指紋識(shí)別技術(shù)的研究

1、指紋自動(dòng)識(shí)別系統(tǒng) 21 指紋識(shí)別技術(shù)的研究【摘要】由于指紋的唯一性和不變性，指紋識(shí)別己成為當(dāng)前最流行、最方便、最可靠的個(gè)人身份認(rèn)證技術(shù)之一。本文以自動(dòng)指紋識(shí)別系統(tǒng)的處理流程為線索，介紹了系統(tǒng)的三個(gè)部分：指紋預(yù)處理、特征提取和指紋匹配。在前人工作的基礎(chǔ)上，我們在各個(gè)環(huán)節(jié)都提出了自己的方法，結(jié)合那些經(jīng)典的算法，在很大程度上提高了圖像的處理效果與匹配結(jié)果。在指紋增強(qiáng)階段，我們結(jié)合方向圖與頻率圖修改了Gabor濾波器；在細(xì)化階段，我們對傳統(tǒng)的OPTA算法進(jìn)行了一些改進(jìn)；在指紋匹配階段，我們著重研究了基于點(diǎn)模式的細(xì)節(jié)匹配。此外，我們還成功的實(shí)現(xiàn)了各個(gè)算法，完成該指紋識(shí)別系統(tǒng)，經(jīng)實(shí)驗(yàn)證明，該系統(tǒng)能夠快速準(zhǔn)

2、確的識(shí)別指紋，達(dá)到了預(yù)期目的?！娟P(guān)鍵字】圖像分割，圖像增強(qiáng)，二值化，細(xì)化，特征提取，特征匹配一 課題研究背景（一）指紋識(shí)別的發(fā)展歷史最早記載的人的手印和腳印大約在4000年前古埃及建造金字塔的年代。在那個(gè)年代。一些粘土陶器上留有陶藝匠人的指紋，中國人曾經(jīng)在官方文件上按自己的指紋，公元前300年前的按有指紋的文件現(xiàn)在還存在，直到現(xiàn)在這種簽名方式仍然被采用。早在1880年英國人亨利福茲就提出了用指紋識(shí)別系統(tǒng)識(shí)別犯罪。到20世紀(jì)70年代，由于計(jì)算機(jī)的廣泛應(yīng)用和模式識(shí)別理論的發(fā)展，人們已開始研究使用計(jì)算機(jī)進(jìn)行指紋的自動(dòng)識(shí)別。目前世界各國都在爭先研究和開發(fā)實(shí)用指紋識(shí)別系統(tǒng)。（二）指紋識(shí)別的研究現(xiàn)狀指紋識(shí)

3、別是生物識(shí)別技術(shù)中最早應(yīng)用、價(jià)格最低廉的分支。目前的指紋自動(dòng)識(shí)別系統(tǒng)采用了先進(jìn)的光電識(shí)別辦法，采集一個(gè)指紋信息，然后經(jīng)相關(guān)的識(shí)別算法進(jìn)行判斷。根據(jù)已掌握的報(bào)道資料來看，目前的自動(dòng)指紋識(shí)別系統(tǒng)已具有如下特點(diǎn)：(1)可靠性：采用獨(dú)特的容錯(cuò)技術(shù)，既使指紋有破壞，即指紋不全或指紋隨時(shí)間有自然的變化時(shí)也不影響正確識(shí)別。(2)快捷性：大多數(shù)系統(tǒng)鑒別時(shí)間僅需1-3s，登錄注冊一個(gè)新客戶只需1分鐘的時(shí)間。(3)靈活性：一個(gè)指紋信息的代碼可以壓縮到幾十個(gè)字節(jié)到幾百個(gè)字節(jié)，因此可以存放在一個(gè)磁條上或者一張二維條碼卡上或者IC卡上。 (4)安全性 ：所有個(gè)人代碼都經(jīng)過了特殊加密。通過所存儲(chǔ)的代碼不可能復(fù)原源指紋，徹

4、底避免了指紋冒用。因此既使證卡丟失，也不存在安全問題。(5)方便性：目前出現(xiàn)的各類指紋識(shí)別系統(tǒng)一般外觀設(shè)計(jì)精巧、結(jié)實(shí)，采用了精密獨(dú)特的光電系統(tǒng)，具有全程液晶提示，備有多種安裝模式。(8)實(shí)時(shí)性：可實(shí)現(xiàn)完整的跟蹤、實(shí)時(shí)報(bào)警功能。迄今為止 ，自動(dòng)指紋識(shí)別技術(shù)的研究雖然已經(jīng)取得了很大的成績，但同時(shí)也面臨一些嚴(yán)重的困難:(1)指紋采集技術(shù)有待提高就實(shí)際應(yīng)用來講，目前的指紋采集設(shè)備還不能很好地滿足需要，這己經(jīng)成為制約自動(dòng)指紋識(shí)別技術(shù)發(fā)展的一個(gè)瓶頸。(2)指紋預(yù)處理及匹配算法有待加強(qiáng)目前存在的指紋增強(qiáng)算法主要存在以下幾個(gè)問題:分割算法過于武斷，一般分割算法不考慮上下文問題，只是根據(jù)實(shí)際圖像分塊后得到的參數(shù)

5、直接進(jìn)行圖像分割，這樣很容易造成在前景圖像中由于小部分不清晰而被判斷為背景的情況，這樣將對后續(xù)處理產(chǎn)生嚴(yán)重影響；細(xì)節(jié)點(diǎn)編碼彼此互不兼容，目前，在細(xì)節(jié)點(diǎn)編碼過中，除了編碼過程中都需要的坐標(biāo)等小部分公共信息，其余信息往往根據(jù)自己系統(tǒng)的需要來進(jìn)行提取，如周圍細(xì)節(jié)點(diǎn)數(shù)，與中心點(diǎn)的夾角等，這樣非常不利于系統(tǒng)的升級和擴(kuò)展，對數(shù)據(jù)庫的擴(kuò)展也有很大的限制，不利于整個(gè)指紋識(shí)別研究的發(fā)展。（三）指紋識(shí)別的應(yīng)用前景指紋識(shí)別技術(shù)是當(dāng)今應(yīng)用最為廣泛的生物特征識(shí)別技術(shù)，有著廣闊的應(yīng)用前景。在刑偵司法領(lǐng)域，刑偵用指紋識(shí)別系統(tǒng)可以用來鑒別罪犯。在民用領(lǐng)域，指紋識(shí)別技術(shù)可以通過多種方法應(yīng)用到各個(gè)方面。通過使用指紋驗(yàn)證來取代各個(gè)

6、計(jì)算機(jī)應(yīng)用程序的密碼就是最為典型的實(shí)例。把指紋識(shí)別技術(shù)同IC卡結(jié)合起來是目前最有前景的研究方向之一。由于指紋識(shí)別技術(shù)的諸多優(yōu)點(diǎn)，可以預(yù)料，一方面指紋識(shí)別系統(tǒng)將會(huì)在一切需要驗(yàn)證身份的場所發(fā)揮越來越重要的作用，其應(yīng)用領(lǐng)域?qū)?huì)進(jìn)一步拓寬;另一方面，由于市場的推動(dòng)，指紋識(shí)別技術(shù)也會(huì)不斷提高，在其識(shí)別可靠性、速度、成本等方面進(jìn)一步朝實(shí)用化邁進(jìn)。（四）指紋識(shí)別的基本原理指紋識(shí)別是一種利用人體固有的生物特征進(jìn)行個(gè)人身份識(shí)別的技術(shù)，具有唯一性和不變性等重要特征，因而在信息安全領(lǐng)域、個(gè)人身份識(shí)別領(lǐng)域等許多方面得到廣泛應(yīng)用。隨著計(jì)算機(jī)圖像處理和模式識(shí)別技術(shù)的發(fā)展，使自動(dòng)指紋識(shí)別成為可能。自動(dòng)指紋識(shí)別系統(tǒng)(Auto

7、matic Fingerprint Recognition System，AFRS)一般有4個(gè)主要過程：指紋圖像采集，指紋圖像預(yù)處理、特征提取，特征匹配。在一開始，通過指紋采集設(shè)備讀取到人體指紋的圖像，取到指紋圖像后，要對原始圖像進(jìn)行初步的處理，這樣使指紋圖像更加清晰。接下來，自動(dòng)指紋識(shí)別系統(tǒng)從指紋圖像中找尋細(xì)節(jié)點(diǎn)，包括端點(diǎn)、分歧點(diǎn)和交叉點(diǎn)等，進(jìn)而提取這些細(xì)節(jié)點(diǎn)的特征數(shù)據(jù)，有的算法把細(xì)節(jié)點(diǎn)與方向信息組合起來產(chǎn)生更多的數(shù)據(jù)。這些數(shù)據(jù)，通常稱為模板。最后，通過計(jì)算機(jī)模糊比較的方法，把兩個(gè)指紋的模板進(jìn)行比較，計(jì)算出它們的相似程度，最終得到兩個(gè)指紋的匹配結(jié)果。（五）論文的主要研究內(nèi)容本論文中，我們就國

8、內(nèi)外指紋研究工作進(jìn)行比較，提出了一套指紋識(shí)別算法，能在較短的時(shí)間內(nèi)較準(zhǔn)確地識(shí)別指紋。指紋識(shí)別過程一般分為指紋圖像采集、圖像預(yù)處理、特征提取和特征匹配四大部分，如圖1-1。本論文研究后面三部分，對已采集的指紋圖像進(jìn)行處理和匹配。指紋預(yù)處理部分包括圖像分割、圖像增強(qiáng)、二值化和細(xì)化四部分，如圖1-2。圖像分割是將要處理的有效圖像部分從整個(gè)指紋圖像中分離出來，這樣一方面減少了后續(xù)處理的步驟的數(shù)據(jù)量，另一方面也避免了因?yàn)椴糠謭D像區(qū)域不可靠而導(dǎo)致偽特征的產(chǎn)生。圖像增強(qiáng)包括兩個(gè)部分，首先是對原始圖像上模糊但有可能恢復(fù)的部分進(jìn)行增強(qiáng)，然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(qiáng)處理

9、的指紋圖像的脊線，用”1”表示脊線上的點(diǎn)，”0”表示背景和谷線，從而把原始灰度圖像轉(zhuǎn)化為二值圖像。圖像細(xì)化是進(jìn)一步把二值指紋脊線細(xì)化為單像素寬度的骨架線，這是為了方便以后的特征提取。本文是在前人工作的基礎(chǔ)上摸索并設(shè)計(jì)了這套指紋的自動(dòng)識(shí)別系統(tǒng)，如圖1-3所示，該系統(tǒng)對前人的某些工作做了改進(jìn)，并提出了自己的一些思想和算法，經(jīng)實(shí)驗(yàn)驗(yàn)證，效果較好，達(dá)到了預(yù)期目的。 圖1-1 指紋識(shí)別框架圖 圖1-2 預(yù)處理流程圖圖1-3 指紋識(shí)別系統(tǒng)圖二 算法分析與設(shè)計(jì)（一）圖像分割算法分析與設(shè)計(jì)1 算法分析指紋圖像的分割通常位于預(yù)處理的前端，其目的是去掉圖像中不含紋路的區(qū)域和由于噪音太大而無法恢復(fù)的低質(zhì)量紋路區(qū)域，

10、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(yù)處理的時(shí)間，因此是指紋圖像處理中的重要組成部分。指紋分割的一般方法是將圖像分割成許多互不重疊的小塊，并計(jì)算每塊的特征向量，根據(jù)特征向量來判斷某塊為前景還是背景。指紋分割中常用的主要特征包括灰度方差、方向圖、頻率圖和紋線峰平均灰度值與谷平均灰度值之差（對比度）等。2 算法設(shè)計(jì)較好的指紋的圖像分割算法應(yīng)在分割的過程中保護(hù)有效的指紋的紋理特征，從而提高指紋特征的精確度，優(yōu)化了整個(gè)識(shí)別系統(tǒng)得處理速度和效率。有效區(qū)域的分割的意義非常明顯。首先，可以為以后的操作縮小范圍，節(jié)省計(jì)算時(shí)間；其次，可以排除背景區(qū)域的干擾，提高

11、算法的精度和效率。有些文獻(xiàn)的算法采用的canny算子，該方法使得分割后圖像的效果有了明顯提高，但是需要很大的計(jì)算代價(jià)，對于有限的系統(tǒng)資源是不允許的。我們采用的是一種更簡潔的算法，雖然在精度上稍有降低，但是在速度上可以提高80。算法步驟如下：(1) 用邊緣提取算子提取灰度圖像的邊緣。得到二值邊緣圖。零值表示背景，非零值表示邊緣(2) 用半徑為n像素的圓形結(jié)構(gòu)元，對二值邊緣圖做一次數(shù)值形態(tài)學(xué)的閉運(yùn)算，平滑邊界并對有效區(qū)域的內(nèi)部的孔洞進(jìn)行填充(3) 用半徑為m像素的圓形結(jié)構(gòu)元，對步驟（2）的結(jié)果進(jìn)行一次開運(yùn)算。去除毛刺和小目標(biāo)噪聲。最后得到非零區(qū)域就是指紋的有效區(qū)域 (a) 指紋原始圖像 (b) 指

12、紋圖像分割區(qū)域 圖2-1 指紋圖像處理及分割區(qū)域仿真結(jié)果如圖2-1所示，其中（a）為指紋原始圖像，（b）為原始圖像的分割區(qū)域。（二）圖像增強(qiáng)算法的分析與設(shè)計(jì)1 算法分析數(shù)字圖像處理中采用的通用的圖像增強(qiáng)方法如均值濾波、低通濾波、邊緣增強(qiáng)等對指紋這種具有一定特性脊線和谷線交替的圖像的增強(qiáng)效果并不理想，這是因?yàn)檫@些方法都是針對圖像中存在的隨機(jī)噪聲，然而模糊的指紋圖像主要存在紋線缺陷的結(jié)構(gòu)性噪聲。理想的指紋圖像是脊線和谷線交替構(gòu)成，脊線和谷線粗細(xì)均勻，在大部分區(qū)域，脊線之間和谷線之間近似平行，且呈現(xiàn)連續(xù)的、方向平緩的曲線形態(tài)。由于指紋圖像存在這些特性，指紋圖像可以近似的看成具有特定方向和頻率的平面正

13、弦波，如圖2-2所示?；谶@一特性，利用具有方向和頻率選擇特性的帶通濾波器可以實(shí)現(xiàn)很好的增強(qiáng)效果。采用這種方法關(guān)鍵是濾波器選擇和設(shè)計(jì)、求取指紋的方向圖和指紋頻率。圖2-2 Gabor濾波坐標(biāo)旋轉(zhuǎn)圖在指紋的增強(qiáng)算法中，常用的算法大致上可以分為兩種：一類是從空域上進(jìn)行濾波去噪處理；另一類是從頻域上進(jìn)行細(xì)節(jié)增強(qiáng)。但這兩中方法各有缺點(diǎn)：空域?yàn)V波器往往設(shè)計(jì)復(fù)雜并且過多依賴精確方向場的求取，頻域?yàn)V波器則是從整幅圖像的頻域空間進(jìn)行全局的增強(qiáng)，因此又造成對細(xì)節(jié)信息的忽視。Gabor濾波器是帶通濾波器，它以其在空域良好的方向選擇性，在頻域有良好的頻域選擇性，因而在計(jì)算機(jī)視覺領(lǐng)域得到了廣泛的應(yīng)用。利用Gabor濾

14、波器在這種在兩個(gè)域內(nèi)的良好性質(zhì)來進(jìn)行指紋圖像的增強(qiáng)，取得了很好的效果。2 算法設(shè)計(jì)Gabor 濾波器實(shí)際上是一種Gauss 窗的加窗Fourier 變換。Gabor 變換是英國物理學(xué)家Gabor 提出來的，1980 年Daugman 首先將一維Gabor 小波推廣到二維，并用于視覺簡單神經(jīng)元的視野感受模型。Gabor 在空間的時(shí)域和頻域視圖如圖2-3和2-4 所示。圖2-3 Gabor濾波器空間函數(shù)形式圖2-4 Gabor濾波器頻率響應(yīng)一個(gè)平滑對稱的Gabor濾波器有以下的一般形式： 2-1其中 在式（2-1）中，f為從x軸上的方向的正弦的頻率，和分別為高斯包絡(luò)的在軸方向和y軸方向的空間常量。

15、本文所提出的基于Gabor濾波器的增強(qiáng)算法。其主要步驟為：（1）灰度規(guī)格化：可使輸入的指紋灰度圖達(dá)到到預(yù)先規(guī)定的均值和方差（2）方向圖估計(jì)：從規(guī)格化后的指紋灰度圖中求得指紋方向圖（3）計(jì)算指紋的平均頻率：從規(guī)格化后的指紋灰度圖中求得指紋的平均頻率（4）濾波處理：對規(guī)格化后的指紋灰度圖進(jìn)行Gabor濾波用以得到增強(qiáng)的指紋圖像下面就這四步驟進(jìn)行逐步分析：（1）灰度規(guī)格化在對指紋圖像 Gabor 濾波之前，需要對指紋圖像進(jìn)行規(guī)格化處理，其目的是將指紋圖像的灰度值的均值和方差調(diào)整到所期望的均值和方差，以消除傳感器本身的噪聲和手指對傳感器表面的壓力不均而帶來的灰度差異。假設(shè)指紋圖象I 為M N 大小，令

16、I(i,j)表示象素點(diǎn)(i,j)的灰度級數(shù)，Av 和分別表示指紋圖象的均值和方差，G(i,j)表示象素點(diǎn)(i,j)規(guī)格化后的級數(shù)，見式2-4。Av 和分別可由公式2-2 和2-3得到。 2-2 2-3 2-4 其中，和分別表示假設(shè)的均值和方差，由實(shí)驗(yàn)確定，其值大小根據(jù)圖像采集器分辨率的高低，此處=125，=125。規(guī)格化后的圖像如圖2-5所示。 (a) 指紋原始圖像 (b) 指紋規(guī)格化后圖像 圖2-5 指紋原始圖像與規(guī)格化后的圖像（2）方向圖估計(jì)指紋的脊線方向已給廣泛的應(yīng)用于指紋圖象增強(qiáng)、紋型的特征的提取、指紋自動(dòng)分類、方向模板的匹配、編碼重構(gòu)等許多關(guān)鍵處理環(huán)節(jié)。就方向圖的形式可以分為兩種，一

17、種是點(diǎn)方向圖，即求出每個(gè)方向點(diǎn)的方向，另一種是區(qū)域方向圖，即求取圖像中每個(gè)局部區(qū)域中的主導(dǎo)方向，以該方向代表該區(qū)域中所有像素的方向。相比而言，點(diǎn)方向圖精度較高，但計(jì)算量較大，耗時(shí)較長，對于一個(gè)實(shí)際系統(tǒng)來說我們采用速度快又能達(dá)到系統(tǒng)要求的算法，所以我們選用區(qū)域方向圖算法。求取指紋方向圖常用的方法主要有梯度法、切縫法、抽樣法和投影法，而本文綜合性能、去噪、計(jì)算復(fù)雜度等方面采用梯度法求方向場?；诩咕€區(qū)域梯度方向圖的算法流程如下：(1) 將規(guī)格化后的指紋圖像進(jìn)行分塊，分成大小為W W （1717）像素的子塊(2) 計(jì)算子塊中每個(gè)像素點(diǎn)的水平梯度向量Gx(s,t)和垂直梯度分量Gy(s,t)，此處采用

18、Sobel 算子求取水平梯度和垂直梯度分量。算子采用如下模版 (3)計(jì)算每塊以(i,j)為中心的局部方向, 見式2-7 2-5 2-6 2-7 (4) 通過上式求得指紋每個(gè)子塊的區(qū)域方向，但是由于噪聲的影響，其方向并不一定完全正確。由于局部脊線除奇異點(diǎn)除外，相鄰子塊之間變化都是比較緩慢，因此我們可以采用一個(gè)低通濾波器，此處采用一個(gè)55 的模版做低通平滑濾波。為了進(jìn)行低通濾波，子塊的方向必須轉(zhuǎn)換為連續(xù)的矢量場 2-8 2-9和 分別表示矢量場x 和y 的分量，分別見式2-8和2-9。和 平滑濾波由公式2-10 和2-11 得到 2-10 2-11為濾波器窗口寬度，即為5，為濾波器各點(diǎn)權(quán)值，此處全

19、為1(5) 求得以中心點(diǎn)處(i,j)的脊線方向見式2-12 2-12 (a) 指紋原始圖像 (b) 指紋方向圖 圖2-6 指紋原始圖像與指紋方向圖圖2-6給出了指紋原始圖像和圖像的方向圖。（3）計(jì)算指紋的平均頻率指紋紋理除了具有穩(wěn)定的方向性的特點(diǎn)外，還具有穩(wěn)定的頻率性特點(diǎn)。在指紋圖像的一個(gè)局部區(qū)域內(nèi)，脊線和谷線的紋理走向近似平行，同時(shí)沿脊線和谷線方向的灰度分布近似正弦包絡(luò)。脊線頻率定義為兩條相鄰脊線之間間距的倒數(shù)，通過定義該包絡(luò)線中的極大值和極小值，就能計(jì)算出相應(yīng)的脊線和谷線的間距，進(jìn)而得到脊線的頻率。在子塊中以中心象素(i,j)處畫一個(gè)長為m，寬為n 的矩形方向窗口，如圖2-2 所示。其中m

20、 為預(yù)先估計(jì)的脊線間距均值，與該塊脊線方向一致，n 可取指紋預(yù)先估計(jì)的脊線間距三倍左右。然后計(jì)算沿n 方向上各象素的平均灰度值，每個(gè)平均灰度值為沿m 方向上m 象素的統(tǒng)計(jì)平均，具體如下式： 2-13 2-14 2-15式中d=0,n-1。取m=32，n=16。其中I (x,y)是象素點(diǎn)(x,y)的灰度值， 是子塊的域方向。由式2-13 得到Xk后，就能定位脊線和谷線的中心點(diǎn)，對局部子塊的平均脊線或者谷線間距取導(dǎo)數(shù)，即求出子塊的脊線頻率(i,j)。（4）濾波處理通過上面的計(jì)算，我們已經(jīng)得到了指紋圖像的頻率F0、梯度方向，下面我們就是要確定Gaussian 包絡(luò)的標(biāo)準(zhǔn)偏差和。和的值將決定指紋增強(qiáng)的

21、效果，如果它們的值越大，去噪效果越明顯，同時(shí)也會(huì)帶來一些偽脊線和偽谷線；如果該值越小，雖然不會(huì)帶來偽脊線和偽谷線，但是去噪能力將大大減弱。所以在進(jìn)行程序設(shè)計(jì)它們必須合理，才能達(dá)到最佳效果，通過試驗(yàn)數(shù)據(jù)得到，把它們都舍為4.0。前面我們對Gabor 濾波器進(jìn)行了詳盡的分析，令灰度規(guī)格化的圖像為G，增強(qiáng)后的圖像為E（式2-17），利用離散卷積求出子塊中每個(gè)像素增強(qiáng)后的值。 2-16 2-17其中是Gabor濾波器模板的大小，表示分割出的背景圖像。增強(qiáng)后的指紋圖像如圖2-7所示。 (a) 指紋原始圖像 (b) 指紋Gabor增強(qiáng)圖像 圖2-7 指紋原始圖像與Gabor增強(qiáng)后的圖像（三） 圖像二值化算

22、法分析與設(shè)計(jì)1算法分析指紋圖像是由不同灰度的兩類區(qū)域組成的，所謂二值化就是通過設(shè)定閾值，把它變?yōu)閮H用兩個(gè)灰度值分別表示圖像的前景和背景顏色的二值圖像。我們對局部自適應(yīng)閾值法進(jìn)行了研究并有所改進(jìn)，現(xiàn)介紹如下：局部自適應(yīng)閾值法對原始指紋圖像要求較低，處理效果也較好，算法的復(fù)雜度一般，容易編程實(shí)現(xiàn)，是一種比較好的二值化算法。但是當(dāng)WW分塊落在兩種區(qū)域會(huì)引起誤判：（1）當(dāng)落在谷線較多的區(qū)域時(shí)，會(huì)使得一部分甚至大部分的像素點(diǎn)被判定為脊線（2）當(dāng)落在脊線較多的區(qū)域時(shí)，會(huì)使得一部分甚至大部分的像素點(diǎn)被判定為谷線基于以上原因，需要對傳統(tǒng)的局部自適應(yīng)閾值法進(jìn)行改進(jìn)。首先利用傳統(tǒng)的局部自適應(yīng)閾值法的思想，根據(jù)指紋

23、圖像中每一部分的明暗度來確定閾值。在求取指紋圖每一塊大致的閾值的基礎(chǔ)上，對可能的誤判進(jìn)行矯正，即對谷線較多和脊線較多的區(qū)域的閾值進(jìn)行調(diào)整。算法對閾值進(jìn)行調(diào)整的思想是這樣的：設(shè)定一個(gè)谷線門限Tg，當(dāng)區(qū)域閾值小于Tg時(shí)，說明窗口內(nèi)谷線較多，當(dāng)前閾值偏小，可適當(dāng)增大；同樣設(shè)定一個(gè)脊線門限Tj，當(dāng)區(qū)域閾值大于Tj時(shí)，進(jìn)行減小調(diào)整。小于Tg和大于Tj范圍稱之為調(diào)整范圍。2 算法設(shè)計(jì)算法相當(dāng)于在二值化的過程中進(jìn)行了一次平滑操作，因此取得了較好的二值化效果，其描述如下：（1）將經(jīng)過濾波的圖像劃分為WW的分塊（2）計(jì)算第k塊的灰度平均值和方差，并將方差設(shè)為初始閾值 ， 2-18（3）如果方差低于設(shè)定的Tvar

24、值，且均值低于Tm值，那么本塊內(nèi)所有點(diǎn)灰度為0，并返回第（2）步；否則進(jìn)行第（4）步（4）借助參數(shù)，進(jìn)行以下調(diào)整，為通過實(shí)驗(yàn)獲得的經(jīng)驗(yàn)值 2-19（5）對k塊的每個(gè)像素點(diǎn)，進(jìn)行以下處理 2-20算法的流程圖如圖2-8所示 圖2-8 指紋圖像二值化流程圖二值化后的圖像如圖2-9所示。 (a) 指紋原始圖像 (b) 指紋二值化圖像 圖2-9 指紋原始圖像及其二值化后所得圖像（四）圖像細(xì)化算法分析與設(shè)計(jì)1 算法分析細(xì)化又稱為骨架化，是圖像分析、特征提取及模式識(shí)別中的常用技術(shù)。細(xì)化的主要作用是去除不必要的紋線粗細(xì)信息，節(jié)省內(nèi)存，便于從指紋圖像中提取細(xì)節(jié)特征，從而提高指紋圖像的處理速度和效率。我們對傳統(tǒng)

25、的OPTA算法進(jìn)行了研究與改進(jìn)，具體介紹如下：OPTA算法是較為典型的圖像模板細(xì)化算法。該算法從圖像的左上角元素開始，按照從左到右，從上到下的順序?qū)D像進(jìn)行掃描，每個(gè)像素點(diǎn)均抽取如圖2-10所示的10個(gè)相鄰像素，然后將其與事先規(guī)定的模板進(jìn)行比較。如果和圖2-11所示的8個(gè)消除模板中的任意一個(gè)匹配（模板中非“”值的所有點(diǎn)與該位置對應(yīng)的領(lǐng)域中的像素點(diǎn)的值都相等）時(shí)，則準(zhǔn)備去除點(diǎn)P（即P=0），否則保留P。 圖2-10 OPTA算法抽取的鄰域 圖2-11 OPTA算法消除模板 圖2-12 OPTA算法保留模板為了保持連通性，準(zhǔn)備去除的點(diǎn)再和圖2-12所示的兩個(gè)保留模板進(jìn)行比較，如果匹配，則P仍保留，

26、否則P才真正刪去。處理完整圖像的過程為一次迭代，這種迭代反復(fù)進(jìn)行，直到?jīng)]有一個(gè)像素的值被改變?yōu)橹?，迭代的次?shù)依賴于圖像的大小和紋線的形狀。OPTA算法能滿足收斂性、連接性、拓?fù)湫院捅３中?，對指紋圖像的細(xì)化能達(dá)到較好效果。但該算法在三叉點(diǎn)處往往細(xì)化不全；細(xì)化后的指紋脊線不光滑，有許多毛刺，且紋線扭曲，不在紋線中心，因此不能滿足細(xì)化性和中軸性，會(huì)給以后的指紋提取帶來困難。另外，采用兩個(gè)大小不同模板分兩次進(jìn)行運(yùn)算，其快速性受到影響。2 算法設(shè)計(jì)對OPTA算法進(jìn)行研究會(huì)發(fā)現(xiàn)：細(xì)化不全是保留模板造成的，保留模板本意是避免同一行（列）中兩個(gè)“1”同時(shí)被刪除，已保證連通性。但該條件包含過大，并非所有這種情況

27、下的中心點(diǎn)都應(yīng)保留，保留與否還應(yīng)取決于同行（列）中另一個(gè)“1”值周圍的情況。若另一個(gè)“1”周圍點(diǎn)與消除模板匹配而應(yīng)刪除時(shí)，中心點(diǎn)“1”值才應(yīng)保留，都則中心點(diǎn)“1”值應(yīng)該刪除。細(xì)化后指紋脊線毛刺多、紋線扭曲在一定程度上是由消除模板造成。消除模板4個(gè)中，當(dāng)“”為0時(shí)，這時(shí)與它們匹配的方窗中心“1”值被去掉后，紋線出現(xiàn)凹凸不平，導(dǎo)致紋線扭曲，迭代中也容易形成毛刺。通過對OPTA算法的分析，我們提出了一種新的細(xì)化算法，對消除模板進(jìn)行改造，并重新構(gòu)造保留模板。該算法采用統(tǒng)一的44模板，如圖2-13所示。左上角的33方窗為消除模板區(qū)域。圖2-13 改進(jìn)的OPTA算法的統(tǒng)一模板構(gòu)造消除模板時(shí)，算法采用圖2-

28、14所示的8個(gè)模板，其中前4個(gè)模板能有效的去除邊緣化的凸出物，保證了細(xì)化后的指紋骨架處于指紋脊線中心，避免了細(xì)化后的指紋骨架出現(xiàn)毛刺。構(gòu)造保留模板時(shí)，按前面所分析的結(jié)果來實(shí)現(xiàn)，即當(dāng)前中心點(diǎn)的去留考慮到另一個(gè)“1”值周圍點(diǎn)的情況，構(gòu)造的保留模板如圖2-14所示。圖2-14 改進(jìn)的OPTA算法的消除模板圖2-15 改進(jìn)的OPTA算法的保留模板集體算法是從左上角開始，對每個(gè)像素（模板中為P5）均抽取出如圖2-15所示的15個(gè)相鄰像素，先將其中的8個(gè)鄰域像素與8個(gè)消除模板比較，如果與所有消除都不匹配，P5保留；否則，再和6個(gè)保留模板進(jìn)行比較，如果與任意一個(gè)匹配則保留P5，否則刪去。重復(fù)上述過程，直到?jīng)]

29、有像素值被改變?yōu)橹埂８倪M(jìn)的OPTA算法能夠?qū)χ讣y圖像充分細(xì)化，紋線光滑無毛刺，骨架處于紋線中心線，細(xì)化后的圖像扭曲小，能最大程度的保留指紋的細(xì)節(jié)特征，因此是一種較好的模板細(xì)化算法。指紋圖像經(jīng)細(xì)化后，由于脊線上有可能存在小的突起，在細(xì)化后的骨架線上呈現(xiàn)出小的短枝，這樣就會(huì)產(chǎn)生偽端點(diǎn)和偽分歧點(diǎn)，所以在細(xì)化后必須加入打毛刺的程序，刪除那些長度小于閾值T的短枝。（1）毛刺的刪除毛刺的一端是端點(diǎn)，另一端表現(xiàn)為分叉點(diǎn)。一般毛刺的長度是很短的，根據(jù)這一特點(diǎn)，如果從任一端點(diǎn)出發(fā)，沿著沿線跟蹤，若在很短的距離內(nèi)遇到了分叉點(diǎn)，則有理由認(rèn)為跟蹤過的指紋紋線部分為毛刺，應(yīng)予以刪除。（2）短線的刪除短線是長度小于給定閾

30、值的一小段孤立紋線。一般來說，那些小于指紋紋線（脊線或谷線）寬度的紋線大多屬于短線，應(yīng)予以刪除。實(shí)驗(yàn)證明以上介紹的細(xì)化圖像后處理算法的確能有效地提高圖像質(zhì)量。細(xì)化圖像及其后處理所得圖像如圖2-16所示。 (a) 指紋細(xì)化圖像 (b) 細(xì)化圖像后處理所得圖像 圖2-16 指紋細(xì)化圖像及其后處理所得圖像 （五） 特征提取算法分析與設(shè)計(jì)1 算法分析 二值化細(xì)化后的圖像對于圖像的特征提取非常有利。但是，二值圖像總存在某些缺陷（存在偽特征）。在指紋的特征提取中，一般都會(huì)選取細(xì)化指紋上的兩種特征：紋線的端點(diǎn)和紋線的分歧點(diǎn)。如圖2-17所示。 圖2-17 脊線端點(diǎn)和分歧點(diǎn)在提取的過程中，我們就選取了上述兩種

31、特征：脊線的分歧點(diǎn)和端點(diǎn)。在得到可靠的二值圖像后，只需要一個(gè)33的模板便可將端點(diǎn)和分歧點(diǎn)提取出來。33的模板如圖2-18所示，P是待檢測的點(diǎn)，P1、 P2、 P8是它的8個(gè)鄰域點(diǎn)，沿順時(shí)針方向排列，R(1)、R(2)、R(8)分別是點(diǎn) P1、 P2、 P8的灰度值。如果P是端點(diǎn)，則它的8個(gè)鄰域點(diǎn)滿足：， 2-21如果P是分歧點(diǎn)，則它的8各鄰域點(diǎn)滿足：， 2-22這樣就可以找到特征點(diǎn)，并記錄它們的類型和位置。為了提取特征點(diǎn)的屬性，就需要對特征點(diǎn)所在紋線的情況進(jìn)行了解，因此引入紋線跟蹤技術(shù)。顧名思義，紋線跟蹤就是從紋線的一端出發(fā)，沿著紋線的走向，到達(dá)該紋線的另一端。傳統(tǒng)的算法是直接對灰度紋線進(jìn)行跟

32、蹤，這種算法實(shí)現(xiàn)起來過于復(fù)雜，本文采用了一種新的快速紋線跟蹤算法8鄰域編碼紋線跟蹤算法：用8鄰域編碼來同時(shí)表示當(dāng)前點(diǎn)的類型和8鄰域像素的狀態(tài)，然后通過查表的方法來判斷所要跟蹤的下一點(diǎn)。該算法避免了8鄰域信息的重復(fù)計(jì)算，速度得到了顯著提高。 圖2-18 特征提取模板2 算法設(shè)計(jì)8鄰域編碼是圖像處理中一種常用的技術(shù)。由于細(xì)化二值圖像中每個(gè)像素點(diǎn)只需1比特的數(shù)據(jù)（0或1）就可以表示，那么，如果把P點(diǎn)8鄰域像素?cái)?shù)據(jù)按一定順序放入一個(gè)字節(jié)（8比特）中，就可以用該字節(jié)數(shù)據(jù)來表示P點(diǎn)的8鄰域信息，稱之為點(diǎn)P的8鄰域編碼。對于圖2-2所示的8鄰域點(diǎn)，我們定義8鄰域編碼順序如圖2-19所示： 圖2-19 P點(diǎn)的

33、8鄰域編碼則P點(diǎn)的8鄰域編碼公式為： 2-23雖然8比特的8鄰域編碼在理論上有256種可能值，但對于8鄰域的細(xì)化二值指紋圖像，由分析可知，只有60種數(shù)值，而且對應(yīng)于某種特定的類型，則僅對應(yīng)幾個(gè)數(shù)值。根據(jù)該數(shù)據(jù)，就可以準(zhǔn)確識(shí)別該中心點(diǎn)的類型和8鄰域狀態(tài)，然后用查表的方法判斷下一個(gè)待跟蹤點(diǎn)。分析細(xì)化二值指紋圖像可以發(fā)現(xiàn)，雖然某點(diǎn)的8鄰域灰度值有各種組合，但是一幅8鄰域最簡的細(xì)化圖像上的紋線點(diǎn)只有如下3種情況，而且每種情況也只有有限的若干種組合。其中，端點(diǎn)和分歧點(diǎn)就是我們在特征提取中要提取的特征點(diǎn)。(1)Cn(P)=1、Sn(P)=1稱為端點(diǎn)，即1各中心點(diǎn)的8鄰域中只有1個(gè)黑點(diǎn)(2) Cn(P)=3

34、、Sn(P)=3稱為分歧點(diǎn)，即1個(gè)中心點(diǎn)的8鄰域中共有3各黑點(diǎn)(3) Cn(P)=2、Sn(P)=2或者Sn(P)=3稱為連續(xù)點(diǎn)，即1各中心點(diǎn)的8鄰域中有2個(gè)或3個(gè)黑點(diǎn)下面簡要給出8鄰域編碼紋線跟蹤算法的步驟：(1)對細(xì)化二值指紋圖像的各像素點(diǎn)進(jìn)行8鄰域編碼，并保存(2)當(dāng)前點(diǎn)為指定起始點(diǎn)（x，y），指定起始方向Dc，設(shè)初步步長L=0(3)判斷是否達(dá)到規(guī)定步長，是則終止；否則根據(jù)Dc方向與坐標(biāo)增量表更新當(dāng)前點(diǎn)（x，y）(4)由當(dāng)前點(diǎn)8鄰域編碼查編碼與類型表，判斷是否為端點(diǎn)或分歧點(diǎn)，是則終止，否則繼續(xù)(5)求Dc的補(bǔ)碼，從連續(xù)點(diǎn)方向表中選與該補(bǔ)碼不同的方向編碼作為新的Dc，且步長為L=L+1，返

35、回（3）具體流程圖如圖2-20。 圖2-20 8鄰域編碼紋線跟蹤算法流程圖這樣就將一幅指紋圖像轉(zhuǎn)換為了一個(gè)由細(xì)節(jié)點(diǎn)組成的平面點(diǎn)集。在細(xì)節(jié)匹配中，對應(yīng)脊線將被用來對需要進(jìn)行匹配的兩個(gè)平面集進(jìn)行校準(zhǔn)，而且校準(zhǔn)的參數(shù)，也就是兩個(gè)點(diǎn)集中任意一對脊線間的旋轉(zhuǎn)角度，將被用作為判斷它們所對應(yīng)的細(xì)節(jié)點(diǎn)能否看做是匹配的細(xì)節(jié)點(diǎn)的條件。指紋所提取的特征點(diǎn)圖像如圖2-21所示。 (a) 指紋細(xì)化圖像 (b) 指紋圖像特征點(diǎn) 圖2-21 指紋細(xì)化圖像與指紋特征點(diǎn)圖像（六） 特征匹配算法分析與設(shè)計(jì)1 算法分析指紋匹配是指紋識(shí)別中的一個(gè)重要問題。目前的指紋識(shí)別系統(tǒng)主要采用基于節(jié)點(diǎn)的匹配方法，我們研究的也是基于點(diǎn)模式的細(xì)節(jié)匹

36、配。該方法通過某種策略分別從兩枚指紋中選取一個(gè)節(jié)點(diǎn)作為參照節(jié)點(diǎn)對，在進(jìn)行節(jié)點(diǎn)匹配時(shí)先將參照節(jié)點(diǎn)對齊，然后再評估其他節(jié)點(diǎn)的匹配程度。令表示第一幅圖像中的m個(gè)細(xì)節(jié)點(diǎn)，我們將第一幅圖像稱為模板圖像，表示第二幅圖像中的n個(gè)細(xì)節(jié)點(diǎn)，我們把第二幅圖像稱為輸入圖像。為了把細(xì)節(jié)點(diǎn)轉(zhuǎn)換到極坐標(biāo)系中去，要在模板細(xì)節(jié)點(diǎn)集和輸入細(xì)節(jié)點(diǎn)集中各選一個(gè)參照點(diǎn)作為相應(yīng)的極坐標(biāo)系中的原點(diǎn)，并算出其他細(xì)節(jié)點(diǎn)相對于參照點(diǎn)的極坐標(biāo)。對模板點(diǎn)集中的每一點(diǎn)Pi (im)和輸入點(diǎn)集中的每一點(diǎn)Qj(jn)，定義rotateij為將 Pi和Qj當(dāng)作參照點(diǎn)對時(shí)，從輸入圖像到模板圖像的旋轉(zhuǎn)角度。如果Pi和Qj可以被當(dāng)成一對對應(yīng)點(diǎn)，即它們分別對應(yīng)的

37、脊線相似性到一定程度，則rotateij將取0360間的一個(gè)值，否則我們定義rotateij取值為400，以表示Pi和Qj不能作為一對對應(yīng)點(diǎn)。注意rotateij400表示Pi和Qj對應(yīng)的脊線相似性到了一定程度。則它們（Pi和Qj）是不是對應(yīng)點(diǎn)對及rotateij的取值將由如下算法決定。用R表示細(xì)節(jié)點(diǎn)Pi對應(yīng)的脊線，r表示細(xì)節(jié)點(diǎn)Qj對應(yīng)的脊線。匹配r與R，用式(2-24)計(jì)算這兩條脊線間的差異： 2-24其中L是記錄的脊線中的點(diǎn)個(gè)數(shù)，R(di)和r(di)分別表示從脊線R與r上的點(diǎn)i到對應(yīng)的細(xì)節(jié)點(diǎn)的距離di，R(ai)和r(ai)約分別表示連接脊線R與r上的點(diǎn)i與對應(yīng)的細(xì)節(jié)點(diǎn)的直線間的夾角ai

38、。2 算法設(shè)計(jì)我們的細(xì)節(jié)匹配算法步驟如下：（1）對每一個(gè)i(im)和每一個(gè)j(1n)，如果rotateij=400，即細(xì)節(jié)點(diǎn)Pi和Qj不能被當(dāng)作對應(yīng)細(xì)節(jié)點(diǎn)對，則重復(fù)此步并選擇另一對Pi和Qj，否則轉(zhuǎn)向步驟（2）。如果所有的細(xì)節(jié)點(diǎn)對都已考慮過了，則轉(zhuǎn)向步驟（5）（2）將Pi和Qj當(dāng)作參照細(xì)節(jié)點(diǎn)，將輸入點(diǎn)集和模板點(diǎn)集中的細(xì)節(jié)點(diǎn)都轉(zhuǎn)換成極坐標(biāo)（3）將極坐標(biāo)中的模板細(xì)節(jié)點(diǎn)和輸入細(xì)節(jié)點(diǎn)按極角遞增方向排序，并連接成串，表示如下： 2-25其中和表示對應(yīng)的極半徑、極角和相對于參照點(diǎn)的細(xì)節(jié)點(diǎn)方向 （4）用后面將要介紹的方法匹配串和，找出匹配分?jǐn)?shù)，記錄為m_scoreij。然后轉(zhuǎn)回步驟（1） （5）找出m_sc

39、oreij中的最大值，把它當(dāng)作輸入細(xì)節(jié)點(diǎn)集與模板點(diǎn)集的匹配分?jǐn)?shù)。如果匹配分?jǐn)?shù)高于一個(gè)預(yù)先設(shè)定的閾值，則認(rèn)為輸入圖像與模板圖像來自一個(gè)指紋，否則認(rèn)為它們來自不同指紋在介紹匹配串和的方法之前，我們先介紹一下限界盒及其大小，如圖2-22所示。圖2-22 限界盒示意圖 一個(gè)限界盒是放在模板細(xì)節(jié)點(diǎn)上的一個(gè)盒子，限界盒的大小用angle_size和radius_size來表示，這個(gè)盒子的一對邊的極角為常數(shù)，另一對邊的極半徑為常數(shù)。用angle_size表示極半徑為常數(shù)的那對的極角差異： 2-26用表示極角為常數(shù)的那對邊的極半徑的差異： 2-27有的文獻(xiàn)中使用了一個(gè)固定大小的限界盒，即在所有的模板細(xì)節(jié)點(diǎn)處，

40、angle_size和radius_size取同樣的值。在本文介紹的方法中，它們的值將隨細(xì)節(jié)點(diǎn)的極半徑人小而改變，使用可變大小的限界盒是為了使算法對非線性形變更為魯棒。匹配和的算法描述如下：（1）用式（2-26）和式（2-27）決定每一個(gè)模板細(xì)節(jié)點(diǎn)的限界盒的大小。置m_scoreij=0。（2）進(jìn)行如下循環(huán)：for(int k = 1; k m; k+)for(int l = 1; l = N & ( angle_highk); l+)if(template_pointk和input_pointl滿足condition1m_scoreij+;調(diào)整限界盒；上述過程中，condition1定義為：

41、 condition1是將 template_pointk和 input_pointl看作對應(yīng)點(diǎn)對的條件。其含義是，input_pointl應(yīng)該在template_pointk的接線盒的內(nèi)部，這兩個(gè)細(xì)節(jié)點(diǎn)的方向差異應(yīng)小于（我們設(shè)置=30），rotatekl應(yīng)小于400，即Pk和Ql對應(yīng)的脊線不相似。根據(jù)上面的算法，我們設(shè)計(jì)了這套匹配算法，算法對圖象效果很清楚有比較好的匹配結(jié)果，對圖象一定的形變和旋轉(zhuǎn)所帶來的誤差有比較好的消除，而對指紋圖象處理后細(xì)化效果不好的指紋匹配結(jié)果識(shí)別效果不理想。四 總結(jié)（一）課題小結(jié)由于指紋的唯一性和不變性，指紋識(shí)別系統(tǒng)的準(zhǔn)確性和快速性，指紋識(shí)別己成為當(dāng)前最流行、最方便、最可靠的個(gè)人身份認(rèn)證技術(shù)之一。本文針對指紋識(shí)別技術(shù)進(jìn)行了深入研究，提出的指紋識(shí)別系統(tǒng)流程包括指紋預(yù)處理、特征提取和特征匹配等三大部分。對于指紋預(yù)處理，又分為圖像分割、圖像增強(qiáng)、二值化和細(xì)化四部分。圖像分割的任務(wù)是去掉圖像中不含紋路的區(qū)域和由于噪音太大而無法回復(fù)的低質(zhì)量紋路區(qū)域。圖像增強(qiáng)是對模糊區(qū)域進(jìn)行恢復(fù)，并增強(qiáng)脊線和谷線的對比度，以保證后續(xù)處理的可靠性。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。細(xì)化的目的就是將二值圖像變成為單像素寬度的骨架圖像。在基于點(diǎn)模式指紋匹配系統(tǒng)中，特征提取是從細(xì)化二值圖像中檢測細(xì)節(jié)點(diǎn)（主要指端點(diǎn)