【正文】 予以刪除 。 (2) 短線與紋線間斷的刪除 對細節(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， 則認為該兩點為偽特征點 ， 予以刪除 。 指紋圖像特征提取 本設(shè)計結(jié)合細化圖像的特點 ， 提出了一種基于非徹底細化圖像的指紋細節(jié)提取算法 。 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)。 (4) 圖像的細化 細化是把清晰但紋線粗細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。 ( , )( , ) 0 。 第三級分割設(shè)定特征量 1 v a rm e a nc o n tra st ia n c e? ，當(dāng)對比度 contrast1的值小于預(yù)定義的閾值 T時，將其設(shè)定為背景區(qū)域；否則，作為前景區(qū)域，保留其灰度值，以作后續(xù)處理。 我們將指紋圖像分為前景區(qū)、背景區(qū)、模糊區(qū)和白背景區(qū)，其中白背景區(qū)是指指紋圖像中不含指紋紋線的邊界區(qū)域，這類區(qū)域也是應(yīng)該包括在割除的區(qū)域，所以 為了能正確劃分這 4類區(qū)域，更準(zhǔn)確地割去白背景區(qū)和背景區(qū)，并保留前景區(qū)和模糊區(qū)中可恢復(fù)的區(qū)域，把整個分割過程分為 3級，分割的基本單元為88? 大小不相交疊的塊。 （ 2）圖像分割 在采集到指紋圖像后，首先要進行指紋圖像分割，即把圖像分割為指紋區(qū)與非指紋區(qū)，目的是割除白背景區(qū)和背景區(qū)，保留前景區(qū)，盡可能保留模糊區(qū)中能恢復(fù)的部分，以便后續(xù)處理能夠集中于有效區(qū)域，這不僅能提高特征提取的精確度，還能大大減少指紋預(yù)處理的時間。 (1) 圖像 歸一化 歸一化處理是對原始指紋灰度圖像上每一象素點的 一種操作，人為改變它的灰度值，消除指紋錄入傳感器表面的殘留噪音 以及手指按壓力差異對指紋圖像的影響，把圖像分為 ww? 的子塊，對于每一子塊求其灰度均值 Mi和 方差 Vi。 指紋圖像的預(yù)處理 圖像預(yù)處理的主要步驟包括： 灰度值歸一化、 圖像分割、濾波、 圖像增強、二值化、細化 等 。 系統(tǒng)框圖如下圖 1。當(dāng)處理圖像數(shù)據(jù)時， FPGA 通過讀取 SDRAM 的指紋數(shù)據(jù)，并在其邏輯單元中進行 濾波、灰度歸一化 、二值化、 細化和 特征值提取等操作 ，從而獲得重要的指紋圖像信息。 可見，指紋識別技術(shù)的應(yīng)用可以使我們的生活更加方便快捷，更加安全。指紋模板和匹配軟件保存在汽車內(nèi)的一個嵌入式模塊中。 在今后的汽車應(yīng)用中，用戶可輸 入家庭成員指紋樣本，經(jīng)鑒權(quán)才能駕駛。如果不是授權(quán)用戶，手機便繼續(xù)保持鎖住。例如，今后警察可在一個犯罪高發(fā)區(qū)截住一名嫌疑人，要求其提供指紋而不是身份證或汽車駕照。該識別系統(tǒng)可用于門禁、考勤、證件管理等很多方面，具有很廣泛的應(yīng)用前景。 課題目標(biāo)和研究內(nèi)容 課題目標(biāo) : 以 FPGA 作為核心控制器件，實現(xiàn)指紋圖像的采集、存儲、處理和比對等，完成對指紋圖像的有效識別。 而 本設(shè)計 正是為了這一目的， 選用具有高集成度、低功耗、短開發(fā)周期 的FPGA來完成此項設(shè)計 ， 以實現(xiàn)系統(tǒng)的 ASIC為研究背景，具有很強的現(xiàn)實意義和廣闊的市場空間。其成本下降得也很快 ,大大加快了指紋識別技術(shù)的推廣速度。使用計算機 管理指紋數(shù)據(jù)庫 ,極大提高了指紋對比的速度 ,同時由于計算機比對算法的不斷改進提高 ,使指紋比對誤識率已降到了 10 6 以下 ,不僅可以滿足刑偵方面的需要 ,而且迅速進入了更多的應(yīng)用領(lǐng)域。此外 , 生物特征還包括虹膜、視網(wǎng)膜、聲音和臉部熱譜圖等。指紋識別是生物識別技術(shù)中最為成熟的 , 其唯一性、穩(wěn)定性 , 一直都被視為身份鑒別的可靠手段之一。 隨著光學(xué)技術(shù)和光學(xué)儀器加工工藝的進步 ,各種采集指紋圖案進行身份認證的系統(tǒng)和設(shè)備中需要配備的高清晰、無畸變光學(xué)采集儀也達到了很高水平 ,確?？梢陨筛哔|(zhì)量的指紋圖像。 同時 人們對消費類產(chǎn)品的要求越來越趨向于小型化，并且對可攜帶設(shè)備的安全性要求也與日俱增。 本 系統(tǒng)采用 xilinx公司 Spartan 3E系列 FPGA作為核心控制 器件 ，這款 器件 采用 90ns的先進工藝 ，最大容量 50萬門， 可支持 32位的 RISC處理器，具有 128 Mbit 并行 Flash， 足以滿足設(shè)計的要求。 研究內(nèi)容： 本 系統(tǒng)采用 xilinx 公司 Spartan 3E 系列 FPGA 作為核心控制芯片，通過 富士通公司的 MBF200 指紋傳感器 實現(xiàn) 對指紋圖象 的采集 ， 利用 SPI 接口傳輸?shù)紽PGA 進行數(shù)據(jù)的存儲，利用內(nèi)嵌的 MicroBlaze 處理器 對指紋圖象進行灰度濾波、二值化、二值去噪、細化等 預(yù)處理，得到清晰的指紋圖象，再從清晰的指紋圖象中提取指紋特征點 并 存入指紋數(shù)據(jù)庫作為建檔模版。 研究意義 生物識別技術(shù)越來越多地被應(yīng)用于身份驗證領(lǐng)域。此人則將其右手的第一、二或第三 個手指置于一個與無線 PDA 相連的傳感器上，可以迅速將嫌疑人與以前的犯罪記錄進行對比確認。如果連續(xù)幾次認證無法通過，則手機會刪除存儲器中的關(guān)鍵信息然后關(guān)機。注冊過程十分簡單：每個授權(quán)駕駛的成員將其手指置于傳感器上，并將汽車的各種參數(shù)按個人愛好進行設(shè)置，然后將這些設(shè)置存入車載的電腦存儲器中。當(dāng)指紋匹配成功時，汽車便按已編程設(shè)定的內(nèi)部參數(shù)來控制后視鏡、汽車座椅、無線基站以及車內(nèi)空氣環(huán)境。同時 本項目重點研究基于 FPGA 的指紋識別系統(tǒng)， 利用 FPGA 高集成度化，低功耗，短開發(fā)周期等優(yōu)點，實現(xiàn)系統(tǒng)的 ASIC，具有 更加 深遠的意義 和 廣闊的市場商機。 系統(tǒng)操作時首先利用鍵盤選擇指紋存儲模式，將獲得的指紋圖像信息存儲到 FLASH 中作為指紋數(shù)據(jù)庫，然后切換到指紋識別模式 ，再利用上述方法 獲得指紋圖像信息。 MBF 200FLASHSDR AMKEYBORDFP GALCDRS 232 圖 1 系統(tǒng)框圖 項目關(guān)鍵技術(shù)及創(chuàng)新性： 傳感器的選擇 目前， 市面上存在很多種類的指紋傳感器 ， 應(yīng)用 最廣泛的 有 光學(xué)、電容、電磁波、壓力、微電機和熱學(xué) 指紋傳感器 。預(yù)處理的目的是改善輸入指紋圖像的質(zhì)量，以提高特征提取的準(zhǔn)確性。子塊灰度均值和方差的計算按如下公式 ： 111 ( , )wwxyM i I x yww ??? ? ?? （ 1） 2111 [ ( , ) ]wwxyV i I x y M iww????? ?? （ 2） 其中 I（ x， y）為子塊中象素（ x， y）的灰度值，子塊歸一化的目的是調(diào)整均值和方差到一個期望的范圍，如果用 G(i， j)表示（ x， y）點的歸一化后的值，那么第 I個子塊歸一化后灰度值為： 200200( ( , ) ) , ( i j( , )( ( , ) ) ijVar I i j M i IMMViG i jVar I i j M i MMVi? ? ????? ??? ????若 ， ） ；， 若 I( ， ） ； (3) 如果： 200 ( ( , ) )V a r I i j M iMMVi ???，則把灰度值為 200 ( ( , ) )V a r I i j M iM Vi ??全部歸 0作為背景處理，這樣可以有效地去除傳感器表面殘留紋印引入的噪聲。目前常用的指紋圖像分割的一般方法是：一種是基于圖像灰度特性的灰度均值分割，這種分割容易把有效部分割除掉，而把用力重的模糊不清的區(qū)域保留；另一種是基于灰度方差的閾值分割，這種單一分割方法不適合低對比度的圖像；第三種是基于指紋紋理的方向性，利用方 向圖對指紋圖像進行分割。第一級分割為白背景區(qū)分割，第二級分割為模糊區(qū)分割，第三級分割為背景區(qū)分割，白背景區(qū)灰度均值很低，而且由于沒有紋線峰和谷的變化，方差也很小，因此白背景區(qū)的判斷采用： (1) 塊灰度均值： 15 1500( 8 , 8 )88ijI i m j nm e an ??? ? ? ?? ??? (2) 塊灰度方差 15 15 200( ( 8 , 8 ) )v a r 88ijI i m j n m e ani anc e ??? ? ? ? ?? ??? 第一級分割的判決為：當(dāng) mean小于預(yù)定義的閾值 T1且 variance也小于預(yù)定義的閾值 T2即同時滿足上述兩個條 件時，該塊為白背景塊，刪除掉。 （ 3）指紋圖像二值化 二值化，就是把灰度圖像轉(zhuǎn)變?yōu)楹诎紫嚅g的二值圖像，通過設(shè)定一個全局閾值對增強后的指紋圖像轉(zhuǎn)變?yōu)橛?0、 1兩 種灰度表示， 0代表脊線，為黑象 素，作為前景。 ( , )f i j Tf i j f i j T??? ? ??脊 線谷 線 由于采集到的指紋圖像不同區(qū)域深淺不一，如對整幅圖像使用同一閾值進行二值分割，會造成大量有用信息的丟失。細化算法中的OPTA 算法滿足收斂性、連續(xù)性、拓撲性和保持性，有較好的細化效果 。細化時，對每個像素抽取其臨域所需的像素點。 在不對紋線 做任何修復(fù)處理的情況下 ， 在細化指紋圖像上直接提取原始細節(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 。 (3) 小孔的刪除 對細節(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 。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。 通過將細節(jié)點表示為點模式 ,一個自動指紋認證問題可以轉(zhuǎn)化為一個點模式匹配問題。 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。在本設(shè)計中 采用矢量三角形法來確定參照點。 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。 (4) 三對對應(yīng)邊所穿過的脊線數(shù)目相同。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。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。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???? ? ? ???? ? ? ? ? ???? ? ? ??