，指紋識(shí)別過程實(shí)際上需要進(jìn)行大量運(yùn)算的模糊匹配算法。由于具備了較小的集成的指紋圖像讀取設(shè)備，而更高更快的個(gè)人計(jì)算機(jī)運(yùn)算速度也為我們提供了將兩個(gè)指紋的比對(duì)運(yùn)算運(yùn)用在微型計(jì)算機(jī)或單片機(jī)上的可能。同時(shí)，隨著指紋數(shù)字圖像的匹配算法的可靠性也在不斷提高，指紋識(shí)別技術(shù)已經(jīng)變得越來越實(shí)用，使指紋識(shí)別技術(shù)更多的出現(xiàn)在我們的身邊。為了進(jìn)一步的討論如何提高指紋識(shí)別技術(shù)的可靠性和匹配的速度等，本文研究指紋識(shí)別系統(tǒng)中指紋圖像處理的算法和可靠性問題顯得尤為重要，具備一定的理論研究意義。本章小結(jié)本章簡(jiǎn)要介紹了指紋識(shí)別的歷史和研究現(xiàn)狀，對(duì)指紋識(shí)別這一技術(shù)有了大致的了解。分析了指紋識(shí)別技術(shù)在當(dāng)代的應(yīng)用狀況，并且提出

25、了所要研究的問題指紋圖像處理算法，最后介紹了指紋識(shí)別研究的意義。第二章 指紋識(shí)別系統(tǒng)及算法簡(jiǎn)介第一節(jié) 指紋識(shí)別系統(tǒng)的構(gòu)成指紋識(shí)別系統(tǒng)主要涉及4個(gè)功能：指紋圖像預(yù)處理、特征提取、保存數(shù)據(jù)和對(duì)比，其系統(tǒng)結(jié)構(gòu)如圖2.1所示。圖2.1 指紋識(shí)別系統(tǒng)結(jié)構(gòu)系統(tǒng)在一開始，通過指紋讀取設(shè)備讀取到人體指紋的圖像，讀取到指紋圖像之后，要對(duì)原始圖像進(jìn)行初步的處理，使之更為清晰。然后，指紋識(shí)別軟件建立指紋的數(shù)字表示特征數(shù)據(jù)，兩枚不同的指紋不會(huì)產(chǎn)生相同的特征數(shù)據(jù)，這是一種單方向的轉(zhuǎn)換，可以從指紋轉(zhuǎn)換成特征數(shù)據(jù)但是不能從特征數(shù)據(jù)轉(zhuǎn)換成指紋。軟件從指紋上找到被稱為“minutia”的數(shù)據(jù)點(diǎn)，也就是那些指紋紋路的分叉、終止或

26、者圓圈處的坐標(biāo)位置，這些點(diǎn)同時(shí)具有7種以上的唯一特性，因?yàn)橥ǔＪ种干掀骄哂?0個(gè)節(jié)點(diǎn)，所以這種方法會(huì)產(chǎn)生大約490個(gè)數(shù)據(jù)。有的算法把節(jié)點(diǎn)和方向信息組合產(chǎn)生了更多的數(shù)據(jù)，這些方向信息表明了各個(gè)節(jié)點(diǎn)之間的關(guān)系，也有的算法還處理整幅指紋圖像。總之，這些數(shù)據(jù)通常被稱為模板，保存為1kb大小的記錄。無(wú)論它們是怎樣組成的，至今仍然沒有一種統(tǒng)一的標(biāo)準(zhǔn)，也沒有一種公布的抽象算法，各個(gè)廠商自行其是。最后，通過計(jì)算機(jī)模糊比較的方法，把兩個(gè)指紋的模板進(jìn)行比較，計(jì)算出它們的相似程度，最終得到兩個(gè)指紋的匹配結(jié)果。第二節(jié) 指紋圖像增強(qiáng)剛獲得的圖像有很多噪聲，這主要是由于平時(shí)的工作和環(huán)境引起的。想得到比較干凈清晰的圖像并

27、不是容易的事情。為達(dá)到這個(gè)目標(biāo)需要指紋處理圖像所涉及的操作即設(shè)計(jì)一個(gè)合適、匹配的濾鏡和恰當(dāng)?shù)拈撝怠D像增強(qiáng)技術(shù)就是減弱噪音，增強(qiáng)脊和谷的對(duì)比度。圖像增強(qiáng)的方法有很多種，但大多數(shù)是通過過濾圖像與脊局部方向相匹配的方法實(shí)現(xiàn)。圖像首先分成幾個(gè)小區(qū)域，并在每個(gè)區(qū)域上計(jì)算出脊的局部方向來決定方向圖，可以由控件域處理或經(jīng)過快速二維傅里葉變換后來得到每個(gè)小區(qū)域上的局部方向。設(shè)計(jì)合適的、相匹配的濾鏡，是指適用于圖像上的所有像素，依據(jù)每個(gè)像素處脊的局部走向，濾鏡應(yīng)增強(qiáng)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。后者還有橫跨及的噪音，所以其垂直與脊的局部方向上的那些不正確的噪音會(huì)被濾鏡過濾掉。所以

28、，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方向，它應(yīng)該增強(qiáng)或匹配脊而不是噪音。圖像增強(qiáng)，噪音減弱后，準(zhǔn)備開始選取一些脊。雖然沒在原始灰階圖像中，其強(qiáng)度是不同的而按一定的梯度分布，但它們真實(shí)的信息被簡(jiǎn)單化為二值：脊及其相對(duì)的背景。二值操作使一個(gè)灰階圖像變成二值圖像，圖像在強(qiáng)度層次上從原始的256色降為2色。圖像二值化后，隨后的處理就會(huì)比較容易。二值化的困難在于，并不是所有的指紋圖像有相同的閾值，所以一般不采取從單純的強(qiáng)度入手，而且單一圖像的對(duì)照物是變化的，比如手在中心地帶按得比較緊。因此一個(gè)叫“局部自適應(yīng)的閾值（local adaptive threshold）”的方法被用來決定局部

29、圖像強(qiáng)度的閾值。在節(jié)點(diǎn)提取之前的最后一道工序是“細(xì)化（thinning）”。細(xì)化是將脊的寬度降為單個(gè)像素的寬度。一個(gè)好的細(xì)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(rèn)為是分叉。認(rèn)識(shí)到合法的和不合法的節(jié)點(diǎn)后，在特征提取階段排除這些節(jié)點(diǎn)。第三節(jié) 指紋識(shí)別的基本原理 指紋其實(shí)是比較復(fù)雜的。與人工處理不同，許多生物識(shí)別技術(shù)公司并不直接存儲(chǔ)指紋的圖像。多年來，在各個(gè)公司及其研究機(jī)構(gòu)產(chǎn)生了許多數(shù)字化的算法（美國(guó)有關(guān)法律人為，指紋圖像屬于個(gè)人隱私，因此不能直接存儲(chǔ)指紋圖像），指紋識(shí)別算法最終歸結(jié)為在指紋圖像上找到并對(duì)比指紋的特征。指紋的特征定義了指紋

30、的兩類特征以進(jìn)行指紋的驗(yàn)證：總體特征和局部特征7。一、總體特征總特征是指那些用人言直接就可以觀察到的特征，包括以下幾個(gè)方面2：1、基本紋路圖案基本紋路團(tuán)包括環(huán)型（loop）、弓型（arch）和螺旋型（whorl），如圖2.2所示。其他的指紋圖案都基于這3種基本圖案。僅依靠圖案來分辨指紋是遠(yuǎn)遠(yuǎn)不夠的，這只是一個(gè)粗略的分類，但是通過分類使得在大數(shù)據(jù)庫(kù)中搜尋指紋更為方便。 環(huán)型弓型螺旋型圖2.2 環(huán)型、弓型、螺旋型指紋圖像2、模式區(qū)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(shí)別算法只使用模式區(qū)的數(shù)據(jù)。secure touch的指紋識(shí)別算法使用了所取得

31、的完整指紋而不僅僅是模式區(qū)進(jìn)行分析和識(shí)別，如圖2.3所示。圖2.3模式區(qū)3、核心點(diǎn)核心點(diǎn)位于指紋紋路的漸進(jìn)中心，它在讀取指紋和比對(duì)指紋時(shí)作為參考點(diǎn)。許多算法是基于核心點(diǎn)的，既只能處理和識(shí)別具有核心點(diǎn)的指紋。核心點(diǎn)對(duì)于secure touch的指紋識(shí)別算法很重要，但沒有核心點(diǎn)的指紋它仍然能夠處理，如圖2.4所示。圖2.4核心點(diǎn)4、三角點(diǎn)三角點(diǎn)位于從核心點(diǎn)開始的第一個(gè)分叉點(diǎn)或者斷點(diǎn)、或者兩條紋路會(huì)聚處、孤立點(diǎn)、折轉(zhuǎn)處，或者指向這些奇異點(diǎn)。三角點(diǎn)提供了指紋紋路的計(jì)數(shù)跟蹤的開始之處，如圖2.5所示。圖2.5三角點(diǎn)5、紋數(shù)紋數(shù)指模式區(qū)內(nèi)指紋紋路的數(shù)量。在計(jì)算指紋的紋數(shù)時(shí)，一般先在連接核心點(diǎn)和三角點(diǎn)，這條

32、連線與指紋紋路相交的數(shù)量即可認(rèn)為是指紋的紋數(shù),如圖2.6所示。圖2.6紋數(shù)二、局部特征 局部特征是指指紋上的節(jié)點(diǎn)，兩枚指紋經(jīng)常會(huì)具有相同的總體特征，但他們的局部特征節(jié)點(diǎn)卻不可能完全相同。節(jié)點(diǎn)（minutia points）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(diǎn)、分叉點(diǎn)和轉(zhuǎn)折點(diǎn)就成為特征點(diǎn)，就是這些節(jié)點(diǎn)提供了指紋唯一性的確認(rèn)信息。指紋上的節(jié)點(diǎn)有四種不同特征2。1分類節(jié)點(diǎn)有一下幾種類型，最典型的是終結(jié)點(diǎn)和分叉點(diǎn)：（1）終結(jié)點(diǎn)（ending）一條紋路在此終結(jié)，如圖2.7所示。圖2.7終結(jié)點(diǎn)（2）分叉點(diǎn)（bifurcation）一條紋路在此分開成兩條或更多的紋路，如圖

33、2.8所示。圖2.8分叉點(diǎn)（3）分歧點(diǎn)（ridge divergence）兩條平行的紋路在此分開，如圖2.9所示。圖2.9分歧點(diǎn)（4）孤立點(diǎn)（dot or island）一條特別短的紋路，以至于成為一點(diǎn)，如圖2.10所示。圖2.10孤立點(diǎn)（5）環(huán)點(diǎn)（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(gè)小環(huán)稱為環(huán)點(diǎn)，如圖2.11所示。圖2.11環(huán)點(diǎn)（6）短紋（short ridge）一端較短但不至于成為一點(diǎn)的紋路，如圖2.12所示。圖2.13短紋2方向（orientation） 節(jié)點(diǎn)可以朝著一定的方向。3曲率（curvature） 描述紋路方向改變的速度。4位置（po

34、sition） 節(jié)點(diǎn)的位置通過(x,y)坐標(biāo)來描述，可以是絕對(duì)的，也可以是相對(duì)于三角點(diǎn)或特征點(diǎn)的。第四節(jié) 指紋識(shí)別的一般算法指紋圖像處理的算法研究包括指紋圖像預(yù)處理、特征提取和特征匹配三個(gè)主要階段。一、指紋圖像預(yù)處理 在指紋識(shí)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(yù)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(diǎn)線圖，以便于提取正確的指紋特征。指紋圖像預(yù)處理環(huán)節(jié)在整個(gè)指紋識(shí)別系統(tǒng)中具有重要的地位和作用，它的好壞直接影響著指紋識(shí)別的效果。預(yù)處理一般分為四步進(jìn)行：圖像分割、圖像增強(qiáng)、二值化和細(xì)化。首先，對(duì)圖像進(jìn)行分割。由于有的原始圖像

35、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(duì)原始指紋圖像進(jìn)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(duì)圖像進(jìn)行初步處理，得到初步處理然后對(duì)指紋圖像進(jìn)行歸一化及分割處理，消除剩下的背景區(qū)域。其次，指紋預(yù)處理過程中最重要的一步就是對(duì)指紋圖像進(jìn)行增強(qiáng)，即濾波去噪，它是指紋圖像預(yù)處理需要解決的核心問題。圖像濾波的目的是在增強(qiáng)脊線谷線結(jié)構(gòu)對(duì)比度的同時(shí)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(shí)削弱或去除某些不需要的信息。再次，圖像經(jīng)濾波處理后，其中的紋線(脊)部分得到了增強(qiáng)，不過脊的強(qiáng)度并不完全相同，表現(xiàn)為灰度值的差異。二值化的目

36、的就是使脊的灰度值趨向一致，使整幅圖像簡(jiǎn)化為二元信息在指紋識(shí)別中，一方面對(duì)圖像信息進(jìn)行了壓縮，保留了紋線的主要信息，節(jié)約了存儲(chǔ)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做準(zhǔn)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(shí)別只對(duì)紋線的走向感興趣，不關(guān)心它的粗細(xì)。細(xì)化的目的是為了刪除指紋紋線的邊緣像素，使之只有一個(gè)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(xì)化時(shí)應(yīng)保證紋線的連接性，方向性和特征點(diǎn)不變，還應(yīng)保持紋線的中心基本不變。二、特征提取目前的指紋識(shí)別普遍采用的指紋特征是細(xì)節(jié)點(diǎn)（minutiae），分為端點(diǎn)和分叉點(diǎn)。指紋的特征可以反映不同

37、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(gòu)成了龐大的指紋特征集合。一組好的特征不僅要能達(dá)到身份識(shí)別的基本要求，而且對(duì)噪聲、畸變和環(huán)境條件不敏感。原始指紋圖像經(jīng)預(yù)處理后得到的是一幅細(xì)化的二值圖像，下一步要做的工作就是對(duì)細(xì)化后的圖像進(jìn)行特征提取，得到可以識(shí)別不同指紋的關(guān)鍵特征。特征提取把指紋圖像的紋線走向，紋線端點(diǎn)、交叉點(diǎn)等能充分表示該指紋唯一性的特征用數(shù)值的形式表達(dá)出來。為了比對(duì)的準(zhǔn)確性，要求特征提取算法盡可能多地提取有效特征，同時(shí)濾除由各種原因造成的虛假特征。一般在指紋識(shí)別技術(shù)中只使用兩種細(xì)節(jié)特征點(diǎn)：端點(diǎn)和分叉點(diǎn)，其他類型特征點(diǎn)出現(xiàn)的機(jī)率很小，這兩類特征點(diǎn)在指紋中出

38、現(xiàn)的機(jī)會(huì)最多、最穩(wěn)定，比較容易獲取。如何準(zhǔn)確高效的提取指紋特征是指紋細(xì)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(chǔ)。三、特征匹配 特征匹配主要是細(xì)節(jié)特征的匹配，將新輸入指紋的細(xì)節(jié)特征值與指紋庫(kù)中所存指紋的細(xì)節(jié)特征值進(jìn)行比對(duì)，找出最相似的指紋作為識(shí)別的輸出結(jié)果，也就是所說的指紋驗(yàn)證識(shí)別過程，它是指紋識(shí)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(chǔ)的模板相似時(shí)，就說這兩個(gè)指紋匹配。于是產(chǎn)生了有關(guān)衡量標(biāo)準(zhǔn)的問題。通常，匹配結(jié)果用“匹配度”來表示。當(dāng)匹配度大于某一閾值時(shí)，認(rèn)為兩指紋匹配；相反，當(dāng)

39、小于該閾值時(shí)，認(rèn)為不匹配。閾值大小通常根據(jù)經(jīng)驗(yàn)等因素人為設(shè)定。第五節(jié) 指紋識(shí)別算法的性能指標(biāo)在自動(dòng)指紋識(shí)別系統(tǒng)中，由于計(jì)算機(jī)處理的指紋只涉及了指紋的部分信息，而且在圖像處理和匹配過程中也存在計(jì)算誤差，因此任何一個(gè)指紋識(shí)別算法都不是100%的精確匹配，其結(jié)果也有可能存在誤差或錯(cuò)誤，即指紋識(shí)別算法并不是 100%的可靠。因此需要一定的指標(biāo)來衡量識(shí)別算法的好壞，通常評(píng)估一個(gè)指紋識(shí)別算法的性能指標(biāo)主要包括2：拒登率（failure to enroll rate, fer），即拒絕建檔（算法不能處理）的比率，反映適用人群大小，通常用來描述設(shè)備的適用性；拒識(shí)率（false rejection rate,

40、frr），指將相同指紋誤認(rèn)為不同指紋而加以拒絕的出錯(cuò)概率，即錯(cuò)誤拒絕的比率，反映好用性；誤識(shí)率（false acceptance rate, far），指不同指紋認(rèn)為是相同指紋而加以接受的錯(cuò)誤率，即錯(cuò)誤接受的比率，反映安全性；相等錯(cuò)誤率（equal error rate, eer），frr 和 far 相等時(shí)的值；速度 (speed)，通常指每秒鐘算法運(yùn)行的次數(shù)；空間 (space)，算法運(yùn)行所需要的代碼空間和數(shù)據(jù)空間。表 2.1 中是各種產(chǎn)品的網(wǎng)上發(fā)布數(shù)據(jù)對(duì)比，可以看出，后者的錯(cuò)誤率比前者要高一些。由于 frr 和 far 是相互矛盾的，這就使得在應(yīng)用系統(tǒng)的設(shè)計(jì)中，要權(quán)衡易用性和安全性。一個(gè)

41、有效的辦法是比對(duì)兩個(gè)或更多的指紋，從而在不損失易用性的同時(shí)，極大地提高了系統(tǒng)安全性。因此在指紋數(shù)字圖像辨別的算法研究上，還存在著許多需要改進(jìn)的地方，這使得指紋識(shí)別算法研究還在繼續(xù)。表2.1網(wǎng)上公布一些指紋識(shí)別系統(tǒng)的性能公司傳感器farfrrbiolinkijsa光學(xué)0.0000010.01biometricd光學(xué)0.010.01startek光學(xué)0.0013.3iosoftware光學(xué)0.11identix光學(xué)0.00011nec半導(dǎo)體0.00020.05biometnxint半導(dǎo)體0.00010.0001pollex半導(dǎo)體0.00011sony半導(dǎo)體0.00011當(dāng)然有許多因素會(huì)影響指紋數(shù)字

42、圖像識(shí)別的效果，其中包括：數(shù)字噪聲，變形等，比如臟或干的手指，疤痕，不同季節(jié)間的指紋數(shù)字圖像差異；手指按壓過程中的扭轉(zhuǎn)，拉伸和按壓力度等因素會(huì)使指紋數(shù)字圖像產(chǎn)生變形，這些都會(huì)影響指紋數(shù)字圖像質(zhì)量，因此多次錄入的同一手指的指紋數(shù)字圖像可能不會(huì)被識(shí)別，這樣直接導(dǎo)致辨別錯(cuò)誤，或者說給指紋識(shí)別帶來了更大的難度。本章小結(jié)本章對(duì)指紋識(shí)別系統(tǒng)和指紋識(shí)別算法做了簡(jiǎn)介，指紋識(shí)別系統(tǒng)包括指紋圖像預(yù)處理、特征提取、保存數(shù)據(jù)和對(duì)比四個(gè)主要步驟。同時(shí)，通過指紋圖像增強(qiáng)和指紋特征對(duì)指紋識(shí)別的基本原理做了介紹。最后，對(duì)指紋識(shí)別算法中圖像預(yù)處理、特征提取、特征匹配做了概述，初步全面了解了指紋識(shí)別系統(tǒng)和識(shí)別算法，為以后的工作打

43、好了基礎(chǔ)。第三章 指紋圖像處理算法詳細(xì)設(shè)計(jì)及實(shí)現(xiàn)第一節(jié) 指紋圖像預(yù)處理一、指紋圖像預(yù)處理概述對(duì)于指紋圖像的預(yù)處理，已有很多學(xué)者作了大量的研究，對(duì)指紋圖像的分割、二值化等提出了各種不同的方法。本章所研究的預(yù)處理算法流程如圖3.1所示，圖像分割是將要處理的圖像的有效部分從整個(gè)指紋圖像中分離出來，這樣一方面減少了后續(xù)處理步驟的數(shù)據(jù)量，另一方面也避免了因?yàn)椴糠謭D像區(qū)域不可靠而導(dǎo)致偽特征的產(chǎn)生。圖像增強(qiáng)包括兩個(gè)部分，首先是對(duì)原始圖像時(shí)模糊但有可能恢復(fù)的部分進(jìn)行增強(qiáng)，人后再對(duì)整幅圖像濾波，消除指紋脊線間的斷裂和粘連。圖像二值化是提取經(jīng)增強(qiáng)處理的指紋圖像的脊線，用“1”表示脊線上的點(diǎn)，“0”表示背景和谷線，

44、從而把原始灰度圖像轉(zhuǎn)換為二值圖像。圖像細(xì)化是進(jìn)一步吧二值指紋脊線細(xì)化為單像素寬度的骨架線，這是為了方便以后的特征提取。圖3.1 指紋圖像預(yù)處理過程二、指紋圖像分割及增強(qiáng) 指紋圖像分割通常位于預(yù)處理的前端，其目的是把指紋圖像中質(zhì)量很差、在后續(xù)處理中很難恢復(fù)的區(qū)域與有效區(qū)域區(qū)分開來，使后續(xù)處理能夠集中于有效區(qū)域。分割處理不僅能提高特征提取的精確度，而且還能大大減少指紋預(yù)處理的時(shí)間，因此是指紋圖像處理中的重要組成部分。圖像歸一化的目的是為了消除圖片的噪聲。這里采用公式3.1將各個(gè)區(qū)域歸一化，其中m0和v0是預(yù)置的均值和方差（這里都置為100），而mi和vi為圖像的均值和方差，i(i,j)和g(i,j

45、)為歸一化前后圖像內(nèi)置位置為（i,j）像素的灰度。 （3.1）如果，則把灰度值歸一化為255背景處理。對(duì)指紋圖像進(jìn)行分塊，將其分為88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(duì)每個(gè)小塊求其方差，再設(shè)定一個(gè)閾值，小于閾值的方塊區(qū)域設(shè)置為背景區(qū)域，將其灰度值設(shè)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。圖像增強(qiáng)用于圖像不清晰的部分，依據(jù)某些已知條件，改善這些區(qū)域的質(zhì)量，以保證后續(xù)處理的可靠性。對(duì)于指紋圖像增強(qiáng)，已有很多學(xué)者進(jìn)行了研究，他們主要依據(jù)沿脊線垂直方向的灰度變化成正弦波的假設(shè)，設(shè)計(jì)各種具有方向性的濾波器。但實(shí)際上

46、，即時(shí)是同一幅指紋圖像，脊線的寬度和差異都有可能很大，為了適應(yīng)不同的頻率，濾波器的頻率也需不斷變化，同時(shí)。指紋脊線方向的估計(jì)也并不是完全可靠，即時(shí)圖像質(zhì)量得到了一定改善，但卻大大增加了計(jì)算的復(fù)雜度，本文使用的算法是anil jain提出的算法，首先歸一化，然后計(jì)算方向圖，計(jì)算頻率，計(jì)算區(qū)域掩碼，最后濾波10。三、指紋圖像二值化 二值化的目的是把灰度指紋圖像變成0-1取值的二值圖像。指紋圖像二值化作為指紋預(yù)處理過程的一部分，是進(jìn)行指紋圖像細(xì)化處理的基礎(chǔ)。目前指紋細(xì)化方法都是基于二值指紋圖像進(jìn)行的。對(duì)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(guān)，不再涉及像素的灰度值，使處理變得簡(jiǎn)單

47、，這給存儲(chǔ)和處理帶來了很大的方便，同時(shí)也提高了系統(tǒng)的經(jīng)濟(jì)實(shí)用。一個(gè)好的算法可以得到一個(gè)高質(zhì)量的二值圖像。反之，如果該階段引入噪聲，就會(huì)直接降低圖像質(zhì)量，影響識(shí)別精度。對(duì)指紋圖像進(jìn)行二值化，其基本要求就是二值化后的圖像能真實(shí)地再現(xiàn)原指紋。具體要求為： 脊線中不出現(xiàn)空白； 二值化后的脊線基本保持原來指紋的特征； 指紋的紋線不應(yīng)有太多的間斷和相連； 指紋紋線間的間距應(yīng)大致相同。 指紋圖像首先要進(jìn)行中值濾波處理，去除噪聲。然后進(jìn)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(duì)整幅圖像用同一閾值進(jìn)行二值分割，會(huì)造成大量有用信息的丟失。這里我們使用自適應(yīng)閾值二值化的思想，對(duì)每塊指紋圖像，

48、選取的閾值應(yīng)盡量使該塊圖像內(nèi)大于該閾值的像素點(diǎn)數(shù)等于小于該閾值的像素點(diǎn)數(shù)。一般灰度圖像二值化的變換函數(shù)f（x）用下列公式3.2表示，其中t為閾值，x為灰度值。 （3.2） 自適應(yīng)閾值算法首先是利用固定閾值算法的思想，然后根據(jù)圖像中每一部分的明暗度來調(diào)整閾值8。本文首先把圖像分為若干個(gè)的方塊，每一塊根據(jù)自己的閾值進(jìn)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(diǎn)，即二值化后黑白像素的個(gè)數(shù)也應(yīng)大致相同，首先利用固定閾值算法的特點(diǎn)對(duì)指紋圖像中的每塊確定一個(gè)大致的閾值，然后再利用自適應(yīng)的思想對(duì)閾值進(jìn)行準(zhǔn)確的調(diào)整，即閾值的取值合適時(shí)圖像是最光滑的，既沒有“黑洞”閾值過大，也沒有“白點(diǎn)”閾

49、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： 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；t為塊的灰度平均值見公式3.3 (3.3) 計(jì)算區(qū)域內(nèi)的nh和nl的值，nh=灰度值大于等于t的像素點(diǎn)的個(gè)數(shù)。nl=灰度值小于t的像素點(diǎn)的個(gè)數(shù)； 如果，則t為閾值； 若nhnl則t=t+1，否則t=t-1，返回第二步。自適應(yīng)閾值二值化的流程圖如圖3.2所示：圖3.2自適應(yīng)閾值二值化流程圖圖3.2中t為該塊指紋圖像的平均灰度值nh和nl分別為第(k,l)塊指紋圖像中灰度值大于等于t和小于t的像素點(diǎn)數(shù)

50、，是分塊尺寸（像素）。四、指紋圖像細(xì)化細(xì)化就是將二值化圖像變化為單像素寬度的骨架圖像。圖像細(xì)化算法的種類很多，細(xì)化的方法不同，細(xì)化的結(jié)果就有差異。在指紋識(shí)別中要求在不改變?cè)瓉碇讣y圖像的拓?fù)溥B通性的同時(shí),細(xì)化的結(jié)果應(yīng)為嚴(yán)格的八鄰域圖像骨架；紋線中除去特征點(diǎn)以外，每個(gè)像素均只與相鄰兩個(gè)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(xì)化處理要滿足收斂性、連接性、拓?fù)湫浴⒈３中?、?xì)化性、中軸性、快速性的要求。目前為止，關(guān)于細(xì)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(diǎn)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(gè)像素的局部鄰域(如

51、33,55等)的圖像特征對(duì)其進(jìn)行處理，此外也有采用邊緣搜索編碼、外輪廓計(jì)算以及神經(jīng)網(wǎng)絡(luò)等細(xì)化方法9。從處理的過程來看，主要可以分為串行和并行兩類，前者對(duì)圖像中當(dāng)前像素處理依據(jù)其鄰域內(nèi)像素的即時(shí)化結(jié)果，且不同的細(xì)化階段采用不同的處理方法；后者對(duì)當(dāng)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(xì)化準(zhǔn)則。對(duì)于任意形狀的區(qū)域，細(xì)化實(shí)質(zhì)上是腐蝕操作的變體，細(xì)化過程中要根據(jù)每個(gè)像素點(diǎn)的八個(gè)相鄰點(diǎn)的情況來判斷該點(diǎn)是否可以剔除或保留。 (1) (2) (3) (4) (5) (6) (7)圖3.3根據(jù)某點(diǎn)的八個(gè)相鄰點(diǎn)的情況來判斷該點(diǎn)是否能刪除 圖3.3給出了當(dāng)前需要處理的像素點(diǎn)在

52、不同的八鄰域條件下的情況，可以看出：(1)不能刪，因?yàn)樗莻€(gè)內(nèi)部點(diǎn)，我們要求的是骨架，如果連內(nèi)部點(diǎn)也刪了，骨架也會(huì)被掏空的；(2)不能刪，和(1)是同樣的道理；(3)可以刪，這樣的點(diǎn)不是骨架；(4)不能刪，因?yàn)閯h掉后，原來相連的部分?jǐn)嚅_了；(5)可以刪，這樣的點(diǎn)不是骨架；(6)不能刪，因?yàn)樗侵本€的端點(diǎn)，如果這樣的點(diǎn)刪了，那么最后整個(gè)直線也被刪了，剩不下什么；(7)不能刪，因?yàn)楣铝Ⅻc(diǎn)的骨架就是它自身8?？偨Y(jié)上圖，有如下的判據(jù)： 內(nèi)部點(diǎn)不能刪除； 孤立點(diǎn)不能刪除； 直線端點(diǎn)不能刪除； 如果p是邊界點(diǎn)，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25

53、5共有256個(gè)元素，每個(gè)元素要么是0，要么是1。我們根據(jù)某點(diǎn)的八個(gè)相鄰點(diǎn)的情況查表，若表中的元素是1，則表示該點(diǎn)可刪，否則保留。查表的方法是，設(shè)白點(diǎn)為1，黑點(diǎn)為0；左上方點(diǎn)對(duì)應(yīng)一個(gè)8位數(shù)的第一位（最低位），正上方點(diǎn)對(duì)應(yīng)第二位，右上方點(diǎn)對(duì)應(yīng)的第三位，左鄰點(diǎn)對(duì)應(yīng)第四位，右鄰點(diǎn)對(duì)應(yīng)第五位，左下方點(diǎn)對(duì)應(yīng)第六位，正下方點(diǎn)對(duì)應(yīng)第七位，右下方點(diǎn)對(duì)應(yīng)的第八位，按這樣組成的8位數(shù)去查表即可?？紤]當(dāng)前像素點(diǎn)的各種八鄰域的情況，我們可以得到一個(gè)細(xì)化操作查找表，該表在下面的細(xì)化算法中詳細(xì)介紹。 為了避免分裂指紋圖像，細(xì)化的過程分為兩個(gè)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(biāo)記的可除去的像素點(diǎn)并

54、不立即消去；在第二步中，只將那些消除后并不破壞連通性的點(diǎn)消除，否則的話保留這些邊界點(diǎn)。以上的步驟是在一個(gè)33鄰域內(nèi)運(yùn)算，可以通過查表實(shí)現(xiàn)細(xì)化的操作。算法的實(shí)現(xiàn)步驟如下： 定義一個(gè)33模板和一個(gè)查找表，模板和查找表分別如表3.1和圖3.4所示：表3.1 細(xì)化模板1241282568643216erase 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

55、，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，1，0，0，1，1，0，0，1，1，0，1，1，1，0，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，1，0，0，1，1，1，1，0，1，1，1，0，1，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，1，0，0，1，1，0，0，1，1，1，1，0，1，1，1，0，1，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，0，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，0，1，1，0，0，1，1，1，1，0，0，0，0

56、，0，0，0，0，1，1，0，0，1，1，0，0，1，1，0，1，1，1，0，0，1，1，0，0，1，1，1，0，1，1，0，0，1，0，0，0圖3.4細(xì)化查找表 對(duì)二值圖像從上到下、從左到右進(jìn)行掃描；該過程結(jié)束后再對(duì)圖像進(jìn)行從左到右，從上到下的掃描；如果圖像中當(dāng)前像素點(diǎn)的灰度值為“0”，且其左右（第一次掃描過程考慮左右像素點(diǎn)）或上下（第二次掃描過程考慮上下兩個(gè)像素點(diǎn)）兩個(gè)像素點(diǎn)中有任意一個(gè)為“255”則轉(zhuǎn)至步驟，否則回轉(zhuǎn)到步驟； 該像素點(diǎn)為中心的33區(qū)域內(nèi)的各個(gè)像素值和定義的模板中的權(quán)值進(jìn)行卷積求和，得到查找索引值k； 根據(jù)這個(gè)索引值k得到表里相應(yīng)的數(shù)據(jù)，如果為“1”，那么該像素點(diǎn)的灰度值設(shè)

57、為“255”，如果為“0”，則該像素點(diǎn)的灰度值為“0”。 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(diǎn)，則跳轉(zhuǎn)至步驟二，開始新的一輪掃描。否則圖像細(xì)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。五、實(shí)驗(yàn)結(jié)果 原始圖像（a） 原始圖像（b）圖3.5 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3.7二值化后的圖像 細(xì)化圖像（a） 細(xì)化圖像（b）圖3.8細(xì)化后的圖像第二節(jié) 指紋圖像特征提取一、指紋圖像特征提取的方法 細(xì)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(xì)化二值圖像中提取

58、特征。直接從灰度圖像中提取特征的算法一般是對(duì)灰度指紋紋線進(jìn)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(fù)雜的指紋圖像預(yù)處理過程，但是特征提取的算法卻十分復(fù)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(zhǔn)確。目前大多數(shù)系統(tǒng)采用第二種方法，從細(xì)化二值圖像中提取特征，該方法比較簡(jiǎn)單，在得到可靠的細(xì)化二值圖像后，只需要一個(gè)33的模板就可以將端點(diǎn)和分叉點(diǎn)提取出來。特征點(diǎn)提取的好壞將直接影響匹配的結(jié)果。現(xiàn)實(shí)中，指紋輸入時(shí)，由于汗?jié)n、干燥、按壓力度不同等的影響,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(yù)處理，圖像質(zhì)量會(huì)有所改觀，但預(yù)處理算法對(duì)各

59、個(gè)指紋的適應(yīng)性和有效性也會(huì)不同，并且會(huì)引入新的噪聲，因此得到的細(xì)化二值圖像往往含有大量的偽特征點(diǎn)。偽特征點(diǎn)不僅會(huì)影響匹配的速度，嚴(yán)重的會(huì)影響整個(gè)識(shí)別的正確率。所以提取特征點(diǎn)后要進(jìn)行去偽處理，盡可能濾除偽特征點(diǎn)、保留真特征點(diǎn)。實(shí)踐中發(fā)現(xiàn)，偽特征點(diǎn)的數(shù)量一般占總特征數(shù)量的一半以上，所以去偽是必不可少的過程。去偽過程可以在兩個(gè)階段進(jìn)行：一是在特征提取之前對(duì)細(xì)化二值圖像進(jìn)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(guān)系,盡可能準(zhǔn)確的識(shí)別偽特征點(diǎn)并濾除它們。前者直接對(duì)圖像進(jìn)行修補(bǔ)，操作比較復(fù)雜，容易引入新的偽特征；后者對(duì)特征提取后的數(shù)據(jù)進(jìn)行判斷，識(shí)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(diǎn)中濾除偽特征，保留真特征。二、特征點(diǎn)提取 本文的特征提取算法是在細(xì)化的圖像基礎(chǔ)上采用是模板匹配法。模板匹配法有運(yùn)算量小、速度快的優(yōu)點(diǎn)。 主要提取指紋的細(xì)節(jié)特征即端點(diǎn)和分叉點(diǎn)。端點(diǎn)和分叉點(diǎn)是建立在對(duì)8鄰點(diǎn)的統(tǒng)計(jì)分析基礎(chǔ)之上的，則在八鄰域的所有狀態(tài)中，滿足端點(diǎn)特征條件的有8種，滿足分叉點(diǎn)特征條件的有9種。 對(duì)于細(xì)化圖像而言，像素點(diǎn)的灰度值只有兩種情況（即0或1）“0”為背景點(diǎn)灰度，“1”為紋線點(diǎn)灰度。對(duì)于細(xì)化圖像上的任意點(diǎn)p，其交叉數(shù)定義見式3.4，p點(diǎn)的八鄰域黑點(diǎn)數(shù)定義見式3.5： （3.4） （3.5）具體算法如下