指紋識別算法實現(xiàn)畢業(yè)論文

1、<p><b>　　摘 要</b></p><p>　　生物識別技術已經(jīng)成為身份識別和網(wǎng)絡安全的發(fā)展技術之一，其中指紋識別技術是目前公認的安全、準確、方便的身份認證技術之一，是人們研究的熱點。</p><p>　　本文對指紋圖像識別系統(tǒng)的原理和基本過程進行了較為深入的分析與研究并給與實現(xiàn)。首先對指紋數(shù)字圖像的分類、基本特征與識別原理進行了詳細地論述。其次，

2、本文在指紋數(shù)字圖像預處理部分從指紋圖像的預處理、特征提取、特征匹配這三個必要環(huán)節(jié)對指紋識別算法進行了詳細地研究，最后實現(xiàn)了指紋圖像處理的算法。在指紋圖像預處理階段，本文使用基于灰度的算法對圖像進行了分割，同時，針對二值化后圖像中仍然存在的噪聲，也進行了相應的修飾處理，盡可能的為以后指紋特征的提取打好基礎。指紋特征提取階段，采用模板法提取指紋中所有的端點和分叉點，并進行了細化的處理。特征匹配階段，采用基于細節(jié)點的方式進行特征點的匹配。本文

3、設計并實現(xiàn)了一個指紋識別系統(tǒng)，完成了對指紋數(shù)字圖像的處理、特征提取，保存和匹配等功能，利用編碼對指紋數(shù)字圖像進行入庫、匹配等操作，從而完成圖像的識別來判斷是否同一指紋，其比對結果令人滿意。</p><p>　　【關鍵詞】指紋識別 預處理 二值化 特征提取 特征匹配</p><p><b>　　ABSTRACT</b></p><p>　

4、　Biometric technology has become one of the developing technologies for identity recognition and network security. And fingerprint identification technology is now recognized as one of the most safe, accurate and conveni

5、ent authentication technologies, and it is a focus for researchers.</p><p>　　This paper mainly research the basic principles of digital image of the fingerprint identification system and do more in-depth ana

6、lysis 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 de

7、tail. Secondly, in the digital fingerprint image pre-processing part of this paper, three essential aspects of fingerprint :  fingerprint image prepro</p><p>　　【Keywords】Fingerprint Recognition Pr

8、eprocessing Binarization Feature Extraction </p><p>　　Feature Matching</p><p><b>　　目 錄</b></p><p>　　前 言- 1 -</p><p>　　第一章 指紋識別概述- 2 -</p><p

9、>　　第一節(jié) 生物識別技術- 2 -</p><p>　　第二節(jié) 指紋識別的歷史- 2 -</p><p>　　第三節(jié) 指紋識別研究的現(xiàn)狀- 3 -</p><p>　　第四節(jié) 指紋識別研究的意義- 5 -</p><p>　　本章小結- 5 -</p><p>　　第二章 指紋識別系統(tǒng)及算法簡介-

10、6 -</p><p>　　第一節(jié) 指紋識別系統(tǒng)的構成- 6 -</p><p>　　第二節(jié) 指紋圖像增強- 7 -</p><p>　　第三節(jié) 指紋識別的基本原理- 7 -</p><p>　　一、總體特征- 8 -</p><p>　　二、局部特征- 10 -</p><p>　　

11、第四節(jié) 指紋識別的一般算法- 12 -</p><p>　　一、指紋圖像預處理- 12 -</p><p>　　二、特征提取- 13 -</p><p>　　三、特征匹配- 14 -</p><p>　　第五節(jié) 指紋識別算法的性能指標- 14 -</p><p>　　本章小結- 15 -</p>

12、<p>　　第三章 指紋圖像處理算法詳細設計及實現(xiàn)- 16 -</p><p>　　第一節(jié) 指紋圖像預處理- 16 -</p><p>　　一、指紋圖像預處理概述- 16 -</p><p>　　二、指紋圖像分割及增強- 16 -</p><p>　　三、指紋圖像二值化- 17 -</p><p&g

13、t;　　四、指紋圖像細化- 19 -</p><p>　　五、實驗結果- 22 -</p><p>　　第二節(jié) 指紋圖像特征提取- 23 -</p><p>　　一、指紋圖像特征提取的方法- 23 -</p><p>　　二、特征點提取- 24 -</p><p>　　三、指紋圖像特征的去偽- 25 -&l

14、t;/p><p>　　第三節(jié) 指紋特征匹配- 27 -</p><p>　　一、基于點模式的匹配算法- 28 -</p><p>　　二、特征匹配算法- 28 -</p><p>　　三、實驗結果- 29 -</p><p>　　本章小結- 30 -</p><p>　　結 論- 31

15、 -</p><p>　　致 謝- 32 -</p><p>　　參考文獻- 33 -</p><p>　　附 錄- 35 -</p><p>　　一、英文原文：- 35 -</p><p>　　二、英文翻譯- 44 -</p><p><b>　　前 言</b&

16、gt;</p><p>　　當今社會，更安全、更方便的身份認證和訪問控制在電子設備和保密機構上的需求變得越來越強烈，傳統(tǒng)的保護措施如機械鑰匙、口令加密碼以及智能卡等的保護措施都存在著各種安全隱患，但是生物識別技術為以上不足提供了一個很好的解決方案。一個人的生物特征是隨身攜帶的，具有唯一和不可復制性，而且安全可靠。指紋識別是諸多人類生物特征識別方法的一種，有學者推論：以全球60億人口算，300年內都不會有兩個相同的

17、指紋出現(xiàn)[2]。因此，指紋被稱為“物證之首”。進入信息時代，生物識別特征識別又一次崛起，以電子商務、電子銀行的安全認證為例，目前在電子商務中，他人假冒當事人上網(wǎng)采購所造成的欺詐案越來越多。如果對當事人的身份能夠被確認，例如通過生物特征識別，就可有效防止此類事件的發(fā)生。另外，網(wǎng)絡、數(shù)據(jù)庫的關鍵文件等的安全控制、帶有機密信息的計算機的登陸認證、銀行ATM、POS終端等的安全認證都離不開安全可靠的生物識別特征。</p><

18、p>　　本文首先對指紋識別的全過程進行介紹，通過指紋識別過程中指紋圖像預處理、指紋圖像特征提取、指紋圖像特征匹配這三個主要階段對指紋圖像處理算法進行研究，然后給出了算法的詳細設計及實驗結果。第一章介紹了指紋識別的概況，包括歷史和研究現(xiàn)狀；第二章對指紋識別系統(tǒng)做了簡介；第三章對指紋圖像處理算法進行詳細分析并出實驗結果。最后討論了本文算法所存在的問題，總體上實現(xiàn)了研究的目的。</p><p>　　第一章 指紋識

19、別概述</p><p>　　第一節(jié) 生物識別技術</p><p>　　生物識別技術是依靠個人不同的生理或行為特征來進行身份驗證的一種解決方案。要把人體的特征用于身份識別，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慣甚至腕關節(jié)的血管脈絡等等。未來的生物識別技術必將無所不在，全民普及。為此，生物識別技術應有以下特性[1

20、]:</p><p>　　1、隨時性，隨時隨地都有或可以進行生物認證;</p><p>　　2、隱蔽性，似無實有的認證，生物個體輕松接受;</p><p>　　3、方便性，即便于使用，產(chǎn)品符合個人的生理和心理習慣；</p><p>　　4、可靠性，采用易于汲取和辨識，由不易流失偽造的生物特征。</p><p>　　由于

21、人體特征具有人體所固有的不可復制的唯一性，這一生物密鑰無法復制，失竊或被遺忘。人類追尋文檔、交易及物品的安全保護的有效性與方便性經(jīng)歷了三個階段的發(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械鑰匙。第二階段是由機械鑰匙發(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與驗證身份。生物識別是當今數(shù)字化生活中最高級別的安全密鑰系統(tǒng)。常見的口令、IC卡、條紋碼、磁卡或鑰匙則存在著丟失、遺忘、復制及被盜用諸

22、多不利因素。因此采用生物”鑰匙，您可以不必攜帶大串的鑰匙，也不用費心去記或更換口令。生物識別的核心在于如何獲取這些生物特征，并將之轉換為數(shù)字信息，存儲于計算機中，利用可靠的匹配算法來完成驗證與識別個人身份。</p><p>　　第二節(jié) 指紋識別的歷史</p><p>　　指紋識別作為可靠的身份認證技術自古以來就被人類發(fā)現(xiàn)并運用，據(jù)考古學家證實：公元前7000年~6000年，指紋作為身份鑒別

23、的工具已經(jīng)在古敘利亞和中國開始應用[2]。在那個時代，一些粘土陶器上留有陶藝匠人的指紋，中國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時已經(jīng)被人們認識和接受。</p><p>　　19世紀初，科學家研究發(fā)現(xiàn)了至今仍然承認的指紋的兩個重要特征，一是兩個不同手指的指紋紋脊的樣式不同，另外一個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

24、個研究成果使得指紋在犯罪事件的鑒別中得以正式應用。20世紀60年代，由于計算機的高速發(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算機來處理指紋。從那時起，自動指紋識別系統(tǒng)AFIS（Auto Fingerprint Identification System）在法律實施方面的研究和應用在世界許多國家展開。</p><p>　　隨著個人計算機、光學掃描這兩項技術的革新，指紋識別技術得到了進一步發(fā)展，計算機

25、代替人力作為指紋提取的工具成為現(xiàn)實，從而使指紋識別在其他領域得以應用。現(xiàn)在，隨著取像設備的引入及其飛速發(fā)展，生物指紋識別技術的逐漸成熟、可靠的比對算法的發(fā)現(xiàn)都為指紋識別技術提供了更廣闊的舞臺。</p><p>　　第三節(jié) 指紋識別研究的現(xiàn)狀</p><p>　　生物識別技術中應用最早、技術最為成熟、價格最為低廉的分支就是指紋識別技術，許多廠商都有各自相對成熟的指紋識別系統(tǒng)。盡管各個廠家都聲

26、稱自己的系統(tǒng)具有相當高識別率，但是他們的實驗都是在自己的指紋庫上做測試，而不是在一個統(tǒng)一的標準指紋庫上進行測試，結果并不具很大的可比性。</p><p>　　影響指紋識別率的因素有很多，例如噪聲、變形等。在提取指紋的過程中，人為因素最容易導致噪聲的產(chǎn)生，例如臟手指、疤痕導致的不同時期、不同季節(jié)間指紋的差異，手指按壓過程中的扭轉、拉伸和按壓力度等因素會使指紋產(chǎn)生變形；機器因素有芯片表面殘留物帶來的噪聲等，這些都會影

27、響指紋錄入的質量，可能使多次錄入的同一手指的指紋不能被指紋識別系統(tǒng)辨識，給指紋識別帶來困難，直接導致識別錯誤。隨著半導體指紋錄入芯片的誕生，指紋識別技術從單一的司法應用擴展到了民用，同時問題也隨之產(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，導致同一指紋的重疊區(qū)域有時會很小。傳統(tǒng)的基于細節(jié)點的指紋識別算法只利用了指紋圖像中一小部分信息，丟失了豐富的結構信息，對于小面積指紋圖像就有可能因為缺乏足夠的信息

28、兒影響識別率。而且細節(jié)提取過程中，由于噪聲的影響，很容易產(chǎn)生虛假細節(jié)點和丟失真正的細節(jié)點，在指紋的受損區(qū)域，這種現(xiàn)象更為突出。另外，由于每個指紋的細節(jié)點數(shù)都不同，導致產(chǎn)生出的特征向量長度不同，不利于快速匹配，特征匹配時，細節(jié)點的相對位置隨指紋的彈性變形而會改變，會影響匹配精度。所以在指紋識別的算法研究</p><p>　　國外有機構在很早之前就開始了對指紋識別的研究，其中最為著名的是FVC(Fingerprint

29、 Verification Competition)是由意大利博洛尼亞大學“生物識別系統(tǒng)實驗室”、美國密歇根州大學“模式識別與圖像處理實驗室”與美國圣何塞州大學“生物識別測試中心”聯(lián)合舉辦的全球指紋識別算法大賽。也是在指紋識別算法方面唯一一個世界性大賽。參加2000年FVC算法大賽的有14家企業(yè)院校，分別來自法國、以色列、新加坡、韓國、立陶宛、荷蘭、瑞士等國。法國的SAGEM SA (France)公司這次比賽中名列第一。</p&

30、gt;<p>　　到了2002年FVC大賽，增至32支隊伍參加算法競賽。參賽的國家也大有增多，有美國、巴西、立陶宛、加拿大、俄羅斯、以色列、德國、法國等在算法研究方面領先的國家參加。還有中國的五個算法參加者，分別是中科院自動所，北大生物識別系統(tǒng)實驗室、兩家企業(yè)（杭州中正、數(shù)字指通）和一位個人（北京石油大學鄧國強）。臺灣的大葉大學也參加了此次比賽。在這次競賽上，美國Bioscryp公司的算法摘取第一。西門子、立陶宛（神網(wǎng)）、

31、法國SAGEM、以及中國的鄧國強算法名列前10名。</p><p>　　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，個人8人。其中中國參賽者有8家，分別是鄧國強、杭州中正、中科院自動所、Li Lijuan（音）、Ji Hui（音）、漢王科技、長沙新通科技和香港Futronic 公司。這次大賽美國的Bioscryp公司、俄羅斯的SONDA，以及中科院自動所都取得不錯的成績。</p

32、><p>　　在國內，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

33、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。總的來說，國內開展了很多研究，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，然后在這個范圍內用指紋特征再進行比對。迄今為止，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

34、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做出了較大貢獻。</p><p>　　第四節(jié) 指紋識別研究的意義</p><p>　　在目前的計算機系統(tǒng)中，指紋識別已經(jīng)被廣泛的應用于多種領域中。例如：指紋識別可以被用于電腦或手機開機登錄的身份確認，企事業(yè)單位中被用于指紋打卡考勤，銀行儲蓄防冒領及通存通兌的加密方法，保險行業(yè)中投保人的身份確認，期貨證券提款人的身份確認

35、，刑偵犯罪案件時被用于指紋比對，醫(yī)療衛(wèi)生系統(tǒng)中醫(yī)療保險人的身份確認等等。</p><p>　　指紋識別技術之所以能夠快速的發(fā)展是因為現(xiàn)代電子集成制造技術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，但因為對指紋的數(shù)據(jù)識別并不是簡單的相等與不相等的問題，所以需要識別的數(shù)據(jù)量卻很大，指紋識別過程實際上需要進行大量運算的模糊匹配算法。由于具備了較小的集成的指紋圖像讀取設備，而更高更快的個人計算機運算

36、速度也為我們提供了將兩個指紋的比對運算運用在微型計算機或單片機上的可能。同時，隨著指紋數(shù)字圖像的匹配算法的可靠性也在不斷提高，指紋識別技術已經(jīng)變得越來越實用，使指紋識別技術更多的出現(xiàn)在我們的身邊。為了進一步的討論如何提高指紋識別技術的可靠性和匹配的速度等，本文研究指紋識別系統(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。</p><p><b>　　本章小結</b>&

37、lt;/p><p>　　本章簡要介紹了指紋識別的歷史和研究現(xiàn)狀，對指紋識別這一技術有了大致的了解。分析了指紋識別技術在當代的應用狀況，并且提出了所要研究的問題——指紋圖像處理算法，最后介紹了指紋識別研究的意義。</p><p>　　第二章 指紋識別系統(tǒng)及算法簡介</p><p>　　第一節(jié) 指紋識別系統(tǒng)的構成</p><p>　　指紋識別系統(tǒng)主要

38、涉及4個功能：指紋圖像預處理、特征提取、保存數(shù)據(jù)和對比，其系統(tǒng)結構如圖2.1所示。</p><p>　　圖2.1 指紋識別系統(tǒng)結構</p><p>　　系統(tǒng)在一開始，通過指紋讀取設備讀取到人體指紋的圖像，讀取到指紋圖像之后，要對原始圖像進行初步的處理，使之更為清晰。</p><p>　　然后，指紋識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產(chǎn)生相同的特征數(shù)

39、據(jù)，這是一種單方向的轉換，可以從指紋轉換成特征數(shù)據(jù)但是不能從特征數(shù)據(jù)轉換成指紋。軟件從指紋上找到被稱為“minutia”的數(shù)據(jù)點，也就是那些指紋紋路的分叉、終止或者圓圈處的坐標位置，這些點同時具有7種以上的唯一特性，因為通常手指上平均具有70個節(jié)點，所以這種方法會產(chǎn)生大約490個數(shù)據(jù)。有的算法把節(jié)點和方向信息組合產(chǎn)生了更多的數(shù)據(jù)，這些方向信息表明了各個節(jié)點之間的關系，也有的算法還處理整幅指紋圖像?？傊@些數(shù)據(jù)通常被稱為模板，保存為1K

40、B大小的記錄。無論它們是怎樣組成的，至今仍然沒有一種統(tǒng)一的標準，也沒有一種公布的抽象算法，各個廠商自行其是。</p><p>　　最后，通過計算機模糊比較的方法，把兩個指紋的模板進行比較，計算出它們的相似程度，最終得到兩個指紋的匹配結果。</p><p>　　第二節(jié) 指紋圖像增強</p><p>　　剛獲得的圖像有很多噪聲，這主要是由于平時的工作和環(huán)境引起的。想得到

41、比較干凈清晰的圖像并不是容易的事情。為達到這個目標需要指紋處理圖像所涉及的操作即設計一個合適、匹配的濾鏡和恰當?shù)拈撝怠?lt;/p><p>　　圖像增強技術就是減弱噪音，增強脊和谷的對比度。圖像增強的方法有很多種，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現(xiàn)。圖像首先分成幾個小區(qū)域，并在每個區(qū)域上計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小區(qū)域上的局部方向。</p

42、><p>　　設計合適的、相匹配的濾鏡，是指適用于圖像上的所有像素，依據(jù)每個像素處脊的局部走向，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方向，它應該增強或匹配脊而不是噪音。</p><p>　　圖像增強，噪音減弱后，準備開始選

43、取一些脊。雖然沒在原始灰階圖像中，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值：脊及其相對的背景。二值操作使一個灰階圖像變成二值圖像，圖像在強度層次上從原始的256色降為2色。圖像二值化后，隨后的處理就會比較容易。</p><p>　　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度入手，而且單一圖像的對照物是變化的，比如手在中心地帶按得比較緊。因此一個叫“局部自

44、適應的閾值（Local Adaptive Threshold）”的方法被用來決定局部圖像強度的閾值。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像素的寬度。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。</p><p>　　第三節(jié) 指紋識別的

45、基本原理</p><p>　　指紋其實是比較復雜的。與人工處理不同，許多生物識別技術公司并不直接存儲指紋的圖像。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（美國有關法律人為，指紋圖像屬于個人隱私，因此不能直接存儲指紋圖像），指紋識別算法最終歸結為在指紋圖像上找到并對比指紋的特征。指紋的特征定義了指紋的兩類特征以進行指紋的驗證：總體特征和局部特征[7]。</p><p><b

46、>　　一、總體特征</b></p><p>　　總特征是指那些用人言直接就可以觀察到的特征，包括以下幾個方面[2]：</p><p><b>　　1、基本紋路圖案</b></p><p>　　基本紋路團包括環(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

47、分辨指紋是遠遠不夠的，這只是一個粗略的分類，但是通過分類使得在大數(shù)據(jù)庫中搜尋指紋更為方便。</p><p>　　環(huán)型弓型螺旋型</p><p>　　圖2.2 環(huán)型、弓型、螺旋型指紋圖像</p><p><b>　　2、模式區(qū)</b></p><p>　　模式區(qū)是指指紋上包括了總體特征的區(qū)域，即從

48、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2.3所示。</p><p><b>　　圖2.3模式區(qū)</b></p><p><b>　　3、核心點</b></p><p>　　核心點位于指紋紋

49、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2.4所示。</p><p><b>　　圖2.4核心點</b></p><p><b>　　4、三角點</b></p><p

50、>　　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2.5所示。</p><p><b>　　圖2.5三角點</b></p><p><b>　　5、紋數(shù)</b></p><p>　　紋數(shù)指模式區(qū)內指紋紋路的數(shù)量。在

51、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2.6所示。</p><p><b>　　圖2.6紋數(shù)</b></p><p><b>　　二、局部特征</b></p><p>　　局部特征是指指紋上的節(jié)點，兩枚指紋經(jīng)常會具有相同的總體特征，但他們的局部特征節(jié)點卻不可能完

52、全相同。節(jié)點（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、分叉點和轉折點就成為特征點，就是這些節(jié)點提供了指紋唯一性的確認信息。指紋上的節(jié)點有四種不同特征[2]。</p><p><b>　　1．分類</b></p><p>　　節(jié)點有一下幾種類型，最典型的是終結點和分叉點：</p><p&

53、gt;　?。?）終結點（Ending）</p><p>　　一條紋路在此終結，如圖2.7所示。</p><p><b>　　圖2.7終結點</b></p><p>　　（2）分叉點（Bifurcation）</p><p>　　一條紋路在此分開成兩條或更多的紋路，如圖2.8所示。</p><p>

54、<b>　　圖2.8分叉點</b></p><p>　　（3）分歧點（Ridge Divergence）</p><p>　　兩條平行的紋路在此分開，如圖2.9所示。</p><p><b>　　圖2.9分歧點</b></p><p>　?。?）孤立點（Dot or Island）</p>

55、;<p>　　一條特別短的紋路，以至于成為一點，如圖2.10所示。</p><p><b>　　圖2.10孤立點</b></p><p>　　（5）環(huán)點（Enclosure）</p><p>　　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2.11所示。</p><p>&

56、lt;b>　　圖2.11環(huán)點</b></p><p>　　（6）短紋（Short Ridge）</p><p>　　一端較短但不至于成為一點的紋路，如圖2.12所示。</p><p><b>　　圖2.13短紋</b></p><p>　　2．方向（Orientation）</p><

57、;p>　　節(jié)點可以朝著一定的方向。</p><p>　　3．曲率（Curvature）</p><p>　　描述紋路方向改變的速度。</p><p>　　4．位置（Position）</p><p>　　節(jié)點的位置通過(x,y)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。</p><p>　　第四節(jié)

58、 指紋識別的一般算法</p><p>　　指紋圖像處理的算法研究包括指紋圖像預處理、特征提取和特征匹配三個主要階段。</p><p><b>　　一、指紋圖像預處理</b></p><p>　　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

59、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、圖像增強、二值化和細化。</p><p>　　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

60、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。</p><p>　　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增強，即濾波去噪，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。</p><p>　　再次，圖像經(jīng)濾波處理后，

61、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做準備。</p><p>　　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

62、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不變。</p><p><b>　　二、特征提取</b></p><p>　　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

63、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

64、，同時濾除由各種原因造成的虛假特征。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。</p><p><b>　　三、特征匹配</b></p><p>　　特

65、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

66、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。</p><p>　　第五節(jié) 指紋識別算法的性能指標</p><p>　　在自動指紋識別系統(tǒng)中，由于計算機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算誤差，因此任何一個指紋識別算法都不是100%的精確匹配，其結果也有可能存在誤差或錯誤，即指紋識別算法并不是 100%的可靠。因此需要一定的指標來衡量識別算法的好壞

67、，通常評估一個指紋識別算法的性能指標主要包括[2]：</p><p>　　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，通常用來描述設備的適用性；</p><p>　　拒識率（False Rejection Rate, FRR），指將相同指紋誤認為不同指紋而</p><p>　　加以拒絕的出錯概

68、率，即錯誤拒絕的比率，反映好用性；</p><p>　　誤識率（False Acceptance Rate, FAR），指不同指紋認為是相同指紋而</p><p>　　加以接受的錯誤率，即錯誤接受的比率，反映安全性；</p><p>　　相等錯誤率（Equal Error Rate, EER），F(xiàn)RR 和 FAR 相等時的值；</p><p>

69、;　　速度 (SPEED)，通常指每秒鐘算法運行的次數(shù)；</p><p>　　空間 (SPACE)，算法運行所需要的代碼空間和數(shù)據(jù)空間。</p><p>　　表 2.1 中是各種產(chǎn)品的網(wǎng)上發(fā)布數(shù)據(jù)對比，可以看出，后者的錯誤率比前者要高一些。由于 FRR 和 FAR 是相互矛盾的，這就使得在應用系統(tǒng)的設計中，要權衡易用性和安全性。一個有效的辦法是比對兩個或更多的指紋，從而在不損失易用性的同時

70、，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的地方，這使得指紋識別算法研究還在繼續(xù)。</p><p>　　表2.1網(wǎng)上公布一些指紋識別系統(tǒng)的性能</p><p>　　當然有許多因素會影響指紋數(shù)字圖像識別的效果，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，拉伸和按壓力度等因素會使指紋數(shù)字圖像產(chǎn)生

71、變形，這些都會影響指紋數(shù)字圖像質量，因此多次錄入的同一手指的指紋數(shù)字圖像可能不會被識別，這樣直接導致辨別錯誤，或者說給指紋識別帶來了更大的難度。</p><p><b>　　本章小結</b></p><p>　　本章對指紋識別系統(tǒng)和指紋識別算法做了簡介，指紋識別系統(tǒng)包括指紋圖像預處理、特征提取、保存數(shù)據(jù)和對比四個主要步驟。同時，通過指紋圖像增強和指紋特征對指紋識別的基

72、本原理做了介紹。最后，對指紋識別算法中圖像預處理、特征提取、特征匹配做了概述，初步全面了解了指紋識別系統(tǒng)和識別算法，為以后的工作打好了基礎。</p><p>　　第三章 指紋圖像處理算法詳細設計及實現(xiàn)</p><p>　　第一節(jié) 指紋圖像預處理</p><p>　　一、指紋圖像預處理概述</p><p>　　對于指紋圖像的預處理，已有很多學者

73、作了大量的研究，對指紋圖像的分割、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為部分圖像區(qū)域不可靠而導致偽特征的產(chǎn)生。圖像增強包括兩個部分，首先是對原始圖像時模糊但有可能恢復的部分進行增強，人后再對整幅圖像濾波，消除指紋脊線間的斷裂和粘連。圖像二值化是提取經(jīng)增強處理的指紋圖像的脊線，用“1”表示

74、脊線上的點，“0”表示背景和谷線，從而把原始灰度圖像轉換為二值圖像。圖像細化是進一步吧二值指紋脊線細化為單像素寬度的骨架線，這是為了方便以后的特征提取。</p><p>　　圖3.1 指紋圖像預處理過程</p><p>　　二、指紋圖像分割及增強</p><p>　　指紋圖像分割通常位于預處理的前端，其目的是把指紋圖像中質量很差、在后續(xù)處理中很難恢復的區(qū)域與有效區(qū)域

75、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處理的時間，因此是指紋圖像處理中的重要組成部分。</p><p>　　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將各個區(qū)域歸一化，其中M0和V0是預置的均值和方差（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)為歸一化前后圖像內置位置為（i,j）像素的灰度。</p&

76、gt;<p><b>　?。?.1）</b></p><p>　　如果，則把灰度值歸一化為255背景處理。</p><p>　　對指紋圖像進行分塊，將其分為8×8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)

77、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。</p><p>　　圖像增強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)域的質量，以保證后續(xù)處理的可靠性。對于指紋圖像增強，已有很多學者進行了研究，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，設計各種具有方向性的濾波器。但實際上，即時是同一幅指紋圖像，脊線的寬度和差異都有可能很大，為了適應不同的頻率，濾波器的頻率也需不斷變化，同時。指紋脊

78、線方向的估計也并不是完全可靠，即時圖像質量得到了一定改善，但卻大大增加了計算的復雜度，本文使用的算法是Anil Jain提出的算法，首先歸一化，然后計算方向圖，計算頻率，計算區(qū)域掩碼，最后濾波[10]。</p><p><b>　　三、指紋圖像二值化</b></p><p>　　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處理過程的一

79、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)原指紋。具體要求為：</p

80、><p><b>　　脊線中不出現(xiàn)空白；</b></p><p>　　二值化后的脊線基本保持原來指紋的特征；</p><p>　　指紋的紋線不應有太多的間斷和相連；</p><p>　　指紋紋線間的間距應大致相同。</p><p>　　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

81、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大于該閾值的像素點數(shù)等于小于該閾值的像素點數(shù)。</p><p>　　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。</p><p><b>　　（3.2）&l

82、t;/b></p><p>　　自適應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整閾值[8]。本文首先把圖像分為若干個ω×ω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整，即閾

83、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0－1之間的轉換次數(shù)最少。下面為塊區(qū)域閾值的選取算法：</p><p>　　將指紋圖像劃分為不重疊的大小為ω×ω的塊，求取該區(qū)域內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8×8；T為塊的灰度平均值．見公式3.3</p><p><b>　　

84、(3.3)</b></p><p>　　計算區(qū)域內的Nh和Nl的值，Nh=灰度值大于等于T的像素點的個數(shù)。Nl=灰度值小于T的像素點的個數(shù)；</p><p><b>　　如果，則T為閾值；</b></p><p>　　若Nh>Nl則T=T+1，否則T=T-1，返回第二步。</p><p>　　自適應閾值

85、二值化的流程圖如圖3.2所示：</p><p>　　圖3.2自適應閾值二值化流程圖</p><p>　　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的像素點數(shù)，，是分塊尺寸（像素）。</p><p><b>　　四、指紋圖像細化</b></p><p>　　細化就

86、是將二值化圖像變化為單像素寬度的骨架圖像。圖像細化算法的種類很多，細化的方法不同，細化的結果就有差異。在指紋識別中要求在不改變原來指紋圖像的拓撲連通性的同時,細化的結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、拓撲性、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

87、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3×3,5×5等)的圖像特征對其進行處理，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[9]。從處理的過程來看，主要可以分為串行和并行兩類，前者對圖像中當前像素處理依據(jù)其鄰域內像素的即時化結果，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各像素的前一輪迭代處理的

88、結果，自始至終采用相同的細化準則。</p><p>　　對于任意形狀的區(qū)域，細化實質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。</p><p>　　(1) (2) (3) (4)</p><p>　　(5) (6) (7)</p><p

89、>　　圖3.3根據(jù)某點的八個相鄰點的情況來判斷該點是否能刪除</p><p>　　圖3.3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：(1)不能刪，因為它是個內部點，我們要求的是骨架，如果連內部點也刪了，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

90、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[8]。總結上圖，有如下的判據(jù)：</p><p><b>　　內部點不能刪除；</b></p><p><b>　　孤立點不能刪除；</b></p><p><b>　　直線端點不能刪除；</b&g

91、t;</p><p>　　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。</p><p>　　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

92、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，只將那些消除后并不破壞連通性的點消除，否則

93、的話保留這些邊界點。以上的步驟是在一個3×3鄰域內運算，可以通過查表實現(xiàn)細化的操作。算法的實現(xiàn)步驟如下：</p><p>　　定義一個3×3模板和一個查找表，模板和查找表分別如表3.1和圖3.4所示：</p><p><b>　　表3.1 細化模板</b></p><p>　　erase table[256]={0，0，1，

94、1，0，0，1，1，1，1，0，1，1，1，0，1，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，1，0，0，1，1，0，0，1，1，1，1，0，1，1，1，0，1，1，1，0，0，1，1，1，1，0，0，0，0，0，0，0，1，1，1，0，0，1，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，1，0，0，1，1，0，0，1，1，0，1，1，1，0，1，0，

95、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，

96、0，1，1，0，0，1，1，0，0，1，1，0，1，1，1，0，0，1，</p><p><b>　　圖3.4細化查找表</b></p><p>　　對二值圖像從上到下、從左到右進行掃描；該過程結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

97、有任意一個為“255”則轉至步驟，否則回轉到步驟； 該像素點為中心的3×3區(qū)域內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； 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設為“255”，如果為“0”，則該像素點的灰度值為“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，則跳轉至步驟二，開始新的一輪掃描。否則圖像細化結束。</p>

98、<p>　　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。</p><p><b>　　五、實驗結果</b></p><p>　　原始圖像（a－１） 原始圖像（b－１）</p><p>　　圖3.5 原始圖像</p><p>　　分割圖像（a－２）

99、 分割圖像（b－２）</p><p>　　圖3.6 分割后的圖像</p><p>　　二值化圖像（a－３） 二值化圖像（b－３）</p><p>　　圖3.7二值化后的圖像</p><p>　　細化圖像（a－４） 細化圖像（b－４）</p>

100、<p>　　圖3.8細化后的圖像</p><p>　　第二節(jié) 指紋圖像特征提取</p><p>　　一、指紋圖像特征提取的方法</p><p>　　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)跟蹤結果尋找特征的位置和判斷特征的類型。這種方法省去了復

101、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3×3的模板就可以將端點和分叉點提取出來。</p><p>　　特征點提取的好壞將直接影響匹配的結果?，F(xiàn)實中，指紋輸入時，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

102、斷紋、褶皺、模糊、灰度不均勻等質量問題，雖然經(jīng)過預處理，圖像質量會有所改觀，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

103、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。</p><p><b>　　二、特征點提取</b>&

104、lt;/p><p>　　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。</p><p>　　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。 </p><p>　　對于細化圖像而言，像素點的灰度值只有兩種情況

105、（即0或1）“0”為背景點灰度，“1”為紋線點灰度。對于細化圖像上的任意點P，其交叉數(shù)定義見式3.4，P點的八鄰域黑點數(shù)定義見式3.5：</p><p><b>　?。?.4）</b></p><p><b>　　（3.5）</b></p><p><b>　　具體算法如下：</b></p>

106、;<p>　　從端點出發(fā)，端點的八鄰域只有一個黑點,該點就是脊線跟蹤的下一點；</p><p>　　對脊線中間連續(xù)點，因為八鄰域只有兩個黑點,除去上一個被跟蹤的點，下的一點即為下一個待跟蹤點；</p><p>　　設集合，記錄下端點或分叉點的橫坐標，縱坐標，及特征點的類型是特征點的角度跟蹤結束條件。若被跟蹤點的八鄰域黑點數(shù)等于1且交叉數(shù)等于2時如下式3.6，則認為是端點；若被

107、跟蹤點的八鄰域黑點數(shù)等于3且交叉數(shù)等于6時如下式3.7，則認為是分叉點；端點的角度取從端點為起點的端線的角度，分叉點的角度取相對最小分支的角度。端線及分支線的角度求法為：即從一個特征的位置出發(fā)坐標為搜索到步長為7是最后一點坐標為（x,y）。見式3.8：</p><p><b>　?。?.6）</b></p><p><b>　?。?.7）</b>

108、</p><p><b>　?。?.8）</b></p><p>　　求出特征點后，再根據(jù)平均紋線距離等信息對所得特征點進行有效性檢驗，去除偽特征點，保留真特征點。然后以特征點的坐標(x,y)，及特征點的方向d，結合其鄰域情況(鄰域內的特征點數(shù)、相對位置、脊線上特征點所處位置的紋曲率、特征點鄰域內的脊線紋密度等等)，可以構成該指紋細節(jié)特征點的特征向量。將所有的特征向量

109、進行篩選后留下50到80個特征向量，構成指紋特征模板。</p><p>　　三、指紋圖像特征的去偽</p><p>　　由于手指的磨損、汗?jié)n、傳感器的噪聲等因素的影響，指紋細節(jié)點特征信息提取過程可能會產(chǎn)生以下錯誤：</p><p>　　1、產(chǎn)生大量的虛假細節(jié)點</p><p>　　即把不是細節(jié)點的地方判定為細節(jié)點，如將紋線斷裂處判定為兩個端點