【正文】 ...................................................... 31 致謝 ...................................................................................................................................................................... 32 1 研 究背景與意義 當(dāng)前信息時代大環(huán)境下，有關(guān)于信息安全與個人身份鑒定的問題日益凸顯出來。而簡單的設(shè)置密碼或者是磁卡等方法都會時不時的遇到忘記或是更有甚者被盜的情況，其安全性與可靠性著實堪憂。但是指紋憑借著自身固有的獨(dú)立性與穩(wěn)定性在身份識別的領(lǐng)域中獨(dú)樹一幟。 作為目前身份認(rèn)證中運(yùn)用最廣泛的方法，我們身邊的指紋識別隨處可見。我們手中的如蘋果，魅族，華為等智能手機(jī)的指紋解鎖功能就受到了來自廣大用戶的一致好評；而各個企業(yè)中基于指紋識別原理的權(quán)限系統(tǒng)與考核記錄也都得到了普及；目前駕照等考試也運(yùn)用到了指紋識別，這 就確保了學(xué)員身份的準(zhǔn)確性，確保了駕照的質(zhì)量。諸如此類的等等應(yīng)用實例都表明指紋識別研究是目前不可否認(rèn)的重要的信息安全問題。 本文中將利用數(shù)字圖像處理的相關(guān)知識來對指紋圖像進(jìn)行圖像預(yù)處理，指紋特征點提取以及特征匹配，并最終通過實驗來實現(xiàn)指紋圖像的識別功能。 指紋的基本概念 手指上高低不平的線的集合叫做指紋 [1]。這些線不會隨時間改變而改變，并且每個人的指紋都具有不重復(fù)性。指紋本身所具備的這兩個固有特性使得它成為身份識別的不二之選。 一般而言，指紋結(jié)構(gòu)特征包含兩個層次，分別是局部特征以及全局特征 [2]，其中全局特征意思為通過人眼觀察就可以發(fā)現(xiàn)的特征；反過來相應(yīng)的將紋線上各種特征點稱作局部特征。就這個層次而言，可能會出現(xiàn)兩個人的指紋具備完全相同的全局特征的情況，但是任何兩個人的指紋都是不可能具有相同的局部特征的，這也就是為什么指紋識別具有極高的可靠性的原因。 具體而言，全局特征包含有五種特征，分別是三角點與紋形，核心點與紋數(shù)以及模型區(qū)。 而全局特征中的紋形又可分為三種基本類型 ,而相應(yīng)的分別稱這三種基本類型為 斗形，弓形以及箕形，具體的圖形如下圖所示 : (a)斗形 (b)弓形 (c)箕形 圖 紋形類型 2 而局部特征的所包含的細(xì)節(jié)特征數(shù)量很多，這里只給出以下幾種： ：單紋路分離變成多條紋路所對應(yīng)的具體位置； ：紋路結(jié)束的位置； ：紋路的起始位置； ：多條紋路互相結(jié)合最終匯成一條單紋路所對應(yīng)的交匯位置； ：短到變成一個點的紋路； 指紋識別系統(tǒng)的簡介 此處本文給出指紋識別的經(jīng)典過程 [3]，其中包含了指 紋采集與圖像預(yù)處理，特征提取與特征匹配，以及數(shù)據(jù)庫五個模塊，如圖 所示 : 圖 經(jīng)典指紋圖像識別過程 用于采集指紋圖像的硬件設(shè)施大約分為三種 [4]，分別依靠超聲波掃描，傳感器以及光學(xué)識別來實現(xiàn)獲取圖像的目的。而圖像處理中一般包括圖像的增強(qiáng)與圖像的裁剪，銳化以及二值化，還有修飾與細(xì)化。而在特征選取的過程中，通過不斷地實驗經(jīng)驗積累，最終選取特征為端點以及分叉點。 指紋識別系統(tǒng)的發(fā)展歷史 20 世紀(jì) 90 年代末，圖像采集的普及化與廉價化加上編程算法可靠性與簡單化 的演變趨勢極大地促進(jìn)了指紋識別系統(tǒng)的發(fā)展。而到了 21 世紀(jì)，指紋識別漸漸在民用領(lǐng)域普及開來，指紋識別技術(shù)自然而然也就成為國內(nèi)外學(xué)術(shù)研究界的寵兒。目前最常見的蘋果 Iphone 系列中就廣泛應(yīng)用了指紋解鎖的功能。 而在國內(nèi)，目前已有的光學(xué)采集與傳感器采集技術(shù)和嵌入式指紋自動識別技術(shù)，特征匹配識別都已經(jīng)比較完善了。比如今年剛剛推出的魅族智能手機(jī)中就自帶了 IFS 指紋識別方案的指紋采集 特征提取 圖像處理 特征提取 數(shù)據(jù)庫 訓(xùn)練模塊 指紋采集 圖像處理 匹配 鑒別模塊 鑒別結(jié)果 3 指紋解鎖的功能，而華為的按壓式傳感器識別技術(shù)也在其新推出的產(chǎn)品中得到了相應(yīng)運(yùn)用。眾多的企業(yè)與個人都在指紋識別的道路上努力前行著。 研究 的主要內(nèi)容 在本次畢業(yè)設(shè)計的過程中，主要研究的內(nèi)容是在數(shù)字圖像處理基礎(chǔ)上的指紋圖像識別，其中包括了利用中值濾波與高通濾波實現(xiàn)的圖像的增強(qiáng)，圖像的二值化與細(xì)化表示以及針對于端點與叉點的指紋圖像的特征采集與依照端點與叉點間的特征向量比較的特征匹配。并最終實現(xiàn)指紋識別功能。 在對給定的指紋圖像完成定位之后，參照實際使用過程中所需求的識別精度與識別速度，來權(quán)衡適當(dāng)?shù)倪M(jìn)行圖像的分區(qū)方式。在依次完成了指紋圖像的預(yù)處理工作之后，就開始尋找，提取指紋的局部特征，也就是端點與叉點。并依據(jù)端點與叉點的相對位 置建立特征向量，將此作為最終特征匹配的依據(jù)，比較兩個圖像是否屬于同一個指紋，并反饋給用戶，進(jìn)而就實現(xiàn)了指紋識別的功能。 作為指紋識別過程中的第一步，預(yù)處理工作主要包括有為了方便程序掌控而進(jìn)行的指紋圖像的數(shù)值化，為了降低計算量而進(jìn)行的指紋圖像的分割，為了取出噪聲干擾而進(jìn)行的指紋圖像的平滑處理，為了突出紋線特征而進(jìn)行的指紋圖像的銳化，為了進(jìn)一步優(yōu)化算法與存儲而進(jìn)行的指紋圖像的二值化以及指紋圖像的細(xì)化。這里就本次設(shè)計而言，以一個指紋圖像的原始圖像與每個實驗步驟處理過后所得的圖像 為例來描述預(yù)處理工作的內(nèi)容。原始指紋圖像如下圖 : 圖 原始指紋圖像 4 指紋圖像的數(shù)值化表示 在這里將圖像數(shù)值化之前，需要以圖像左上角位置的像素作為坐標(biāo)系的原點建立起一個直角坐標(biāo)系并且由原點往右方延伸為列，由原點往下方延伸為行，如此一來，就可以利用一個 m n 的矩陣來表示數(shù)字化這個圖像，例如式 ： () 式 中的任意一個元素與原圖中相應(yīng)位置的像素都是一一對應(yīng)的。由此，系統(tǒng)就成功將普通的圖片轉(zhuǎn)化為了機(jī)器可識別可操作的數(shù)字圖像。這就為接下來的通過計算機(jī)來對指紋圖像就行識別打下了基礎(chǔ)。其中灰度圖像定義為以量化的灰度表示對應(yīng)像素的圖像，而二值圖像定義為在灰度圖像的基礎(chǔ)上僅存在兩種灰度級的圖像。一般來說實踐中取“ 0”值或“ 1”值，如下圖所示： （ a）原始圖像 (b)二值化圖像 圖 圖像的二值化 就本文中畢業(yè)設(shè)計要研究的指紋識別而言，由于指紋僅僅是紋路與間隔的結(jié)合，并不對每個像素的灰度大小進(jìn)行很細(xì)的分類，而只存在這個像素內(nèi)含有或是不含有紋線的情況。所以為了方便起見，本文在這里選擇二值圖像作為實驗中所需要的目標(biāo)數(shù)字圖像，也就是說： 1,0),( ?yxf () 指紋圖像的裁剪 通常來講，經(jīng)由各種渠道 所獲取的圖像尺寸是比較大的，這樣的話計算機(jī)對于整張圖片進(jìn)行直接操作的話運(yùn)算量就很大，而且計算時間會變長，此外實際上在得到一整張圖片時，通常只關(guān)注圖像中的某一個或者某幾個部分，而并不注意其他部分。比如說本次的畢業(yè)設(shè)計在研究指紋識別的過程中僅對指紋圖像中的紋線，端點，分叉點等感興趣，那么這時系統(tǒng)關(guān)注的部分就可以稱之為對象。為了提高指紋圖像的處理效率并節(jié)約資源，就需要將包含以上指紋對象的部分截取出來。這時就需要用到圖像的裁剪來實現(xiàn)這個目的了。 圖像的裁剪的含義是把圖像按照均勻性的原則分為 若干的獨(dú)立的部分，其中任意一個單獨(dú)的部分都滿足某一類特性，而將任意兩個互為臨界的子部分結(jié)合起來的操作都會破壞這個 ??????????111001101???????????????????)1,1(...)1,1()0,1(............)1,1(...)1,1()0,1()1,0(...)1,0()0,0(nmfmfmfnfffnfffF 5 特性。 通常來講，包圍了一個連通性的區(qū)域的曲線稱為邊緣。在邊緣的兩側(cè)分布著兩種不同的區(qū)域，每個區(qū)域都具備自己的特性，但是這兩個區(qū)域所具備的特性并不一致，也就是說在邊緣的位置，灰度會發(fā)生突變。 通常來講圖像裁剪有兩種方案，一種是點相關(guān)的圖像裁剪方案，另一種是區(qū)域相關(guān)的圖像裁剪方案。其中點相關(guān)的圖像裁剪方案是依據(jù)各個像素點灰度不連續(xù)性實現(xiàn)的，比較常見的例子就是基于邊界的裁剪方法；而區(qū)域相關(guān)的裁剪方案是 憑借同一區(qū)域的灰度值相近從而尋求不同區(qū)域邊界的特性實現(xiàn)的，這種方案比較常見的例子就是基于區(qū)域的裁剪方法。 本文中，鑒于這里設(shè)計的系統(tǒng)所要處理的圖像是簡單的點與線組成的指紋圖像，所以在此選取方差法作為指紋圖像裁剪的方法。也就是說，首先要根據(jù)指紋的灰度值，將圖像區(qū)分為背景與目標(biāo)兩類，而如果這兩類灰度值的方差數(shù)值越大，那么就認(rèn)為背景與目標(biāo)的差異越明顯。而不論是目標(biāo)還是背景，如果被錯誤的分到了另一類當(dāng)中的話都會直接導(dǎo)致這兩類的差異降低，也就是說方差變小。這也就認(rèn)證了類間方差最大分割方法分割錯誤率極低的特性?？紤]到以 后的操作在進(jìn)行指紋圖像細(xì)化，特征提取以及特征匹配時所處理的都是二值化圖像，方差法自然成為當(dāng)前設(shè)計中進(jìn)行圖像裁剪的不二之選。 指紋圖像的平滑處理 由于人們在進(jìn)行圖像采集或者是圖像傳輸?shù)倪^程中不可避免的會遭受到外界的干擾，所以通常情況下得到的原始數(shù)字圖像都是包含大量噪聲干擾的，比如說指紋圖像中的皮膚水分，皮膚傷殘，皮膚彈性，灰塵等等的影響，都會極大地降低指紋圖像的質(zhì)量，嚴(yán)重時甚至?xí)?dǎo)致指紋圖像中的分叉點或是端點等等圖像特征的丟失或者誤增加，這就意味著指紋識別過程面臨著很大的誤差風(fēng)險。為了避免這種問 題，就要對原始指紋圖像實施除噪的處理，而降低噪聲，提高數(shù)字圖像質(zhì)量的過程就叫做圖像的平滑處理。平滑處理能夠在保持圖像原有線性特征的前提下對數(shù)字圖像完成凈化處理。 圖像平滑處理可以采用多種途徑實現(xiàn)，例如說中值濾波法 ,空間低通濾波法，多幅圖像平均法等等。就對于該設(shè)計中要研究的指紋原始圖像而言，以上三類方法都可以被用來實現(xiàn)指紋圖像的平滑處理。這里論文中針對指紋圖像識別的要求僅對上述幾種方法進(jìn)行簡單描述，有關(guān)的其他方法請參見 [5]。 空間低通濾波法 通常來講通過對模版進(jìn)行卷積從而對數(shù)字圖像中的像素 進(jìn)行逐個處理的方法稱作空間低通濾波法。在這種方法中是將模版本身當(dāng)做濾波器來使用的。 首先從模板的中心依照由左至右。由上至下的順序進(jìn)行移動，使像素與模板中心逐個對應(yīng)起來，然后把模板與相對應(yīng)的像素數(shù)值逐一求積，然后將所得到的數(shù)值累加起來，這樣就 6 會得到一個新的數(shù)值，這時只需要將這個數(shù)值賦給模板中心相應(yīng)于圖像中的像素就可以了。 在下面的圖 中，展示了利用模板進(jìn)行操作的過程示意圖。 圖（ a）是在圖像中截取的某一個小的部分，其中包含九個像素，用 mi 來表示各個像素的灰度值。 圖（ b）則是一個 33 的模板，類似的，也用 ni 分別表示這各個像素的值。如果將模板中的 n0 與待處理圖片中的 m0 像素對應(yīng)，那么相應(yīng)的就得到經(jīng)過濾波后的中心灰度值大小 P 為 : ???80i iinmP () 圖 濾波示意圖 在對圖片中 的像素逐個按照上式進(jìn)行處理之后，系統(tǒng)就可以求得增強(qiáng)圖像的各個像素的灰度值了。一般的，假設(shè)模板的響應(yīng)是 ），（ srH ,那么通過處理以后的數(shù)字圖像表達(dá)式),(g yx 就變?yōu)椋? ? ??? ?? ???mkrns srHsyrxfyxg 1 ),(),(),( () 其中 x,y 的值為 0,1,2， ...， n1。 而 m,n 的值是依照領(lǐng)域而定的。 為了實現(xiàn)空間低通濾波的功能，就需要使用低通濾波器，雖然常用的低通濾波器有很多種，不過如果是用于指紋識別的考 慮的話，那么經(jīng)過實驗經(jīng)驗 [6]識別過程中采用如下的低通濾波器作為實驗的模板 : ???????????111121111101H () 多幅圖像平均法 一般而言圖像經(jīng)過空間低通濾波處理之后其噪聲干擾會小很多，但是為了進(jìn)一步凈化圖像從而使得圖像質(zhì)量更高方便以后的特征提取與特征匹配，還需要對處理過的圖像完成取平均值的操作。一般而言將對同一物體的多個數(shù)字圖像進(jìn)行相加之后求平均值的做