圖像處理在指紋識別中的應(yīng)用研究

1、 圖像處理在指紋識別中的應(yīng)用研究院（系）名稱 信 息 工 程 學(xué) 院 專 業(yè) 班 級 12普本測控 學(xué) 號 1201190012 學(xué) 生 姓 名 吉 鵬 飛 第12頁1 緒論21.1 指紋識別21.2 指紋識別算法概述32 設(shè)計過程321 平滑處理42.11 增強(qiáng)對比度4212 指紋圖像規(guī)格化和濾波422 銳化處理523 二值化62.4 細(xì)化72.5 特征值的提取72.6 偽特征點的去除83圖像處理94小結(jié)11參考文獻(xiàn)121 緒論1.1 指紋識別指紋識別技術(shù)源于19世紀(jì)初，科學(xué)家依靠指紋紋脊式樣的唯一性和式樣終生不改變的特性5，把某個人同他的指紋對應(yīng)起來，通過采集他的指紋并與預(yù)先保存的指紋進(jìn)行

2、比較來驗證其真實身份。隨著現(xiàn)代科技的不斷進(jìn)步與廣泛應(yīng)用，可靠高效的個人身份識別變得越來越需要，每個人的指紋具有惟一性，終身不變，難以偽造，因此指紋識別是替代傳統(tǒng)身份識別手段的最安全、最可靠、最方便的方法1。指紋圖像本身的信息量和數(shù)據(jù)量是很大的因此直接基于指紋圖象的匹配識別是不可取的，而要采用專門高教的指紋識別與處理方法。指紋識別的一般過程是指紋圖象預(yù)處理、指紋特征提取和特征匹配。但由于采集設(shè)備噪聲干擾、指紋采集時手指皮膚的干燥程度、汗?jié)n、污漬等原因使待分析的指紋圖像噪聲較多并對細(xì)節(jié)點有較強(qiáng)干擾，影響指紋的特征提取。指紋圖像是通過將模擬信號采樣量化后，以矩陣形式存入計算機(jī)，圖像平滑處理指紋圖像生

3、成方向數(shù)組后，為了消除較強(qiáng)烈的局部噪聲干擾，需要對生成的方向數(shù)組圖像進(jìn)行預(yù)處理。預(yù)處理是指紋識別的前提，也是整個工作的基礎(chǔ)，因此指紋圖象預(yù)處理工作的好壞直接關(guān)系到指紋特征提取的可行性和準(zhǔn)確性。1.2 指紋識別算法概述指紋是手指末端正面皮膚上凹凸不平產(chǎn)生的紋路，這些紋路就是通常所說的脊和谷3。指紋雖小，但它蘊(yùn)涵了大量信息。其中，包括紋型在內(nèi)的全局特征，為指紋的分類提供了基礎(chǔ)；同樣，指紋還有許多局部特征(根據(jù)美國國家標(biāo)準(zhǔn)局規(guī)定，包括脊末梢、分岔點、復(fù)合特征和未定義四種)，稱為細(xì)節(jié)點(Minutia)。不同人的指紋的細(xì)節(jié)點是唯一的、穩(wěn)定不變的，這為指紋識別提供了可能。目前，最常用的方法是用FBI提出

4、的指紋細(xì)節(jié)點模型來做細(xì)節(jié)匹配2。而最常用的細(xì)節(jié)特征有脊末梢和分支點兩種?；邳c模式匹配的自動指紋識別系統(tǒng)(AFIS)的基本流程一般由圖像采集、圖像預(yù)處理、細(xì)節(jié)點提取和指紋匹配幾部分組成。首先，指紋要通過指紋采集設(shè)備(常見的有光學(xué)取像設(shè)備、超聲波掃描取像設(shè)備、晶體傳感器，現(xiàn)在廣泛使用的是晶體傳感器)轉(zhuǎn)化為計算機(jī)內(nèi)的數(shù)字圖像(一般為灰度圖)。由于采集過程中難免因手指或儀器的原因而使圖像存在較多的噪聲，所以為了使圖像更清晰以便于后續(xù)特征提取，必須對采集到的圖像進(jìn)行增強(qiáng)和濾波，并進(jìn)一步二值化、細(xì)化4。之后，在細(xì)化后的點線圖上提取特征值，刪除偽特征值，最終得到用于匹配的細(xì)節(jié)點。采集到的圖像細(xì)節(jié)點與模板中

5、的細(xì)節(jié)點進(jìn)行比對，最終完成指紋匹配。各個環(huán)節(jié)環(huán)環(huán)相扣，對整個系統(tǒng)都起著十分重要的作用。本文著重研究了圖像預(yù)處理和細(xì)節(jié)特征提取這兩個關(guān)鍵部分。2 設(shè)計過程圖像預(yù)處理的目的是去除圖像中的噪聲，使指紋圖像清晰、邊緣明顯，以便于提高提取和存儲特征點的準(zhǔn)確率分為平滑處理、二值化、細(xì)化、特征值提取、特征值去除等幾個步驟。21 平滑處理2.11 增強(qiáng)對比度圖像增強(qiáng)的方法分空域法和頻域法3，空域法是增強(qiáng)圖像的像素，空域處理可用下式定義：g( X，Y)=T (F(X ，Y) 公式(2.1)式中F(X ，Y)是輸入的原始指紋圖像，灰度范圍是m，M ，g( X，Y)為處理后的圖像，灰度變換增強(qiáng)可以用下式描述： 公式

6、(2.2)可以提高指紋圖像脊與谷的對比度212 指紋圖像規(guī)格化和濾波指紋圖像經(jīng)過規(guī)格化后，才能將該圖的均值和方差控制在給定范圍內(nèi)。即對指紋的每個像素進(jìn)行操作，采用公式如下：N(x,y)= 公式（2.3）式中：N( x，y)是規(guī)格化后的圖像，G(x ，y)是原圖像，表示第 x行第j列象素點對應(yīng)的灰度值，Var和M是圖像G的方差和均值，Var0和M0是期望方差和期望均值。通過觀測很小局部鄰域內(nèi)脊的方向，可以得出該脊的方向，設(shè)脊線的方向向量為f， (x ，y)為f，在( x，y)處的方向角，有19，Hy、Hx為梯度分量。由上式可以求得此像素點的指紋脊線方向，然后將此連續(xù)的方向在0180°范

7、圍內(nèi)離散化成8個方向，各方向之間的夾角為,8，求出每一塊的整體方向的平均作為此塊中所有點的方向，如圖：43567N3N2N1N4NS0N5N6N721 0 (a)8個方向 （b）8鄰塊取N塊的8鄰塊(圖(b)出現(xiàn)最多的方向為N塊的主方向。在該小鄰域內(nèi)與脊方向不同的點往往正是附加了噪聲的點。根據(jù)這一特性設(shè)計7 ×7自適應(yīng)濾波器，對圖像進(jìn)行方向濾波。使在指紋脊線方向上的像素點得到加強(qiáng)，在其他方向受到不同的削弱，從而不但使指紋圖像的噪聲得到抑制，也保留了指紋的細(xì)節(jié)特征。經(jīng)過方向濾波后的指紋圖像效果較好。22 銳化處理為增強(qiáng)指紋紋線間的界線，突出邊緣信息，以利于二值化，要對指紋圖像進(jìn)行銳化處

8、理用空間微分來完成銳化處理。由于微分算子的響應(yīng)強(qiáng)度與圖像在該點的突變程度有關(guān)，所以銳化可以增強(qiáng)指紋邊緣并削弱灰度變換緩慢的區(qū)域二階微分形成增強(qiáng)細(xì)節(jié)的能力優(yōu)于一階微分，對灰度級階梯變化產(chǎn)生雙響應(yīng)，因此用拉普拉斯單一掩模進(jìn)行銳化。由二元圖像的拉普拉斯變換離散形式的定義： 公式（2.4）可推出單一掩模的系數(shù) 公式（2.5）所用掩模0-10-15-10-10拉普拉斯單一掩模銳化變換后使圖像中小的脊線部分得到增強(qiáng)。23 二值化對于指紋識別系統(tǒng)，有用的信息包含在脊線(指紋中突起的)和谷線(凹下的)的二值描述中因而必須根據(jù)原始的灰度圖像來確定圖像上的每一個點應(yīng)屬于客體區(qū)域還是背景區(qū)域，從而產(chǎn)生對應(yīng)的二值圖像

9、，它不僅可大大減少存儲量，還可以根據(jù)指紋的形狀(環(huán)型、弓型、螺旋型等信息)將指紋分類，這樣可以大大提高指紋識別的速度。在基于模糊集理論的增強(qiáng)算法基礎(chǔ)上提出廣義度閾點的方法 閾值的正確選擇在二值化中是很重要的，直接影響著分割的精度及圖像描述分析的正確性在此采用動態(tài)自適應(yīng)閾值進(jìn)行二值化，并根據(jù)脊線擴(kuò)散張量特點，分解擴(kuò)散4n個方向的和即位于(x ，y)處的像素g( x，y)的閾值V( x，y)是由以(x ，y)為中心的指紋圖像窗口(2n+1)×(2n+1)中所有點的灰度值來確定。即 公式（2.6）由于當(dāng)(2n+1)×(2n+1)窗口落在下面2種不同區(qū)域?qū)疱e誤判別：1)當(dāng)(2

10、 +1)×(2n+1)窗口較多地落在谷線區(qū)，將會使一部分乃至大部分象素點被判為脊線；2)當(dāng)(2 +1)×(2n+1)窗口較多地落在脊線區(qū)，將會使一部分乃至大部分象素點被判為谷線。借助于參數(shù)和參考閾值Vt可以得到修正。令為一個通過試驗獲得的正整數(shù)，即令>0，有： 公式（2.7）則 公式（2.8）其中Vt為參考閾值。令二值化后的圖像為r（x，y），則： 公式（2.9）此算法有點事不改變脊線連續(xù)性和奇異點的前提下，可以有效連接斷裂脊線。2.4 細(xì)化細(xì)化是在不改變圖像像素拓?fù)溥B接關(guān)系的條件下，連續(xù)擦除圖像的邊緣像素，把紋線粗細(xì)不均勻的指紋圖像轉(zhuǎn)化成線寬僅為一個像素的條紋中心線

11、圖像的過程。細(xì)化可以去除不必要的紋線粗細(xì)信息，使得指紋圖像的數(shù)據(jù)量及連接結(jié)構(gòu)更加突出，便于從指紋圖像中提取細(xì)節(jié)特征，如下圖從而在指紋特征提取和匹配環(huán)節(jié)上提高圖像的處理速度和效率。在此先在脊線的端點用二次曲線來擬合局部脊線，在沿該端點的方向延伸得到的擬合曲線，并根據(jù)端點附近的脊線信息建立不同的處理規(guī)則來處理不同的情況，如對簡單的脊線結(jié)構(gòu)，即明顯的斷線、脊線間明顯的橋以及作為短紋存在的毛刺等做初步處理，去除圖像的邊緣像素。為了克服指紋形變，用圖示模板進(jìn)行細(xì)化處理：從而得到最終的細(xì)化的指紋圖像，這樣提取出的指紋細(xì)節(jié)點、特征點和脊線才更為可靠和有效。2.5 特征值的提取指紋圖像特征提取的方法有兩種：(

12、1)從指紋的原灰度圖像上識別細(xì)節(jié)特征；(2)從指紋的細(xì)化圖像上識別細(xì)節(jié)特征。提取的特征主要有兩類： 奇異點指紋奇異點 有三種類型：核形(Core)、三角形(Delta)和渦輪形(Whor1)；結(jié)構(gòu)特 。它包括端點(Endpoint)、叉點(Bifurcation)、歧點、孤立點(Dot)、環(huán)點(Loop)、短紋(short Ridge)等及其方向、曲率、位置等信息。端點及叉點(下圖(b)是指紋細(xì)化圖像的主要特征，本文采用這兩種主要特征構(gòu)造指紋特征向量。它的提取方法為：設(shè)C n(P)為交叉數(shù)，S n(P)為像素8-鄰域(下圖(a)紋線點數(shù)： 公式（2.10） 公式（2.11） 對于一幅徹底細(xì)化的

13、指紋圖像來說，只有三種紋線點：(1)C n(P)=1，S n(P)=1，稱為端點；(2)Cn(P)=2，Sn(P)=2，3，4，稱為連續(xù)點；(3)C n(P)=3，S n(P)=3，稱為叉點。設(shè)提取的特征點集用P(P1，P2，Pn )表示，其中n為所提取的特征點的個數(shù)，Pi=(Xi ，Yi ，Ti，Ai)，Xi，Yi表示特征點的坐標(biāo)；Ti表示特征點的類型，當(dāng)特征點為端點時Ti=1，當(dāng)特征點為端點時Ti =2；a 表示特征點的角度，端點的角度取從端點為起點的端線的角度，又點的角度取圖2.3(b)中角度a，b，c中最小者相對的分支的角度。端線及分支的角度求法為：從特征點開始搜索連續(xù)點直到搜到另一個

14、特征點或步長達(dá)到7，設(shè)搜索到的最后一點為(X，Y)，有： 公式（2.12）2.6 偽特征點的去除 造成偽特征的原因有很多，指紋提取、二值化及細(xì)化等過程均可能引入偽特征。偽特征的存在將影響指紋的比對，降低識別率(1)偽特征的分析。對于取端點及叉點作為特征算法，偽特征主要指圖4中的五種：(a)毛刺；(b)假橋；(c)島嶼；(d)斷脊；(e)短脊。它們帶來的偽特征點總是成對在近距離內(nèi)出現(xiàn)而且除斷脊外均有短脊線相連接。毛刺、短脊及島嶼均為從一個特征點出發(fā)經(jīng)過很小的步長到達(dá)另一個特征點，可以采用沿脊線搜索特征點的方法去除偽特征對。假橋、斷脊則要考慮偽特征的角度關(guān)系。下圖為理想化的偽特征，各偽特征的角度關(guān)

15、系非常明顯，假橋連線與脊線垂直，斷脊連線則與脊線平行，實際情況則有偏差。設(shè)Pi，Pj為假橋或斷脊帶來的特征點對，v為小的角度閾值，且設(shè)A為Pi，與Pj連接線的角度： 公式（2.13）則對于假橋，A與Ai，及a 近于垂直，即90°-v<<90°+v或90°-v<<90°+v；對于斷脊，Pi與Pj之間沒有脊線，而且A與Ai或Aj的差小于v，即<v或<v。對于圖2.4(f)的雙叉結(jié)構(gòu)我們不將其當(dāng)作偽特征，它與下圖(c)的島嶼的區(qū)別是連接兩叉點的脊線較長，這在現(xiàn)實中是可能存在的結(jié)構(gòu)，所以被保留。(2)偽特征的去除。由于提取的特

16、征集合P(P1，P2，P n)全為端點與叉點，端點的偽形態(tài)有毛刺端點、短脊端點與斷脊端點；叉點的偽形態(tài)有毛刺叉點、假橋叉點與島嶼叉點。我們可以分別從端點與叉點出發(fā)搜索其鄰域，判斷其真?zhèn)?，全部偽特征被分為偽端點與偽叉點予以去除。根據(jù)上面的分析，偽特征可按如下規(guī)則去除：去除孤立點與邊界點，邊界點定義為掩膜值為0的任何區(qū)域的距離小于閾值的特征點； 對于各端點Pi，從該特征點出發(fā)沿脊線搜索，若經(jīng)過很小的步長到達(dá)另一個特征點即搜索到一個脊線點滿足C n(P)!=2或S n(P)!=2則分別當(dāng)作短脊、毛刺所帶來的偽特征點予以去除；若該端點不是毛刺、短脊引起的偽端點，則搜索其鄰域是否有端點Pj滿足Pi與P

17、j之間沒有脊線，A與Ai或Aj的差小于30°，即<30°或<30°，據(jù)此來判斷該端點是否為斷脊；對于各叉點Pi，從該特征點出發(fā)沿脊線搜索其中一個分支，若有兩個分支經(jīng)過很小的步長均到達(dá)同一個叉點則當(dāng)作島嶼予以去除；若有一個分支經(jīng)過很小的步長到達(dá)另一個叉點P且滿足70°<110°或70°<<110°，則可當(dāng)作假橋剔除；若有一個分支經(jīng)過很小的步長到達(dá)另一個端點Pj則可當(dāng)作毛刺剔除。3圖像處理首先，先將選擇的指紋圖像進(jìn)行灰度化處理，在此過程中，只要求我們將選好的圖像輸入到已經(jīng)完成的程序中即可。右圖中為各

18、個不同圖像得到的灰度化圖像。灰度處理程序：MyYuanLaiPic = imread('F:/334/0.jpg'); MyFirstGrayPic = rgb2gray(MyYuanLaiPic); rows,cols,colors = size(MyYuanLaiPic); zeros(rows,cols); SecGrayPic = uint8(SecGrayPic); ThirdGrayPic=zeros(rows,cols); ThirdGrayPic=uint8(ThirdGrayPic); for i = 1:rows for j = 1:cols sum1 =

19、0; sum2 = 0; for k = 1:colors sum1=sum1+MyYuanLaiPic( i,j,k )/3; sum2=sum2+max(MyYuanLaiPic( i,j,k );%end SecGrayPic(i,j) = sum1; ThirdGrayPic(i,j)=sum2;end endimwrite(SecGrayPic ,'F:/334/1.bmp','bmp'); imwrite(ThirdGrayPic,'F:/334/2.bmp','bmp'); figure(1); imshow(MyY

20、uanLaiPic); title('原圖');figure(2); imshow(MyFirstGrayPic); title('圖1');figure(3);imshow(SecGrayPic); title('圖2'); figure(4); imshow(ThirdGrayPic); title('圖3') 將以上指紋圖像讀入，通過MATLAB的指令將其進(jìn)行二值化和細(xì)化，我們進(jìn)行二值化以后，指紋圖形的脊線將變成黑色，而指紋皺褶將由白色代替。指紋細(xì)化消除了多余的指紋脊線，直至像素脊線只是一個像素寬。其圖如圖右，左上角的圖像是

21、指紋圖像，右邊的為二值化圖像，下面的為指紋細(xì)化圖像。 通過計算出一個值的每個3×3窗口號碼： 如果中央像素是1，只有當(dāng)兩個像素都是1和1且作為鄰居，當(dāng)時的核心像素是終止（判斷端點的方法）。 如果中央像素是1，有3個單值一起作為鄰居，當(dāng)時的核心像素是分岔（判斷分叉點方法）。 如果中央像素值是1，有2個1值作為鄰居，當(dāng)時的核心像素是通常的像素。其程序及結(jié)果圖形如：I=imread('Empreinte.bmp');subplot(221);imshow(I);set(gcf,'position',1 1 600 600);J=I(:,:,1)>160;subplot(222);imshow(J)set(gcf,'position',1 1 600 600)K=bwmorph(J,'thin','inf&#