提取二值化指紋圖像中特征數(shù)據(jù)的算法研究

1、. . . . 目錄1 引言11.1指紋識別發(fā)展概況11.2指紋識別技術(shù)概述31.2.1預(yù)處理41.2.2特征提取41.2.3指紋匹配51.2本文主要研究容與結(jié)構(gòu)安排52 特征提取算法介紹72.1指紋的特征數(shù)據(jù)72.1.1總體特征72.1.2局部特征72.2提取算法83 圖段的提取103.1基本定義103.1.1行程103.1.2行程碼103.1.3行程相關(guān)103.1.4圖段113.2圖段提取算法113.2.1提取行程113.2.2提取圖段123.3代碼展示123.3.3提取圖段124 特征提取134.1圖段結(jié)構(gòu)134.2.1圖段屬性134.2.1圖段結(jié)構(gòu)類型134.2提取端點144.2.1算

2、法簡介144.2.2判定規(guī)則144.3消除周邊點155 實驗與結(jié)果165.1實驗環(huán)境165.2實驗結(jié)果165.2.1圖段提取的結(jié)果165.2.2特征提取的結(jié)果185.2.3結(jié)果分析186 總結(jié)2017 / 191 引言人類一直在研究有效的身份鑒別方法。用于身份鑒別的傳統(tǒng)方法有兩種：第一種基于標志的身份鑒別，通常是通過判斷是否具有某種特定標志來對身份進行鑒別，如，護照、鑰匙，通行證等。第二種基于知識的身份鑒別，通常是根據(jù)被鑒別者所具有的某種知識來對其進行鑒別，如銀行存折的密碼，個人認證數(shù)字或固定問題答案等。這些傳統(tǒng)的身份鑒別方法具有簡便，易于實現(xiàn)且經(jīng)濟成本很少的優(yōu)點。但是，隨著科學技術(shù)和人類社會

3、的發(fā)展，現(xiàn)代社會對于人類自身身份識別的準確性、安全性與實用性提出了更高要求。傳統(tǒng)的身份識別方法己經(jīng)遠遠不能滿足這種要求，于是人類找到了生物識別這種更為安全可靠、使用方便的新的身份識別技術(shù)。生物識別技術(shù)是利用人體生物特征進行身份認證的一種技術(shù)。生物特征包括生理特征和行為特征，人的生理特征與生俱來，多為先天性的；行為特征則是習慣使然，多為后天形成。常見的生物特征包括：指紋、掌紋、虹膜、臉像、聲音、筆跡等。這些特征都具有唯一性和穩(wěn)定性的特點，且不易復(fù)制。與傳統(tǒng)的身份鑒別手段相比，基于生物特征的身份認證技術(shù)具有以下優(yōu)點1, 2, 3：(1)普遍性：每個人都擁有該特征；(2)唯一性：沒有哪兩個人擁有同樣

4、的該特征；(3)永久性：該特征不會隨時間而變化；(4)可采集性：該特征能夠被定量地測量出來；(5)易實現(xiàn)性：容易實現(xiàn)，資源消耗少，對工作環(huán)境要求不苛刻； (6)防偽性：即不易偽造或被盜，識別率高；(7)方便性強：“隨身攜帶”，隨時隨地可用。目前的生物識別技術(shù)主要包括指紋、手形、面孔、虹膜、視網(wǎng)膜、聲音、簽名等的認證。其中，指紋識別是利用手指紋線所構(gòu)成的圖像的唯一性和排他性進行身份鑒定?；谥讣y的自動識別技術(shù)是最早和最廣泛的被應(yīng)用于實踐的生物識別技術(shù)。它是一種相對準確率最高，且最易被用戶接受的身份認證方案1。1.1指紋識別發(fā)展概況指紋在全球圍被承認中國使用最早，6000年以前就有使用。一千多年前

5、就有簽字畫押記載，無論是在法庭證詞上，還是在民間契約上，利用指紋作為個人標識得到法律上的認可。同一時期的古代印度，指紋也被用于人身標識?，F(xiàn)代指紋人身標識技術(shù)起始于十六世紀晚期。1684年，英國的植物形態(tài)學者N.Grew對指紋做出了系統(tǒng)的研究并發(fā)表了一篇論文，文中詳細分析了指紋的犁溝、脊線、汗腺孔的結(jié)構(gòu)，這篇文章被認為是有關(guān)指紋技術(shù)的第一篇科學文獻。1788年，Mayer對指紋的構(gòu)造原理和指紋脊線犁溝分布特點做出了詳細的描述，給出了解剖學形式的詳細報告。1823年，Purkinje提出了最早的指紋分類策略，他將指紋按照紋線中脊的外形分布特點分成九類。H.Fauld在1880年指出指紋的個人唯一性

6、和終身不變性，這使得指紋在犯罪鑒別中得以正式應(yīng)用 (1808年阿根廷首次應(yīng)用)，與此同時，Herschel聲稱，他將指紋作為身份驗證的依據(jù)已有近20年的歷史了。這些發(fā)現(xiàn)建立了現(xiàn)代指紋身份驗證技術(shù)的基礎(chǔ)。十九世紀末，F(xiàn).Galton對指紋進行了更為深入的研究，并在1888年提出利用細節(jié)特征點進行單個指紋分類的方法。1899年E.Henry建立了著名的Henry指紋分類系統(tǒng)，提高了指紋驗證效率，為指紋用于人身標識起了重要的推動作用與更為科學的鑒別標準。到二十世紀早期，結(jié)合解剖學觀點，人們對指紋的構(gòu)成已經(jīng)有了很好的了解，指紋鑒別被司法部門正式規(guī)定為合法的人身辨識方法，指紋鑒別己經(jīng)成為司法調(diào)查的一道標

7、準程序，指紋鑒別機構(gòu)在世界圍開始建立，構(gòu)造出大量的罪犯指紋庫。六十年代，隨著計算機的出現(xiàn)，人們開始了對自動指紋鑒別技術(shù)的研究。美國聯(lián)邦調(diào)查局巴黎警部首先開發(fā)了自動指紋鑒別系統(tǒng) (AFIS) 大大提高了法律相關(guān)部門的效率。在司法部門取得的成功，也大大推進了自動指紋鑒別系統(tǒng)向其他民用領(lǐng)域的轉(zhuǎn)化。20世紀末期以來，指紋識別技術(shù)被應(yīng)用到許多方面。通過使用指紋驗證來取代各個計算機應(yīng)用程序的密碼就是最為典型的實例?？梢韵胂笕绻嬎銠C上的所有系統(tǒng)和應(yīng)用程序都可以使用指紋驗證的話，人們使用計算機就會非常方便和安全，用戶不再討厭必要的安全性檢查，而開發(fā)商的售后服務(wù)工作也會減輕許多。IBM公司已經(jīng)開發(fā)成功并廣泛應(yīng)

8、用的Global Sign on軟件通過定義唯一的口令，使用指紋，就可以在公司整個網(wǎng)絡(luò)上暢行無阻。把指紋識別技術(shù)同IC卡結(jié)合起來，是目前最有前景的一個方向之一。該技術(shù)把卡的主人的指紋 (加密后) 存儲在IC卡上，并在IC卡的讀卡機上加裝指紋識別系統(tǒng)，當讀卡機閱讀卡上的信息時，一并讀入持卡者的指紋，通過比對卡上的指紋與持卡者的指紋，就可以確認持卡者是否是卡的真正主人，從而進行下一步的交易。在更加嚴格的場合，還可以進一步同后端主機系統(tǒng)數(shù)據(jù)庫上的指紋作比較。指紋IC卡可以廣泛地運用于許多行業(yè)中，例如取代現(xiàn)行的ATM卡、制造防偽證件 (簽證或護照、公費醫(yī)療卡、會員卡、借書卡等)。目前ATM提款機加裝指

9、紋識別功能在美國已經(jīng)開始使用。持卡人可以取消密碼 (避免老人和孩子記憶密碼的困難) 或者仍舊保留密碼，在操作上按指紋與密碼的時間差不多。近年來，自動發(fā)送信息的互聯(lián)網(wǎng)絡(luò)，帶給人們的方便與利益，正在快速增長之中，但也因此產(chǎn)生了很多的問題，尤其在信息安全方面。無論是團體或者個人的信息，都害怕在四通八達的網(wǎng)絡(luò)上傳送而發(fā)生有損權(quán)益或隱私的事情。由于指紋特征數(shù)據(jù)可以通過電子或其他傳輸方法在計算機網(wǎng)絡(luò)上進行傳輸和驗證，通過指紋識別技術(shù)，限定只有指定的人才能訪問相關(guān)信息，可以極提高網(wǎng)上信息的安全性，這樣，包括網(wǎng)上銀行、網(wǎng)上貿(mào)易、電子商務(wù)的一系列網(wǎng)絡(luò)商業(yè)行為，就有了安全性保障。SFNB (Security Fi

10、rst Network Bank安全第一網(wǎng)絡(luò)銀行) 就是通過互聯(lián)網(wǎng)絡(luò)來進行資金劃算的，他們目前正在實施以指紋識別技術(shù)為基礎(chǔ)的保障安全性的項目，以增強交易的安全性。在醫(yī)院里，指紋識別技術(shù)可以驗證病人身份，例如輸血管理。指紋識別技術(shù)也有助于證實尋求公共救援、醫(yī)療與其他政府福利或者保險金的人的身份確認。在這些應(yīng)用中，指紋識別系統(tǒng)將會取代或者補充許多大量使用照片和ID的系統(tǒng)?？傊?，隨著低價格高性能單片機和DSP的廣泛使用，以與廉價的取像設(shè)備、指紋鑒別算法的開發(fā)與研究，指紋鑒別技術(shù)具有更廣闊的發(fā)展前景，也將大量被應(yīng)用于人們的生產(chǎn)生活中1, 2。1.2指紋識別技術(shù)概述指紋識別技術(shù)簡稱FIS(Fingerp

11、rint Identification Technology)。前面已經(jīng)講到，早期的指紋識別技術(shù)僅限于人工或半自動化的查找和匹配。到20世紀60年代，計算機技術(shù)的發(fā)展推動了指紋自動識別技術(shù)。目前指紋識別方法分為兩大類4：一是以手指毛細孔的位置，二是以手指表皮上的凸紋和凹紋所形成的紋路為識別的基準。利用毛細孔來做識別，最主要的困難是必須以雷射光來掃描毛細孔的位置，設(shè)備不易取得，然而毛細孔的位置是永遠固定不變的，而且毛細孔的位置不容易受外力而破壞，判斷成功率較高。凸凹紋線所形成的紋絡(luò)，可經(jīng)由油墨的按壓在紙上，或經(jīng)由掃描器掃描進電腦后取得影像檔案，藉此來做判斷，所以取得非常容易，可是此種方法取得的指

12、紋，因為經(jīng)過多次失真，使比對的錯誤率提高。本文討論的提取特征數(shù)據(jù)的算法是基于第二類。因為這種方法取得的圖像多次失真，所以對計算機的自動指紋識別技術(shù)要求比較高。而基于計算機的自動指紋識別技術(shù)主要涉與三個步驟：圖像預(yù)處理、特征提取、特征匹配。1.2.1預(yù)處理在指紋自動識別過程中，由于按下力、皮膚表面性質(zhì)的差異等各種原因的影響，都將導致得到的指紋圖像質(zhì)量欠佳，這些圖像給指紋特征點的正確提取與匹配造成了相當大的困難。對指紋圖像進行預(yù)處理，可以去除指紋圖像的各種噪聲和無效指紋區(qū)域，同時增強有效的指紋區(qū)域，這對于系統(tǒng)后面的處理是非常重要的，可以保證系統(tǒng)對于輸入圖像的魯棒性，降低指紋識別系統(tǒng)的錯誤接受率 (

13、FAP：False Acceptance Probability) 和提高正確接受率(AAP：Authentic Acceptance Probability)5。預(yù)處理是指紋自動識別系統(tǒng)中非常重要的一步，它的好壞直接影響著指紋識別的效果。預(yù)處理一般包括圖像增強、圖像的二值化、濾波等步驟4。預(yù)處理后將得到一幅相對連續(xù)、平滑的二值化指紋圖像。1.2.2特征提取特征提取一般分為兩個階段：提取特征點和特征點后處理。指紋圖像由大量的紋線構(gòu)成，紋線走向所形成的紋路可以用人眼直接觀察，它被稱作指紋的總體特征。指紋紋路并不是連續(xù)、平滑的，它經(jīng)常出現(xiàn)中斷或分叉，這些斷點和分叉點就是指紋的局部特征，稱為“細節(jié)點

14、”或“特征點”。兩枚指紋經(jīng)常會具有一樣的總體特征，但它們的局部特征細節(jié)點，卻不可能完全一樣，就是這些細節(jié)點提供了指紋唯一性的確認信息。一般的指紋識別系統(tǒng)都是基于細節(jié)點的識別系統(tǒng)。目前最常用的細節(jié)特征是美國聯(lián)邦調(diào)查局 (FBI) 提出的特征點坐標模型，它利用端點 (Ending) 與分叉點 (Bifurcating) 兩種特征來鑒定指紋4, 6。盡管已有很多指紋圖像增強算法，但是對于質(zhì)量較差的指紋圖像很難完全彌補其中的缺陷。常見的指紋缺陷有紋線斷裂、紋線粘連、紋線中出現(xiàn)孔洞等。這些缺陷會使細節(jié)點自動提取算法得到很多虛假細節(jié)點。因此，特征提取是整個識別系統(tǒng)的關(guān)鍵。1.2.3指紋匹配指紋匹配一般分為

15、兩類7：驗證(verification)和辨識(identification)。認證是一對一的匹配，它首先把某人的指紋特征與個人信息以某種形式存儲起來，需要認證時將當前的請求指紋與之前的存儲指紋進行匹配，判斷兩枚指紋是否來自同一個手指。識別是一對多的匹配，和認證系統(tǒng)類似，這種系統(tǒng)要事先把許多人的指紋特征與個人信息存入數(shù)據(jù)庫，識別時將當前請求指紋與數(shù)據(jù)庫中的多個指紋分別進行一對一的匹配，判斷是否有和當前指紋符合的信息。顯然，識別完成的就是多次認證，認證系統(tǒng)可以說是識別系統(tǒng)的一個特例，它就是一對多的識別系統(tǒng)。因此，無論哪種類型的匹配，都是新輸入指紋的特征與原來存儲指紋的特征進行比對的過程。匹配算法

16、的核心思想是：通過某些坐標變換(如平移、旋轉(zhuǎn)、伸縮變換)，消除由于采集時指紋位移、旋轉(zhuǎn)和畸變對特征點位置造成的影響；然后對比坐標變換后指紋特征點的相關(guān)信息(位置、類型、角度等)。1.2本文主要研究容與結(jié)構(gòu)安排目前，盡管指紋識別技術(shù)己有很多的商業(yè)產(chǎn)品，但識別準確率還是不能滿足某些特定的應(yīng)用；且許多已有的算法因商業(yè)利益而未能公開；同時，對于每個細節(jié)點需要記錄其類型、位置坐標和所在紋線方向，在非理想采集條件下，指紋圖像不能保證都很清晰，其中可能出現(xiàn)對比度不均勻、紋線斷裂、紋線粘連等缺陷，造成紋線模糊或失真，這是使指紋特征可靠提取非常困難的主要原因。因此，開發(fā)更多理想的自動指紋識別系統(tǒng)在目前仍然是一個

17、有實用價值和有一定難度的研究任務(wù)。本文參閱了大量指紋識別方面的文獻資料，針對指紋識別技術(shù)中的一個重要環(huán)節(jié)：特征提取進行了深入研究，對以往的算法進行了大量改進和完善。具體工作如下：(1) 特征提取采用了種基于圖段分析提取細節(jié)點的方法，這種方法將整個匹配過程分為三個階段：第一階段稱為圖段提取，第二階段稱為細節(jié)點提取。該方法使相差很大的指紋與早淘汰，減少了拒絕時間。(2) 在圖段提取階段，提取指紋圖像中的局部連通區(qū)域為圖段。具體來說指紋圖像中的一個黑色圖段表示一個沒有分支、粗細均勻的線條狀結(jié)構(gòu)的局部紋線段。(3) 在細節(jié)點提取階段，先分析圖段的結(jié)構(gòu)類型。根據(jù)圖段的結(jié)構(gòu)類型、是否存在相關(guān)圖段與其與相關(guān)

18、圖段的相對位置關(guān)系，提取指紋的細節(jié)點。(4) 將所有算法在 Microsoft Visual Studio 2005 上編程實現(xiàn)，并通過大量的實驗對其進行了驗證。實驗結(jié)果表明本文采用的特征算法取得了較好的效果。2 特征提取算法介紹2.1指紋的特征數(shù)據(jù)指紋之間的區(qū)別，即特征，目前分為總體特征和局部特征4, 6, 8。2.1.1總體特征總體特征是指那些用肉眼直接就可以觀察到的特征8：(1) 模式區(qū) (Pattern Area)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)。SecureTouch 的指紋識別算法使用了所取得的完

19、整指紋而不僅僅是模式區(qū)進行分析和識別。(2) 核心點 (Core Point)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SecureTouch 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。三角點位于從核心點開始的第一個分叉點或者斷點、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。(3) 紋數(shù) (Ridge Count)指模式區(qū)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)。2

20、.1.2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)常會具有一樣的總體特征，但它們的局部特征特征點，卻不可能完全一樣8。(1) 端點 (Ending)：一條紋路在此終結(jié)。(2) 分叉點 (Bifurcation)：一條紋路在此分開成為兩條或更多的紋路。(3) 分歧點 (Ridge Divergence)：兩條平行的紋路在此分開。(4) 孤立點 (Dot or Island)：一條特別短的紋路，以至于成為一點。(5) 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。(6) 短紋 (Short Ridg

21、e)：一端較短但不至于成為一點的紋。2.2提取算法目前最常用的指紋特征屬于局部特征，它是由美國聯(lián)邦調(diào)查局 (FBI) 提出的利用端點 (Ending) 與分叉點 (Bifurcating) 兩種特征來鑒定指紋4, 6。如圖11所示。圖11 端點和分叉點對于這種指紋特征，眾多專家學者提出了很多細節(jié)點提取算法，其中最常用的是基于細化圖像的方法913。此類方法首先得到細化指紋圖像，然后通過鄰域分析得到細化紋線的端點和分叉點。Xiao等人9綜合利用細節(jié)點的統(tǒng)計特性和結(jié)構(gòu)特性進行細節(jié)點后處理；Hung10通過將細化紋線與其上的細節(jié)點表示成圖的形式，利用圖論的知識來清除虛假細節(jié)點；Ratha等人11根據(jù)細

22、節(jié)點空間關(guān)系清除虛假細節(jié)點；Farina等人12通過分析真假細節(jié)點周圍紋線的拓撲結(jié)構(gòu)，給出了清除虛假細節(jié)點和驗證真實細節(jié)點可靠性的方法；Bian等人13的方法不僅利用了細節(jié)點周圍細化紋線的統(tǒng)計和結(jié)構(gòu)特性，而且利用了二值圖像上對應(yīng)紋線的寬度信息。上述基于細化圖像的細節(jié)點提取方法主要有以下缺點：細化處理比較耗時；若圖像增強和二值化效果不好，會產(chǎn)生大量虛假細節(jié)點；細節(jié)點后處理操作非常耗時。因此，本文采用的是一種圖段分析提取細節(jié)點的方法6。該方法首先通過行程編碼匹配得到二值指紋圖像中的圖段，每個圖段表示一個不包含分支的紋線段。然后根據(jù)圖段的結(jié)構(gòu)形式和圖段之間的連接關(guān)系判定指紋紋線端點的位置。利用指紋谷

23、線端點與紋線分叉點的對應(yīng)關(guān)系，通過提取谷線上的端點得到紋線的分叉點。由于在端點判定之前清除了噪聲圖段，使該方法對紋線邊緣毛刺和紋線中的小孔等結(jié)構(gòu)形式具有較好的魯棒性，不會像基于細化圖像方法那樣產(chǎn)生大量虛假細節(jié)點。從而提高指紋匹配的精度。3 圖段的提取目前的自動指紋識別系統(tǒng)，普遍使用基于細節(jié)點的點模式匹配算法，一般情況下若兩幅圖像能成功匹配10個特征點對便可確認為同一枚指紋。因此，特征點是識別的依據(jù)。本文采用的方法提取特征點要先提取圖段。3.1基本定義在提取之前，首先明確幾個基本概念的定義，這些概念在后面的討論中經(jīng)常用到。3.1.1行程在圖像的某一行水平掃描線上，由多個連續(xù)的、具有一樣灰度值的像

24、素點所組成的像素點集合稱為一個行程6。對于二值圖像有兩種行程：黑色行程和白色行程。例如圖31中共有6個黑色行程。圖31 行程與其相關(guān)關(guān)系3.1.2行程碼由一個行程的起始和結(jié)束點水平坐標構(gòu)成的二元組稱為行程碼，用(S，E)表示，其中S表示行程的起始坐標，E代表行程的終止坐標6。3.1.3行程相關(guān)設(shè) (S1，E1) 和 (S2，E2) 為分屬相鄰兩個掃描行中的兩個行程，如果S2 > E1或E2 < S1，則稱這兩個行程不相關(guān)，反之稱這兩個行程相關(guān)6。而判定行程相關(guān)與否的過程被稱為行程匹配。雖然一幅二值圖像中的黑白像素排列初看起來顯得雜亂無章，但仔細觀察可以發(fā)現(xiàn)。相鄰兩個掃描行中的行程之

25、間只存在以下兩種相關(guān)關(guān)系：(1) 某一行中的一個行程與另一行中的惟一一個行程相關(guān)，稱之為一對一相關(guān)6。如圖31中的行程b和行程c為一對一相關(guān)，行程f和行程a，行程e和行程a也是一對一相關(guān)。(2) 某一行中的一個行程與另一行的多個行程同時相關(guān)，則稱為一對多相關(guān)6。例如圖31中的行程a同時與行程b，d相關(guān)，行程a和行程f，e之間也是一對多相關(guān)。3.1.4圖段由一系列互為一對一相關(guān)的行程所組成的集合稱為圖段6。如圖31中的行程c和b構(gòu)成一個圖段。圖32所示的圖案由m，n和k三個圖段構(gòu)成。圖段的重要幾何參數(shù)是圖段包絡(luò)矩形的寬度W和高度H，圖32中圖段k的包絡(luò)矩形如虛線所示：圖32 圖段3.2圖段提取算

26、法3.2.1提取行程逐行掃描圖像，如果當前像素為前景點，則進行以下操作：(1) 如果當前像素為該行的第一個像素或者它的前一像素為背景點，則開始新的行程；(2) 如果當前像素為該行的最后一個像素或者它的后一像素為背景點，則該行程結(jié)束，并且把行程的圖段編號初始化為，以便后面使用；(3) 把像素的行程編號和行程對應(yīng)起來。3.2.2提取圖段對每個行程依次進行以下操作，直到最后一個行程：(1) 如果當前行程的圖段編號為初始化的，就表示當前行程已經(jīng)有了歸屬圖段，則操作下一個行程；(2) 初始化新圖段，即把當前行程放入該圖段的起始行程和結(jié)束行程；(3) 如果當該圖段的結(jié)束行程在圖像的最后一行，則進行步驟 (

27、9)；(4) 掃描該圖段的結(jié)束行程的下一行，求出當前行程的下相關(guān)行程數(shù)，如不為1，則進行步驟 (9)；(5) 求該圖段的結(jié)束行程下相關(guān)行程數(shù)的上相關(guān)行程數(shù)，如不為1，則進行步驟 (9)；(6) 如兩個行程的長度相差太大(本文取的3倍)，則進行步驟 (9)；(7) 把該圖段的結(jié)束行程的下相關(guān)行程放入該圖段的結(jié)束行程；(8) 繼續(xù)步驟(3)。(9) 求出單個圖段和更新圖段集合的一些屬性 (在3.2.1圖段屬性中會具體描述)，以便以后使用；(10) 操作下一個行程。3.3代碼展示3.3.3提取圖段4 特征提取因為本文采用的方法在求分叉點的時候是利用指紋白色谷線端點與黑色紋線分叉點對應(yīng)的關(guān)系，通過提取

28、白色谷線上的端點得到黑色紋線的分叉點。所以這里就只描述黑色紋線端點的求法。4.1圖段結(jié)構(gòu)圖段的結(jié)構(gòu)會影響對細節(jié)點的判斷。4.2.1圖段屬性而對圖段結(jié)構(gòu)進行分析需要以下幾個屬性：(在圖段提取可以中一并求出)(1) 單個圖段的屬性。包括圖段的矩形的寬度H和高度W，以與構(gòu)成圖段的行程的平均長度L。(2) 圖段集合的屬性。包括圖段的最大寬度RWmax和最小寬度RWmin。其中，為了增強算法的適用性，對不同的指紋圖像，RWmax和RWmin應(yīng)取不同的值。本文取的是所有H>1.5W的圖段中最大的L值為RWmax，最小的L值為RWmin。4.2.1圖段結(jié)構(gòu)類型(1) 噪聲圖段：如果W<RWmax

29、且H<RWmax，或者L<(1/2)RWmin，則圖段為噪聲圖段。它代表圖段的尺寸不合理。(2) 垂直方向圖段：如果H W，則圖段為垂直方向圖段。它代表圖段的方向在45°至135°之間。如圖31 (a) 所示。(3) 水平方向圖段：如果H < W，則圖段為水平方向圖段。它代表圖段的方向在-45°至45°之間。如圖31 (b) 所示。(4) 扁長型圖段：如果HRWmax且L>RWmax，則圖段為扁長型圖段。它代表圖段處于水平狀態(tài)。(5) 弧頂、弧底圖段：弧頂圖段指呈現(xiàn)上三角形的圖段，弧底圖段指呈現(xiàn)下三角形的圖段。如圖31 (c) 和

30、圖31 (d) 所示。圖31 圖段結(jié)構(gòu)類型因為弧頂、弧底圖段必然同時是水平方向或扁長型圖段，所以本文把弧頂、弧底圖段的判斷放在端點的提取里，有需要的時候才進行判斷。4.2提取端點4.2.1算法簡介(1) 在正式提取端點之前先分析圖段的結(jié)構(gòu)，把噪聲圖段去除；(2) 依次掃描圖段上、下相關(guān)圖段數(shù)，也就是圖段起始行程的上相關(guān)行程數(shù)和結(jié)束行程下相關(guān)行程數(shù) (可以參照2.2.2提取圖段)，只要上、下相關(guān)行程所在的圖段不是噪聲圖段；(3) 再按照一定的規(guī)則提取端點。4.2.2判定規(guī)則(1) 如果當前圖段為扁長型圖段，無上相關(guān)圖段或上相關(guān)圖段在當前圖段的左側(cè)，且無下相關(guān)圖段或下相關(guān)圖段在當前圖段的左側(cè)，則當

31、前圖段的右側(cè)為端點；(2) 如果當前圖段為扁長型圖段，無上相關(guān)圖段或上相關(guān)圖段在當前圖段的右側(cè)，且無下相關(guān)圖段或下相關(guān)圖段在當前圖段的右側(cè)，則當前圖段的左側(cè)為端點；(3) 如果當前圖段為水平方向圖段，無上相關(guān)圖段，且無下相關(guān)圖段或不是弧頂圖段，則當前圖段的上端為端點；(4) 如果當前圖段為水平方向圖段，無下相關(guān)圖段，且無上相關(guān)圖段或不是弧頂圖段，則當前圖段的下端為端點；(5) 如果當前圖段為垂直方向圖段，無上相關(guān)圖段，則當前圖段的上端為端點；(6) 如果當前圖段為垂直方向圖段，無下相關(guān)圖段，則當前圖段的下端為端點；(7) 對于扁長和水平方向圖段上的端點，其位置坐標取整個圖段中最左或最右端的像素

32、點的坐標；(8) 對于垂直方向圖段上的端點，則取該圖段第一個或的最后一個行程中點為端點的位置坐標。4.3消除周邊點由于采集的區(qū)域有限，則會產(chǎn)生接近圖像邊緣的紋線端點，稱為周邊點。要去除周邊點，首先用直線試探求得的經(jīng)過當前圖段最長的射線，這條射線的方向就是端點的方向。然后向求出的端點的方向反方向引出一條射線，如果這條射線在到達圖像邊緣之前沒有經(jīng)過任何圖段，就可以認為當前端點是采集區(qū)域有限而生成的周邊點。5 實驗與結(jié)果5.1實驗環(huán)境本文的所有算法均在 Microsoft Visual Studio 2005 用C語言編程實現(xiàn)。本實驗采用的指紋圖像是已經(jīng)進行采集和預(yù)處理的。采集是基于Secugen公

33、司的FDU光學指紋采集儀進行指紋采集；預(yù)處理首先采用Gabor濾波的方法進行指紋圖像增強，然后用Otsu法進行圖像二值化，再用3×3中值濾波器進行邊緣平滑和去除孤立噪聲點。5.2實驗結(jié)果如圖51所示。這是一幅經(jīng)過增強、二值化等預(yù)處理的圖，下文所述的實驗結(jié)果都是在這圖上進行處理的。圖51預(yù)處理后的指紋圖像5.2.1圖段提取的結(jié)果因為本文所用的算法是利用指紋谷線端點與紋線分叉點的對應(yīng)關(guān)系，通過提取谷線上的端點得到紋線的分叉點。所以，圖段提取的結(jié)果不僅有黑色的紋線圖段，還有白色的谷線圖段。(1) 其中，黑色紋線圖段如圖52所示。圖52 黑色紋線圖段(2) 而實驗中提取白色谷線圖段，是將圖像中的黑白兩色反轉(zhuǎn)后再和黑色紋線圖段一樣提取的。黑白反轉(zhuǎn)和白色谷線圖段分別如圖52 (左) 和圖52 (右)所示。圖52 反轉(zhuǎn)圖 (左) 和白色谷線圖段 (右)5.