畢業(yè)論文——基于神經(jīng)網(wǎng)絡(luò)的指紋識別

1、湖 南 科 技 大 學(xué)畢 業(yè) 設(shè) 計（ 論 文 ）題目基于神經(jīng)網(wǎng)絡(luò)的指紋識別系統(tǒng)研究作者顏金偉學(xué)院專業(yè)學(xué)號指導(dǎo)教師二 年 月 日湖 南 科 技 大 學(xué)畢業(yè)設(shè)計（論文）任務(wù)書 院 系（教研室）系（教研室）主任: （簽名） 年 月 日學(xué)生姓名: 學(xué)號: 專業(yè): 1 設(shè)計（論文）題目及專題： 2 學(xué)生設(shè)計（論文）時間：自 年 月 日開始至 年 月 日止3 設(shè)計（論文）所用資源和參考資料：4 設(shè)計（論文）應(yīng)完成的主要內(nèi)容：5 提交設(shè)計（論文）形式（設(shè)計說明與圖紙或論文等）及要求：6 發(fā)題時間： 年 月 日指導(dǎo)教師： 學(xué) 生： 湖 南 科 技 大 學(xué)畢業(yè)設(shè)計（論文）指導(dǎo)人評語指導(dǎo)人： 年 月 日 指導(dǎo)人

2、評定成績： 湖 南 科 技 大 學(xué)畢業(yè)設(shè)計（論文）評閱人評語評閱人： （簽名）年 月 日 評閱人評定成績： 湖 南 科 技 大 學(xué)畢業(yè)設(shè)計（論文）答辯記錄日期： 學(xué)生： 學(xué)號： 班級： 題目： 提交畢業(yè)設(shè)計（論文）答辯委員會下列材料：1 設(shè)計（論文）說明書共頁2 設(shè)計（論文）圖 紙共頁3 指導(dǎo)人、評閱人評語共頁畢業(yè)設(shè)計（論文）答辯委員會評語：答辯委員會主任： 委員： 答辯成績： 總評成績： 摘 要隨著信息技術(shù)的和網(wǎng)絡(luò)技術(shù)的發(fā)展，信息安全越來越引起人們的重視。為了保護，自身的信息、財產(chǎn)、以及資料安全，很多場合和設(shè)備都需要對來訪者和使用者進行身份驗證。指紋識別由于具有唯一性、可靠性，基于指紋識別的

3、技術(shù)的身份識別系統(tǒng)以其獨特的技術(shù)優(yōu)勢和成本優(yōu)勢廣泛的應(yīng)用于個領(lǐng)域。目前指紋匹配系統(tǒng)的主要問題存于這幾個方面：在系統(tǒng)采集的指紋圖像易受噪聲和皮膚彈性等因素影響；特征匹配的效率較低；容易受偽特征點的影響；對模糊和有一定位移、旋轉(zhuǎn)的圖像無法準確識別等。本文將神經(jīng)網(wǎng)絡(luò)技術(shù)與模式識別技術(shù)相結(jié)合，提出一種對解決指紋識別技術(shù)中的問題切實有效的解決辦法。概括起來，本文主要對指紋識別系統(tǒng)的以下幾個方面進行了深入研究。本文給出了用matlab對指紋圖像的處理算法以及處理結(jié)果。主要使用了，圖像的頻域增強，自適應(yīng)閥值二值化和指紋的細化。實驗顯示，matlab實現(xiàn)的處理結(jié)果比較理想，滿足識別的應(yīng)用性。在指紋的特征點提取

4、技術(shù)研究中，本文采用了全局的一個指紋走向特征和局部的細節(jié)特征點作為神經(jīng)網(wǎng)絡(luò)識別的特征，從而達到準確識別指紋圖像的目的。在指紋的識別方法中，本文使用了一種基于bp神經(jīng)網(wǎng)絡(luò)的指紋識別算法，使用神經(jīng)網(wǎng)絡(luò)的識別，能有效的提高指紋識別的魯棒性。關(guān)鍵詞：bp神經(jīng)網(wǎng)絡(luò)；指紋圖像預(yù)處理；指紋特征提??；偽指紋特征處理abstractwith the development of information technology and network technology, more and more people pay attention to information security. in order to

5、 protect their own information, property, as well as data security, on many occasions and equipment needs of visitors and user authentication. fingerprint recognition due to unique, reliability, identification systems based on fingerprint recognition technology with its unique technical advantages a

6、nd cost advantages of a wide range of applied field.fingerprint matching system stored in these aspects: the fingerprint image acquisition by the system is susceptible to noise and skin elasticity and other factors; less efficient feature matching; vulnerable to the impact of false feature points; b

7、lur and a certain displacement, the rotation of the image can not accurately identify. neural network and pattern recognition technology is presented by combining an effective solution to solve the problem in fingerprint recognition technology. to sum up, this article is mainly on the following aspe

8、cts of the fingerprint identification system in-depth study.in this paper, using matlab fingerprint image processing algorithms and processing results. mainly spent, in the frequency domain of the image enhancement, adaptive threshold binarization and thinning of the fingerprint. the experiments sho

9、wed that the matlab achieve results, to meet the identified application.fingerprint feature point extraction technology research, this paper uses a fingerprint of the global trend features and local minutiae as the neural network to identify the characteristics, so as to achieve the purpose of accur

10、ate identification of the fingerprint image.fingerprint identification method, the use of a fingerprint recognition algorithm based on bp neural network, neural network identification, can effectively improve the robustness of fingerprint identification.keywords: bp neural network; fingerprint image

11、 preprocessing; fingerprint feature extraction; pseudo fingerprint feature processing目 錄摘 要iabstractii第一章 緒 論- 1 -1.1 生物識別技術(shù)簡介- 1 -1.2 指紋識別技術(shù)簡介- 2 -1.3 神經(jīng)網(wǎng)絡(luò)技術(shù)簡介- 3 -1.4 本文的主要工作- 4 -第二章 指紋圖像的預(yù)處理及其實現(xiàn)- 5 -2.1 指紋的概述- 5 -2.1.1 指紋的形成- 5 -2.1.2 指紋的特性- 5 -2.1.3 指紋識別的基本原理- 6 -2.1.4 指紋的采集技術(shù)- 9 -2.2 圖像頻域增強- 11

12、 -2.2.1 圖像頻域增強簡介- 11 -2.2.2 圖像頻域增強的基本步驟- 11 -2.3 圖像的二值化- 12 -2.3.1 圖像二值化算法- 12 -2.3.2 二值化算法的matlab的仿真- 13 -2.4 指紋圖像的細化- 14 -2.4.1 指紋圖像的細化算法- 14 -2.4.2 細化算法的matlab仿真- 14 -第三章 指紋特征的提取- 15 -3.1指紋圖像特征點的提取- 15 -3.1.1 基于灰度圖像的直接提取法- 15 -3.1.2 基于細化圖像的鄰域法- 15 -3.1.3 兩種算法的比較- 16 -3.2 偽特征點的剔除- 17 -3.2.1.偽特征點分類

13、及特點- 17 -3.2.2 偽特征點剔除算法- 18 -3.3 本章小節(jié)- 19 -第四章 基于bp神經(jīng)網(wǎng)絡(luò)的指紋的識別- 20 -4.1 bp神經(jīng)網(wǎng)絡(luò)及其原理- 20 -4.1.1 bp神經(jīng)網(wǎng)絡(luò)簡介- 20 -4.1.2 bp神經(jīng)網(wǎng)絡(luò)的特點- 21 -4.1.3 bp神經(jīng)網(wǎng)絡(luò)的主要功能- 21 -4.2 bp網(wǎng)絡(luò)輸入向量構(gòu)建- 22 -4.2.1 基于紋路整體走向的總體特征提取- 22 -4.2.2 基于端點和分支點統(tǒng)計特性的局部特征提取- 23 -4.3 用自適應(yīng)步長的bp網(wǎng)絡(luò)進行指紋識別- 23 -4.4 實驗結(jié)果- 24 -第五章 總結(jié)與展望- 26 -5.1 總結(jié)- 26 -5.2

14、 展望- 26 -致 謝- 27 -參 考 文 獻- 28 -第一章 緒 論1.1 生物識別技術(shù)簡介 已經(jīng)有許多的生物識別技術(shù)，如指紋識別，掌形識別，虹膜識別，視網(wǎng)膜識別，面部識別，簽名識別，語音識別，但部分技術(shù)含量高的生物特征識別方法仍處于實驗階段。隨著科學(xué)技術(shù)的飛速進步，將會有更多更多的生物識別技術(shù)應(yīng)用到現(xiàn)實生活。傳統(tǒng)的識別方法，包括身份的物品（如鑰匙，id，atm卡等）和身份（如用戶名和密碼）的知識，但主要是通過在體外材料鑒定項目，一旦身份證明和鑒定被盜或遺忘的知識其身份被假冒或替換。生物識別技術(shù)比傳統(tǒng)的識別方法，保密和方便更安全。不容易被遺忘的生物特征識別技術(shù)，安全功能，難以偽造或被盜

15、，便攜式攜帶，可隨時，隨地，等等。人的特點是人體固有的不可復(fù)制的只有這一生物密鑰無法復(fù)制，失竊或被遺忘，利用生物識別技術(shù)進行身份確認，安全，可靠和準確的。普通的密碼，ic卡，條碼，磁卡或鑰匙丟失，遺忘，復(fù)制和未經(jīng)授權(quán)使用的諸多不利因素。因此，采用生物“鑰匙”，你不必攜帶大串鑰匙，不用費心記憶或變更密碼。系統(tǒng)管理員不必忘記密碼無奈。生物識別技術(shù)產(chǎn)品均借助于現(xiàn)代計算機技術(shù)實現(xiàn)，很容易與計算機安全，監(jiān)控，管理系統(tǒng)和自動化管理。生物識別技術(shù)可廣泛應(yīng)用于政府，軍隊，銀行，社會福利和安全，電子商務(wù)，安全和國防。例如，儲戶到銀行，他既不用銀行卡，還有的是沒有記住你的密碼直取款時，他的自動柜員機提款，一個視頻

16、攝像頭掃描用戶的眼睛，然后迅速而準確地完成用戶的認證結(jié)束業(yè)務(wù)，這是實拍島，得克薩斯州，美國聯(lián)合銀行的銷售部門。該業(yè)務(wù)部門是現(xiàn)代生物識別技術(shù)虹膜識別系統(tǒng)。 “有幾種方法來實現(xiàn)指紋識別。其中有一些遵循傳統(tǒng)的公安部門所使用的方法，以局部細節(jié)，比較指紋，有的直接通過所有的特點，確定一些獨特的方法，如指紋波紋邊緣模式和超聲波。有些設(shè)備可以實時測量的指紋，而別人做不到的。在所有生物識別技術(shù)中，指紋識別是目前使用最廣泛的指紋識別更適合室內(nèi)安防系統(tǒng)，因為可以有足夠的教育和培訓(xùn)，并為用戶提供系統(tǒng)運行環(huán)境是可控的條件。由于其相對較低的價格，較小的體積（可以很容易地集成到鍵盤），且易于集成，使工作站的安全訪問在幾乎

17、所有的應(yīng)用指紋識別系統(tǒng)。1.2 指紋識別技術(shù)簡介指紋識別是基于生物特征識別的一種，具有所有生物識別的共性。用于個人身份識別的生物識別技術(shù)中指紋特征是第一個被發(fā)現(xiàn)和應(yīng)用，因此，長期與其他識別技術(shù)相比，指紋識別的歷史更加悠久。指紋識別技術(shù)是目前最成熟且價格便宜的生物特征識別技術(shù)。目前來說指紋識別的技術(shù)應(yīng)用最為廣泛，我們不僅在門禁、考勤系統(tǒng)中可以看到指紋識別技術(shù)的身影，市場上有了更多指紋識別的應(yīng)用：如筆記本電腦、手機、汽車、銀行支付都可應(yīng)用指紋識別的技術(shù)。指紋識別的主要步驟如圖1.2.1： 圖1.2.1 指紋識別的一般步驟總的來說，指紋識別的原理包括指紋采集原理、指紋圖像處理原理、指紋特征提取原理和

18、指紋特征匹配原理四大部分。 （1）指紋采集的過程本質(zhì)上是指紋成像的過程。其原理是根據(jù)嵴與峪的幾何特性、物理特征和生物特性的不同，以得到不同的反饋信號，根據(jù)反饋信號的量值來繪成指紋圖像。（2）指紋圖像處理的過程 就是對指紋采集中濕法和干法，老化，損壞的指紋進型處理的到清晰的圖像以擬補對指紋圖的質(zhì)量缺陷，確保處理后的指紋的對處理算法具有良好的魯棒性。在圖像處理中一般由規(guī)格化、方向圖的就算、濾波幾個方面組成。（3）指紋的特征提取主要是提取指紋圖像中總體特征點信息和局部特征點信息，并去除應(yīng)為圖像采集過程中產(chǎn)生的一些偽特征點。（4）指紋特征匹配的過程就是，對當(dāng)前輸入指紋圖像的經(jīng)過前面所述3步產(chǎn)生的特征數(shù)

19、據(jù)與數(shù)據(jù)庫內(nèi)的信息進行比較以驗證是否屬于同一個指紋圖像。本文中的匹配算法采用了神經(jīng)網(wǎng)絡(luò)的bp網(wǎng)絡(luò)進行識別，大大提高了識別的魯棒性。1.3 神經(jīng)網(wǎng)絡(luò)技術(shù)簡介人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，縮寫ann），簡稱神經(jīng)網(wǎng)絡(luò)（neural network，縮寫nn），是一種模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能的數(shù)學(xué)模型或計算模型。神經(jīng)網(wǎng)絡(luò)由大量的人工神經(jīng)元聯(lián)結(jié)進行計算。大多數(shù)情況下人工神經(jīng)網(wǎng)絡(luò)能在外界信息的基礎(chǔ)上改變內(nèi)部結(jié)構(gòu)，是一種自適應(yīng)系統(tǒng)?，F(xiàn)代神經(jīng)網(wǎng)絡(luò)是一種非線性統(tǒng)計性數(shù)據(jù)建模工具，常用來對輸入和輸出間復(fù)雜的關(guān)系進行建模，或用來探索數(shù)據(jù)的模式。神經(jīng)網(wǎng)絡(luò)是一種運算模型，由大量的

20、節(jié)點（或稱“神經(jīng)元”，或“單元”，見圖1.3.1）和之間相互聯(lián)接構(gòu)成。每個節(jié)點代表一種特定的輸出函數(shù)，稱為激勵函數(shù)（activation function）。每兩個節(jié)點間的連接都代表一個對于通過該連接信號的加權(quán)值，稱之為權(quán)重（weight），這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。網(wǎng)絡(luò)的輸出則依網(wǎng)絡(luò)的連接方式，權(quán)重值和激勵函數(shù)的不同而不同。而網(wǎng)絡(luò)自身通常都是對自然界某種算法或者函數(shù)的逼近，也可能是對一種邏輯策略的表達。它的構(gòu)筑理念是受到生物（人或其他動物）神經(jīng)網(wǎng)絡(luò)功能的運作啟發(fā)而產(chǎn)生的。人工神經(jīng)網(wǎng)絡(luò)通常是通過一個基于數(shù)學(xué)統(tǒng)計學(xué)類型的學(xué)習(xí)方法（learning method）得以優(yōu)化，所以人工神經(jīng)網(wǎng)絡(luò)也是數(shù)

21、學(xué)統(tǒng)計學(xué)方法的一種實際應(yīng)用，通過統(tǒng)計學(xué)的標(biāo)準數(shù)學(xué)方法我們能夠得到大量的可以用函數(shù)來表達的局部結(jié)構(gòu)空間，另一方面在人工智能學(xué)的人工感知領(lǐng)域，我們通過數(shù)學(xué)統(tǒng)計學(xué)的應(yīng)用可以來做人工感知方面的決定問題(也就是說通過統(tǒng)計學(xué)的方法，人工神經(jīng)網(wǎng)絡(luò)能夠類似人一樣具有簡單的決定能力和簡單的判斷能力)，這種方法比起正式的邏輯學(xué)推理演算更具有優(yōu)勢。人工神經(jīng)網(wǎng)絡(luò)具有四個基本特征：非線性、非局限性、非常定性和非凸性。神經(jīng)網(wǎng)絡(luò)有以下幾個突出優(yōu)點： （1）可以充分逼近任意復(fù)雜的非線性關(guān)系； (2)采用并行分布處理方法，使得快速進行大量運算成為可能； (3)所有定量或定性的信息都等勢分布貯存于網(wǎng)絡(luò)內(nèi)的各神經(jīng)元，故有很強的魯棒

22、性和容錯性； (4) 能夠同時處理定量、定性知識。 (5)可學(xué)習(xí)和自適應(yīng)不知道或不確定的系統(tǒng)； 圖1.3.1 神經(jīng)元示意圖 1.4 本文的主要工作 本文的主要任務(wù)是結(jié)合神經(jīng)網(wǎng)絡(luò)技術(shù)對指紋識別系統(tǒng)進行設(shè)計和基于matlab平臺上的一個仿真。主要工作包括：對指紋圖像的預(yù)處理，然后進行指紋特征的提取和偽特征的去除，提取出適合神經(jīng)網(wǎng)絡(luò)識別的特征數(shù)據(jù)，最后用基于神經(jīng)網(wǎng)絡(luò)的方法完成對指紋的識別。第2章 指紋圖像的預(yù)處理及其實現(xiàn)2.1 指紋的概述2.1.1 指紋的形成我們可以看看自己，人體的表面各處布滿了毛細孔和毛發(fā)，但是在手掌及腳掌的地方卻沒有這些構(gòu)造。然而在我們手指和腳趾的第一節(jié)內(nèi)面有特殊的凸起紋路，有

23、著各種不同的形狀，這些紋路會產(chǎn)生分泌物，由指端脊紋排泄出來，所以當(dāng)我們接觸到物體時，在物體的表面就會留下這些紋路的痕跡，這就是我們?nèi)〉弥讣y的來源。2.1.2 指紋的特性 指紋的形狀千變?nèi)f化，之所以指紋會成為現(xiàn)代科學(xué)鑒別的工具，是因為指紋有著特殊的性質(zhì)，介紹如下:（1）指紋因人而異到目前為止，世界上沒有找到過有兩個指紋相同的人，即使是雙胞胎，他們的指紋紋路雖然會非常相似，但是比對其細節(jié)的部分還是會有很大的不同。十八世紀以前，有些學(xué)者認為地球上幾十億的人口，總會找到有指紋相同的人，所以對這種認證的方式感到懷疑，但是后來檢查世界各國的指紋資料庫，在所有的指紋卡上實在找不出兩個完全指紋相同的指紋，這才

24、確立了指紋有因人而異的特性。有人曾以電腦來計算，結(jié)論是要到四十二位數(shù)時，才可能用指紋相同的人，所以說，這在地球上是不太可能會發(fā)生了，就真得有指紋相同的人，他們也不太可能生存在同一個世紀。（2）指紋永久不變?nèi)嗽谀阁w內(nèi)四個月時，指紋就以經(jīng)全部形成，會隨著個人的發(fā)育而成長，然而紋路及形狀從出生到老死都不會有改變，為了證實這個特點，十九世紀末，有一位德國人類學(xué)家威爾氏及英國學(xué)者賀須爾氏，都先后留下指紋，經(jīng)過二十年后再來進行比對，結(jié)果幾乎不受時間的影響而改變。由此永久不變的特性，是指紋驗證被采用的原因之一。（3）觸物痕跡 指紋每條紋路的凸紋上都布滿了汗腺，隨時都不斷的在分泌汗液，這些分泌除了水分之外，還

25、有脂肪、蛋白質(zhì)、尿素及其它有機混合物，特性是黏性特別強，揮發(fā)性慢，可以在物體上保留很長的時間。值得一提的是，人體在精神亢奮時，汗腺排泄的分泌液會特別多，如犯罪者在作案時，幾乎是凡觸摸過必留下痕跡。（4）損而復(fù)生人體的皮膚組織具再生的能力，而手指皮膚的再生能力比起其它的部位又特別的強，指紋的成形根于皮膚組織真皮層的根部，假設(shè)是在火傷，外科手術(shù)等等的情況下，會造成指紋一時間的無法辨識，但是經(jīng)過一段時間后，指紋的紋路便會自動恢復(fù)到原有的樣子，絲毫不會改變。除非真的受到非常深的創(chuàng)傷，組織受到完全的破壞，才有可能留下永久的疤痕。2.1.3 指紋識別的基本原理指紋的圖像是復(fù)雜的，生物識別技術(shù)公司并不直接存

26、儲指紋圖像。經(jīng)過長時間的發(fā)展和研究，在各個公司及其研究機構(gòu)都產(chǎn)生了許多的數(shù)字算法（美國有關(guān)法律認為，指紋圖像屬于個人隱私，因此不能直接存儲指紋圖像）。指紋識別算法最終都歸結(jié)為指紋圖像和指紋的特征值的識別匹對。我國目前所采用的指紋制度和世界各國統(tǒng)一標(biāo)準一致，使用的是英國學(xué)者erhenry的現(xiàn)代指紋法，即henry system分類整理法，將指紋分為二部八類，henry并確認了若指紋上有13個特征點重合，即可確認為本人。指紋的特征可分總體特征和局部特征：（1） 總體特征總體特征就是那些可以直接用人眼進行觀察和鑒別的特征，包括基本紋路圖案環(huán)型（loop），弓型(arch)，螺旋型(whorl) 如圖

27、2.1.1所示。其他的指紋圖案都基于這三種基本圖案。圖2.1.1 環(huán)型、弓型、螺旋型指紋圖像 模式區(qū)即指紋上包括了總體特征的區(qū)域，從此區(qū)域就能夠分辨出指紋是屬于哪一種類型的。有的指紋識別算法只使用模式區(qū)的數(shù)據(jù)，有的則使用所取得的完整指紋（securetouch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）。圖2.1.2模式區(qū)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）如圖2.1.3所示。圖2.1.3核心點

28、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，如圖2.1.4所示。圖2.1.4三角點指紋模式區(qū)內(nèi)指紋紋路的數(shù)量。在計算指紋的紋數(shù)時，一般先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2.1.5所示。圖2.1.5 紋數(shù)（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)常會具有相同的總體特征，但它們的局部特征一特征點，卻不可能完全相同。指紋的紋路不是一直連續(xù)、平滑筆直的，紋路很多時候都會出現(xiàn)中斷、分支或者折返。這些端點、分支點和轉(zhuǎn)

29、折點就被稱為“特征點”。就是這些點提供了指紋唯一性的必要信息。指紋的節(jié)點主要有以下幾種特性：終結(jié)點(ending)：一條紋路在此終結(jié)，如圖2.1.6所示。圖2.1.6 終結(jié)點分叉點(bifurcation)：一條紋路在此分開成為兩條或更多的紋路，如圖2.1.7所示。圖2.1.7 分叉點孤立點(dot or island): 一條特別短的紋路，以至于成為一點，如圖2.1.8所示。圖2.1.8孤立點 分歧點(ridge divergence): 一兩條平行的紋路在此分開，如圖2.1.9所示。圖2.1.9 分歧點環(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

30、個小環(huán)稱為環(huán)點，如圖2.1.10所示。圖2.1.10 環(huán)點短紋(short ridge): 一端較短但不至于成為一點的紋路，如圖2.1.11所示。圖2.1.11 短紋方向(orientation): 一節(jié)點可以朝著一定的方向。曲率(curvature): 一描述紋路方向改變的速度。位置(position): 一節(jié)點的位置通過(x,y)坐標(biāo)來描述，可以是絕對的，也可以是相對于三角點或特征點的。2.1.4 指紋的采集技術(shù) 指紋采集技術(shù)的發(fā)展經(jīng)歷了一段很長的歷史時期。采集技術(shù)其過程也受到傳感技術(shù)發(fā)展的影響。指紋采集技術(shù)分為兩種采集模式，一種是在被采集人已知的情況下實施的采集。另一種是其未知的狀況下的

31、采集，如刑偵現(xiàn)場。第一代的指紋采集技術(shù)采用 “ 按壓留痕 ” 的方式來采集指紋，利用的是指紋 “ 觸物留痕 ” 的特性。這段時期主要通過 “ 油墨指紋卡 ” 的方式采集。第二代的指紋采集技術(shù)采用的是自動化、數(shù)字化的采集方式。指紋數(shù)據(jù)大多以數(shù)字信息表示并存儲。下文主要介紹第二代的指紋采集技術(shù)。 指紋采集的過程在本質(zhì)上是使指紋成像的過程。原理是根據(jù)嵴與峪的幾何特性、物理特征和生物特性的不同，得到不同的反饋信號，根據(jù)反饋信號的量值來繪成指紋圖像。 指紋的幾何特性是指在空間上嵴是突起的，峪是凹下的。嵴與嵴相交、相連、分開會表現(xiàn)為一些幾何圖案。 指紋的生物特性是指嵴和峪的導(dǎo)電性不同，與空氣之間形成的介電

32、常數(shù)不同、溫度不同等。 指紋的物理特性是指嵴和峪著力在水平面上時，對接觸面形成的壓力不同、對波的阻抗不同等。 指紋采集的方法可以分成兩種，一種是由器件主動向手指發(fā)射出探測信號，然后再分析反饋的信號，以形成指紋的嵴與峪的圖案。如射頻（ rf ）和光學(xué)采集采集就屬于主動式采集。另一種則是器件被動感應(yīng)的方法。當(dāng)手指放置到采集設(shè)備上時，因為指紋的嵴和峪的生物特性或物理特性的不同，就會形成不同的信號，然后分析信號的量值從而形成指紋圖案。（如半導(dǎo)體電容采集、熱敏采集和半導(dǎo)體壓感采集屬于第二種） 對于指紋采集設(shè)備來講，一般經(jīng)過 “ 手指感知” 、 “ 圖像的拍照 ”“ 質(zhì)量判斷與自動調(diào)整 ” 三個過程?？紤]

33、到設(shè)備的功耗，在沒有手指接觸的時候，采集設(shè)備一般處在休眠狀態(tài)。當(dāng)手指接觸到設(shè)備時，采集器就會感知到手指的接觸并切換其狀態(tài)。對于半導(dǎo)體類的采集設(shè)備大部分具備這種敏銳的指紋察覺技術(shù)。隨著活體采集的技術(shù)的研究和發(fā)展，采集設(shè)備還可以判別出是否為活體手指，這能通過檢測手指的活體特性來實現(xiàn)。 在理想的情況下，如果在采集的過程中外界噪聲足夠小，采集得到的指紋圖像將是干凈的、真實的。然而現(xiàn)實的情況是，由于人手指表面脫皮和污漬的影響還有設(shè)備的采集面不干凈等各種因素的影響，所以還需對采集到的圖像進行預(yù)處理。這將在指紋圖像預(yù)處理部分敘述。圖2.1.12 不同質(zhì)量的指紋圖像當(dāng)今使用的主流指紋采集技術(shù)有光學(xué)指紋采集技術(shù)

34、，半導(dǎo)體指紋采集技術(shù)和超聲波指紋采集技術(shù)。光學(xué)指紋采集技術(shù)，其原理是利用光的全反射原理，將照射到壓有指紋的玻璃表面的反射光線通過ccd來獲取，反射光的量將依賴于壓在玻璃表面的指紋脊和谷的深度和皮膚與玻璃間的油脂和水分。光線穿過玻璃照射到有谷的地方后在玻璃與空氣的界面發(fā)生會全反射，光線被反射到ccd, 而射向脊部位的光線卻不發(fā)生全反射，這樣就在采集的ccd上形成了指紋的圖像。半導(dǎo)體傳感器是1998年在市場上才出現(xiàn)的，這些含有微型晶體的平面通過多種技術(shù)來繪制指紋圖像。主要使用的方案有：硅電容指紋圖像傳感器、半導(dǎo)體壓感式傳感器和半導(dǎo)體溫度感應(yīng)傳感器。 超聲波指紋圖像采集技術(shù)，是ultra-scan公

35、司首開超聲波指紋圖像采集設(shè)備產(chǎn)品的先河。超聲波指紋圖像采集技術(shù)是被認為在指紋采集技術(shù)中最好的一種，但在實際的指紋識別系統(tǒng)中卻還不常見，其成本很高，并且還處于實驗室階段。超聲波指紋取像的原理是:當(dāng)超聲波掃描指紋的表面，緊接著接收設(shè)備獲取的其反射信號，由于指紋的脊和谷的聲阻抗的不同，導(dǎo)致反射回接受器的超聲波的能量不同，測量超聲波能量大小，進而獲得指紋灰度圖像。積累在皮膚上的臟物和油脂對超聲波取像影響不大。所以這樣獲取的圖像是實際指紋紋路凹凸的真實反映。2.2 圖像頻域增強2.2.1 圖像頻域增強簡介 在數(shù)字圖像處理中，圖像最直觀的理解是把圖像理解為二維函數(shù)f(x,y)，其中x，y作為數(shù)字圖像中象素

36、的二維空間的坐標(biāo)，f的值作為數(shù)字圖像象素該位置的灰度值。但是在空間域在處理某些數(shù)字圖像的問題時，會比較困難甚至是幾乎難以處理。在頻率下處理的時候，同樣的問題用不同的描述方式是和空間域的表示是等價的，但由于描述方式不同了以前空間上很難處理的問題在頻率域上就有可能變得很容易了。在頻率域上處理時，還可以使用數(shù)字信號處理的一系列成熟的方法，讓我們處理特殊的問題有了很多的工具，所以頻率圖像增強是很有價值進行學(xué)習(xí)和研究的。2.2.2 圖像頻域增強的基本步驟 圖像頻域增強的一般方法歸納為一下六步： （1）計算原始圖像的fftf(u,v)； （2）四個角落的零頻點移到圖像中央； （3）h(u,v）*f(u,v

37、)=g（u,v）; （4）g(u，v)零頻點移回四個角落； （5）傅里葉反變換得到最終的圖像。無論是何種類型，何種目的的頻率域圖像增強，處理的過程都是基本一致的，都如下圖所示圖2.2.1 圖像頻域處理基本步驟 下圖為處理后的效果圖圖2.2.2 頻域處理后對比圖2.3 圖像的二值化2.3.1 圖像二值化算法指紋圖像的二值化是作為指紋圖像處理過程的過程之一，是進行指紋圖像細化處理的先決條件。目前的指紋細化算法都是基于二值指紋圖像進行的。對指紋圖像進行二值化處理的優(yōu)點在于是圖像的幾何性質(zhì)只與0和1在圖像矩陣中的位置有關(guān)，不再涉及到圖像像素的灰度值，使算法的處理過程變的簡單，這給指紋圖像的存儲和對其的

38、相應(yīng)的處理操作都帶了很大的便利性，同時也提高了系統(tǒng)的運行效率。一個好的二值化算法可以得到一個高質(zhì)量的二值圖像。反之，如果該階段處理不當(dāng)引入了噪聲，就會直接降低圖像的質(zhì)量，對后序的識別過程造成很大程度上的干擾。對指紋圖像二值化的基本要求就是二值化后的圖像能完整的反映出原指紋，具體要求表現(xiàn)為：（1） 紋線中不能出現(xiàn)空白。（2） 二值化的紋線基本保持原指紋圖像的特征。（3） 指紋的紋線中不能有太多的算法引起的間斷和紋線的想連。（4） 指紋紋線間的間距應(yīng)該基本相同。 大多數(shù)灰度圖像的二值化變化函數(shù)f(x)都可以用下述公式進行表達： 公式中的t為人為指點的閥值，自變量x為圖像像素點的灰度值。局部自適應(yīng)閥

39、值算法先是利用固定閥值算法的思想，然后再根據(jù)圖像中每一個部分的明暗度來調(diào)整閥值。首先把圖像分割成若干個w*w的方塊，每一塊都根據(jù)自身的閥值來進行二值化。這個算法利用了指紋圖像中脊線與谷線寬度基本相同的特點，即二值化后圖像的黑白像素點的個數(shù)也應(yīng)該大致相同，首先利用固定閥值算法的特點對指紋圖像中的每個一子塊確定一個大致的閥值，然后再利用自適應(yīng)的算法思想進行閥值的調(diào)整，當(dāng)閥值最合適時圖像是最光滑的，既沒有“黑洞”（閥值過大），也沒有“白點”（閥值過?。?，因此0-1之間的轉(zhuǎn)換次數(shù)最少。以下為區(qū)域閥值的t的選取算法：（1） 將指紋劃分為相互不重疊的w*w的子塊，計算該子塊區(qū)域內(nèi)所有像素的灰度平均值。 （

40、2） 計算該區(qū)域內(nèi)的nk(灰度值大于等于t的像素點的個數(shù))和nl（灰度值小于t的像素點的個數(shù)）的值 （3）.如果 ,則t為閥值；（4） 若，則t=t+1,否則t=t-1,返回第二步。2.3.2 二值化算法的matlab的仿真本文使用matlab圖像處理工具箱中提供的im2bw函數(shù)來實現(xiàn)對指紋圖像的二值化。以下為實現(xiàn)的matlab代碼：i=imread(image2.jpg);level=graythresh(i);j=im2bw(i,level);imshow(j);通過matlab執(zhí)行后的仿真結(jié)果如圖2.3.1圖2.3.1 二值化結(jié)果2.4 指紋圖像的細化2.4.1 指紋圖像的細化算法細化又

41、被稱為骨骼化，是指在不對圖像的拓撲結(jié)果有影響的情況下，將圖像中寬度大于一個像素的線條轉(zhuǎn)化為只有一個像素寬度的線條的圖像處理過程。由于在指紋識別的圖像處理過程中，指紋的特征、方向特征和位置特征，只跟指紋圖像的拓撲結(jié)構(gòu)有關(guān)，而與脊線和脊谷的寬度沒有關(guān)系，同時通過細化的過程能極大的便利后序?qū)χ讣y圖像特征點提取的操作，因此在指紋的圖像預(yù)處理中，需要對指紋圖像進行細化的處理。細化效果的好壞會直接的影響到后序特征點能否進行高效的提取。若細化的效果不好的話，很可能導(dǎo)致后序的特征點提取工作出現(xiàn)大量的偽特征點，致使匹配的工作無法進行，因此細化的操作對于指紋圖像的預(yù)處理非常重要。由于指紋識別與一般的圖像識別有很大

42、的不同，指紋識別的匹配是直接與細化后的圖像的端點相關(guān)的，因此細化的操作不能對指紋圖像的端點的位置和方向產(chǎn)生影響。2.4.2 細化算法的matlab仿真本文使用matlab圖像處理工具箱提供的bwmorph函數(shù)來實現(xiàn)對指紋圖像的細化操作，一下是matlab的實現(xiàn)過程：i=imread(image3.jpg);k=bwmorph(j,thin,inf);imshow(k);通過matlab仿真后的結(jié)果如圖2.4.1圖2.4.1 指紋圖像的細化結(jié)果第3章 指紋特征的提取3.1指紋圖像特征點的提取指紋特征點的提取一般被分為兩個階段：特征點的提取和偽特征點的剔除。許多的學(xué)者都對這方面做出了深入的研究。最

43、早提出特征點提取算法的是美國聯(lián)邦調(diào)查局的自動指紋識別技術(shù)研究人員。他們采用了一種二級算法，用自適應(yīng)“編輯”方法把指紋圖像二值化，然后再從二值化后的圖像中提取出特征點。該算法的提出在指紋識別領(lǐng)域內(nèi)具有開拓性的意義，并且此算法在很長一段時間內(nèi)被廣泛的用作細節(jié)特征點提取的標(biāo)準算法。目前最常用的特征點提取算法有兩類:一是從灰度圖像中直接提取出特征點；二是對預(yù)處理過后的圖像進行特征點的提取。3.1.1 基于灰度圖像的直接提取法 對于一幅灰度指紋圖像，根據(jù)其方向圖的定義可以知道沿著脊線方向的并在這個方向的垂直方向上（法線方向上），其端點處就是脊線末端與背景圖像交界的地方，端點就是在這個交界處灰度值最大的一

44、點?；叶葓D像直接提取法就是利用這一個特性來構(gòu)建算法。詳細算法如下: (1)計算指紋圖像的方向圖，一般以塊方向作為指紋的方向。 (2)從初始點出發(fā)，根據(jù)指紋圖像的方向信息，在該處的法線方向上，半個指紋周期內(nèi)，求取灰度分布的最大值和最小值，并以該最大值處的像素點作為新的出發(fā)點。 (3)從新的出發(fā)點出發(fā)，沿指紋圖像的方向圖的方向前進一定步長(算法最開始是按固定步長進行跟蹤的，后來發(fā)展到自適應(yīng)步長跟蹤)，繼續(xù)在發(fā)現(xiàn)方向求取灰度分布的最大值和最小值，仍然以最大值處的像素點作為新的出發(fā)點。(4)不斷重復(fù)步驟3，實現(xiàn)脊線跟蹤，直到求取的灰度分布的最大值出現(xiàn)明顯的變小，與最小值差不多，甚至相等時，停止跟蹤，說

45、明己經(jīng)到脊線的末端，此處即為特征點端點處。若跟蹤到的脊線與先前己經(jīng)跟蹤過的脊線相交，停止跟蹤，求取兩條脊線交點位置，此處即特征點分叉點。3.1.2 基于細化圖像的鄰域法基于細化圖像的鄰域法，是指先將經(jīng)過圖像頻域增強、二值化和細化等一系列的預(yù)處理得到的指紋圖像，通過構(gòu)建每個像素的3*3鄰域(如圖3.1所示)提取指紋圖像的特征點。圖中p為待測像素點，p1, p2p9為p的鄰域，cn(p)為這8個鄰域像素的相鄰像素的灰度值(此時已二值化，所以灰度值只可能為0或1)從0變?yōu)?，或者從1變?yōu)?的次數(shù)。sn(p)為8鄰域像素中為1的像素的個數(shù)，具體按式(3-1)、(3-2)計算。 (其中p9=p1) （3

46、-1） （3-2）通過分析可知，細化后的指紋圖像單個像素點的鄰域狀態(tài)如圖3.1.1所示。 圖3.1.1 領(lǐng)域示意圖 圖3.2.2 細化后的指紋圖像對于在脊線上的像素點，可根據(jù)其鄰域的cn(p)和sn(p)數(shù)值判定此時p像素點的狀態(tài)。通過分析可以發(fā)現(xiàn)cn(p)和sn(p)數(shù)值具有如下特點： (1)當(dāng)p點為脊線上的點，且cn(p)=2, sn(p)=1，則可判定像素點p為端點，如圖3.2.2中e點。 (2)當(dāng)p點為脊線上的點，且cn(p)=4, sn(p)=2、3或者4，則可判定像素點p為脊線上的連續(xù)點，即不是特征點，如圖3.2.2中的c1點、c2點、c3點、c4點。 (3)當(dāng)p點為脊線上的點，且

47、cn(p)=6, sn(p)=3，則可判定像素點p為分叉點，如圖3.2.2中點b點。對指紋圖像中的所有像素進行以上處理判斷，分別記錄下所有檢測到的端點和分叉點，既完成了指紋圖像的特征點提取工作。3.1.3 兩種算法的比較 上述兩種算法就是最常用的兩種特征點提取算法，我們通過算法的比較很容易就發(fā)現(xiàn)：基于灰度直接提取算法的原理比較簡單，簡化了圖像預(yù)處理的步驟，直接計算脊線并得到特征點。并且由于步驟的減少在一定程度上降低了偽特征點出現(xiàn)的概率。但是該算法對圖像的質(zhì)量要求比較高，僅時候質(zhì)量非常好的圖像，對于比較模糊的指紋圖像則無法進行提取，而且該算法在脊線的跟蹤步長上不好確定，即使采用自適應(yīng)步長的算法只

48、能稍微降低特征點的丟失，并不能對其進行根本上的改觀。加上是利用灰度直方圖來確定特征點的，因此特征點的位置信息將不夠精確，可能會與實際的位置有所偏差，尤其是在圖像模糊的情況下，位置信息會更加的不夠精確?；诩毣瘓D像的鄰域罰，在算法的實現(xiàn)上要稍微復(fù)雜些，但由于是對全部像素點進行一個遍歷查找，不會出現(xiàn)第一種算法的特征點丟失情況，另外由于存在圖像的預(yù)處理過程，所以算法在魯棒性上比第一種算法更好。考慮到指紋識別對魯棒性的需求上，已經(jīng)可靠性上，本文采用第二種算法。 3.2 偽特征點的剔除3.2.1.偽特征點分類及特點在特征提取算法提取特征點的過程中，特征點集中的地方存在一定數(shù)量的偽特征點，這是不可避免的，

49、必須想辦法去掉偽特征點，才能保證提取出的特征點具有可靠性。在上文的細化后的指紋圖像中可以發(fā)現(xiàn)，細化的指紋圖像中存在一些毛刺、粘連、斷點等現(xiàn)象。造成這樣的原因有多種，一方面原始圖像本來就存在模糊區(qū)域和粘連區(qū)域，另一方面在指紋圖像的預(yù)處理過程中，雖然經(jīng)過了濾波處理，但是噪音依然存在，并且有一部分進入了細化后的指紋圖像中。指紋圖像中大量偽特征點的存在將導(dǎo)致提取的特征點數(shù)據(jù)的可靠性降低，成功匹配率降低，嚴重影響指紋系統(tǒng)的指標(biāo)。必須在匹配前對指紋圖像進行偽特征點的剔除。通過對偽特征點的觀察，可以很直接的發(fā)現(xiàn)偽特征點（如圖3.2.1）具備以下一些特點：圖3.2.1 偽特征點修復(fù)前后對比圖 (1)毛刺現(xiàn)象，

50、有多方面的原因造成毛刺的出現(xiàn)，比如受隨機噪聲的影響形成，還有一部分是在受圖像預(yù)處理的過程中產(chǎn)生的。一個毛刺經(jīng)過特征點提取算法后就會產(chǎn)生一個偽端點和一個偽分叉點。 （2）短線現(xiàn)象，一般在采集指紋是，手指較臟或者采集頭上有灰塵等都容易出現(xiàn)較多的短線。短線經(jīng)過算法處理會產(chǎn)生兩個偽端點，這兩個端點的距離會比較近，且位于同一個脊線。 （3）斷線現(xiàn)象，當(dāng)指紋采集時，如果被采集人的手指比較干燥，那么采集到的指紋圖像會可能出現(xiàn)斷點情況。斷點會產(chǎn)生兩個偽端點，并且這兩個偽端點距離也很小，但是與短線現(xiàn)象不同的是，這兩個偽端點是分別處在不同的兩條脊線上。 （4）假橋現(xiàn)象，上采集時，手指比較潮濕時，也很容易出現(xiàn)脊線假

51、橋的現(xiàn)象（即本來不相連的兩條脊線連在了一起）。其特點是這兩個分叉點的距離與脊線距離大小相近，且兩偽分叉點連線近似垂直與其局部區(qū)域內(nèi)的脊線方向。 （5）環(huán)現(xiàn)象，一般也叫做孔。主要是受隨機噪聲的影響而產(chǎn)生。在環(huán)出現(xiàn)的地方進過算法的處理一般出現(xiàn)兩到三個偽分叉點。特點是兩特征點間距很小，且其連線與所在脊線方向近似相同。 3.2.2 偽特征點剔除算法從上述算法中提取的特征點中，不難發(fā)現(xiàn)在指紋的邊緣區(qū)域存在數(shù)量眾多的特征點，其中有相當(dāng)大的部分是偽特征點。這些特征點是由于在采集時，指紋接觸采集介質(zhì)的邊界是脊線的起始點。這些起始點雖然也是端點，但是在實際的人體指紋上是不存在的，只是由于采集方式而產(chǎn)生的。同時這些點又不屬于上節(jié)所分析出來的特征點，當(dāng)這些點不是指紋的固有特征時，需加以剔除。目前很多在指紋