【正文】 消除了邊緣特征點。 展望 經(jīng)過本文的研究，己經(jīng)形成了一套比較有效的指紋特征提取算法。 第 26頁 致謝 首先，要感謝我的導(dǎo)師蔡超峰老師。 其次，在學(xué)習期間，班上的同學(xué)都給了我很大的幫助，在此表示由衷的感謝，謝謝你們的幫助。 第 27頁 參考文獻 [1]戴平陽 . 指紋識別技術(shù)研究進展 [J]. 廈門大學(xué)學(xué)報 (自然科學(xué)版 ), 20xx,41(8):750755. [2] 邊肇棋等編著 . 模式識別 . 北京 :清華大學(xué)出版社 , 1990,2027. [3] 田捷 ,楊鑫 . 生物特征識別技術(shù)理論與應(yīng)用 . 北京 .電子工業(yè)出版社 , 20xx,126129. [4] Henry Fuzee, Fingerprint recognition in low quality images. Pattern Recognition,1993, 26(10):14411460. [5]O’Gorman, Nicker。我的生活因為你們而有意義。在做畢業(yè)設(shè)計期間，蔡老師督促我的學(xué)習，并不斷地鼓勵我，嚴格要求的背后其實是關(guān)懷和寄予的深切希望。本文認為尚 需在以下幾個方面進行進一步深入研究： （ 1）隨著對指紋識別系統(tǒng)的進一步深入全面研究，將在指紋采集圖像的自動保存、分類，系統(tǒng)自動建立大型指紋庫等方面進行具體研究，從而使系統(tǒng)結(jié)構(gòu)更完整，使用更方便。 第 25頁 4 總結(jié)與展望 總結(jié) 本文針對指 紋識別系統(tǒng)的圖像特征提取算法做了大量的富有研究性的工作，具體的工作如下： （ 1）在特征提取階段本文在分析現(xiàn)有的特征提取算法基礎(chǔ)上，采用基于細化圖像的鄰域法進行特征提取，并且針對提取后可能的偽特征點的特點進行了針對性很強的分析，并逐一設(shè)計具體的偽特征點剔除算法。用算法實現(xiàn)了一下兩點。 特征提取算法 Matlab 算法仿真 Matlab 算法仿真，圖 3— 5 為特征點提取示意圖，圖 3— 6， 3— 7， 3— 8 為剔除邊緣及偽特征點后的特征點示意圖。 這里需要說明的是 ),( ji? 的取值，由于為橋連的情況時，兩條脊線是幾乎平行的 ，所以特征點 i， j 的塊方 向其實是相同的，在計算 ),( ji? 時任取特征點 i 或者 j 的塊方向即可。 Pi1 Pi Pi+1 圖 3— 4 脊線跟蹤示意圖 第 21頁 下面將利用脊線跟蹤以及偽特征點的特點提出剔除偽特征點的算法：定義 D(i， j)為特征 點 i 和特征點 j 的距離； A(i， j)為特征點 i 與特征點 j 之間的連線與橫坐標軸的夾角 ； ),( ji? 為特征點 i， j 的塊方向； ),( ji?? 為 A(i， j)與 ),( ji? 的差的絕對值。 由 于在剔除偽特征點的算法中會用到脊線跟蹤，這里先詳細介紹一下如何實現(xiàn)脊線跟蹤。 （ 3）對上一步已標記的子塊的 8 個鄰子塊進行檢測，檢測是否含有脊線，只要 8個鄰子塊中有一個沒有含有脊線，說明該中心子塊為邊界子塊。這樣的處理算法難度并沒有增加多少，但是卻對提高了后續(xù)的匹配效率具有重大意義。這些起始點雖然也是屬于端點，但是由于它們其實是不存在的，只是因為采集接觸面積的原因才產(chǎn)生的。在出現(xiàn)環(huán)的地方提取特征點一般出現(xiàn)兩個到三個偽分叉點。一般在假橋出現(xiàn)的地方提取的特征點為一對偽分叉點。 （ 3）斷點現(xiàn)象，指紋采集時如 果手指比較干燥，那么采集到的指紋圖像有可能出現(xiàn)不少斷點。一個毛刺經(jīng)過提取特征點后會產(chǎn)生一個偽端點和一個偽分叉點。出現(xiàn)這樣的情況的原因有多種，一方面原始圖像本來就存在模糊區(qū)域和粘連區(qū)域，另一方面在指紋圖像的預(yù)處理過程中，雖然多次進行了濾波處理，但是噪音依然存在，并且有相當一部分帶入到細化后的指紋圖像中，通過特征點的提取轉(zhuǎn)化為偽特征點。 偽特征點的濾除 提取指紋圖像的細節(jié)特征，是 在細化圖像進行的?；诩毣瘓D像的模板匹配法，算法稍微復(fù)雜一下，跟前一算法相比，多了圖像增強和二值化。并且由于步驟的簡化一定程度上降低了偽特征點出現(xiàn)的概率。端線及分支線的角度求法為：即從一個特征的位置出發(fā)坐標為 (xi,yi)搜索到步長為 7 是最后一點坐標為 (x,y)。 第 1 頁 P1 P2 P3 P8 P P4 P7 P6 P5 圖 3— 2 鄰域示意圖 E C1 C2 B C3 C4 圖 3— 3 細化后的指紋圖像 具體算法如下： （ 1） 從端點出發(fā)，端點的八鄰域只有一個點的灰度值為 1， 該點就是脊線跟蹤的下一點。 對于脊線上的像素，可根據(jù)其鄰域的 )(PCn 和 )(PSn 數(shù)值判定此時 P 像素點的狀態(tài)。 直接從灰度圖像中提取特征的算法一般是對灰度指紋紋線進行跟蹤，根據(jù)跟蹤結(jié)果尋找特征的位置和判斷特征的類型。 （ 2） 從初始點出發(fā)，根據(jù)指紋圖像的方向信息，在該處的法線方向上，半個指紋周期內(nèi)，求取灰度分布的最大值和最小值，并以該最大值處的像素點作為新的出發(fā)點。 （ 2） 中心點確定模塊，負責確定紋線的脊部中心 點，使跟蹤方向不斷調(diào)整，始終沿紋線的中心前進。下面將對這兩種特征點提取算法進行介紹比較，并確立本文將要采用的特征點提取算法。最早提出特征點提取算法的是美國聯(lián)邦調(diào)查局 (FBI)的自動指紋識別技術(shù)研究人員。 圖 3— 1 特征點類型及所占比例 一幅質(zhì)量比較好的指紋圖像，一般有 40— 100 個特征點，但真正匹配時，由于受指紋采集時外界影響比較大，不可能實現(xiàn) 100%匹配。 據(jù)統(tǒng)計，這幾類特征點占特征點的比率如 3— 1 所示。 全局特征一般用在大規(guī)模指紋庫中，實現(xiàn)快速分類，也可以用在特征匹配中的粗匹配階段。 （ 2）模式區(qū)，是指包含了指紋圖像的大部分總體特征的區(qū)域，通過這個區(qū)域也能夠分辨出指紋是屬于哪個類型的。 指紋圖像的特征 全局特征 全局特征 [12]是指可以直接觀察到的宏觀特征，必須通過圖像整體獲得。 本章小結(jié) 本章簡要闡述了指紋預(yù)處理階段中的圖像歸一化、濾波增強、二值化以及細化等步驟，并對各個步驟的常用的算法的研究狀況和優(yōu)缺點做了簡要介紹。串行細化算法一次只能對一個像素進行處理，每次處理不僅與上一次處理的結(jié)果有關(guān)，而且還和本次已處理過的像素有關(guān)；并行細化算法則每次同時對所有的像素或它的一個子集進行處理。 常用的細化算法包括逐層剝離法、距離變換法。所以，指紋圖像二值化后要進行細化。這樣若采用固定閥值進行處理，將導(dǎo)致過暗和過亮部分的特征信息丟失，因此一般不采用這種算法。常用的二值化方法有：固定閥值法、局部自適應(yīng)閥值法等。首先將指紋圖像分成一系列小方塊，并對各圖像子塊分別作傅立葉變換以得到相應(yīng)的頻譜，然后采用求冪的方法直接修改幅度譜值，最后通過傅立葉逆變換得到增強圖像。另外，該方法需要對整幅圖像進行多次傅立葉變換，存在較多的運算，計算效率還有 待提高 [7]。由于指紋紋線具有較強的等周期性，因此從頻譜上看，指紋圖像的能量通常集中在某個頻率附近，這為在頻域進行指紋圖像增 強帶來方便。他們 根據(jù)指紋的方向性將二維 Gabor 濾波器調(diào)制到各個方向，并根據(jù)指紋的頻率信息來確定濾波器的中心頻率，然后使用所得 的 Gabor 濾波器組對圖像進行濾波。他們利用指紋獨特的方向性設(shè)計出相應(yīng)的方向濾波器模 板，這種濾波器能夠沿指紋紋線方向?qū)D像進行平滑處理，具有一定的消除噪聲和彌合裂紋的能力，同時能提高指紋脊線和谷線在圖像中的對比度。其目的是保持特征信息提取的準確性和可靠性。因此有必要將每幅指紋圖像都通過歸一化 (又叫“規(guī)格化”，“均一化” )處理，方便后續(xù)的處理。通常這樣的處理過程包括歸一化、圖像增強、二值化和細化等過程。最后給出了本文的指紋特征提取方法，并根據(jù)各種偽特征點的形成原因、特點，采用了富有針對性的剔除偽特征點算法，并通過 Matlab 進行算法仿真驗證。 第 8 頁 。其中指紋圖像預(yù)處理是指對采集頭采集的指紋進行圖像歸一化、圖像增強、二值化和細化；特征提取，包括指紋特征的提取以及偽特征的剔除；特征匹配主要分為初匹配和二次匹配兩個階段。 對于一個分叉點的分支如果小于某個給定閾值，就將其當 作毛刺刪除；如果脊線的兩個端點很近，那么該脊線有可能是噪聲引起的，應(yīng)刪除；在指紋圖像邊緣的脊終點也應(yīng)刪除。 細節(jié)特 征的提取就是在指紋圖像中找到 脊 終點和脊分叉兩個細節(jié)特征，一般說來，如果指紋圖像能夠很好地分割，那么對于細節(jié)特征提取來說，就僅僅是對細化的指紋圖像進行沿脊線的點的判斷 。 （ 4）特征匹配 特征匹配是將輸入指紋的特征與指紋模 板庫中所存儲的指紋特征進行比較，找出最相似的指紋作為識別的輸出結(jié)果。第一種算法比較復(fù)雜，受噪聲干擾影響較大，特征點定位不精確，大多數(shù)系統(tǒng)都采用了第二種方法。通常直接輸入計算機的圖像有一定的噪聲，我們需要去除這些噪聲才能進行下面的細化、特征提取和特征匹配等操作。目前主要使用光學(xué)掃描儀和固態(tài)陣列傳感器進行采集。自動指紋識別技術(shù)主要包括四個方面：指紋圖像的錄入、圖像預(yù)處理、特征提取和特征匹配。除此之外，高質(zhì)量圖像還允許減小傳感器，無需犧牲認證的可靠性，從而降低成本并使得射頻傳感器 的思想 應(yīng)用到可移動和大小不受拘束的任何領(lǐng)域中。但是由于傳感器表面是使用硅材料 ， 容易損壞 ， 導(dǎo)致使用壽命降低，還有它是通過指紋的山谷和山脊之間的凹凸來形成指紋圖像的 ， 所以對臟手指 、 濕手指等困難手指識別率低。如果，用戶手指上粘了較多的灰塵，可能就會出現(xiàn)識別出錯的情況。指紋識別技術(shù)多用 第 4 頁 于對安全性要求比較高的商務(wù)領(lǐng)域，而在商務(wù)移動辦公領(lǐng)域頗具建樹的富士通、三星及IBM 等國際知名品牌都擁有技術(shù)與應(yīng)用較為成熟的指紋識別系統(tǒng)，下面就對指紋識別系統(tǒng)在筆記本電腦中的應(yīng)用進行簡單介紹。 由于每次捺印的方位不完全一樣，著力點不同會帶來不同程度的變形，又存在大量模糊指紋，如何正確提取特征和實現(xiàn)正確匹配，是 指紋識別技術(shù) 的關(guān)鍵。之后，英國、美國、德國等的警察部門先后采用指紋鑒別法作為身份鑒定的主要方法。 1809 年 Bewick 把自己的指紋作為商標。 指紋識別原理 指紋識別即指通過比較不同指紋的細節(jié)特征點來進行鑒別。 (2) 唯一性，指每一個人的指紋都不同。 指紋是指手指末端正面皮膚上凸凹不平的紋路，是在胎兒期 6 個月時形成的，在人的一生中指紋的紋線類型、結(jié)構(gòu)、統(tǒng)計特征的總體分布等始終沒有明顯變化。生理特征有手形、指紋、臉形、聲音、虹膜、視網(wǎng)膜、靜脈圖案、身體氣味、足 印、腦電波、脈搏、耳廓、 DNA 等，行為特征有簽字、按鍵力度、步態(tài)等。二是人的生物特征可以被外化，并表示為機器系統(tǒng)可讀的形式，可以理解的“語言”。通過篩選的方式，即事先設(shè)定一個相似度閾值，在閾值以上的確認通過篩選，以下的拒絕通過，篩選通過的就是符合匹配條件 的對象。 眾所周知，人類具有很強的模式識別能力。新的更高安全性的身份識別技術(shù)正吸引著越來越多的機構(gòu)學(xué)者的目光，身份識別技術(shù)正成為當今信息安全領(lǐng)域的熱點 [1]。一旦這些憑證被不法分子獲得，將直接給人們帶來巨大的損失和潛在的風險，因此這些手段的可靠性都比較低。如何 準確識別個人身份信息是解決信息安全問題的一個關(guān)鍵。因此信息安全對于現(xiàn)代社會來說己經(jīng)變得越來越重要了，它涉及到人們生活的方方面面。本文集中于研究特征提取部分，并針對特征 提取中的一些關(guān)鍵算法和實現(xiàn)進行了研究和優(yōu)化，其主要內(nèi)容如下：在特征提取方面，本論文采用了一種 8 鄰域編碼紋線跟蹤算法，標注出端點和分叉點來進行特征提??；在剔除偽特征點時，先進行去邊緣處理，再根據(jù)不同類型偽特征點的特征，采用相應(yīng)剔除算法。 涉密論文按學(xué)校規(guī)定處理。 對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。對本研究提供過幫助和做出過貢獻的個人或集體，均已在文中作了明確的說明并表示了謝意。盡我所知，除文中特別加以標注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得 及其它教育機構(gòu)的學(xué)位或?qū)W歷而使用過的材料。除了文中特別加以標注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。本人授權(quán) 大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可