【正文】 核心部分，包括指紋圖象處理、特征提取、指紋分類及匹配等四部分。通過取代個人識別碼和口令，指紋識別技術可以阻止非授權的訪問，可以防止盜用 ATM、蜂窩電話、智能卡、桌面 PC、工作站及其計算機網絡；在通過電話、網絡進行的金融交易時進行身份認證；在建筑物或工 作場所，指紋識別技術可以取代鑰匙、證件、圖章和卡閱讀器。從那時起，自動指紋識別系統(tǒng) AFIS在法律實施方而的研究和應用在世界許多國家展開。雖然指紋的一些特征己經被人們認識和接受而不能證明，但指紋己廣泛應用社會的各個方面。 指紋識別的基本原理為：采用細節(jié)點坐標模型來做細節(jié)匹配，即對指紋的脊 線末梢和指紋的脊線分支點提取特征點來鑒定指紋。 同時介紹指紋圖像的預處理：目的是去除指紋圖像中的噪音，將其轉化為一幅清晰的點線圖，便于提取正確的指紋特征。指紋識別系統(tǒng) 摘 要 由于指紋所具有的唯一性和不變性，以及指紋識別技術具有很高的可行性和實用性，指紋識別成為目前最流行、最可靠的個人身份認證技術之一。它分四步進行，即灰度濾波、二值化、二值去噪、細化。具體的自動指紋識別系統(tǒng)框圖見 圖 11。 19 世紀初，科學研究發(fā)現(xiàn)了至今仍然承認的指紋的兩個重要特征： 一是兩個不同手指的指紋脊線的式樣 (ridge pattern)不同，另外一個是指紋脊線的式樣終生不改變。 20 世紀 80 年代 ，個人電腦、 光學掃描這兩項技術的革新，使得它們作為指紋取像的工具成為現(xiàn)實，從而使指紋識別可以在其他領域中得以應用，比如代替IC 卡。 然而，必須指出的是，指紋識別技術到目前在國內乃至世界上仍未普及，其主要原因是： (1)速度慢，目前一般系統(tǒng)辨別時需要數(shù)秒鐘甚至更長； (2)價格高，系統(tǒng)過于昂貴； (3)性能差，錯誤拒識率（ False Reject Rate： FRR）和錯誤接受率（ FalseAccepted Rate： FAR）過高。本文將主要對指紋圖象處理和特征提取的部分算法加以討論和研究。 第 2 章 VC++環(huán)境下小波變換及指紋圖像處理 小波的基本理論 小波分析圖像處理 小波變換是最近 20多年來發(fā)展起來的用于信號分析和信號處理的一種新的域變換技術。但 Fourier變換只有頻率分辨率而沒有時間分辨率，這就意味我們可以確定信號中包含的所有頻率，但不能確定具有這些頻率的信號出現(xiàn)在什么時候，只適宜處理平穩(wěn)信號。小波變換具有時間一頻率自動伸縮能力，這種能力可以在任何希望的頻率范圍上產生頻譜信息。同年， S. Mallat將多分辨率分析的概念引入了小波分析及小波函數(shù)的構造中，并將小波函數(shù)的構造統(tǒng)一于多分辨率分析的框架之下，同時， Mallat提出的快速算法使小波變換從理論研究進一步走向各種應用領域。 1992年， Coher, Daubechies, Feauveau提出了具有緊支撐的雙正交小波基。 小波變換有以下特點 : 1) 有多分辨率 (multiresolution)，也叫多尺度 (multiscale)的特點，可以由粗及細地逐步觀察信號。 3) 適當?shù)剡x擇基小波，使 ??t? 在時域上為有限支撐， ? ???在頻域上也比較集中，就可以使 ? 在時、頻域都具有表征信號局部特征的能力， 因此有利于檢測信號的瞬態(tài)或奇異點。利用小波分析可以非常準 確地分析出信號在什么時刻發(fā)生畸變。 小波在圖像處理中的應用 圖像處理是小波分析應用的重要領域，近年來小波分析已被證明是進行圖像處理強有力的工具之一，由于小波分析技術可以將信號或圖像分層次按小波基展開，并且可以根據(jù)圖像的性質及事 先給定的圖像處理要求確定到底要展開到哪一級為止，從而不僅能有效地控制計算量，滿足實時處理的需要，而且可以方便地實現(xiàn)通常由子帶編碼技術實現(xiàn)的累進編碼 (即采取逐步浮現(xiàn)的方式傳送多媒體圖像 )。如果 ??t? 滿足容許條件 。窗函數(shù) ? 的中心與半徑分別用 w*與 ?? 表示，則由 ()式可知除了一個倍數(shù)12 /2aa ?? 與一個線性相位移。信號變化緩慢的地方， 主要為低頻成份，頻率范圍也較窄，此時小波變換帶通濾波器應相當于 a 大的地方 :反之，信號發(fā)生突變的地方，主要是高頻成份，頻率范圍也較寬，小波變換的帶通濾波器相當于 a小的情況。所以，信號 f(t)的離散小波變換 (DWT)定義為 : ,( , ) ( ) ( )jkRW f j k f t t d t? ??? () 2,0( ) 2 ( 2 )j jjk t t kT? ? ? ? () 其中 , ()jkt? 取離散正交小波基， ( , )W f j k? 是尺度 j下的 f(t)的離散小波變換，離散小波變換具有以下的特性 。尺度 j增大時，, ()jkt? 在時域上收縮，在頻域上伸展，中心頻率升高，變換的時域分辨率提高，分辨率的時頻域分析。假設 ()x? 是一個一維的尺度函數(shù)， ()y? 是相應的小波函數(shù)，那么，可 以得到一個二維小波變換的基礎函數(shù)： ? ? ? ? ? ?1 ,x y x y? ? ?? ， ? ? ? ? ? ?2 ,x y x y? ? ?? ， ? ? ? ? ? ?3 ,x y x y? ? ?? 算法 圖像可以看作是二維的矩陣，一般假設圖像矩陣的大小為 N N，且有 N＝ 2n（ n 為非負的整數(shù)）。 LL 頻帶，該頻帶保持了原始圖像內容信息，圖像的能量集中于此頻帶：1022( , ) ( . ) , ( 2 , 2 )jjf m n f x y x m y n??? ? ? ? ? () HL 頻帶，該頻帶保持了圖像水平方向上的高頻邊緣信息： 11122( , ) ( . ) , ( 2 , 2 )jjf m n f x y x m y n??? ? ? ? ? （ ） LH 頻帶，該頻帶保持了圖像豎直方向上的高頻邊緣 信息： 122( , ) ( . ) , ( 2 , 2 )jjf m n f x y x m y n??? ? ? ? ? （ ） HH 頻帶，該頻帶保持了圖像在對角線方向上的高頻信息： 13322( , ) ( . ) , ( 2 , 2 )jjf m n f x y x m y n??? ? ? ? ? () 其中 .表示內積運算。 //小波變換系數(shù) signed short Trans_Coeff1。 Trans_H++) { if(layer == 1) //layer=1 時， nWidth_H 為原始圖像寬度值的一半 for(Trans_N=0。 spTransData0[Trans_H][nWidth_H+Trans_N]=(spOriginData[Trans_H][Trans_W+1])。 Trans_NnWidth_H。}} for(Trans_H=0。 Trans_N++) { //奇偶數(shù)值和的一半 Trans_Coeff1= ((spTransData0[Trans_H][Trans_N]+spTransData0[Trans_H][Trans_N +1])1)。 Trans_Coeff1=~Trans_Coeff1+1。 //提升，整數(shù) 到整數(shù)的變換 for(Trans_N=1。 }} //水平方向的變換結束 //豎直方向的變換開始，數(shù)據(jù)源未水平變換后的小波系數(shù) for(Trans_M=0。 Trans_N++) {spTransData0[Trans_M][Trans_N]*=fRadius。 Trans_N++) { //列變換 for(Trans_M=0。 //頻帶 HL部分 spTransData1[nHeight_H+Trans_M][Trans_N] = spTransData0[Trans_H+1] [Trans_N]。 Trans_MnHeight_H1。 Trans_Coeff1= ((spTransData1[Trans_M][nWidth_H+Trans_N]+spTransData1[Trans_M +1][nWidth_H+Trans_N])1)。 Trans_Coeff1=~Trans_Coeff1+1。 //邊界處理 spTransData1[nHeight1][nWidth_H+Trans_N] = spTransData1[nHeight1][nWidth_H +Trans_N]+Trans_Coeff1。 // 邊界處理 spTransData1[0][nWidth_H+Trans_N] = spTransData1[0] [nWidth_H+Trans_N]+Trans_Coeff0。 spTransData1[Trans_M][Trans_N] = spTransData1[Trans_M][Trans_N] +Trans_Coeff0。 Trans_NnWidth。 spTransData1[Trans_M+nHeight_H][Trans_N]/=fRadius。如果需要處理彩色圖像，可以通過分別對 R、 G、 B分量進行小波變換，然后將分量的小波系數(shù)進行映射，這樣便能正確地顯示小波系數(shù)。 LPBITMAPFILEHEADER lpBitmapFileHeader = (LPBITMAPFILEHEADER)m_pBitmap。 unsigned long biAlign = (biWidth*3+3)/4 *4。 //圖像矩陣坐標與像素數(shù)據(jù) int x,y,cur。 short **spOriginData, **spTransData0, **spTransData1。 m_WvltCoeff = new short * [biHeight]。 spTransData0[i] = new short [biWidth]。 //從設備緩存中獲取原始圖像數(shù)據(jù) for(y=0。 x++) { cur = y*biAlign+3*x。 spOriginData[biHeight1y][x]=(short)(*tempR+*tempG+*tempB)。 ~m_bTwice amp。 MinPixVal=spTransData1[0][0]。 x(int)biWidth。 }} Diff=MaxPixValMinPixVal。 x(int)biWidth。 fTempBufforDisp/=Diff。 m_pTransfered[cur+2]= (unsigned char)fTempBufforDisp。 delete spTransData1。這樣 LL 便如第一層小波變換一般分成 4 個頻帶，其中 LL仍然是下一層小波變換的數(shù)據(jù)源。 float fr = fRadius。 //圖像屬性參數(shù)賦值 iWidth = nWidth。 //利用循環(huán)完 成兩次小波變換 for(i=1。 iWidth=iWidth1。 圖 27 消息 ID的定義 下 面來看一下圖像 3層小波變換的實現(xiàn)，并完成小波系數(shù)的顯示。 unsigned long biHeight = lpBitmapInfoHeaderbiHeight。 if(m_pTransfered==NULL)m_pTransfered=(unsigned char*) malloc (bmSize)。 float fTempBufforDisp。 spTransData0 = new short* [biHeight]。 i biHeight。 m_WvltCoeff[i] = new short [biWidth]。 y++) { for( x=0。 tempG=lpData[cur+1]。 //允許圖像復員操作標志 m_bTribl = TRUE。 ~m_bFilter。 y(int)biHeight。 if(MinPixValspTransData1[y][x]) MinPixVal=spTransData1[y][x]。 y(int)biHeight。 fTempBufforDisp=MinPixVal。