基于Matlab的指紋圖像特征提取

1、基于Matlab的指紋圖像特征提取摘 要 隨著社會的發(fā)展，傳統(tǒng)的基于信物或口令的安全系統(tǒng)顯得越來越脆弱，不能夠滿足現(xiàn)代安全系統(tǒng)的需要。指紋具有唯一性和穩(wěn)定性，因此被人們用來當(dāng)作鑒別個人身份的主要依據(jù)。相對于其它生物特征鑒定技術(shù)，指紋識別是一種理想的身份鑒別技術(shù)。在指紋識別技術(shù)中，指紋特征提取是其中一個非常重要的部分。許多學(xué)者對指紋特征提取方法進(jìn)行了探討，本文是在前人的基礎(chǔ)上利用Matlab對經(jīng)過預(yù)處理的指紋圖像進(jìn)行特征提取。指紋特征提取主要運用了兩大類方法，即依據(jù)指紋灰度圖像直接提取指紋特征的方法和依據(jù)二值化細(xì)化后的指紋圖像鄰域特征提取的方法。實驗表明，基于二值化細(xì)化指紋圖像鄰域特征提取的方法

2、所提取到的特征更全面、質(zhì)量更高，為后續(xù)指紋特征匹配提供了更好的效果。關(guān)鍵詞 指紋識別 特征提取 Matlab FINGERPRINT FEATURE EXTRACTIONBASED ON MATLABABSTRACT With the development of society, the traditional secure system has appeared to be more and more weak which is based on correspondence or catchword, and it can not satisfy the needs of the sec

3、ure system in the modern times. Fingerprint is provided with unique quality and stability, so fingerprint is used to be the main foundation to evaluate subjective identify. About to other biometric characteristic identify technology, fingerprint on-line is regarded as a kind of ideal identify approv

4、ing technology. In the fingerprint on-line technology, the fingerprint feature extraction is one of the most important parts. Many scholars of the fingerprint feature extraction methods are discussed, in this paper are based on previous use of Matlab on the fingerprint image feature extraction after

5、 pretreatment. Fingerprint feature extraction method mainly used two methods, namely, direct extraction of gray images based on fingerprint characteristics of the method and basis of the fingerprint binarized and thining fingerprint image feature extraction. Experiments show that the binary fingerpr

6、int image feature extraction method to extract the features of a more comprehensive, higher quality, the fingerprint feature matching for the follow-up provides better results.KEY WORDS Fingerprint on-line Feature extraction Matlab 目 錄 TOC o 1-4 h z u HYPERLINK l _Toc295081092 中文摘要 PAGEREF _Toc29508

7、1092 h I HYPERLINK l _Toc295081093 英文摘要 PAGEREF _Toc295081093 h II HYPERLINK l _Toc295081094 1 緒論 PAGEREF _Toc295081094 h 1 HYPERLINK l _Toc295081095 1.1 引言 PAGEREF _Toc295081095 h 1 HYPERLINK l _Toc295081096 1.2 指紋識別技術(shù) PAGEREF _Toc295081096 h 1 HYPERLINK l _Toc295081097 1.3 指紋識別技術(shù)的研究現(xiàn)狀 PAGEREF _Toc

8、295081097 h 3 HYPERLINK l _Toc295081098 1.4 主要內(nèi)容 PAGEREF _Toc295081098 h 4 HYPERLINK l _Toc295081099 2 指紋圖像識別的基本原理和方法 PAGEREF _Toc295081099 h 5 HYPERLINK l _Toc295081100 2.1 指紋的類型 PAGEREF _Toc295081100 h 5 HYPERLINK l _Toc295081101 2.2 指紋圖像的采集 PAGEREF _Toc295081101 h 7 HYPERLINK l _Toc295081102 2.3

9、指紋圖像的預(yù)處理 PAGEREF _Toc295081102 h 8 HYPERLINK l _Toc295081103 2.4 指紋圖像的特征選取 PAGEREF _Toc295081103 h 10 HYPERLINK l _Toc295081104 3 指紋圖像的特征提取 PAGEREF _Toc295081104 h 12 HYPERLINK l _Toc295081105 3.1 指紋特征的內(nèi)容 PAGEREF _Toc295081105 h 12 HYPERLINK l _Toc295081106 3.1.1 全局特征 PAGEREF _Toc295081106 h 13 HYPE

10、RLINK l _Toc295081107 3.1.2 局部特征 PAGEREF _Toc295081107 h 13 HYPERLINK l _Toc295081108 3.2 指紋特征點提取算法概述 PAGEREF _Toc295081108 h 14 HYPERLINK l _Toc295081109 3.2.1 基于灰度圖像的直接提取法 PAGEREF _Toc295081109 h 14 HYPERLINK l _Toc295081110 3.2.2 基于細(xì)化圖像的鄰域法 PAGEREF _Toc295081110 h 16 HYPERLINK l _Toc295081111 3.2

11、.3 指紋特征點提取算法比較 PAGEREF _Toc295081111 h 17 HYPERLINK l _Toc295081112 3.3 偽特征點的剔除 PAGEREF _Toc295081112 h 19 HYPERLINK l _Toc295081113 3.3.1 偽特征點的分類及特點 PAGEREF _Toc295081113 h 19 HYPERLINK l _Toc295081114 3.3.2 偽特征點剔除的算法 PAGEREF _Toc295081114 h 20 HYPERLINK l _Toc295081115 4 總結(jié)與展望 PAGEREF _Toc29508111

12、5 h 25 HYPERLINK l _Toc295081116 致 謝 PAGEREF _Toc295081116 h 26 HYPERLINK l _Toc295081117 參考文獻(xiàn) PAGEREF _Toc295081117 h 27 HYPERLINK l _Toc295081118 附 錄 PAGEREF _Toc295081118 h 28 HYPERLINK l _Toc295081119 附錄1 特征點的提取程序源代碼 PAGEREF _Toc295081119 h 28 HYPERLINK l _Toc295081120 附錄2 偽特征點的剔除程序源代碼 PAGEREF _

13、Toc295081120 h 301 緒論1.1 引言 在現(xiàn)實生活中經(jīng)常要對人的身份進(jìn)行識別，例如登飛機時要識別登機者的身份，在銀行取錢時要核實取錢者是否是指定賬戶的合法擁有者，使用計算機時要檢查操作者的權(quán)限等等。隨著國民經(jīng)濟和社會信息化的飛速發(fā)展，金融機構(gòu)、政府機關(guān)、企業(yè)以及個人之間通過互聯(lián)網(wǎng)日益緊密地聯(lián)系在一起，一方面為信息的共享提供了條件，另一方面也為心懷叵測的人試圖非法獲取他人信息提供了機會。因此，如何自動、高效和準(zhǔn)確地識別人的身份是信息安全領(lǐng)域的重要問題。 傳統(tǒng)的自動身份識別方式主要有基于密碼的方式和基于令牌的方式，這些方式存在容易遺忘、容易丟失、容易被破譯或仿制等缺點，不能滿足當(dāng)今

14、信息化社會對安全性的更高要求。為克服傳統(tǒng)身份識別方法的缺點，人們提出了生物識別方式。生物識別是指根據(jù)人所擁有的生理或行為特征來進(jìn)行身份識別1。生理特征是人身體上某一部分的屬性，而行為特征是指人器官的習(xí)慣運動所產(chǎn)生的結(jié)果。生物識別依賴于人體的固有屬性，不存在遺忘、丟失問題，且生物特征具有唯一性，因此生物識別在理論上可以實現(xiàn)很高的安全性。目前主要的生物識別技術(shù)2有人臉識別、指紋識別、手型識別、虹膜識別、視網(wǎng)膜識別、聲音識別、簽名識別等等。相比較而言，指紋識別具有準(zhǔn)確性高、速度快、采集指紋方便、對指紋特性的認(rèn)識較充分、獲得法律認(rèn)可、容易被人們接受、市場份額較大等優(yōu)點，因此，指紋識別的研究和應(yīng)用是當(dāng)前

15、生物識別領(lǐng)域的熱點問題。1.2 指紋識別技術(shù) 指紋識別具有廣闊的應(yīng)用前景，它最早應(yīng)用于司法刑偵領(lǐng)域。到二十世紀(jì)九十年代初，隨著社會信息化的發(fā)展，指紋識別開始在民用領(lǐng)域獲得應(yīng)用，例如指紋門禁、指紋考勤、指紋加密、指紋在銀行中的應(yīng)用、指紋在社會保障中的應(yīng)用、指紋在居民身份證中的應(yīng)用等等，可以毫不夸張地說，凡是以往使用密碼或令牌方式進(jìn)行身份識別的領(lǐng)域都可以使用指紋識別技術(shù)進(jìn)行替換或加強。民用領(lǐng)域的應(yīng)用對指紋識別提出了比司法領(lǐng)域應(yīng)用更高的要求，主要體現(xiàn)在要求自動化程度更高、識別準(zhǔn)確性更高以及識別速度更快。這些要求給指紋識別技術(shù)的研究帶來了更大的挑戰(zhàn)。 指紋識別的研究3包括識別算法的研究和應(yīng)用系統(tǒng)研究。

16、識別算法研究主要有兩個目的：提高識別的準(zhǔn)確性和速度。主要研究內(nèi)容包括指紋圖像預(yù)處理、指紋特征提取、指紋特征匹配以及指紋分類。應(yīng)用系統(tǒng)研究的目的是構(gòu)建經(jīng)濟實用、抗攻擊性強、與各種應(yīng)用無縫集成的指紋識別系統(tǒng)，如基于指紋的計算機登陸系統(tǒng)、基于指紋的文件加密系統(tǒng)等等。應(yīng)用系統(tǒng)研究需要解決指紋圖像壓縮、指紋特征加密存儲及傳輸?shù)葐栴}。盡管指紋識別的研究和開發(fā)已取得重要進(jìn)展，并獲得了不少應(yīng)用，但是指紋識別的應(yīng)用在目前并沒有獲得普及，原因在于指紋識別在識別準(zhǔn)確性和識別速度方面還遠(yuǎn)遠(yuǎn)不能滿足很多實際應(yīng)用的要求。造成指紋識別性能4很難提高的主要原因有以下方面： （1）缺少高性能的指紋采集設(shè)備。指紋圖像的質(zhì)量對指紋

17、識別的性能具有非常重要的影響，目前的采集設(shè)備對手指的干濕度、清潔度等要求很高，在實際中很難保證指紋圖像的質(zhì)量較好。 （2）缺少有效的指紋圖像增強方法。指紋圖像增強的目的是從較差質(zhì)量的指紋圖像中恢復(fù)出真實、清晰的指紋紋路結(jié)構(gòu)，然而，設(shè)計能處理各種噪聲的指紋增強算法非常困難。 （3）缺少可靠的指紋特征提取方法。指紋識別依賴于指紋的特征，如細(xì)節(jié)點、奇異點等，提取出的特征是否可靠直接影響指紋識別的性能。設(shè)計對較差質(zhì)量的圖像具有魯棒性的特征提取方法具有很大的挑戰(zhàn)性。 （4）缺少高效、準(zhǔn)確的指紋細(xì)節(jié)點匹配方法。指紋匹配通過細(xì)節(jié)點匹配實現(xiàn)，而細(xì)節(jié)點提取算法會產(chǎn)生虛假細(xì)節(jié)點和遺漏真實細(xì)節(jié)點，此外指紋圖像還存在

18、各種變形，如何既快速又準(zhǔn)確地進(jìn)行細(xì)節(jié)點匹配也是一項非常艱巨的任務(wù)。 在基于細(xì)節(jié)點特征的指紋自動識別系統(tǒng)中，能否準(zhǔn)確地提取出指紋圖像的細(xì)節(jié)特征是最為關(guān)鍵的一步。但在實踐中，由于受手指本身的因素和采集條件的影響，采集到的指紋圖像會不同程度地受到各種噪聲的干擾。如果在對指紋圖像提取特征之前，不對指紋圖像進(jìn)行預(yù)處理，這些噪聲會造成大量的虛假特征而其中真實的特征卻被忽略。因此，這就需要在提取特征之前進(jìn)行圖像增強，以獲得可靠的、真實的特征點位置。本文重點研究基于細(xì)節(jié)點特征的指紋自動識別系統(tǒng)的指紋圖像細(xì)節(jié)特征的提取。1.3 指紋識別技術(shù)的研究現(xiàn)狀 目前，指紋識別技術(shù)仍是國內(nèi)外科研人員研究的熱點，這是因為：市

19、場上的指紋產(chǎn)品有很強的針對性，只能在某一專門系統(tǒng)得到應(yīng)用，其它許多應(yīng)用場合仍然缺乏合適的產(chǎn)品；出于知識產(chǎn)權(quán)保護和商業(yè)利益的原因，指紋識別的核心技術(shù)仍然只被少數(shù)企業(yè)和技術(shù)機構(gòu)所擁有，為了獲得自主產(chǎn)權(quán)和絕對安全的系統(tǒng)，必須自主開發(fā)；隨著市場的擴大和要求的提高，設(shè)計開發(fā)速度更快、性價比更高的系統(tǒng)勢在必行。 早期的指紋識別工作是人工方式進(jìn)行的，由于指紋結(jié)構(gòu)的復(fù)雜性以及對指紋識別要求的嚴(yán)格性，導(dǎo)致人工識別指紋工作難度大、速度慢和識別準(zhǔn)確率受到制約，遠(yuǎn)遠(yuǎn)不能適應(yīng)實際工作的需要。計算機技術(shù)的誕生與發(fā)展，為復(fù)雜的科學(xué)計算和指紋自動識別提供了可能。20世紀(jì)70年代，美、日等發(fā)達(dá)國家開始先后研究指紋自動識別系統(tǒng)5

20、。現(xiàn)在己經(jīng)出現(xiàn)的一些行業(yè)標(biāo)準(zhǔn)，如：生物特征接口標(biāo)準(zhǔn)Bi0APll.1、FBI指紋圖像壓縮標(biāo)準(zhǔn)、美國國家標(biāo)準(zhǔn)研究所指紋數(shù)據(jù)庫等。D.Miao領(lǐng)導(dǎo)的博洛尼亞大學(xué)生物系統(tǒng)實驗室(Biometrie Systems Lab)和Anil K.Jain6領(lǐng)導(dǎo)的密歇根州州立大學(xué)模式識別和圖像處理實驗室(PRIP)對指紋識別技術(shù)做了大量的研究，并由這兩個實驗室和圣何塞州立大學(xué)的生物測試中心(Biometric Test Center)聯(lián)合舉辦的指紋驗證競賽(FVC)對指紋識別系統(tǒng)產(chǎn)生了很大的影響。 我國利用指紋來識別身份的歷史非常悠久，但是我國指紋自動識別系統(tǒng)研究7開發(fā)的歷史是從20世紀(jì)80年代初開始的，北京

21、大學(xué)信息中心，清華大學(xué)自動化系，北京郵電大學(xué)，中科院，長春光機所等都在此領(lǐng)域作了一定工作，并取得了一定的成果，其中較為突出的是清華大學(xué)自動化系和北京大學(xué)信息中心兩家。北京大學(xué)兩位著名院士一程民德和石青云率先開展了這方面的研究工作，1982年至1985年，在石青云院士主持的國家自然科學(xué)基金項目中，在國內(nèi)率先對數(shù)字圖像的離散幾何性質(zhì)進(jìn)行了深入研究，提出了從指紋灰度圖像精確計算紋線局部方向、進(jìn)而提取指紋特征信息的理論與算法，具有很高的學(xué)術(shù)價值和獨創(chuàng)性。隨后，在她主持的國家七五科技攻關(guān)項目中，研究成功了適于民用身份鑒定的全自動指紋鑒定系統(tǒng)，以及適于公安刑事偵破的指紋鑒定系統(tǒng)，從而開創(chuàng)了我國指紋自動識別

22、系統(tǒng)應(yīng)用的先河。清華大學(xué)自動化系研究成功的犯罪指紋識別系統(tǒng)己經(jīng)被北京市公安局使用。田捷4博士領(lǐng)導(dǎo)的中國科學(xué)院自動化研究所Finger Pass指紋識別試驗室，對指紋識別技術(shù)及其應(yīng)用領(lǐng)域的一些關(guān)鍵問題進(jìn)行廣泛的理論研究和應(yīng)用開發(fā)。1.4 主要內(nèi)容 指紋識別系統(tǒng)主要包括指紋圖像的預(yù)處理、指紋細(xì)節(jié)特征點的提取、指紋圖像特征點的匹配，本文主要研究指紋細(xì)節(jié)特征點的提取。指紋細(xì)節(jié)特征點的提取主要包括特征點的提取和偽特征點的剔除，特征點的提取選定基于細(xì)化圖像的鄰域法，選定脊線跟蹤及對比特征點的方法來進(jìn)行偽特征點的刪除。本文研究的難點是指紋特征向量的構(gòu)建。如何構(gòu)建一套有效的特征向量一直是特征提取的核心工作。本

23、文構(gòu)建的特征向量是基于局部中心特征點和局部鄰域特征點，綜合考慮了特征點的類型、方向、位置以及鄰域內(nèi)的拓?fù)潢P(guān)系。通過局部中心特征點的特征和局部鄰域特征點的特征共同構(gòu)建一個充分反映指紋特征的特征向量。本文的結(jié)構(gòu)安排，先對指紋圖像的識別進(jìn)行了解，簡單介紹了指紋圖像預(yù)處理的流程：歸一化、方向圖、圖像增強、二值化、細(xì)化。然后對指紋的特征提取進(jìn)行介紹，首先介紹如何對指紋特征進(jìn)行表征，即通過何種特征來標(biāo)識一個指紋，具體方法有全局特征和局部特征。接著介紹常用的特征提取方法，以及它們的優(yōu)缺點。最后給出了本文的指紋特征提取方法，并根據(jù)各種偽特征點的形成原因、特點，采用了富有針對性的剔除偽特征點算法，并通過Matl

24、ab進(jìn)行算法仿真驗證。最后，總結(jié)全文，總結(jié)回顧指紋特征提取的算法，對后續(xù)工作做進(jìn)一步的展望。2 指紋圖像識別的基本原理和方法 指紋特征是人終身不變的特征之一，而且不同人的指紋特征相同的可能性幾乎為零，因此，指紋識別技術(shù)從19世紀(jì)80年代開始就成為最早投入應(yīng)用于實踐的生物識別技術(shù)。到20世紀(jì)60年代，計算機輔助的指紋自動識別系統(tǒng)開始得到應(yīng)用，并逐漸成為應(yīng)用最為廣泛的生物識別技術(shù)。 長期以來，指紋識別技術(shù)僅僅在刑事偵緝領(lǐng)域受到重視，并且它的發(fā)展受到龐大、緩慢的指紋采集設(shè)備和昂貴的數(shù)字圖像處理設(shè)備的限制。近年來，一方面隨著信息技術(shù)的飛速發(fā)展，高速廉價的計算機設(shè)備的出現(xiàn)使得指紋識別技術(shù)應(yīng)用在更加廣闊的

25、領(lǐng)域成為可能；另一方面，隨著網(wǎng)絡(luò)的飛速發(fā)展特別是大量Internet事務(wù)、交易的出現(xiàn)，急需一種可以決速、低花費并且效果好的認(rèn)證技術(shù)來保證事務(wù)的安全性，因此，指紋識別技術(shù)在20世紀(jì)末得到了迅猛的發(fā)展，在銀行、股市和電子商務(wù)等行業(yè)作為身份鑒別得到更廣泛的應(yīng)用。2.1 指紋的類型 歷史事實表明，我國是世界上應(yīng)用指紋最早的國家。據(jù)記載，我國早在唐代的時候已有箕、斗之說，但尚無具體的考證。早在宋元時代官府就依據(jù)指印審理案件，這表明在當(dāng)時已經(jīng)能夠識別出個人的指印。這時，在我國出現(xiàn)了對指紋的初步分類2，如首相術(shù)中的“螺”的概念，以及后來的“箕”、和“斗”的分類，這可能是指紋分類最早的記載。 目前我國指紋的分

26、類主要有以下幾種：一是基于指紋管理需要的十指指紋管理分類法8；二是刑事技術(shù)理論層面的分類9；三是計算機指紋管理10的分類。 （1）十指指紋分類法 公安部于1956年統(tǒng)一規(guī)定了十指指紋二步分析法。該分類方法將指紋分為弓、箕、斗三種類型，并將箕型紋分為反箕和正箕以及中心點、外角點和追跡線的計線法。 弓型紋：弓型紋由弓形線組成，弓型紋可分為弧形和帳形紋?；⌒渭y是有許多弓形線所組成的指紋類型。帳形紋是由弓形線和比較突出的弓形線所組成的。在指紋的中心有一個以上的垂直或者稍微傾斜的紋線構(gòu)成好像三角形的形狀，像是支撐著外圍線系統(tǒng)。在弓型紋中，有些能看到兩種系統(tǒng)的紋線，即外圍線和根基線；有些很難區(qū)分兩種紋線系

27、統(tǒng)；有些好像具有第三種系統(tǒng)的開端，但是因為紋線的結(jié)構(gòu)比較單一，不能真正成為第三種系統(tǒng)的紋線。 箕型紋：箕型紋分為反箕和正箕，反箕的箕枝兩端對著拇指，正箕的箕枝兩端對著小指。箕型紋的內(nèi)部花紋由一條以上的箕形線組成，具備紋線三種系統(tǒng)，一般有三個三角位置在箕枝兩端的相對側(cè)，三角的上下兩條支流，永遠(yuǎn)包括著內(nèi)部花紋。依據(jù)箕的兩枝的流向的不同又有不同的定義，流向拇指方向的為反箕形紋，流向小指的為正箕形紋。 斗型紋：斗型紋由一條以上的環(huán)形線、螺形線或者曲形線等組成，至少有兩個三角，否者不能歸為斗型紋。三角的上部支流或者下部支流可能參與到內(nèi)部花紋的系統(tǒng)中去。斗型紋包括螺形、囊形、雙箕形和雜形等類指紋。過渡型指

28、紋：過度型指紋指的是紋線所組成的紋線系統(tǒng)只具有某種類型的形態(tài)，而不具備這種指紋類型的必要特征的指紋。例如：箕型紋的內(nèi)部花紋，如果至少必須具備一條完全的、不折不斷的箕形線，這條箕形線的箕頭部分或者靠近三角的箕枝部分如果與其他紋線結(jié)合，而將紋線引向或者引入外圍的系統(tǒng)中去，則應(yīng)該列為弓型紋。 （2）刑事技術(shù)理論層面的分類 箕型紋指的是由箕形線構(gòu)成的，花紋中心必須有一個三角。包括三角在左側(cè)和右側(cè)的指紋類型?；尉€必須有三條以上。由拳形、葉形、花形等不規(guī)則的環(huán)螺形線組成的紋型均歸為箕型。 斗型紋指的是由環(huán)、螺、曲形線組成的紋線系統(tǒng)?；y中至少有兩個三角。包括斗、曲、雜型紋。 曲型紋指的是由兩條箕形線或者

29、正反雙箕線構(gòu)成。紋線系統(tǒng)中至少有一條完整的正反雙箕線。 雜型紋指的是只要是不符合前面五種指紋分類的紋線系統(tǒng)，都?xì)w入雜型紋。 （3）計算機指紋管理的分類簡介 對于指紋自動識別系統(tǒng)來說，計算機必須對所輸入的指紋圖像進(jìn)行處理，以實現(xiàn)指紋的分類、定位、提取形態(tài)和細(xì)節(jié)特征，然后再根據(jù)所提取的特征進(jìn)行指紋的比對和識別，而對指紋圖像的分類則是指紋自動識別技術(shù)中比較基礎(chǔ)而又十分重要的環(huán)節(jié)。 指紋自動識別系統(tǒng)一般把指紋紋型分為弓、左箕、右箕、斗和雜型五大類，其分類的規(guī)則與十指指紋分析法基本一致,其代號為：A、弓型紋；B、左箕型紋；C、右箕型紋；D、斗型紋；E、雜型紋。 弓型紋：主要由弓形線和橫直線層疊而成，紋線

30、由一方流向另一方，中部向上彎曲呈弓狀或者帳篷狀，無三角。弓型紋又分為弧形、帳形、左傾弓形和右傾弓形?；⌒喂褐饕晒尉€組成，紋線曲率較小，中心部位無明顯花紋。 帳形弓：主要由弓形線組成，紋線曲率比較大，中心部分有“人”形線或者“人”形線支撐，形似帳篷。 箕型紋：中心花紋由一條或者一條以上的箕形線組成，存在有一個三角（而且只有一個三角）?；图y根據(jù)中心花紋的不同形態(tài)分為左箕和右箕，箕口朝向左方的叫左箕，箕口朝向右方的叫做右箕。 斗型紋：指紋中心部位有一條以上的螺形線、環(huán)形線或者曲形線組成繞旋的內(nèi)部花紋，并受到外圍線和根基線包圍，并且至少有兩個三角。 雜型紋：有嚴(yán)重傷疤或者指紋模糊的無法確定類型

31、的。2.2 指紋圖像的采集 指紋采集是指從手指上獲取計算機能夠處理的數(shù)字指紋圖像。它是自動指紋識別系統(tǒng)的第一個環(huán)節(jié)，所獲取的數(shù)字指紋圖像是自動指紋識別11所依賴的原始數(shù)據(jù)，圖像質(zhì)量的好壞直接影響到自動指紋識別算法的設(shè)計難度和自動指紋識別系統(tǒng)的精度，因此，指紋采集在自動指紋識別系統(tǒng)中具有非常重要的地位。 傳統(tǒng)的指紋采集方法為油墨轉(zhuǎn)印法。其做法是先將指紋按在紙上，然后用掃描儀轉(zhuǎn)化為數(shù)字圖像。這種方法的優(yōu)點是所獲得的指紋圖像具有較好的清晰度，指紋的有效區(qū)域較大，包含的信息完整，有利于進(jìn)行指紋識別；缺點是過程非常麻煩，速度很慢，無法滿足實時、方便的要求，因此通常只用于司法領(lǐng)域。 活體指紋采集法直接從手

32、指上獲取數(shù)字指紋圖像12，這種方法既方便又快捷，且對手指沒有任何傷害，因此適用于對自動化程度和響應(yīng)速度要求高的自動指紋識別系統(tǒng)。根據(jù)所依據(jù)的原理，目前的活體指紋采集設(shè)備主要有如下幾種： （1）光電式的指紋采集設(shè)備。目前最成熟且應(yīng)用最廣泛的是光電式指紋采集器，它的基本原理如下：將手指按壓在玻璃平面的一側(cè)，在玻璃的另一側(cè)安裝有LED光源和CCD攝像頭，LED發(fā)出的光束以一定的角度照射向玻璃，攝像頭用于接收從玻璃表面反射回的光線。手指上的脊線與玻璃表面接觸，谷線不與玻璃表面接觸，因此照射在指紋脊線所接觸部分的玻璃表面的光線被漫反射，而照射在指紋谷線所對應(yīng)的玻璃表面的光線被全反射，從而在由CCD攝像頭

33、捕獲的圖像中，對應(yīng)指紋脊線的部分顏色較深，對應(yīng)指紋谷線的部分顏色較淺。光電指紋采集器的優(yōu)點是技術(shù)成熟、工作溫度范圍較大、分辨率可高到500dPi、價格較便宜，它的缺點是體積較大。 （2）電容式指紋采集器。電容式指紋采集器的基本原理是：傳感器由一個電極陣列構(gòu)成，當(dāng)手指皮膚與其表面接觸時，構(gòu)成了一個微型電容器陣列，由于接觸緊密程度不同，指紋脊線對應(yīng)部分的電容和谷線對應(yīng)部分的電容大小不同，將電容大小進(jìn)行量化，就可以獲得指紋圖像。電容式指紋采集器的優(yōu)點是體積很小，便于集成在筆記本電腦上、手機上等。其缺點是耐用性差，易受手指上靜電的傷害。 （3）超聲波指紋采集器。超聲波指紋采集器根據(jù)超聲波測距的原理獲得

34、指紋圖像。其優(yōu)點是超聲波能穿透手指或設(shè)備表面的油污，因此即使手指較臟，也能得到較為清晰、細(xì)致的指紋圖像。其缺點是價格較高，因此目前獲得的應(yīng)用不多。 以上的活體指紋采集設(shè)備大多存在以下共同缺點： （1）手指的干濕度、清潔度對圖像質(zhì)量影響較大； （2）由于設(shè)備表面面積較小，采集的指紋圖像不完整，其中可能只包含很少的特征信息，不足以為識別提供足夠的依據(jù)。為了獲得豐富的、有代表性的信息，對手指按壓的位置有一定的要求，一般要求將指紋特征信息豐富的中心部分對準(zhǔn)設(shè)備表面，這給使用者帶來一定的不便。2.3 指紋圖像的預(yù)處理 對于一幅指紋采集頭采集的原始圖像，為了使后續(xù)特征提取的操作能夠正常有效的進(jìn)行，必須對原

35、始指紋圖像進(jìn)行一定的處理13。通常這樣的處理過程包括歸一化、圖像增強、二值化和細(xì)化等過程。 由于實際采集的過程中，因為具體的拍攝環(huán)境和成像方法等原因，指紋圖像不可避免的有噪聲，這使得待識別的指紋圖像通常是不規(guī)范的，直接對這些圖像進(jìn)行特征提取會導(dǎo)致大量偽特征的產(chǎn)生從而大大影響到指紋識別的準(zhǔn)確率，因此，實際過程中對指紋圖像進(jìn)行特征提取之前，通常要對指紋圖像進(jìn)行增強、二值化等一系列的處理，這稱之為對指紋圖像的預(yù)處理。預(yù)處理的目的就是去除圖像中的噪音，把它變成一幅清晰的點線圖，以便于提取正確的指紋特征。預(yù)處理是指紋自動識別系統(tǒng)中非常重要的一步，它的好壞直接影響著指紋識別的效果。指紋預(yù)處理的一般工作過程

36、如下圖2-1所示。圖 2-1 指紋圖像處理步驟 由圖2-1可以看出，預(yù)處理是分五步進(jìn)行：即歸一化、圖像增強、二值濾波、細(xì)化、細(xì)化后的去噪。由于在指紋采集的過程中，采集的指紋圖像灰度不均，即有的指紋圖像偏暗，有的偏亮的現(xiàn)象。這給建立統(tǒng)一的、有效的后續(xù)指紋圖像處理算法帶來了極大的不便。因此有必要將每幅指紋圖像都通過歸一化(又叫“規(guī)格化”，“均一化”)處理，方便后續(xù)的處理。指紋圖像的歸一化主要是通過求取指紋圖像的灰度均值和方差，將灰度均值和方差調(diào)整到一個期望的范圍。從而在不改變圖像的灰度特性(指：灰度均值和方差)的前提下，實現(xiàn)所有指紋圖像的灰度都分布在同一個期望的范圍內(nèi)，實現(xiàn)指紋圖像的歸一化的目的。

37、 由于在指紋采集過程中，指紋圖像的質(zhì)量受外界影響非常大，比如，若手指過干、手指按壓壓力不夠、手指攜帶的灰塵雜物等原因都將導(dǎo)致采集的指紋圖像質(zhì)量降低、指紋圖像的噪聲增多。為了為后續(xù)的二值化、細(xì)化等處理有清晰的指紋圖像，在此之前，非常有必要對指紋圖像進(jìn)行濾波、增強處理。圖像增強是利用基于方向濾波器的圖像增強等算法，從而實現(xiàn)指紋圖像的增強。 二值化是將灰度圖像變成一幅二值指紋圖像。由于灰度去噪的不完全性及二值化時又可能引入噪音，所以對二值化后的指紋圖像還要進(jìn)行一次去噪操作，得到清晰的二值指紋圖像，這就是二值化濾波。 細(xì)化則是把二值指紋圖像變?yōu)辄c線圖，即指紋圖中的脊線都以點線(寬度為單位1的線)的方式

38、表示。由于前面濾波去噪的不完全性及細(xì)化算法本身可能引入的噪音，因此，細(xì)化后的指紋圖還需進(jìn)行一次濾波操作，以得到一幅清晰的點線圖。 本章指紋預(yù)處理的內(nèi)容運用Matlab來進(jìn)行圖像的處理結(jié)果如下所示： (a) (b) 圖2-2 對指紋圖像進(jìn)行預(yù)處理后的結(jié)果：(a)歸一化后的指紋圖像；(b)細(xì)化后的指紋圖像。 由Matlab仿真后的結(jié)果可看出，指紋圖像通過預(yù)處理后，圖像變得更細(xì)、更清晰，指紋圖像的脈絡(luò)清晰可見。這也方便了后續(xù)指紋圖像特征提取工作的進(jìn)行，為整個圖像處理過程打下了良好的基礎(chǔ)。2.4 指紋圖像的特征選取 指紋識別技術(shù)中，指紋特征提取技術(shù)是一個非常重要的部分。如果指紋特征得不到準(zhǔn)確有效的提取

39、，將直接影響指紋特征匹配的質(zhì)量。許多學(xué)者對指紋特征提取方法進(jìn)行了探討。其中，主要包括有兩大類方法，即依據(jù)指紋灰度圖像直接提取指紋特征的方法和依據(jù)預(yù)處理細(xì)化后指紋圖像提取特征的方法。實驗表明，基于Matlab預(yù)處理14后指紋圖像提取特征的方法所提取到的特征更全面、質(zhì)量更高。 這些方法均為通過對指紋圖像進(jìn)行局域分析來估計指紋方向圖，而后對圖像進(jìn)行濾波增強。當(dāng)系統(tǒng)中輸入的指紋源圖像質(zhì)量較低時，其分辨率會大大降低，這些方法難以準(zhǔn)確得到局域的方向圖估計值，將無法進(jìn)行有效的濾波增強。實質(zhì)上，司法領(lǐng)域中所需識別的指紋圖像大多遭到嚴(yán)重污染，分辨率較低，因此，現(xiàn)有的特征提取算法大多難以在該領(lǐng)域發(fā)揮大的作用。 特

40、征是指在模式識別系統(tǒng)中能夠唯一反映輸入對象本質(zhì)的數(shù)據(jù)量，因此特征的選取是模式識別中的重要問題，直接影響分類器的設(shè)計和性能，同時也將影響特征的提取過程。為了使指紋能夠用于身份鑒別系統(tǒng)15，指紋特征(描述)應(yīng)具有如下性質(zhì)： （1）保持指紋的獨特性； （2）易于進(jìn)行匹配； （3）對噪聲具有一定的魯棒性，對旋轉(zhuǎn)、平移和非線性形變具有不變性； （4）對不完整指紋具有魯棒性。為增強指紋自動識別系統(tǒng)提取低質(zhì)量指紋圖像細(xì)節(jié)特征的能力，本文在總結(jié)相關(guān)研究成果的基礎(chǔ)上，提出了一種提取指紋圖像細(xì)節(jié)特征點的改進(jìn)算法。通過這些算法所提取到的指紋端點和分叉點等細(xì)節(jié)特征克服了低質(zhì)量指紋圖像的影響，從而獲取到了質(zhì)量較高的細(xì)節(jié)

41、特征，相對于其他算法更顯示出該算法的優(yōu)越性。3 指紋圖像的特征提取 特征點提取一般分為兩個階段：特征點的提取16和偽特征點的剔除。許多學(xué)者都在這方面做出了深入的研究。最早提出特征點提取算法的是美國聯(lián)邦調(diào)查局(FBI)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”方法將指紋圖像二值化，再從二值化后的指紋圖像中提取特征點。該算法的提出在指紋識別領(lǐng)域具有開拓性的意義，并且該算法在相當(dāng)一段時間內(nèi)被廣泛地用作細(xì)節(jié)特征點的標(biāo)準(zhǔn)算法，獲得了廣泛的應(yīng)用。 指紋的特性是由指紋內(nèi)在的特定的質(zhì)的規(guī)定性所決定的區(qū)別于其他事物的特定的屬性。指紋特征體現(xiàn)在以下幾個方面： （1）各人各指不同。每個人手

42、指的乳突花紋的結(jié)構(gòu)形態(tài)、特征數(shù)量以及相互之間的關(guān)系所反映出來的指紋一般結(jié)構(gòu)和細(xì)節(jié)特征點的總和具有特定性。世界上沒有兩枚完全相同的指紋。根據(jù)數(shù)學(xué)和統(tǒng)計學(xué)的統(tǒng)計，歷代指紋學(xué)者均借助于排列組合的原理，對指紋特定性進(jìn)行了論證。由于指紋結(jié)構(gòu)復(fù)雜，紋線細(xì)節(jié)及特征極其多，數(shù)量龐大，用數(shù)學(xué)方法所獲得的概率比較小，人與人之間指紋重復(fù)的概率在幾千萬分之一以上?！袄纾?920年巴黎大學(xué)教授悖太柴氏用數(shù)學(xué)方法對指紋的特定性做出了證明。此外，加拿大的學(xué)者和我國的一些學(xué)者也先后嘗試了用數(shù)理方法來推斷、論證指紋的不可重復(fù)性，所以每個指紋與其自身同一。” （2）指紋特征終身不變。從胚胎發(fā)育的第六個月指紋就開始形成，經(jīng)過出生

43、、生長、死亡至到手指真皮乳突層腐爛時候為止，在此期間，指紋始終保持它原來的形態(tài)特征和基本的細(xì)節(jié)特征，反映了指紋各人各指不同的特定性在相對條件下的靜止的狀態(tài)，而且指紋特征的穩(wěn)定性比人體其他部分的穩(wěn)定性更大、更加明顯。指紋終身不變的特性反映了指紋特定性的相對穩(wěn)定性，這是我們了解并利用指紋識別人身不可缺少的前提條件。近百年來，在司法實踐中，利用指紋識別人身時從未發(fā)現(xiàn)因為時間、年齡的變化而導(dǎo)致指紋總體特性改變的事例。3.1 指紋特征的內(nèi)容 指紋特征的提取是對指紋形態(tài)特征與細(xì)節(jié)特征的提取?；谥讣y圖像分辨率的不同位階，指紋特征主要分為以下兩個層次的內(nèi)容。3.1.1 全局特征 全局特征17是指可以直接觀察

44、到的宏觀特征，必須通過圖像整體獲得。目前最常見的表示指紋圖像的全局特征是按照指紋的脊線總體結(jié)構(gòu)來確立的，具體包括指紋的紋形、模式區(qū)、核心點(core)、三角點(delta)和脊線數(shù)五個特征。 （1）紋形，是指指紋脊線整體走向，主要有五大類：渦形、拱形、弓形、左箕形和右箕形。 （2）模式區(qū)，是指包含了指紋圖像的大部分總體特征的區(qū)域，通過這個區(qū)域也能夠分辨出指紋是屬于哪個類型的。 （3）核心點(core)，是指指紋脊線的漸進(jìn)中心點。 （4）三角點(delta)，一般是指從中心點開始的第一個分叉點、斷點、孤立點等等，常與核心點一起稱為奇異點。 （5）脊線數(shù)，指的是模式區(qū)內(nèi)指紋脊線的數(shù)量。全局特征一般

45、用在大規(guī)模指紋庫中，實現(xiàn)快速分類，也可以用在特征匹配中的粗匹配階段。3.1.2 局部特征 局部特征17是指指紋拓?fù)鋱D中的幾種有效的特征，比如指紋紋路是不是連續(xù)的，方向是不是一致，具體到細(xì)節(jié)特征就表現(xiàn)為斷點、分叉點、交叉點、橋、環(huán)等等，這些通常稱為特征點。這些特征點之間，特征點與周圍脊線之間等等都包含了豐富的信息，比如特征點的類型、方向、位置等等。特征匹配就是利用這些信息進(jìn)行的。 據(jù)統(tǒng)計，這幾類特征點占特征點的比率如圖3-1所示。從表中可以發(fā)現(xiàn)，端點和分叉點占特征點91%，而交叉形、橋形以及環(huán)形三類總共只占9%左右。這一方面說明了幾乎所有的指紋都有端點和分叉點，而且數(shù)量豐富；另一方面也反映了不是

46、所有的指紋都有橋形、環(huán)形等特征點，而且即使有數(shù)量也比較少。圖3-1 特征點類型及所占比例 圖3-1為我們展示了幾種特征點的類型，以及各特征點的走勢、所占比例。由上圖可知，端點和分叉點占了很大的比例，所以一般只研究端點和分叉點的特性。 因此為了能普遍的表征指紋圖像，一般選用端點和分叉點作為指紋圖像特征點。一幅質(zhì)量比較好的指紋圖像，一般有40-100個特征點，但真正匹配時，由于受指紋采集時外界影響比較大，不可能實現(xiàn)100%匹配。英國司法界認(rèn)為有12個細(xì)節(jié)點匹配，就可以認(rèn)為兩幅指紋相同，美國FBI認(rèn)為8個細(xì)節(jié)點匹配就足夠了，所以本文取閉值為10，即若有10個特征點匹配就可以認(rèn)為兩幅指紋是同一指紋。3

47、.2 指紋特征點提取算法概述 目前對指紋特征點提取的算法多種多樣，各有不同，如基于直接從指紋灰度圖像的特征提取算法、基于細(xì)化的圖像特征提取算法、基于紋線方向濾波的指紋特征提取算法、基于二值化的指紋特征提取算法等等。但總體上，最常用的特征點提取算法有兩類：一是從灰度圖像直接提取特征點18；二是對預(yù)處理細(xì)化后的圖像進(jìn)行提取特征點。下面將對這兩種特征點提取算法進(jìn)行介紹比較，并確立本文將要采用的特征點提取算法。3.2.1 基于灰度圖像的直接提取法 由于對于一幅灰度指紋圖像，其根據(jù)方向圖的定義可知沿著脊線方向的，在這個方向的垂直方向上，即法線方向上，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

48、一交界處灰度最大的一點。灰度圖像直接提取法就是利用這一特性來構(gòu)建算法的。具體算法如下19： （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(jìn)一定步長（算法最開始是按固定步長進(jìn)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，

49、甚至相等時，停止跟蹤，說明己經(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。 脊線跟蹤算法19的目的在于在指紋圖像預(yù)處理的基礎(chǔ)上，首先定位一條新的未作處理過的脊線，從該脊線當(dāng)前的像素點開始，沿著該條脊線方向搜索所有的像素點，并對以上處理的脊線加以標(biāo)記，避免重復(fù)處理，對所提取到的候選端點和交叉點加以判斷，最后得到該條脊線上的特征點。 第一，定位未處理的脊線。以該像素點為中心，將360度空間分為8個方向，分別沿著這8個方向搜索未作處理過的像素點，使用以最短距離搜索到的未作處理的像素點為新的一條脊線的起始點。 第二，

50、定義集合P。首先定義一個包含像素點m的集合P，該集合所包含的范圍為設(shè)通過m且與m方向平行的兩條直線為矩形的兩邊，與法線方向一致且通過m的一條直線以及與該直線平行的另一條直線組成矩形區(qū)域的另外兩邊，該矩形內(nèi)所有像素點的集合則為P，矩形區(qū)域如圖3-2所示：圖3-2 脊線跟蹤示意圖 第三，像素點標(biāo)記。該步驟的目的在于對該矩形區(qū)域內(nèi)的所有像素點進(jìn)行標(biāo)記。把像素點m的8-鄰域范圍內(nèi)并且包含在集合P中的所有未處理過的像素點進(jìn)行預(yù)標(biāo)記，并在標(biāo)記的像素點中記錄標(biāo)記距離為1。其次是采用同樣的方法，對剛才被預(yù)標(biāo)記的所有像素點的8-鄰域范圍內(nèi)，并且也包含在集合P中的所有未處理過的像素點進(jìn)行預(yù)標(biāo)記，并在標(biāo)記的像素點中

51、記錄標(biāo)記距離為2，通過以上方法把集合P中所有與m像素點連通的像素點進(jìn)行預(yù)標(biāo)記。通過對各個標(biāo)記點的確定來實現(xiàn)脊線跟蹤。3.2.2 基于細(xì)化圖像的鄰域法 基于細(xì)化圖像的鄰域法，是先將指紋圖像經(jīng)過圖像歸一化、增強、二值化和細(xì)化等一系列的預(yù)處理得到細(xì)化的指紋圖像，再通過構(gòu)建像素的3*3鄰域(如圖所示)提取指紋圖像的特征點。圖中P為待測像素點，Pl、P29為P的鄰域，Cn(P)為這8個鄰域像素的相鄰像素的灰度值(此時己二值化，所以灰度值只可能為0或l)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)，具體按下式計算： （3-1） （3-2） 通過分析可知，細(xì)化后的指紋圖像的鄰域狀態(tài)

52、如圖3-2所示。 (a) (b) 圖3-2 細(xì)化后的指紋圖像的鄰域狀態(tài)：(a)鄰域示意圖；(b)細(xì)化后的指紋圖像。 對于脊線上的像素，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)值僅存在以下三種情況： （1）若P點為脊線上的點，且Cn(P)=2，Sn(P)=l，則可判定像素點P為端點，如圖3-3中E點； （2）若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3-3中的Cl點、C2點、C3點、C4點； （3）若P點為脊線上的點，且Cn(P)=6，Sn(P)=3，則可判定

53、像素點P為分叉點，如圖3-3中點B點。 對指紋圖像中的所有像素進(jìn)行處理，分別記錄下所有檢測到的端點和分叉點，即完成了特征提取的第一步特征的提取。3.2.3 指紋特征點提取算法比較 以上即是常用的兩種特征點提取算法，通過比較不難發(fā)現(xiàn)：基于灰度直接提取算法原理比較簡單，簡化了圖像增強、二值化步驟，直接求取脊線并得到特征點。并且由于步驟的簡化一定程度上降低了偽特征點出現(xiàn)的概率。這兩點是該算法的最大優(yōu)點。但是該算法對圖像的質(zhì)量要求比較高，僅適合圖像質(zhì)量非常好，脊線清晰的指紋圖像，對于較模糊的指紋圖像則無能為力。另外，該算法脊線跟蹤的步長不好確定，即使采用自適應(yīng)步長也只是稍微降低丟失特征點的情況，沒有從

54、根本上改觀。加上是利用灰度分布直方圖來確定特征點的，因此特征點的位置信息并不十分精確，有可能與實際的位置出現(xiàn)偏差，尤其是在圖像模糊的情況下，更是相差甚遠(yuǎn)?；诩?xì)化圖像的鄰域法，算法稍微復(fù)雜一下，跟前一種算法相比，多了圖像增強和二值化。但是由于鄰域法采用的是遍歷原則，即對所有像素都進(jìn)行特征點判定，所以不會出現(xiàn)第一種算法那樣的特征點丟失的問題。另外由于在預(yù)處理階段增加了圖像增強和二值化，所以在算法的魯棒性方面比第一種算法更好。所以考慮到指紋識別系統(tǒng)的魯棒性，以及特征點提取算法的可靠性本文采用第二種算法。 利用Matlab進(jìn)行仿真后得到指紋圖像的特征提取點，圈為端點，叉為交叉點，如下圖3-3所示：圖

55、3-3 提取特征點 如圖3-3所示即為特征點示意圖，由上圖我們可以看到圖像的邊緣部分有很多端點，這類端點實際上是因為接觸面積而產(chǎn)生的，雖然它們不屬于上述偽特征點，但是也應(yīng)該刪除。還有一些分叉點、短線、橋等被標(biāo)記的點實際上是不屬于特征點的，所以這些偽特征點也需要進(jìn)行刪除處理。下面我們將介紹短脊、橋等偽特征點的剔除算法。3.3 偽特征點的剔除 在指紋采集過程中，由于汗?jié)n、干燥、壓力輕重不均勻等因素的影響，使得輸入到指紋自動識別系統(tǒng)中的指紋圖像變得模糊、灰度不均勻、紋線中斷等問題。實驗表明，一幅質(zhì)量較差的圖像在經(jīng)過預(yù)處理、細(xì)節(jié)特征提取后可能產(chǎn)生多達(dá)一、兩百個細(xì)節(jié)特征點，其中包含了大量的偽特征點，因此

56、在細(xì)化二值圖像中提取到的細(xì)節(jié)特征點往往不真實。如果偽特征點的數(shù)量達(dá)到一定數(shù)量，將會嚴(yán)重影響后續(xù)操作，進(jìn)而影響指紋特征的識別效率，增加指紋識別的拒識率。所以在進(jìn)行指紋匹配之前，偽特征點的去除是非常必要的。根據(jù)指紋專家的經(jīng)驗，兩幅指紋圖像只要有13個以上的特征點匹配，即可基本上判定兩幅指紋的同一性。所以，寧可犧牲部分真實特征點，也要使驗證以后得細(xì)節(jié)特征點盡可能為真。特征提取后的去偽處理是根據(jù)細(xì)節(jié)特征點的結(jié)構(gòu)和空間關(guān)系來刪除偽特征點。3.3.1 偽特征點的分類及特點 偽特征點的種類主要有以下幾種，即毛刺、短脊線、島嶼、斷脊、假橋等。其中，由毛刺產(chǎn)生得偽端點和偽分叉點，偽端點和偽分叉點之間脊線相連且距

57、離比較短；由短脊線產(chǎn)生的偽端點，偽端點之間有脊線相連且距離比較短；由斷脊線產(chǎn)生得偽端點，偽端點之間沒有脊線相連且距離比較短；由假橋、島嶼產(chǎn)生得兩個或多個偽分叉點，這些偽分叉點之間距離一般比較短。 偽特征點主要有以下特點：偽特征點大部分處于指紋圖像的邊緣，在圖像內(nèi)部的偽特征點距離比較近，兩個或多個偽特征點同時存在于很小的區(qū)域內(nèi)。根據(jù)實驗數(shù)據(jù)和有關(guān)資料，指紋紋線和細(xì)節(jié)特征點存在以下關(guān)系： （1）指紋紋線的變化趨勢比較平緩，相鄰域兩條紋線的寬度大致上是相當(dāng)?shù)模?（2）在500dpi的分辨率圖像中，一般的指紋圖像中不存在距離小于8個像素點節(jié)的特征點； （3）指紋中基本上不存在毛刺、紋線叉連這兩種具有突

58、變性質(zhì)的結(jié)構(gòu)?；谏鲜黾y線和細(xì)節(jié)特征的空間關(guān)系，距離很近的兩個端點、分叉點或者毛刺、紋線叉連結(jié)構(gòu)，均不是指紋所具有的特定結(jié)構(gòu)，故應(yīng)該加以刪除。 下面分析一下毛刺、短線、斷點、假橋以及環(huán)這幾種主要的噪聲的特點，以及因它們而產(chǎn)生的偽特征點的特性，方便針對它們各自的特點設(shè)計剔除算法。 （1）毛刺現(xiàn)象，毛刺的出現(xiàn)有多方面的原因，比如受隨機噪聲的影響而形成的，還有部分是受圖像增強和細(xì)化處理產(chǎn)生的。一個毛刺經(jīng)過提取特征點后會產(chǎn)生一個偽端點和一個偽分叉點。這類偽特征點的特點是它們往往成對出現(xiàn)，而且偽端點和偽分叉點的距離非常近，一般小于細(xì)化前的脊線寬度的一半。 （2）短線現(xiàn)象，一般在指紋采集時手指比較臟或者采

59、集頭上有灰塵等容易出現(xiàn)比較多的短線。短線的特點就是會產(chǎn)生兩個偽端點，該兩個端點相距很近，位于同一脊線上。 （3）斷點現(xiàn)象，指紋采集時如果手指比較干燥，那么采集到的指紋圖像有可能出現(xiàn)不少斷點。另外手指褶皺、傷疤也容易產(chǎn)生斷點現(xiàn)象。斷點會產(chǎn)生兩個偽端點，而且這兩個偽端點也相距非常近，但是與短線不同的是這兩個偽端點是分布在兩條脊線上，沿脊線方向兩個偽端點之間沒有脊線。 （4）假橋現(xiàn)象，當(dāng)手指過潮濕或者臟時，采集的指紋圖像容易出現(xiàn)多脊線假橋(有時也叫橋)的現(xiàn)象，即本來不相連的兩條脊線連在了一起。一般在假橋出現(xiàn)的地方提取的特征點為一對偽分叉點。其特點是這兩個分叉點的距離一般近似等于平均脊線間距，而且兩個

60、偽分叉點間的連線近似垂直于其局部鄰域的脊線方向。 （5）環(huán)現(xiàn)象，通常也叫孔。主要是由于隨機噪聲影響產(chǎn)生的。在出現(xiàn)環(huán)的地方提取特征點一般出現(xiàn)兩個到三個偽分叉點。其特點是一般這兩個偽特征點的距離非常小，而且這兩個偽特征點間的連線與所在的脊線方向近似相同。3.3.2 偽特征點剔除的算法 從上文提取特征點可以看出，由于外界噪聲的影響，提取的特征點圖像中有部分邊緣特征點為偽特征點，需要我們?nèi)ソo它剔除。前文雖然經(jīng)過了一系列的處理得到質(zhì)量比較好的圖像，方便了我們提取特征點，但是中間也有很多不是真實的特征點，所以我們需要把這些偽特征點給剔除。圖像邊界的特征點有些是由于圖像邊緣與外界的接觸而造成的虛假點，所以圖