【正文】 。 而且紋線走向 、紋線的斷點(diǎn)、 交叉點(diǎn) 的不同更加決定了指紋都具有“唯一”的這種特性，這恰恰就 是指紋識別技術(shù)的原理。 不僅如此，我們 的指紋 也 是 不會(huì) 隨著我們 年齡的增長而發(fā)生太大的 變化， 也就是說 我們 指紋 是終生不變的。 利用 唯一性和穩(wěn)定性 這個(gè)指紋的特性 ，可以將一個(gè)人 身份 個(gè)人信息和 他 所對應(yīng) 的指紋 聯(lián)系 起來。 實(shí)現(xiàn)的 方法就是： 通過對他的指紋 樣本 的 預(yù)先保存 ，再和 指紋 模板 進(jìn)行 配 對 和 比較。 再 利 用計(jì)算機(jī) 對指紋圖像 進(jìn)行快速的識別。這樣 就能很快的 識別 出 指紋所對應(yīng)的的人 的真實(shí)身份 了 。 從而 達(dá)到一種身份認(rèn)證和識別的功能 。 常用的幾種 生物特征識別技術(shù)的技術(shù)性能比較如表 所示： 4 表 常用生物識別技術(shù)比較 由表中 很明顯得 可以 知 道，指紋識別已經(jīng)是 各種生物特征識別領(lǐng)域中綜合性能最 好 的技術(shù)之一。正 因 如 此 ， 指紋識別技術(shù)在 當(dāng)今的 身份 認(rèn)證系統(tǒng)中被 人們 廣泛 的 應(yīng)用 了 。 5 2 指紋識別的原理和方法 指紋識別的基本原理 指紋識別 技術(shù) 其實(shí)是比較復(fù)雜的。 自動(dòng)識別技術(shù) 與人 工識別 技術(shù)的 方式不同，很 多掌握 生物識別技術(shù) 的 公司并不 是直接對 指紋圖像 進(jìn)行存儲(chǔ)的 。 而是 多年來在各個(gè)公司及其研究機(jī)構(gòu)產(chǎn)生了很多數(shù)字化的算法。 指紋識別算法最終還是歸結(jié)在 指紋圖象上找到并比對指紋的特征。 1．指紋的特征 總體特征和 局部特征 是我們 用來 定義指紋和識別指紋的兩個(gè)重要的特征 。 總體特征：那些 光靠 人 的 眼 睛 就可以 很 直接 的 區(qū)分 到的 生物 特征 被我們稱為是總體特征。 環(huán)型 、 弓型 、 螺旋型 這都是指紋的總體特征 。 而且 其他的指紋 螺紋 圖案 也 都 是基于這三種基本 的螺紋 圖案 的 。因此 ， 僅僅依靠 這三種 基本的螺紋 圖案來區(qū)分 指紋是遠(yuǎn)遠(yuǎn)不夠的 ， 但 是， 這 樣做 只是 為了做 一個(gè)粗略的分類， 因?yàn)檫@樣就 可以 大 大 減少 搜索 數(shù)據(jù)庫時(shí) 的工作量 。 局部特征： 所謂的 局部特征 就是 指紋 圖像 上的節(jié)點(diǎn)的特征，這些具有某種特征的節(jié)點(diǎn) 我們 稱 之 為特征點(diǎn)。 我們知道：一般特征，有時(shí)兩個(gè)指紋是相同的，但我們正在談?wù)摰拇砭植刻卣鼽c(diǎn)的特征，這將是不同的。 2．指紋的特征點(diǎn) 我們知道， 手指的 指紋 的紋路并不是連續(xù)的，它們有些是打斷的，有些是光 滑 的，有些是彎的，有些是 直的，有些是 分開 的 。 而 這些 指紋的斷點(diǎn)、 分叉點(diǎn)還有 轉(zhuǎn)折點(diǎn)就 被我們稱作 為 “特征點(diǎn)”。正因?yàn)?有了 這些特征點(diǎn) ，才保證 了 我們的 指紋 是唯一的 。 指紋識別系統(tǒng)工作流程 讀取采集到指紋 圖象、提取特征 點(diǎn) 、保存 特征點(diǎn) 數(shù)據(jù)和 對特征點(diǎn)數(shù)據(jù) 進(jìn)行 比對 是指紋識別技術(shù)主要的四個(gè)步驟 。 首先，指紋要通過指紋采集設(shè)備 （ Fingerprint acquisition device）， 常見的 采集設(shè)備 有光學(xué)取像設(shè)備、 超聲波掃描取像設(shè)備、 晶體傳感器等。其中，運(yùn)用的最多的是晶體傳感器 。 接著，將采集到的指紋圖像轉(zhuǎn)換為計(jì)算機(jī)內(nèi)可以識別的 數(shù)字圖像 就是我們所說的 灰度圖。 但是， 由于 我們在 采集過程中 ， 難 以避 免因 為 手指或 者是 儀器的原因 ，導(dǎo)致采集到 6 圖像存在 比較多的噪聲。 所以 ， 為了使 我們采集到的 圖像 變得 更清晰 ， 以便于后續(xù)特征提取 的操作方便 ， 對指紋 圖像進(jìn)行增強(qiáng)和濾波 處理，處理后的圖像再 進(jìn)一步 的 二值化、 細(xì)化 [5]，是我們必須要做的事情。而這些步驟就被稱作是指紋圖像的預(yù)處理。 然 后，在細(xì)化后的 指紋 點(diǎn)線圖上提取 出我們需要的特征值，刪去我們不需要的 偽特征值，最終得到 我們用進(jìn)行 匹配的細(xì)節(jié)點(diǎn)。采集到的圖像細(xì)節(jié)點(diǎn)與模板中的細(xì)節(jié)點(diǎn)進(jìn)行比對，最終完成指紋匹配。本文著重研究了圖像預(yù)處理和細(xì)節(jié)特征提取這兩個(gè)關(guān)鍵部分。 接著 ， 一套用數(shù)字類型表示的指紋 特征 點(diǎn) 數(shù)據(jù) 就會(huì)錄入到計(jì)算機(jī)指紋識別軟件。 這 是一種 只能由指紋 信 息 轉(zhuǎn)換成特征 點(diǎn) 數(shù)據(jù)的 單方向的轉(zhuǎn)換 數(shù)據(jù)。對于 不同的 兩枚 指紋 ， 也會(huì)產(chǎn)生 兩組 不 相同的特征數(shù)據(jù)。 這就是 識別 軟件 的數(shù)據(jù)點(diǎn)。它代表的是 指紋 的 紋路 上 的交 叉 點(diǎn) 、 斷點(diǎn) 或 者 紋路圍 圈處的 位置 坐標(biāo)信息。 這些 數(shù)據(jù)點(diǎn)就 有七種以上 對應(yīng)的的唯一特征。 這些數(shù)據(jù)，就是 模板， 被 保存為 1K 大小的記錄 下來 。 最后，把兩個(gè)指紋的模板進(jìn)行比較， 通過計(jì)算機(jī)來完成。再計(jì)算出 這 兩個(gè)指紋模板的相似程 度。 最終 根據(jù)相似度 得到兩個(gè)指紋的匹配結(jié)果。指紋識別系統(tǒng)框圖如圖 所示。 指 紋 采 集圖 像 預(yù) 處 理特 征 提 取特 征 匹 配指 紋 識 別指 紋 庫 圖 指紋識別系統(tǒng)工作原理框 圖 7 指紋識別技術(shù)的方法 本文主要 研究了 ： 基于 LVQ 神經(jīng)網(wǎng)絡(luò)的識別算法。不變矩和濾波特征的指紋識別算法。 指紋 點(diǎn)模 匹配算法 這三種算法。根據(jù)我們已知 的三種指紋識別算法 ，來 進(jìn)行 仿真實(shí)驗(yàn) ， 實(shí)驗(yàn) 通過 Matlab2020 軟件完成，下面分別是這 三種算法的優(yōu)缺點(diǎn)。 神經(jīng)網(wǎng)絡(luò)指紋識別算法 選用哪種特征是神經(jīng)網(wǎng)絡(luò)識別 方法 中的 關(guān)鍵 性問題。通過分析 同 種 類型 的指紋 ， 我們發(fā)現(xiàn)了這兩組指紋的 差別主要體現(xiàn)在 它們所對應(yīng)的每個(gè)細(xì)節(jié)點(diǎn)上。因此我們 就提取了指紋的細(xì)節(jié)點(diǎn)特征 ，將這些細(xì)節(jié)點(diǎn)特征 作為識別特征 ，再將 每個(gè)樣本提取 出來 的細(xì)節(jié)點(diǎn)特征 ，構(gòu)造成 一個(gè) 80 1 維的向量 。這個(gè)向量 包含 了 20 個(gè)特征點(diǎn) ， 而 每個(gè)特征點(diǎn)又包含了 4 維的向量 。 矢 量化 的 LVQ 神經(jīng)網(wǎng)絡(luò)模型 是我們對特征點(diǎn)計(jì)算的手段。基 于 這種方法的 聚類特性和自組織特性，所以矢量化的 LVQ 神經(jīng)網(wǎng)絡(luò)模型 可以很好地給出 特性 模式 ，通過 多維空間的概率分布 ，來估算出指紋的匹配度 。 其識別模型如圖 所示 。 圖 基于神經(jīng)網(wǎng)絡(luò)的自動(dòng)指紋識別模型 濾波特征和不變矩指紋識別算法 本文所使用的主要算法是濾波特征和不變矩指紋識別算法。 濾 波 特征識別算法：大小不變，不變的位置，方向不變，這 是特征指紋圖像必須滿足 的 三個(gè)特點(diǎn)。 大小 不變性是 很容易 滿足的 。 而 在濾波 特征 提取算法中 ， 位 置 不變性 ， 8 則 是通過確定指紋圖像的中心 點(diǎn) 位置 來實(shí)現(xiàn)的。通過在匹配階段 ， 建立 起 多 個(gè) 角度 的 旋轉(zhuǎn)特征向量來實(shí)現(xiàn) 指紋圖 像的 方向 不變性 。 而 濾波特征的提取算法 ， 包括 了 4 個(gè)步驟 。一是 先 確定指紋圖像的中心 點(diǎn)。作為 需要 處理的指紋區(qū)域 的中心位置 ， 記為 R01 區(qū)域 ；二是 以 中心 位參考點(diǎn) ， 對 R01 區(qū)域 來 進(jìn)行 適當(dāng)?shù)?劃分 ， 得到一定大小的塊 ；三是運(yùn) 用一組 Gabor 濾波器 ， 對 R01 區(qū)域 做 八個(gè)不同 方向 的 濾波運(yùn)算 ；四是對 濾波 后的 圖像 ， 分別 計(jì)算 出 每一塊 中 。圖像 灰度值相對于均值的平均絕對偏差 。 進(jìn)而得到特征向量 或特征編碼。 這種 指紋識別算法 。 首先 要 對指紋圖像 提取 濾波特征，然后在 特征向量 上 （由濾波特征值構(gòu)成的） 進(jìn)行匹配。 不變矩識別算法 的基本思路是： 搜索預(yù)處理后的二值 化 圖像中 ， 所有可能成為目標(biāo)的區(qū)域。 計(jì)算 出 R01 區(qū)域中 7 個(gè)不變矩特征， 求 出與 模板匹配程度最高的 R01 區(qū)域 進(jìn)行匹配 。其中相似度度量采用歐式距離 （ Euclidean distance） 。 這里，搜索算法為 系統(tǒng)使用的最簡單的順序查找方法 。 就是對數(shù)據(jù)庫文件 ， 逐一搜索 。 一張指紋數(shù)字圖像圖片 被 系統(tǒng)讀入 時(shí) ，就 會(huì)根據(jù)上述的方法 ， 先 對這一幅指紋數(shù)字圖像進(jìn)行特征 值提取和 編碼， 并 保存到臨時(shí)變量中去。系統(tǒng)的指紋數(shù)字圖像數(shù)據(jù)庫文件里同時(shí) 也 會(huì) 保存一組指紋數(shù)字圖像灰度偏差的特征。過程如下： 1． 申請內(nèi)存空間。將 匹配結(jié)果的臨時(shí)變量 進(jìn)行保存，對 輸入 系統(tǒng)的 要匹配的指紋數(shù)字圖像的編碼 進(jìn)行保存。 2. 搜索系統(tǒng)的數(shù)據(jù)庫文件。當(dāng)數(shù)據(jù)庫文件為空時(shí)，程序結(jié)束查找。 3. 當(dāng)系統(tǒng)的數(shù)據(jù)庫文件不為空時(shí)。 由于在指紋數(shù)字圖像 在 入庫的時(shí)候，指紋數(shù)字圖像 是按一定排列 順序 的 編碼 。同樣地，系統(tǒng)也將 匹配的指紋數(shù)字圖像 的圖象編碼設(shè)置同樣 的順序。這樣系統(tǒng) 就按照 一定得順序進(jìn)行匹配。 這樣可以通過 歐氏距離（ E D）匹配算法，來判斷兩個(gè)指紋數(shù)字圖像之間的 歐氏 距離。前面提到系統(tǒng) 是 對一張指紋數(shù)字圖像進(jìn)行 兩次編碼 的保存。將相 對應(yīng)的特征 向量進(jìn)行比較，取其中最 小的一個(gè)作為系統(tǒng)比對的結(jié)果 輸出 。這里 是 通過 歐式距離來實(shí)現(xiàn) 的 對 比數(shù)據(jù)庫中模板圖像 和 待測試圖像 相對應(yīng)的 特征點(diǎn)向量距離計(jì)算的 。對于 計(jì)算機(jī)計(jì)算出來的數(shù)據(jù) ，如果匹配指數(shù)小于 定值 T，則被 認(rèn)為 是 匹配成功，否則 匹配 失敗。 簡單的說，歐氏距離（ Euclidean distance）就是將兩組特征向量相減，然后求出他們對應(yīng)之間的差的平方和 ，然后開根號。舉個(gè)例子來說吧： A=（ 1， 2， 3） B=（ 4， 5，6）則他們之間的距離就是 d=sqrt((14)2+(25)2+(36)2)。接著識別 系統(tǒng)就逐一搜索數(shù) 9 據(jù)庫 中的數(shù)據(jù)文件，求的他們距離的最小數(shù)值。如果對比的兩張指紋數(shù)字圖像的特征向量 之間的距離是 0，則系統(tǒng) 會(huì)認(rèn)為這兩張數(shù)字圖像是同一張 ，或者說來自于同一手指。從而達(dá)到識別的功能。歐氏距離表示的是兩張指紋數(shù)字圖像的特征向量的相似程度。距離越近就越容易相互干擾，誤碼率也就越高，也就越相似。 指紋匹配算法 指紋匹配算法：是指在調(diào)整過程中的 指紋特征值。它要 匹配 的是指紋圖像和 預(yù)先存儲(chǔ)圖像特征值。 英國的專家亨利認(rèn)為 ，只要 13 共同特征點(diǎn)存在的兩個(gè)指紋圖像的比例，就可以認(rèn)為 這兩個(gè) 要 比 較 指紋圖像是相同的指紋。 下圖 為 指紋匹配 算法的流程圖 。 圖 指紋匹配 算法的流程圖 10 3 指紋識別算法的實(shí)現(xiàn) 指紋圖像的預(yù)處理 精確的指紋識別技術(shù)是非常依賴于脊的圖案信息來識別特征的細(xì)節(jié)結(jié)構(gòu) 的 。 然而，在自動(dòng)指紋識別過程中，由于各種因素的 影響 手指本身 的圖像 ，該指紋傳感器采集的原始狀態(tài) 的指紋圖像 將受到不同程度的干擾，并且圖像將通常包含大量的噪音，導(dǎo)致指紋圖像質(zhì)量嚴(yán)重下降。 為了 確保指紋圖像 可以進(jìn)行有效的匹配 過程。圖像預(yù)處理是自動(dòng)指紋識別系統(tǒng) 中 最重要的一步，圖像預(yù)處理 的好壞 會(huì)直接影響到指紋識別 的好壞 。預(yù)處理的目的是為了在圖像中除去噪聲， 使 圖像變成清晰的線，從而提高了指紋圖像 可以被識別 的有效區(qū)域的清晰度，方便 指紋特征提取。 而 圖像的預(yù)處理大致可以劃分為以下幾步： 灰度， 平滑濾波，歸一化，二值化 ，細(xì)化 。主要流程如下圖 ： 圖 預(yù)處理主要流程 圖像的平滑 指紋圖像預(yù)處理的過程第一步是對原始指紋圖像的灰度圖進(jìn)行平滑處理 。 所謂平滑化處理是通過在原 始指紋圖像濾波和處理選擇適當(dāng)?shù)臑V波處理中，圖像過濾掉不必要的高頻分量。 光滑的主要作用是盡量保持邊緣線的圖像完好，除去原始指紋圖象的離散的，孤立的高對比度的像素。 而 在后續(xù)的指紋圖像處理過程中 ，這 可能 會(huì) 造成的計(jì)算與分析誤差， 但與此 同時(shí)也可以盡量 的 消除指紋圖像中由于圖像噪聲 的存在 導(dǎo)致的紋路中脊線上 會(huì)出現(xiàn)的很 多的微小疵點(diǎn) [26]。本文 是 采取 直方圖均衡化 的方法 [27]來實(shí)現(xiàn)圖象的增強(qiáng)。 從原始圖像 直方圖相對濃縮成灰色區(qū)中的所有直方圖中的均衡處理的均勻灰度范圍是 中心思想。 對 于 圖像 的 空間域點(diǎn) 增強(qiáng)過程是通過增強(qiáng)函數(shù) t=EH(s)來完成的 。 t、 s分別代表著 目標(biāo)圖像和原始圖像上的像素點(diǎn) (x， y)，在進(jìn)行均衡化處理時(shí)，增強(qiáng)函數(shù) EH需要滿足兩個(gè)條件： [28][29] (1)增強(qiáng)函數(shù) 在 EH(s)在 0≤s≤L 1的范圍內(nèi) 。