數(shù)字圖像處理在指紋識別中的應用本科畢業(yè)設(shè)計

1、 數(shù)字圖像處理在指紋識別中的應用摘 要指紋具有唯一性和穩(wěn)定性，因此被人們用來當作鑒別個人身份的主要依據(jù)。隨著光學技術(shù)、化工技術(shù)、納米技術(shù)等多種學科的 快速發(fā)展指紋顯現(xiàn)和提取技術(shù)取得了較快的控展。但有不少顯現(xiàn)或提取得到的指紋效果較差，不易分辨指紋紋線與客體背景主間的差異或指紋紋線成像模糊等，主要表現(xiàn)為指紋紋統(tǒng)與客體背景的反差較弱。指紋紋線受客體背景的干擾、兩枚或多枚指紋相互重疊干擾、彎曲表面客體上的指數(shù)威像問題等。但由于存在指紋圖像的噪聲和皮膚彈性等因素影響，指紋識別一直存在識別率不高、運算速度較慢的問題。這時可利用數(shù)字圖像處理技術(shù)對不易辨識的指紋進行增強處理便于后續(xù)的指紋識別鑒定。本文總結(jié)了基

2、于小波變換的數(shù)字圖像處理在指紋圖像增強、指紋圖像二值化、指紋圖像壓縮編碼、指紋圖像細化、指紋圖像特征提取等方向的各種算法及技術(shù)。另外本文還給出了基于matlab軟件的指紋自動識別系統(tǒng)實現(xiàn)。在指紋圖像的預處理中，首先進行分塊歸一化，為后續(xù)處理提供統(tǒng)一的規(guī)格圖像；在求方向圖中，用沿著某個方向的灰度方差代替Metre方法中的灰度變化，相當于在求點方向圖之前先進行了一次均濾波操作，這樣得到的方向圖更有魯棒性；在二值化中，閥值的選取引入最大熵的概念，使圖像具有抗噪性。但對于部分噪聲嚴重的指紋圖像仍然無法識別，另外，算法的運行效率還有待提高。在指紋圖像的降噪中：應用中值濾波與小波包變換相結(jié)合去除圖像隨機噪

3、。關(guān)鍵詞：數(shù)字圖像，指紋處理，小波變換，matlab，指紋識別系統(tǒng)研究注：本設(shè)計（論文）題目來源于教師的國家級（或部級、省級、廳級、市級、校級、企業(yè)）科研項目，項目編號為： 。AbstractFingerprint is unique and stability, and therefore are used as main basis of personal identity. With the rapid development of optical technology, chemical technology, nanotechnology and other disciplines.

4、 Fingerprint and extraction technology has made rapid development. But many poor fingerprint effect appeared or extract, is not easy to distinguish the difference between background and object of the main ridge or fingerprint image blur, mainly for the contrast fingerprint system and object backgrou

5、nd of the weak. Interference, fingerprint by object background two or more fingerprints overlap interference, index Wei curved surface objects like problem etc. But because of the existence of the fingerprint image noise and the elasticity of the skin and other factors, the fingerprint recognition h

6、as been the recognition rate is not high, the low speed problem. Then the difficult identification of fingerprint enhancement processing by using digital image processing technique for fingerprint identification later. This paper summarizes the wavelet transform of digital image processing in the fi

7、ngerprint images enhancement, two values, fingerprint image compression coding, the fingerprint image thinning, fingerprint image feature extraction algorithm based on direction and technology. In addition the system of automatic fingerprint identification system based on MATLAB software. In the fin

8、gerprint image preprocessing, the first block normalization, image unified specifications for the subsequent processing; in the pattern of change, gray gray variance in one direction instead of the Metre method, the equivalent of before asking the direction of point to a mean filtering operation, ro

9、bustness pattern more so obtained; in the two value, threshold selection by introducing the concept of maximum entropy, the image with noise immunity. But for the fingerprint image noise serious still not recognized, in addition, the efficiency of the algorithm is yet to be improved. In the noise of

10、 fingerprint image: application of median filtering and wavelet packet transform combined with random noise removal of images.KEY WORDS: digital image, fingerprint processing, wavelet transform, MATLAB, fingerprint recognition system目錄本科畢業(yè)設(shè)計（論文）11 緒論611指紋識別技術(shù)簡介61.2 指紋識別技術(shù)原理介紹61.2.1 指紋圖像的采集71.2.2 指紋圖

11、像的預處理91.2.3 指紋圖像的特征提取和識別1013國內(nèi)外自動指紋識別系統(tǒng)的研究狀況121.4 論文的主要研究內(nèi)容131.5論文的結(jié)構(gòu)安排142 數(shù)字圖像處理在指紋識別中的各種算法及技術(shù)142.1 數(shù)字圖像處理對指紋圖像進行增強的算法142.2 基于小波變換的數(shù)字圖像處理在指紋圖像壓縮編碼中的算法152.3基于小波變換的數(shù)字圖像處理在指紋圖像二值化中的算法162.4基于小波變換的數(shù)字圖像處理在指紋圖像細化中的算法182.5基于小波變換的數(shù)字圖像處理在指紋圖像特征識別中的算法212.5.1 小波理論分析212.5.2 二維小波變換在指紋特征提取中的應用233 基于matlab的指紋識別系統(tǒng)2

12、63.1指紋識別系統(tǒng)的登錄界面263.2 指紋識別系統(tǒng)的主界面283.3指紋識別系統(tǒng)的圖像預處理界面283.4指紋識別系統(tǒng)的指紋匹配界面29結(jié)論31參 考 文 獻31附見1 指紋圖像預處理函數(shù)代碼34附件2 指紋匹配函數(shù)代碼401 緒論11指紋識別技術(shù)簡介指紋即指尖表面的紋路，其中突起的紋線稱為脊，脊之間的部分稱為谷，他們的形成依賴于胚胎發(fā)育時的環(huán)境。指紋是我們的個體特征，它具有穩(wěn)定性和獨特性兩大特性。而這兩大特性也使得它能應用于生物特征識別技術(shù)中，從而產(chǎn)生了指紋識別技術(shù)。指紋識別技術(shù)是指利用計算機進行的指紋自動識別的技術(shù)，它是一項綜合技術(shù)，其研究發(fā)展涉及到多個前沿及邊緣科學，如模糊數(shù)學、數(shù)學

13、形態(tài)學、神經(jīng)網(wǎng)絡(luò)、模式識別、計算機視覺、人工智能、數(shù)據(jù)壓縮、并行處理以及網(wǎng)絡(luò)技術(shù)等。 指紋識別技術(shù)的應用非常廣泛。典型的脫機應用有指紋鎖、指紋保險柜、指紋考勤系統(tǒng)等。電子銀行，自動取款機、電子商務等基于指紋識別的身份認證系統(tǒng)都屬于指紋識別技術(shù)的聯(lián)機應用。以指紋為代表的生物特征識別技術(shù)有望在將來的公共領(lǐng)域和民用領(lǐng)域扮演更重要的角色。1.2 指紋識別技術(shù)原理介紹 訓練模塊原理很簡單，相信大家都玩過連連看，其實指紋識別和連連看看是類似樣的，都是找出兩幅相同的圖像。而指紋識庫中的每一個指紋圖像都對應著一個特定的人，只有用這個人的指紋去對比才能確定他就是他本人；或者拿著一個指紋去指紋庫中進行一一對比才能

14、確定這枚指紋誰的。這就是指紋識別技術(shù)的兩類，即驗證（Verification）和辨識（Identification）。指紋識別技術(shù)的原理如圖1.1所示1。大眾數(shù)據(jù)庫特征提取圖像處理指紋采集個人匹配特征提取圖像處理指紋采集 鑒別模塊鑒別結(jié)果 圖 1.1 指紋識別技術(shù)原理1.2.1 指紋圖像的采集指紋圖像的獲取即指紋圖像的采集，取像設(shè)備常用的可分成四類：光學、硅晶體、傳感器、熱敏傳感器和超聲波傳感器。(1)光學取像設(shè)備有最悠久的歷史，可以追溯到20世紀70年代。依據(jù)的是光的 全反射原理(FTIR)r71。光線照到壓有指紋的玻璃表面，反射光線由電荷耦合器件(簡稱CCD：Charge Coupled

15、Device)去獲得，反射光的數(shù)量依賴于壓在玻璃表面指紋的脊和 谷的深度和皮膚與玻璃間的油脂。光線經(jīng)玻璃射到谷后反射到CCD，而射到脊后則不反射到CCD(確切的是脊上的液體反光的)。 由于最近光學設(shè)備的革新，極大地降低了設(shè)備的體積。近年來，傳感器可以裝在 6x3x6英寸的盒子里，在不久的將來更小的設(shè)備是3xlxl英寸。這些進展取決于多種光學技術(shù)的發(fā)展而不是FTIR的發(fā)展。例如：纖維光被用來捕捉指紋圖像。纖維光束垂直射到指紋的表面，它照亮指紋并探測反射光。另一個方案是把含有一微型三棱鏡矩陣的表面安裝在彈性的平面上，當手指壓在此表面上時，由于脊和谷的壓力不同而改變了微型三棱鏡的表面，這些變化通過三

16、棱鏡光的反射而反映出來2。(2)應用硅晶體傳感器是最近在市場上才出現(xiàn)的，盡管它在傳奇文學作品中已經(jīng) 出現(xiàn)近20年。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。電容傳感器通過電子度量被設(shè)計來捕捉指紋。電容設(shè)備能結(jié)合大約100，000導體金屬陣列的傳感器，其外面是絕緣的表面，當用戶的手指放在上面時，皮膚組成了電容陣列的另一面。電容器的電容值由于金屬間的距離而變化，這里指的是脊(近的)和谷(遠的)之間的距離。壓感式表面的頂層是具有彈性的壓感介質(zhì)材料，他們依照指紋的外表地形(凹凸)轉(zhuǎn)化為相應的電子信號。溫度感應傳感器的設(shè)計是依據(jù)感應在設(shè)備上的脊和遠離設(shè)備的谷溫度的不同3。(3)熱敏感應傳感器的原

17、理是根據(jù)皮膚紋理與傳感器部分的溫度差異來檢測指紋。具體來說，指紋的脊線能與傳感器相接觸，因而能影響到傳感器的溫度；指紋的谷線與傳感器不是直接接觸的，中間隔著空氣或者水分等，因此傳感器受到的溫度影響較小。在與傳感器表面耦合的過程中，濕潤的手指總比干燥的好，得到的影像也更清晰。由于這種感應系統(tǒng)檢測的是采集儀晶片上溫度的變化，所以傳感器要與手指存在溫差才能發(fā)揮作用。如果手指比晶片更熱，當手指在傳感器陣上做直掃動作時，熱電傳感器即接收到與指紋接觸部分的形狀成正比的額外熱量。傳感器被加熱，并在一個積累的時間之后(取決于時鐘速率)，開始與結(jié)束時間的溫差便被取樣，并將該現(xiàn)時的溫 度作為新的參數(shù)，跟著讀取下一

18、個溫度變化。如果手指與傳感器溫度相同，即沒有溫度變化，則測量不到任何數(shù)據(jù)。在實際應用中，為了避免出現(xiàn)這種情況，在陣列里包含發(fā)熱元件，在炎熱的地區(qū)，當手指在傳感器上直掃時，手指表面使傳感器降溫，不是受熱，所以影像是反向的，這可以由檢驗軟件作自動修正，但在寒冷的地區(qū)，則不需要。這種概念對信噪比是很有幫助的。綜上所述，熱敏傳感器的優(yōu)點是能防止偽造的指紋(如用橡膠膜做成的)或者任何類型的替代指紋。 (4)超聲波傳感器被認為是指紋取像技術(shù)中非常好的一類。很像光學掃描的激光，超聲波掃描指紋的表面。緊接著，接收設(shè)備獲取了其反射信號，測量它的范圍，得到脊的深度。不象光學掃描，積累在皮膚上的臟物和油脂對超音速獲

19、得的圖像影響不大，所以這樣的圖像是實際脊地形(凹凸)的真實反映。 影響指紋指紋識別在商業(yè)上取得成功有三個因素，它們是低價格、緊湊的體積、識別率。取像設(shè)備的價格已經(jīng)大幅下降。至于體積，上面已經(jīng)提到光學傳感器的體積從6x3x3英寸降到3xlxl英寸。應用晶體的傳感器的體積差不多是這樣或者更小。在晶片上，集成電路的技術(shù)越來越高r如：數(shù)字化電路把指紋信號轉(zhuǎn)化為數(shù)字信號強度)，系統(tǒng)體積將越來越小，晶體傳感器的體積接近于手指大小的體積，其長寬大約是lxl英寸，高不到1英寸。在晶體傳感器之前，對于大多數(shù)光學設(shè)備，只能通過人工調(diào)整來改變圖像的質(zhì)量。然而，晶體傳感器提供自動調(diào)節(jié)像素，行以及局部范圍的敏感程度，從

20、而提高圖像的質(zhì)量。自動增益控制技術(shù)(AGC)在不同的環(huán)境下結(jié)合反饋信息可以產(chǎn)生高質(zhì)量的圖像。例如，一個不清晰(對比度差)的圖像，如干燥的指紋，能夠被感覺并增強靈敏 度，在捕捉的瞬間產(chǎn)生清晰的圖像；由于提供了局部調(diào)整的能力，圖像不清晰(對比度差)的區(qū)域也能夠被檢測到(如：手指壓得較輕的地方)并在捕捉的瞬間為這些象素提高 靈敏度4。光學掃描也有自己的優(yōu)勢。其中之一是，在較大的模型上可以做較大指紋取像區(qū)域。而制造較大的應用晶體傳感器的指紋取像區(qū)域是非常昂貴的，所以應用晶體傳感器的指紋取像區(qū)域小于1平方英寸，而光學掃描的指紋取像區(qū)域等于或大于l平方英寸。然而這個對于較小的光學掃描設(shè)備并不是優(yōu)勢。較小的

21、光學掃描也是較小指紋取像區(qū)域，這是因為較大的指紋取像區(qū)域需要較長的焦點長度，所以要有較大包裝，否則如果較大的取像區(qū)域使用較小的包裝，則光學掃描設(shè)備會受到圖像邊緣線形扭曲的 影響。晶體傳感器技術(shù)最重要的弱點在于，它們?nèi)菀资艿届o電的影響，這使得晶體傳感器有時會取不到圖像，甚至會被損壞，另外，它們并不像玻璃一樣耐磨損，從而影響了使用壽命。總之，各種技術(shù)都具有它們各自的優(yōu)勢，也有各自的缺點。我們在下面的表11中給出四種主要技術(shù)的比較。表11四種主要圖像采集技術(shù)的比較比較項目光學全反射技術(shù)硅晶體電容傳感技術(shù)熱敏傳感器超聲波傳感器體積大小小中耐用性非常耐用容易損壞非常耐用一般成像質(zhì)量干手指差，但是汗多或稍

22、臟手指成像模糊干手指好，但是汗多或稍臟手指不能成像質(zhì)量較差，效果受手指移動速度影響大非常好功耗較多較少一般較多成本低低較低很高成像大小采集面積可以很大采集面積很小采集面積不受限制采集面積較大1.2.2 指紋圖像的預處理通過指紋采集儀器采集到的指紋，由于采集指紋圖像時圖像質(zhì)量不高或者在提取指紋過程中因用力不均造成指紋畸變，又或者在圖像的形成、傳輸或變換的過程中，受多種因素的影響， 如光學系統(tǒng)失真、系統(tǒng)噪聲、曝光不足或過量、相對運動等，往往使圖像與原始景物之間或圖像與原始圖像之間產(chǎn)生某種差異。因此首先要對采集到的指紋圖像進行預處理，包括對指紋圖像的增強、二值化和細化等5。（1）指紋圖像增強是指按特

23、定的需要突出一幅圖像中的某些信息，同時削弱或除去某些不需要的信息的處理方法，故改善后的圖像并不一定要去逼近原始圖像。從圖像質(zhì)量評價觀點來看，圖像增強的主要目的是提高圖像的可理解性。所以針對指紋圖像，其目的即突出指紋紋線結(jié)構(gòu)，抑制紋線上及背景中的噪音干擾。指紋圖像增強作為預處理中的關(guān)鍵步驟，其效果直接影響到后續(xù)指紋特征提取的正確性，進而在很大程度上決定了該識別系統(tǒng)的魯棒性。(2)指紋圖像的二值化其實就是把采集到的指紋圖像轉(zhuǎn)化為只有0和255兩種顏色的圖像，即黑白圖。也可以理解為只用0和1兩種變換來表示一幅指紋圖像。二值化是指紋圖像預處理中必不可少的一步。常用的二值化方法有固定閥值法、自適應閥值法

24、、局部自適應閥值法等。二值化后的指紋圖像有利于提取圖像中有意義的特征值，提取特征值是進一步進行指紋圖像識別、分析和理解的基礎(chǔ)。(3)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(guān)心它的粗細。為了進一步壓縮數(shù)據(jù)，得到更精確的細節(jié)特征，提高識別的準確性，對指紋圖像進行細化處理是不可忽略的。所謂細化，就是從原來的圖中去掉一些點，但仍要保持原有的形狀。實際上，是保存特征點，把剩余信息刪除。指紋圖像的細化是指刪除指紋紋線的邊緣像素，使之只有一個像素寬度，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。1.2.3 指紋圖像的特征提取和識別指紋其實是比

25、較復雜的。與人工處理不同，許多生物識別技術(shù)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(gòu)產(chǎn)生了許多數(shù)字化的算法(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)。但指紋識別算法最終都歸結(jié)為在指紋圖像上找到并比對指紋的特征。傳統(tǒng)的識別系統(tǒng)算法定義了指紋的兩類特征來進行指紋的驗證：總體特征和局部特征。(一)總體特征總體特征是指那些用人眼直接就可以觀察到的特征，包括6：A基本紋路圖案環(huán)型(100p)，弓型(arch)，螺旋型(whorl)。其他的指紋圖案都基于這三種基本圖案。僅 僅依靠圖案類型來分辨指紋是遠遠不夠的，這只是一個粗略的分類，但通過分類使得在大數(shù)據(jù)庫中搜尋指

26、紋更為方便。B模式區(qū)(PatternArea)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)。 C核心點(Core Point)核心點位于指紋紋路的漸進中心，它用于讀取指紋和比對指紋時的參考點。 D三角點(Delta)三角點位于從核心點開始的第一個分叉點或者斷點、或者兩條紋路匯聚處、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)和跟蹤的開始之 處。E式樣線(TypeLines) 式樣線是在指包圍模式區(qū)的紋路線開始平行的地方所出現(xiàn)的交叉紋路，式樣線通常很短就中斷了，但它的外側(cè)線開始連續(xù)延伸。F紋數(shù)(Ridge

27、Count) 指模式區(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)。G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(zhuǎn)折點就稱為“節(jié)點”。就是這些節(jié)點提供了指紋唯一性的確認信息。(二)局部特征 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，但是它們的局部特征節(jié)點卻不可能完全相同7。 (1)分類 節(jié)點有以下幾種類型，最典型的是終結(jié)點和分叉點。A終結(jié)點(Ending)一一條紋路在此終結(jié)。B分叉點(Bifurcation)一條紋路在此分開成為兩條

28、或更多的紋路。C分歧點(Ridge Divergence)一兩條平行的紋路在此分開。D孤立點(Dot or Island)一一條特別短的紋路，以至于成為一點。E環(huán)點(Enclosure)一一條紋路分開成為兩條之后，立即又合并成為一條，這樣形成 的一個小環(huán)稱為環(huán)點。F短紋(ShortRidge)一端較短但不至于成為一點的紋路。如圖1.2.3為各種局部特征的六種分類。(a) (b) (c) (d) (e) (f)圖表 1.2.3 局部特征點類型的示意圖其中，(a)(f)分別為指紋的終結(jié)點、分叉點、分歧點、孤立點、環(huán)點和短紋。(2)方(Orientation)一節(jié)點可以朝著一定的方向。(3)曲率(C

29、urvature)一描述紋路方向改變的速度。(4)位置(Position)一節(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。 指紋的局部特征(Minutiae)有150種之多。但是這些特征出現(xiàn)的概率并不相等，很 多特征是極其罕見的。美國FBI指出，指紋紋線端點和分叉點能唯一地表示一個指紋，紋線端點指的是紋線突然結(jié)束的位置，而紋線分叉點則是紋線突然一分為二的位 置。大量統(tǒng)計結(jié)果和實際應用證明，這兩類特征點在指紋中出現(xiàn)的機會最多、最穩(wěn)定，而且比較容易獲取。更重要的是，使用這兩類特征點足以描述指紋的唯一性。它 們被統(tǒng)稱為細節(jié)點。一般在自動指紋識別技術(shù)中只使用兩種細

30、節(jié)特征。通過算法檢測指紋中這兩類特征點的數(shù)量以及每個特征點的類型、位置和所在區(qū)域的紋線方向是特征提取算法的任務，從而達到識別的目的。13國內(nèi)外自動指紋識別系統(tǒng)的研究狀況指紋識別技術(shù)從早期的人工比對到現(xiàn)在采用計算機技術(shù)實現(xiàn)自動指紋識別，指紋對比更加準確，識別效率得到極大提高。自動指紋識別過程通常由指紋圖像濾波增強、二值化、細化、特征提取以及指紋匹配等幾個環(huán)節(jié)構(gòu)成。指紋圖像濾波增強的目的是將有噪聲干擾的指紋圖像變得更加清晰，使得指紋圖像的脊線更黑，谷線更白，當前在實際指紋圖像增強算法的應用中一般是幾種濾波增強方式結(jié)合起來使用，主要的方案是基于傅里葉變換結(jié)合濾波和指紋圖像點方向場的下上下濾波器；指紋

31、圖像二值化，是將指紋圖像變成灰度值只有0和255兩種顏色的圖像，當前，在自動指紋識別中常采用的是根據(jù)指紋圖像的點方向場在指紋紋線方向和指紋紋線垂直方向上對指紋圖像進行二值化處理；指紋圖像細化是指刪除指紋紋線的邊緣像素，使之只有一個像素寬度，目前在自動指紋識別技術(shù)中常用的是OPTA算法的改進的圖像模板細化算法；指紋特征提取，是將細化后使用計算機數(shù)字圖像處理技術(shù)采集指紋圖像中奇異點、端點、叉點等指紋特征數(shù)據(jù)，目前常用的特征提取算法是先對細化后的指紋圖像進行初步去噪，然后提取特征點，再根據(jù)閾值去除偽特征點；指紋匹配，是指紋預留模板圖像與輸入樣板圖像中的所有特征點的匹配，目前在自動指紋識別系統(tǒng)中常采用

32、可變大小的界限盒的指紋特征匹配算法8。目前指紋識別技術(shù)還有很多困難，例如當三維的指紋被指紋錄入設(shè)備掃描成二維的數(shù)字圖像時，會丟失一部分信息、，手指劃破、割傷、弄臟、不同干濕程度以及不同的按壓方式，還會導致指紋圖像的變化，這給可靠的特征提取帶來了相當?shù)乩щy；例如傳統(tǒng)的基于細節(jié)點的識別方法，是依靠提取指紋脊線上的細節(jié)點，然后對其位置和類型進行匹配，來識別指紋的，而噪聲會影響特征提取準確度，增加錯誤的特征點或丟失真正的特征點。當噪聲很大時，就要增加圖像增強算法來改善圖像的質(zhì)量，但很難找到一種增強算法能夠適應所用的噪聲，多種增強算法又會大幅增加算法運行時間，不好的增強算法又會增加人為特征。當噪聲增大時

33、，提取了許多虛假細節(jié)點，還有可能丟失細節(jié)點，這就是傳統(tǒng)的基于細節(jié)點識別算法的不足之處之一，因為它只利用了指紋圖像中的一小部分信息（細節(jié)點位置和方向）作為特征進行匹配，丟失了蘊涵在圖像中的其他豐富的結(jié)構(gòu)信息。不難想象，基于這種方法的識別算法，很難全面適應指紋的變化。1.4 論文的主要研究內(nèi)容論文在研究指紋識別原理的基礎(chǔ)上，通過討論前人在指紋識別算法的工作基礎(chǔ)上，提出了自己的研究重點，分別簡述如下：第一，對指紋識別技術(shù)進行了系統(tǒng)的介紹。第一章中給出了指紋識別的具體流程圖，并對流程圖中各個步驟進行了詳細的解釋說明。第二，介紹了數(shù)字圖像處理在指紋識別中的各種算法。其中的算法都是基于小波變換實現(xiàn)的。當中

34、給出了指紋圖像增強、指紋圖像壓縮編碼、指紋圖像細化、指紋圖像特征提取的各種算法的公式，并解釋了公式的應用方法。第三，在基于小波變換的算法下，用matlab軟件制作了指紋識別系統(tǒng)的具體實現(xiàn)軟件。其中建立了小型指紋圖，軟件具有兩個功能：1.對輸入的指紋將行身份鑒定；2，對確定輸入指紋的主人并輸出其姓名。當然輸入的指紋要是指紋庫中已有的指紋。論文針對不同問題提出的若干算法，在一定程度上優(yōu)化和完善了前人在這些方面做的工作，提高了整個識別系統(tǒng)的識別效果，為自動指紋識別提供了有價值的參考。1.5論文的結(jié)構(gòu)安排論文的結(jié)構(gòu)安排如下： 第一章 主要敘述指紋識別的原理、歷史、國內(nèi)外的發(fā)展概況、論文的研究內(nèi)容及意義

35、。第二章綜述了前人應用數(shù)字圖像處理在指紋識別中取得的各種成就。第三章指紋識別算法的matlab實現(xiàn)。 第四章主要給出了指紋自動識別系統(tǒng)的實驗結(jié)果。2 數(shù)字圖像處理在指紋識別中的各種算法及技術(shù)數(shù)字圖像處理(Digital Image Processing)又稱為 計算機圖像處理，指將圖像信號轉(zhuǎn)換成數(shù)字信號并 利用計算機對其進行處理，以達到改善圖像質(zhì)量的過程。在圖像處理中，輸入的是低質(zhì)量的圖像。輸出的是改善質(zhì)量后的圖像。優(yōu)點是處理精度高，處理內(nèi)容豐富，可進行復雜的非線性處理BI，有靈活的變通能力。困難主要在處理速度上，特別是進行復 雜的處理。數(shù)字圖像處理技術(shù)在指紋識別中的應用主要包括：圖像增強、圖

36、像壓縮編碼、圖像二值化、圖像細化、圖像識別。2.1 數(shù)字圖像處理對指紋圖像進行增強的算法數(shù)字圖像處理技術(shù)主要是增強指紋圖像中的有用信息，削弱干擾和噪聲，使圖像更加清晰，更適合計算機處理的形式。圖像增強不考慮圖像降質(zhì)的原因，突出圖 中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節(jié)明顯；如強化低頻分量，可減少圖像中噪聲的影響。2.2 基于小波變換的數(shù)字圖像處理在指紋圖像壓縮編碼中的算法在滿足一定保真度條件下，對圖像信息進行編碼，可以壓縮圖像的信息量，簡化圖像的表樂，從而大大壓縮俐像描述的數(shù)據(jù)量，以便于存儲和傳輸。 圖像壓縮在不同應用情況下可以采取有損壓縮和無損壓縮。基于小波變換的

37、數(shù)字圖像處理可以快速準確的對指紋圖像進行壓縮編碼。下面是具體的算法:(1)小波包概念的提出。小波包變換(wp)是在小波變換(WaveletTransform)與多分辨分析的基礎(chǔ)上提出的，Mallat與Meyer提出的多分辨分析從空間概念上將L2(R)分解為一串具有不同分辨率的頻率子空間，使得信號的塔式分解成為可能。WP分解不同于傳統(tǒng)的塔式分解，它對信號進行多級分解時，不單只對低頻子帶作進一步分解，對上一層分解的高 頻部分也同時進行細分，并自適應地選擇相應的頻帶與信號頻譜相匹配，提高時頻分辨率9。 (2)WP的基本定義及最佳基選擇。進一步對小波子空間按二進制方式進行頻率細分，并令：、 (是WT中

38、的尺度空間)，則 Hilbert 空間的正交分解+1=可用的分解統(tǒng)一為：。若令： 。由式構(gòu)造的序列稱為由基函數(shù)確定的正交小波包。也可等價表示為：。其中與分別是函數(shù)與的閉包空間。若將WP簡記為：，k,n(t)=2-j/。其中，由此可見WP除了具有小波函數(shù) ，k(t)的離散尺度j，、平移尺度k外，還有一個倍頻程細化參數(shù)n=2l+m，正是這個參數(shù)使WP克服了 WT 時間分辨率高時頻率分辨率低的缺陷。進行圖像壓縮后的前后對比如圖2.21和圖2.2.210。 圖2.2.1 指紋圖像 圖2.2.2 壓縮后的重構(gòu)圖2.3基于小波變換的數(shù)字圖像處理在指紋圖像二值化中的算法對圖像進行二值化是指紋圖像處理中的關(guān)鍵

39、 技術(shù)之一，日的是為了將圖像中有意義的特征值提取出來，即圖像的邊緣、區(qū)域等信息特征，這是進 一步進行指紋圖像識別、分析和理解的基礎(chǔ)。小波分解的重要作用就是可以將原始信號中的高頻部分和低頻部分分離開。信號在從波峰到波谷或波谷到波峰的變化部分，是因為有高頻信號的存在才產(chǎn)生如此大的變化。通過小波分解，就可以得到高頻信號，同時可以知道高頻信號發(fā)生的具體位置和能量大小。通過設(shè)置一定的閾值，可以將原始信號中的噪聲濾除，從低頻信號中得到平滑的波形?；谛〔ǖ闹讣y圖像二值化的具體方法如下：首先，計算原始指紋圖像的方向場:像素點(x，y)是否應該被置黑，由下面步驟決定： 按照前面章節(jié)方法構(gòu)造 11 （2.3.1

40、） 其中,，分別是，的一列，這里n=l,W，采用Haar小波對數(shù)列進行小波分解： (2.3.2)在這里，式(23.2)中，i為分解的層數(shù)，為低頻段信息，為高頻段信息。經(jīng)過上面的小波分解后，只保留其低頻部分，得到： 而后計算 (2.3.3)這里 (2.3.4)選取兩個W值，和，構(gòu)造和。大小包括一個脊線寬度，大小包括二脊二谷。分別計算得到和。 該像素(x，y)二值化的規(guī)則如下：if 置白；else if 置白；else (x,y) 置黑12。上面規(guī)則的第一個條件的目的是對圖像的無指紋信息部分和有指紋信息部分進行分割，使包含指紋信息的區(qū)域外部變成白色。這里，取閾值Threshold13為整個圖像的灰

41、度均值。在對圖像二值化的過程中同時完成對圖像的分割，達到去除無用信息的目的。采用上述的二值化算法對指紋圖像進行二值化后的結(jié)果如圖2.3.1所示： 圖2.3.1 (a) (b)2.4基于小波變換的數(shù)字圖像處理在指紋圖像細化中的算法細化的主要作用是去除指紋圖像中不必要的信息，節(jié)省內(nèi)存，便于從圖像中提取細常特征，從而 提高對指紋圖像的匹配速度。用上述小波二值化后的圖像進行細化。在研究過程中，發(fā)現(xiàn)并不是所有脊線都是一個像素的寬度，尤其是在分歧點周圍。這樣就造成信息的冗余，也要進行必要的刪除。細化改進的具體步驟如下14：(1)依次在未改進細化圖像中，取脊線上某一點(x，y)，并取其3*3鄰域，如 P(1

42、)p(8)P(7)P(2)(x,y)P(6)P(3)P(4)P(5)圖2.4.1(2)計算 (2.4.1)其中，表示以8為循環(huán)周期，當i=8時，i+l=9,就取 = p(1)；(二值化后黑點用“1”表示，白點用“0"表示)；(3)統(tǒng)計該鄰域內(nèi)黑點的數(shù)目，如果Delta=2且 4則該點去掉，即置白，否則保留；(4)一幅圖像未完，則跳到第(1)步，否則到第(5)步；(5)如果整個圖像沒有一個點被去掉，則結(jié)束；否則對新圖像從第(1)步再開始處理8。圖2.4.2是兩幅對比圖像，(a)為改進前的結(jié)果，(b)為改進后的結(jié)果。 圖2.4.2 (a)未加細化改進 (b)細化后改進指紋圖像的細化后處理

43、:對二值化圖像進行改進細化處理后，使細化后的脊線寬度真正成為了1。由于原始圖像質(zhì)量較差，往往會有一些假特征點在細化后出現(xiàn)。如圖24.3所示， 圖2.4.3 (a) 原始指紋圖像 (b) 細化后的指紋圖像這些假細節(jié)點多為極短的脊線、脊線上短短的突起(外形上像短刺)和小圈(外形上像氣泡)，它們分別可能被誤作為端點和分叉點。后處理就是要盡量除這些假細節(jié)點，使指紋脊線光滑，并且不失真。后處理就主要分為三部分：消除短脊、消除短刺和消除氣泡。要消除這兩種干擾信息，先要弄清如何判斷特征點。這里將端點和分叉點作為主要的便于識別的特征點。將上面的式(21)；重寫在這里，3*3鄰域取法也如上面所述。當Delta=

44、2時，點(x，y)為端點；當Delta=6時，點(x，y)為分叉點。 短脊的特點是，它的兩端都可以被判別為端點，且距離十分短。短刺有這樣一些特點，它的一端可以被判別為端點，另一端可以被判別為分叉點，同時，這兩個點的距離十分短。氣泡的特點，它的兩端都可以被判為分叉點，距離也很短。有了這樣的特點就可以對他們分別進行消除。短脊和短刺可以在同一過程中消除。消除短脊和短刺方法15：(1)依次選取細化圖像脊線上的點(x，y)；(2)計算Delta。如果Delta=2，則選取點(x，y)的一定鄰域，在該鄰域中尋找端點或者分叉點，也就是尋找Delta=2或Delta=6的點。如果該鄰域中除了點(x，y)外沒有

45、其它端點或者分叉點，則(x，”保留(繼續(xù)為黑)，否則去掉(置白)。(3)重復第(1)，(2)步直到完成對一幅圖像的處理；(4)如果在上面幾步中有像素點被消除，則對新圖像重復上面步驟，否則結(jié)束處理。以上方法可以很好的消除短脊和短刺(它們也可以分開進行)。消除氣泡的方法和上面的方法，有所不同，它要對檢查出的氣泡進行填充，對填充后的圖像再進行細化操作，這樣就消除了氣泡。該過程要對不同大小的鄰域重復進行，直到?jīng)]有氣泡被檢出。具體步驟如下：(1)依次選取細化圖像脊線上的點(x，y)；(2)計算Delta。如果Delta=6，則選取點(x，y)的一定鄰域，在該鄰域中尋找分叉點，也就是尋找Delta=6的點

46、。如果該鄰域中除了點(x，y)外沒有其它分叉點，則跳到第(1)步，否則進行下一步；(3)如果在上一步中找到了另一個分叉點，則將兩個分叉點之間的一定區(qū)域全部置黑；(4)重復第(1)，(2)，(3)步直到完成對一幅圖像的處理； (5)對局部置黑后的新圖像再進行細化；(6)如果在上面幾步中有區(qū)域被置黑，則對新圖像重復上面步驟，否則進行下一步；(7)擴大鄰域范圍，重復上面步驟，直到鄰域范圍達到設(shè)定的最大值。以上方法對消除氣泡效果很好。2.5基于小波變換的數(shù)字圖像處理在指紋圖像特征識別中的算法圖像識別屬于模式識別的范疇，其主要內(nèi)容是在圖像經(jīng)過某些預處理(增強、二值化、細化)后，進行圖像特征值提取，從而進

47、行判別分類。首先對小波理論和具體公式進行介紹：2.5.1 小波理論分析小波實際上是那些滿足一定數(shù)學要求并能用之描述(或逼近)其他函數(shù)或信號的一些函數(shù)。小波分析過程就是采用小波原形函數(shù),或稱為母波。分析小波對信號進行分析,它是一種信號的時間一尺度(時間一頻率)分析方法,具有多分辨率分析(MultiresolutionAnalysis)的特點,即在低頻部分具有較高的頻率分辨率和較低的時間分辨率,在高頻部分具有較高的時間分辨率和較低的頻率分辨率。1 . 1 連續(xù)小波變換16所有小波是通過對基本小波進行尺度伸縮和位移得到的,基本小波是一個具有特殊性質(zhì)的實值函數(shù),它是振蕩衰減的, 而且通常衰減得很快,在

48、數(shù)學上滿足積分為零的條件,二維連續(xù)小波基函數(shù)定義如式(2.5.1)所示,其變換和逆變換如式(2.5.2)和式(2.5.3)所示。- -(2.5.1) (2.5.2)¥ ¥ ¥(2.5.3)1.2 離散小波變換17在數(shù)值計算中,尤其是在計算機上實現(xiàn)時,連續(xù)小波必須加以離散化。因此,有必要討論連續(xù)小波和連續(xù)小波變換的離散化。整個小波級數(shù)展開公式如式(2.5.4)所示。= = ò -(2.5.4) 二維離散小波變換是橫向、縱向兩個一維小波變換合成的結(jié)果, 它需要一個二維 尺 度 函 數(shù)和 三 個 二 維 小 波, 。每一個都是一維尺度函數(shù)j 和y 相應的小波函

49、數(shù)的乘積。排除產(chǎn)生一維結(jié)果的乘積, 如 ,4個留下的乘積產(chǎn)生可分離尺度函數(shù)。如式(2.5.5)所示。 (2.5.5)(2.5.6)另外也可產(chǎn)生分離的“方向敏感的”小波,如式(2.5.6),式(2.5.7),式(2.5.8)所示。 (2.5.7) (2.5.8)從一幅 的圖像 f ( x, y) 開始,其中上標指示尺度并且N 是2 的冪。對于m =0 ,尺度 ,也就是原圖像的尺度。m 的值每一次增大都使尺度加倍,而使分辨率減半。在變換的每一層次,圖像都被分解為4個四分之一大小的圖像(尺度 的低頻部分和三個方向:水平、垂直、對角的高頻部分) ,它們都是由原圖與一個小波基圖像的內(nèi)積后,再經(jīng)過在行和列

50、方向進行2倍的間隔抽樣而生成。4個圖像分別反映了低頻,垂直,水平和對角線信息。對于第一個層次( m =1 ) ,可寫成式(2.5. 9 ) ,式( 2.5.10 ) ,式(2.5.11),式(2.5.12)。(2.5.9) (2.5.10) (2.5.11) (2.5.12)接下來介紹了小波公式在指紋識別中的具體應用：2.5.2 二維小波變換在指紋特征提取中的應用小波變換是一種常用的圖像分析手段,并且在紋理識別中有較多的應用。由于指紋紋理結(jié)構(gòu)是二維的,所以使用二維小波變換做紋理分析非常適合。二維小波變換實質(zhì)上是分別進行橫向,縱向,以及對角的一維小波變換。對一幅圖像進行完全的小波分解得到一系列的

51、小波系數(shù),小波系數(shù)的形狀和尺寸與原始圖像相同。例如一幅16×16的圖像經(jīng)過三層小波分解,可以得到10塊小波分解結(jié)果,一共256個系數(shù)。我們把這些小波分解系數(shù)構(gòu)成的子圖像稱為小波分解通道。一共有四種通道,LL,LH,HL,HH。每個通道表征了原始圖像不同空間頻率和方向下的信息。LL通道代表圖像在水平低頻和垂直低頻下的信息,LH通道代表了圖像在水平低頻和垂直高頻下的信息,HL通道代表了圖像在水平高頻和垂直低頻下的信息,HH通道代表了圖像在水平高頻和垂直高頻下的信息, 對指紋圖像進行3 次二維小波變換分解示意圖如圖2.5.1所示。 圖2.5.1 二維小波對指紋圖像的三次分解在用二維小波變換

52、提取指紋特征時,其提取特征的效果與選用的小波基有關(guān)。而小波基是濾波器的類型決定的。在考慮系統(tǒng)實時性的同時選用合適的小波基進行二維小波變換,可以較好的提高指紋識別的速度和準確率。（如圖2.5.1圖2.5.2）圖2.5.2 指紋圖像的中心區(qū)域作為一類特殊的圖像,指紋圖像具有 一些區(qū)別于其他圖像的特點。 (1)指紋圖像由交替出現(xiàn)的脊線(ridge)和 谷線(valley)組成。通常情況下，我們認為脊線 和谷線具有相同的象素(piexl)寬度，因此，從 頻域的角度來看，指紋圖像中的有用信息 (如紋線結(jié)構(gòu)、細節(jié)特征等)包含在一定的通 帶內(nèi)，而低頻成分則相對圖像的背景亮度。 (2)指紋圖像紋線的方向性對指

53、紋的識別提供了重要的信息，同時它又能為指紋圖像的處理和壓縮提供極大的方便。對于指紋圖像的每一點，都可以定義它的局部 紋線走向，所有點的方向信息組成了該指 紋圖像的方向圖。 (3)在實際應用中,衡量指紋圖像質(zhì)量好壞的一個重要標準就是能否方便、準確地提取出指紋圖像中用于識別的特征。從上我們可以看出,小波變換有許多適合指紋圖像的特點,如對局部細節(jié)特征的表達能力,二維小波變換所具有的方向選擇性等。很多研究者率先將小波變換用于指紋 圖像處理中,并取得了較好的效果。下面我們介紹一下基于小波變換的指紋特征提取算法的具體步驟18: (1)中心區(qū)域的分割。這里的中心區(qū)域指的是指紋圖像的待識別區(qū)域,不同于很多使用

54、全局指紋圖片的指紋匹配方法,我們只采用指紋圖像的一塊作為匹配區(qū)域。本文將中心區(qū)域定義 為:以參考點為中心的大小為64×64的正 方形區(qū)域,與圓形區(qū)域相比,這種區(qū)域更適合簡化計算,提高速度。要實現(xiàn)中心區(qū)域的分割,首先要準確的檢測參考點,本文對參考點的定義為指紋的中心點。為了防止中心點的定位所帶來的誤差對我們考察這種基于小波分解的識別方法的影響,在我們 的實驗中采用人為的方法提取中心點。對實驗圖像進行分割,得到的中心區(qū)域如圖2 所示。當中心區(qū)域提取出來之后,我們就可以根據(jù)參考點的對齊來對齊指紋圖像的中 心區(qū)域,這在一定程度上解決了在指紋采集過程中產(chǎn)生的指紋圖像間的位移誤差。 (2)中心區(qū)

55、域的二維小波分解19。根據(jù)前面對小波和指紋圖像性質(zhì)的介紹,我們知道利用小波變換能夠提取指紋圖像的特征信息,利用提取出來的信息可以對 圖像進行分類識別。我們對指紋圖像的中心區(qū)域dm,n進行J=4層小波變換,得到3J+1=13幅子圖 。其中是一個低分辨率的近似圖像, 是在不同尺度不同方向 k 上的細節(jié)子圖。的小波系數(shù)分別對應于垂直高頻, 水平高頻和對角高頻分量。由于子圖僅含有圖像的低頻信息,而我們需要的是圖像的細節(jié)信息即高頻信息,因此我們丟棄子圖,而對具有高頻信息的細節(jié)子圖的 小波系數(shù)進行提取處理,得到特征向量。 表 2.5.1 相同類和不同類指紋圖像的特征向量比較 圖2.5.3 相同類和不同類的

56、指紋圖像及它們的特征向量(3)特征碼的計算20。 當圖像在某一頻率和方向下具有較明顯的紋理特征時,與之對應的小波通道輸 出就具有較大的能量。不同子帶的能量提 供了有關(guān)脊頻率和脊方向的信息,因此不 同尺度和方向上的能量分布具有豐富的指 紋分類信息。我們用這一系列小波通道的 標準差來表示圖像中的紋理特征。通道的標準差由下式給出式(13): (2.5.13) (2.5.14)我們把4層小波變換總共12個細節(jié)子圖的小波系數(shù)的標準差組成一個表征這幅指紋圖像的特征向量式 (2.5.14)計算得到的特征向量對指紋圖像具有 重要的區(qū)分屬性,我們即是采用這些得到的 特征向量對指紋圖像進行分類識別的。為了 簡單的證明特征向量的區(qū)分特性,我們對三幅指紋圖像(兩幅同類圖像和一幅不同類圖像)做4層小波分解并提取