【正文】 圖 2： 計 算 該 塊 參 數(shù) N h 和 N l計 算 每 塊 的灰 度 均 值 T| N h N l | = δT 為 該 塊 閾 值根 據(jù) 閾 值 T 對 該 塊 進 行 二值 化 ： 灰 度 值 T , 置 1 灰 度 值 ≤ T , 置 0N h ≥ N l T = T + 1T = T 1是否否是 圖 2 自適應(yīng)局部閾值二值化流程圖 圖 2 中 T 為該塊指紋圖像的平均灰度值 Nh、 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)， δ= w w 10 % ， w 是分塊尺寸 (像素 ) 。 (4) 圖像的細(xì)化 細(xì)化是把清晰但紋線粗細(xì)不均的二值指紋圖像轉(zhuǎn)化成線寬為一個象素的條紋中心點線圖像的過程，以便后續(xù)的特征提取過程能精確定位。細(xì)化算法中的OPTA 算法滿足收斂性、連續(xù)性、拓?fù)湫院捅３中?，有較好的細(xì)化效果 。但該算法在三叉點處不能完全細(xì)化，且細(xì)化后的圖像不夠平滑，毛刺較多，扭曲較大。針對其 算法的不足進行改進，重新構(gòu)造模板，采用統(tǒng)一 44? 模板，左上角 33? 區(qū) 域為消除模板區(qū)域。 圖 3： 指紋圖像 消除模板 X 1 X 0 0 1 1 0 X 1 X 0 X X X X 0 0 0 X 1 X 1 1 1 0 X 1 0 1 1 0 X 1 1 1 1 X 1 X 0 0 0 1 X 0 1 1 0 1 X 0 X 0 0 1 1 0 X 1 X 0 0 X 0 1 1 X 1 X X 1 X 0 1 1 0 0 X X 1 X 1 1 0 X 0 0 X X 0 0 0 1 1 0 X X 1 X X X X X 圖 4 指紋圖像細(xì)化保留 模塊 保留模板和消除模板如圖 4 所示， 1 表示前景區(qū)， 0 表示背景區(qū)。細(xì)化時，對每個像素抽取其臨域所需的像素點。先依次與消除模板比較，如果與任意一個都不匹配則保留，否則刪除。整個改進算法克服了原算法的不足，有效清除了毛刺，對指紋圖像能進行充分細(xì)化。 指紋圖像特征提取 本設(shè)計結(jié)合細(xì)化圖像的特點 ， 提出了一種基于非徹底細(xì)化圖像的指紋細(xì)節(jié)提取算法 。 在不對紋線 做任何修復(fù)處理的情況下 ， 在細(xì)化指紋圖像上直接提取原始細(xì)節(jié)特征點集 ， 得到初步的特征提取結(jié)果 ； 然后分析圖像中存在的各類噪聲及其特點 ， 結(jié)合指紋細(xì)節(jié)特征點固有的分布規(guī)律和局部紋線方向信息 ， 針對不同的噪聲采用針對性算法 ， 并利用偽特征點在數(shù)學(xué)形態(tài)學(xué)上的分布規(guī)律 ， 將各類噪聲引起的偽特征點分別予以刪除 ， 而將最終保留的特征點集作為真正特征點的集合 。 改進的細(xì)節(jié)特征提取算法的具體思想如下 ： (1) 原始細(xì)節(jié)特征點集的提取 首先在細(xì)化指紋圖像上直接進行細(xì)節(jié)特征提取 ， 得到原始的細(xì)節(jié)特征點集P1和 P2， 其中 P1 為紋線端點集合 ， P2為 分叉點集合 。 這些點集中可能含有大量X X 1 X 0 1 1 0 X X 0 0 X X X X X 0 X X 1 1 1 X X 1 X X 0 0 0 X X 0 X X X 1 X X 1 1 0 X X 0 0 X X 0 X X X 1 X X 0 1 1 X 0 0 X X 的偽特征點需進一步處理 。 (2) 短線與紋線間斷的刪除 對細(xì)節(jié)特征點集 P中任意兩個紋線端點 i1 ∈ P1， i2 ∈ P1 , 如果它們之間的距離 (像素點數(shù) ) 小于 D1 ,且Δθ≈ 0， 則認(rèn)為該兩點為偽特征點 ， 予以刪除 。 (3) 小孔的刪除 對細(xì)節(jié)特征點集 P中任意兩個紋線分叉點 j 1 ∈ P1 , j2 ∈ P2，如果它們之間的距離 (像素點數(shù) ) 小于 D2， 則認(rèn)為該兩點為偽特征點 ， 予以刪除 。 (4) 小毛刺的刪除 對細(xì)節(jié)特征點集 P中任一紋線端點 i ∈ P1和任一分叉點 j ∈ P2 , 如果 它們之間的距離小于 D3 ， 且有紋線連接該兩點 ， 則認(rèn)為該兩點為偽特征點 ， 予以刪除 。 (5) 較長毛刺的刪除 對細(xì)節(jié)特征點集 P中任一紋線端點 i ∈ P1和任一分叉點 j ∈ P2, 如果它們之間的距離小于 D4， 且有紋線連接該兩點 ， 并且Δθ π /4, 則認(rèn)為該兩點為偽特征點 ， 予以刪除 。 (6) 紋線叉連的刪除 對細(xì)節(jié)特征點集 P中任意兩個紋線分叉點 j 1 ∈ P1， j2 ∈ P2， 如果它們之間的距離大致等于 D5， 且有紋線連接該兩點 , 并且Δθ≈π /2， 則認(rèn)為該兩點為偽特征點 ， 予以刪除 。 其中 Ang ( i , j ) 為兩特征點 i、 j 的連線與水平坐標(biāo)軸方向的夾角 (弧度 ) ,θ( i , j ) 為特征點 i、 j 所在的局部鄰域的紋線方向 (弧度 ) ,Δθ為 Ang ( i , j) 與θ ( i , j) 之差的絕對值 。 D D2 、 D3 、 D4 為距離門檻值 (像素點數(shù) ) ，本設(shè)計中經(jīng)多次實驗 ， 分別取 7 、 3 、 4 、 8。 D5 為指紋圖像平均紋線寬度 ， 可通過計算得到 。 指紋圖像匹配 指紋圖像的匹配就是對兩個輸入指紋的特征集合 (模板 指紋集和輸入指紋集 )進行 判斷 ，看 是否屬于同一指紋。指紋圖像匹配算法很多， 主要 包括 基于圖像的匹配、脊模式匹配、點模式匹配以及基于圖形的匹配。 而基于特征點的（細(xì)節(jié)點）的匹配算法具有簡單、快速、魯棒性等優(yōu)點。目前最常用的是 FBI 提出的細(xì)節(jié)點坐標(biāo)模式來做細(xì)節(jié)匹配。它利用脊末梢和脊線分叉點來鑒定指紋。 通過將細(xì)節(jié)點表示為點模式 ,一個自動指紋認(rèn)證問題可以轉(zhuǎn)化為一個點模式匹配問題。如 Sanjay Ranande and AzrielRosenfeld[3 ]利用松弛法進行點匹配 ,Shih2hsu Chang[4 ]等人利用二維聚類進行匹配。 本設(shè)計采用了一種 矢量三角法來確定參照點的點模式匹配算法。該算 法利用矢量三角形法快速確定指紋的參考點和旋轉(zhuǎn)參數(shù) ,然后將直角坐標(biāo)系中的細(xì)節(jié)點轉(zhuǎn)換到極坐標(biāo)系中進行點匹配 ,避免了在一般的點模式匹配算法中選取參照點進行的逐點反復(fù)搜索而消耗大量時間的弊病 ,所用的方法不依賴指紋圖像的中心區(qū)域 ,有較強的抵抗噪聲與非線性變形的能力。 兩幅指紋圖的匹配 ,主要是解決旋轉(zhuǎn)、平移和形變等問題。在對兩幅圖像進行匹配之前就先估計它們之間的形變參數(shù) ,并以此對這兩幅圖像進行校準(zhǔn)。正如Anil Jain[7 ]等指出 ,在極坐標(biāo)中進行細(xì)節(jié)匹配有很多的優(yōu)點 :指紋圖像的非線性形變往往表現(xiàn)為放射狀 ,即這種形變 呈非線性地向外擴張。因而 ,使用極坐標(biāo)比直角坐標(biāo)能更好地描述這種非線性形變。在極坐標(biāo)中 ,我們不需要考慮輸入圖像與模板圖像參照點之間的平移 ,因為輸入圖像與模板圖像間的平移是固定的 ,也就是說對應(yīng)點的坐標(biāo) 在 參照點轉(zhuǎn)換為極坐標(biāo)時 ,平移就被抵消掉了。由于兩幅指紋圖像是用同一個儀器采集的 ,可以假定它們間的尺度變化參數(shù)為 1 ,也就是說可以不考慮尺度形變的因素。因此 ,本設(shè)計 選擇在極坐標(biāo)系中做細(xì)節(jié)匹配 ,而且只需考慮輸入圖像與模板圖像間的旋轉(zhuǎn)形變參數(shù)。為了把細(xì)節(jié)點轉(zhuǎn)換到極坐標(biāo)系中去 ,需要在模板細(xì)節(jié)點集和輸入細(xì)節(jié)點集中各選一個參照 點作為相應(yīng)的極坐標(biāo)系中的原點 ,并計算出其它細(xì)節(jié)點相對于參照點的極坐標(biāo)。在本設(shè)計中 采用矢量三角形法來確定參照點。 1. 選取參照點的矢量三角形法 定義兩個點集 P 和 Q , 其中一個點集 Q 表示從輸入的指紋圖中提取出來的N 個細(xì)節(jié)點 ,另一個點集 P 表示從模板圖像中提取出來的 M 個細(xì)節(jié)點。我們把這兩個點集分別表示為 : P = { ( xP1 , yP1 ,θ P1 ) , . . . , ( xPM, yPM,θ PM) } Q = { ( xQ1, yQ1,θ Q1) , . . . , ( xQN, yQN,θ QN) } 其中 ( xPi , yPi ,θ Pi ) 記錄了點集 P 中第 i 個特征點的三條信息 :X 坐標(biāo) , Y 標(biāo)與方向 ,同樣 ( xQj, yQj,θ Qj) 記錄了點集 Q 中第 j 個特征點的三條信息 : X 坐標(biāo) , Y 坐標(biāo)與方向。 定義 1 若直角坐標(biāo)系下的不在同一條直線上的三個有向點按逆時針次序排列 ,稱這三個點按標(biāo)準(zhǔn)向系排列 ,所構(gòu)成的三角形為標(biāo)準(zhǔn)系下矢量三角形。 定義 2 如果兩個同為標(biāo)準(zhǔn)系下的矢量三角形滿足如下條件 ,則稱兩個矢量三角形全等。 (1) 三對對應(yīng)邊長分別相等。 (2) 三對對應(yīng)頂點間的方向角相等。 (3) 三對對應(yīng)點的類型相同。 (4) 三對對應(yīng)邊所穿過的脊線數(shù)目相同。 對模板集中的每一點 A , 在指紋圖上尋找與其最近的兩個特征點 ,其一記為R , 另一個記為 S , 按逆時針方向把它們連接起來組成一個三角形。把點 A 、點R 與點 S 的類型 (末梢點或分支點 ) 分別記為 nType1 , nType2 與 nType3。其方向角分別記為 nBeta1 , nBeta2 與 nBeta3。把連接點 A 與點 R 、點 A 與點 S 、點R 點 S 的三條虛擬的線段長度分別記為 nDist nDist2 和 nDist3。 其所跨 越的脊線數(shù)分別記為 nCrossNum nCrossNum2 和 nCrossNum3。通常情況下 ,紋線數(shù)目比距離、相對角更具有魯棒性 ,因此 ,這里我們在判斷兩個矢量三角形是否全等時 ,增加了這個條件。我們把點類型、方向角、邊長信息與跨越脊線數(shù)記入點 A 的對象中。如果 A 屬于點集 Q , B 屬于點集 P ,并且下面式子均成立 : ( abs ( A. nDist1 B . nDist1) Td and abs ( A. nDist2 B . nDist2) Td and abs ( A. nDist3 B . nDist3) Td) (1) ( abs ( A. nBeta1 B . nBeta1) Tα and abs ( A. nBeta2 B . nBeta2) Tα and abs ( A. nBeta3 B . nBeta3) Tα) (2) ( A. nType1 = = B . nType1 and A. nType2 = = B . nType2and A. nType3 = = B . nType3) (3) ( Abs ( A. nCrossNum1 B . nCrossNum1) +abs ( A. nCrossNum2 B . nCrossNum2) + abs ( A. nCrossNum3 B . nCrossNum3) Tc) (4) 則認(rèn)為兩個矢量三角形全等 ,且點 A 和點 B 分別是模板圖像和輸入圖像的參照點。這里在 判斷兩點的對應(yīng)跨越脊線數(shù)、方向角、邊長是否相等時 , 都留下了一定的松弛量 ( Tc 、 Tα 和 Td) 。由于最后要將細(xì)節(jié)點都轉(zhuǎn)換到極坐標(biāo)系下 ， 我們僅僅計算了輸入圖像與模板圖像間的旋轉(zhuǎn)角度 ， 而不考慮兩幅圖像間的平移 ,只需將輸入細(xì)節(jié)點與模板細(xì)節(jié)點都分別相對于參照點 A 和 B 轉(zhuǎn)換到極坐標(biāo)系中 ,然后在所有輸入細(xì)節(jié)點的極角上加一個角度。也就是說 ,將輸入細(xì)節(jié)點與模板細(xì)節(jié)點都分別相對于參照點 A 和 B 用下式轉(zhuǎn)換到極坐標(biāo)系中 ： 221( ) ( )a r c ta n( )rriirii rii rix x y yryyexx??????? ? ???????? ? ? ??? ?????????? (5) 其中 ( xi , yi ,θ i ) T 是待轉(zhuǎn)換細(xì)節(jié)點的坐標(biāo) ， ( xr , yr ,θ r) T 是參照細(xì)節(jié)點的坐標(biāo) , ( ri , ei ,θ i) T 是細(xì)節(jié)點在極坐標(biāo)中的表示 ( ri 表示極半徑 ， ei 表示極角 ， θ i 表示細(xì)節(jié)點相對于參照點的方向 ) 。Δθ表示旋轉(zhuǎn)角度 ， 滿足 ： 0 a r c ta n ( ) 2Ti Tiyyxx ???? ? ? ?? 即 ： 0 0 , 00 , 02 0 , 0xyxyxy???? ? ? ???? ? ? ? ? ???? ? ? ?? (6) 式中 ， ,rriix x x y y y? ? ? ? ? ?。 然后 將極坐標(biāo)中的模板細(xì)節(jié)點和輸入細(xì)節(jié)點按極角遞增 的方向排序 ， 并連接成串 ,并進行相似匹配，并將匹配的細(xì)節(jié)點數(shù)進行統(tǒng)計，若對應(yīng)點的數(shù)量大于設(shè)定的閾值則可以認(rèn)為輸入指紋圖像和模板指紋圖像是匹配的，否則，不匹配。 第三章 開發(fā)工具及器件簡介 傳感器介紹 本設(shè)計中采用的 MBF200是富士通公司推出的一款先進的固態(tài)指紋傳感器芯片，它除可自動檢測指紋外，還帶 有 SPI， MCU， USB等多種接口模式。 MBF200具有高性能、低功耗和低成本等特點， 屬于電容性傳感器。其電容性傳感器陣列由二維金屬電極組成，所有金屬電極充當(dāng)一個電容板，接觸的手指充當(dāng)?shù)诙€電容板，器件表 面的鈍化層作為兩 板的絕緣層。當(dāng)手指觸摸傳感器表面時，指紋的高 低不平就會在傳感器陣列上產(chǎn)生變化的電