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35.%21平滑處理4.1增強(qiáng)對比度4.2指紋圖像規(guī)格化和濾波一42銳化處理53二值化6細(xì)化7特征值的提取7偽特征點(diǎn)的去除83圖像處理94小結(jié)11參考文獻(xiàn)121緒論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)行比較來驗(yàn)證其真實(shí)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

2、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5o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(diǎn)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

3、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。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(diǎn)、復(fù)合特征和未定義四種），稱為細(xì)節(jié)點(diǎn)（Minutia）。不同人的指紋的細(xì)節(jié)點(diǎn)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提出的指紋細(xì)節(jié)點(diǎn)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(diǎn)兩種?；邳c(diǎn)模式匹配的自動指紋識別系統(tǒng)（AFIS）

4、的基本流程一般由圖像采集、圖像預(yù)處理、細(xì)節(jié)點(diǎn)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40之后，在細(xì)化后的點(diǎn)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(diǎn)。采集到的圖像細(xì)節(jié)點(diǎn)與模板中的細(xì)節(jié)點(diǎn)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)

5、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(diǎn)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。2.1平滑處理.1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：g(X,Y)(Nn)F(X,Y)一mn 公式(2.2)Mn可以提高指紋圖像脊與谷的對比度.2.1.2指紋圖像規(guī)格化和濾波指紋圖像經(jīng)過規(guī)格化

6、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:2Var0(G(X,y)MMoVM-dWM；N(x,y)=Varo2M01Var0(G(Xy)M，其他MVar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(diǎn)對應(yīng)的灰度值，M和M是圖像G的方差和均值，k。和M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,a(x,y)為Vf,在(x,y)處的方向角，有(x,y)arctan(-H)19,HxHy、Hx為梯度分量。 由上式可以求得此像素點(diǎn)的指紋脊線方向， 然后將此連續(xù)的方向在0180

7、0范圍內(nèi)離散化成8個方向，各方向之間的夾角為，兀/8,求出每一塊的整體方向的平均作為此塊中所有點(diǎn)的方向，如圖：公式(2.3)4(a)8個方向(b)8鄰塊取N塊白8鄰塊(圖(b)出現(xiàn)最多的方向?yàn)镹塊的主方向。在該小鄰域內(nèi)與脊方向不同的點(diǎn)往往正是附加了噪聲的點(diǎn)。根據(jù)這一特性設(shè)計7X7自適應(yīng)濾波器，對圖像進(jìn)行方向?yàn)V波。使在指紋脊線方向上的像素點(diǎn)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?yàn)V波后的指紋圖像效果較好。2.2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)行銳化處理.用空間微分來完成銳化處理。由于微分算子的

8、響應(yīng)強(qiáng)度與圖像在該點(diǎn)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：2ff(x1y)f(X1,y)f(x,y1)公式(2.4)f(x,y1)4f(x,y)可推出單一掩模的系數(shù)g(x,y)f(x,y)f(x1,y)f(x1,y)f(x,y1)f(x,y1)4f(x,y)5f(x,y)f(x1,y)f(x1,y)f(x,y1)f(x,y1)公式(2.5)N4NS0N5N6N7所用掩模0-10-15-1V(x,y)2(2n1)xnyg(x,y)

9、n公式(2.7)V(x,y)V1(x,y)VGy)VtVxy)V-x,y)Vt公式(2.8)其中V為參考閾值。令二值化后的圖像為r(x,y),則:r(x,y)1,g(x,y)V(x,y)0,g(x,y)V(x,y)公式(2.9)此算法有點(diǎn)事不改變脊線連續(xù)性和奇異點(diǎn)的前提下，可以有效連接斷裂脊線。0-10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)。3二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(diǎn)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，它不僅可大大減少存儲量，還可以根據(jù)指紋的形狀(環(huán)

10、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(diǎn)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(diǎn)，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)x(2n+1)中所有點(diǎn)的灰度值來確定。即由于當(dāng)(2n+1)x(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+1)x(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(diǎn)被判為脊線；2)當(dāng)

11、(2+1)x(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(diǎn)被判為谷線。借助于參數(shù)6和參考閾值Vt可以得到修正令6為一個通過試驗(yàn)獲得的正整數(shù)，即令60,有:V(x,y)2(2n1)xnyng(x,y)公式(2.6)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。存端點(diǎn)分品點(diǎn)分誄點(diǎn)亞里坦邦點(diǎn)短粒在此先在脊線的端點(diǎn)用二

12、次曲線來擬合局部脊線，在沿該端點(diǎn)的方向延伸得到的擬合曲線，并根據(jù)端點(diǎn)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(diǎn)、 特征點(diǎn)和脊線才更為可靠和有效。*00GO*特征值的提取指紋圖像特征提取的方法有兩種：(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(diǎn)指紋奇異點(diǎn)有三種類型：核形(Core)、三角形(Delta)和渦輪形(Whor1)；結(jié)構(gòu)

13、特。它包括端點(diǎn)(Endpoint)、叉點(diǎn)(Bifurcation)、歧點(diǎn)、孤立點(diǎn)(Dot)、環(huán)點(diǎn)(Loop)、短紋(shortRidge)等及其方向、曲率、位置等信息。端點(diǎn)及叉點(diǎn)(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)Cn(P)為交叉數(shù)，Sn(P)為像素8-鄰域(下圖(a)紋線點(diǎn)數(shù)：,、1Cn(P)2Pi1Pi(P9Pl)公式(2.10)8Sn（P）Pi（a）P點(diǎn)的8鄰域?qū)τ谝环鶑氐准?xì)化的指紋圖像來說，只有三種紋線點(diǎn)：（1）Cn（P）=1,Sn（P）=1,稱為端點(diǎn)；（2）Cn（P）=2,Sn（P）=2,3,4,稱為連續(xù)點(diǎn)；（3）Cn（P）

14、=3,Sn（P）=3,稱為叉點(diǎn)。設(shè)提取的特征點(diǎn)集用P（P1,P2,?,Pn）表示，其中n為所提取的特征點(diǎn)的個數(shù)，Pi= （Xi,Yi,Ti,Ai） ,Xi,Yi表示特征點(diǎn)的坐標(biāo)；Ti表示特征點(diǎn)的類型，當(dāng)特征點(diǎn)為端點(diǎn)時Ti=1,當(dāng)特征點(diǎn)為端點(diǎn)時Ti=2； a表示特征點(diǎn)的角度， 端點(diǎn)的角度取從端點(diǎn)為起點(diǎn)的端線的角度，又點(diǎn)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(diǎn)開始搜索連續(xù)點(diǎn)直到搜到另一個特征點(diǎn)或步長達(dá)到7,設(shè)搜索到的最后偽特征點(diǎn)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

15、.（1）偽特征的分析。對于取端點(diǎn)及叉點(diǎn)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(diǎn)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(diǎn)出發(fā)經(jīng)過很小的步長到達(dá)另一個特征點(diǎn)， 可以采用沿脊線搜索特征點(diǎn)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)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(shí)際情況則有偏差。設(shè)Pi,Pj為假橋或斷脊帶來的特征點(diǎn)對，v為小的角度閾值，且設(shè)A為Pi,與Pj連接線的角度：YiYj公式（2.11）一點(diǎn)為（X,Y）

16、,有：Aiarctan上XXi公式（2.12）又點(diǎn)局端點(diǎn)Aarctan-1公式（2.13）XiYj則對于假橋，A與Ai,及a近于垂直，即90-vAAi90+v或90山絹*長北依第 9 頁-vAAj90+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AAv或AAjv。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(diǎn)的脊線較長，這在現(xiàn)實(shí)中是可能存在的結(jié)構(gòu)，所以被保留。(2)偽特征的去除。由于提取的特征集合P(P1,P2.,Pn)全為端點(diǎn)與叉點(diǎn),端點(diǎn)的偽形態(tài)有毛刺端點(diǎn)、短脊端點(diǎn)與斷脊端點(diǎn)；叉點(diǎn)的偽形態(tài)有毛刺叉點(diǎn)、假橋叉點(diǎn)與島嶼叉點(diǎn)。我們

17、可以分別從端點(diǎn)與叉點(diǎn)出發(fā)搜索其鄰域，判斷其真?zhèn)?，全部偽特征被分為偽端點(diǎn)與偽叉點(diǎn)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(diǎn)與邊界點(diǎn)，邊界點(diǎn)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(diǎn)；對于各端點(diǎn)Pi,從該特征點(diǎn)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(diǎn)即搜索到一個脊線點(diǎn)滿足Cn(P)!=2或Sn(P)!=2則分別當(dāng)作短脊、毛刺所帶來的偽特征點(diǎn)予以去除；若該端點(diǎn)不是毛刺、短脊引起的偽端點(diǎn)，則搜索其鄰域是否有端點(diǎn)Pj滿足Pi與Pj之間沒有脊線，A與Ai或Aj的差小于30,即AA30或AAj30，據(jù)此來判斷該端點(diǎn)是否為斷脊；對于各叉點(diǎn)Pi,從該特征點(diǎn)出發(fā)沿脊線搜索其中一個

18、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(diǎn)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(diǎn)P且滿足70。 AA110或70AAj160;subplot(222);imshow(J)set(gcf,position,11600600)K=bwmorph(J,thin,inf);subplot(223);imshow(K)set(gcf,position,11600600);L=nlfilter(K,33,fun);4小結(jié)指紋識別技術(shù)雖然已日漸成熟，圖像處理及模式識別界曾一度認(rèn)為；指紋識別技術(shù)已經(jīng)得到很好的解決，但實(shí)際上，作為指紋識別的核心技術(shù)仍然存在許多尚未解決的難題，尤其是殘缺、污損指紋圖象的識別的魯棒性、適應(yīng)性方面不能令人滿意！指紋識別系統(tǒng)將隨著更小更廉價的指紋輸入設(shè)備的出現(xiàn)、計算能力更強(qiáng)更廉價的硬件以及互聯(lián)網(wǎng)的廣泛應(yīng)用而進(jìn)一步拓寬其應(yīng)用！其中！能適應(yīng)聯(lián)網(wǎng)在線指紋自動識別系統(tǒng)的應(yīng)用算法有待進(jìn)一步改進(jìn)，多種指紋識別方法的集成應(yīng)用以及包括指紋識別的多種生物特征鑒定的集成應(yīng)用也將是今后研究發(fā)展的方向！近年來，國外指紋識別相關(guān)研究又有升溫趨勢！因此，指紋識別現(xiàn)在是，未來幾年仍然是一個重要的、極具挑戰(zhàn)性的模式識別研究課題！參考文獻(xiàn)：1RCla