【正文】 應(yīng)用程序的特征點(diǎn)提取和匹配算法，以及將多層感知應(yīng)用到脊線提取上來等等。指紋識(shí)別技術(shù)已經(jīng)應(yīng)用于訪問控制，海關(guān)，銀行和保險(xiǎn)，國(guó)防等領(lǐng)域。此外，指紋認(rèn)證算法也還存在一些問題，例如：不良的指紋識(shí)別結(jié)果中的非理想的采集條件，特定的處理步驟的指紋識(shí)別的復(fù)雜性高等缺點(diǎn)。 不同人的指紋，即使同一個(gè)人的指紋脊線方向和脊斷點(diǎn)和交叉點(diǎn)相同，即每個(gè)指紋是獨(dú)一無二的。作為一個(gè)人，有一個(gè)非常復(fù)雜的社會(huì)角色。公共管理，必須有一個(gè)基本的變量來確認(rèn)一個(gè)人的身份。在許多情況下，一個(gè)人的真實(shí)身份卻是難以分辨。隨著越來越多的地方的指紋養(yǎng)老金制度，在各方的指紋，這種現(xiàn)象已經(jīng)徹底改善，相應(yīng)的養(yǎng)老金不能接收。指紋識(shí)別作為一種生物識(shí)別技術(shù)，成為人類個(gè)體的 定義迄今為止最有效和最可靠的方式。雖然指紋人人皆有，但各不相同。當(dāng)嬰兒長(zhǎng)大成人，指紋也只不過放大增粗，它的紋樣不變。指紋分類僅依賴于第一種全局特征。所謂“宏特征”，是指脊線的一種特定結(jié)構(gòu)，如圖 21 所示。 到目前為止，人們共發(fā)現(xiàn)了 150 多種不同的局部脊線特征。細(xì)節(jié)點(diǎn)的特征包括類型、位置坐標(biāo)和方向，此 外還有一些輔助特征，如該點(diǎn)處的細(xì)節(jié)點(diǎn)密度，與該點(diǎn)相連的脊線曲率等。其細(xì)節(jié)點(diǎn)特征提取一般采用基于二值細(xì)化圖像的方法，先將增強(qiáng)后指紋圖像二值化提取出脊線輪廓，然后再用形態(tài)學(xué)方法將其細(xì)化，得到脊骨架，最后在細(xì)化后的圖像上尋找脊末梢和脊分叉點(diǎn)。考察每個(gè)圖像的 8鄰域，如果滿足一定的條件就可以判斷是細(xì)節(jié)點(diǎn)。指紋特征匹配的目的是為了判斷輸入的指紋是否與數(shù)據(jù)庫(kù)中指紋模板來自同一手指，從而識(shí)別查詢者的身份。 傳統(tǒng)的指紋采集方法是將手指蘸上印油或墨水把指紋按壓在紙上，而后用掃描儀攝取圖像。前者先用激光掃描在手指上，然 后在 CCD 陣列上提取其反射光，因?yàn)榉瓷涔獾膹?qiáng)度是指紋的脊線和谷的深度的體現(xiàn)，因此可得到指紋圖像。以下是指紋采集儀的分類： 1．光學(xué)的。 3．超聲波的。要求采集臺(tái)板要足夠大才能獲得優(yōu)質(zhì)的圖像。參考 [16] 福建農(nóng)林大學(xué)東方學(xué)院計(jì)算機(jī)科學(xué)系畢業(yè)設(shè)計(jì)（論文） 7 如圖 24 所示是簡(jiǎn)易的光學(xué)指紋采集儀 圖 24 2).半導(dǎo)體指紋采集技術(shù) 半導(dǎo)體傳感器指紋采集儀是 1998 年才出現(xiàn)的，主要通過如下幾種技術(shù)來繪制指紋圖像。指紋的脊和谷相對(duì)于另一極之間的距離的不同，導(dǎo)致在不同的電容值的電容陣列的硅表面，測(cè)量并記錄每個(gè)點(diǎn)的電容值，可以得到具有灰度級(jí)的指紋圖像。例如，一個(gè)對(duì)比度差的圖像，如干燥的指紋圖像，都能夠被感應(yīng)到 。早期的半導(dǎo)體傳感器的主要缺點(diǎn)是：容易受靜電影響，從而使傳感器有時(shí)會(huì)無法獲取圖像，甚至被損壞，手指汗鹽或污垢，手指磨損會(huì)導(dǎo)致半導(dǎo)體傳感器想要采集到優(yōu)質(zhì)的指紋圖像變得非常像困難。它的原理是利用超聲波的穿透能力，超聲波到達(dá)不同的材料的表面時(shí)不同的材料產(chǎn)生不同福建農(nóng)林大學(xué)東方學(xué)院計(jì)算機(jī)科學(xué)系畢業(yè)設(shè)計(jì)（論文） 8 大小的回聲（吸收，滲透和反射型），因此，利用皮膚與空氣的聲阻抗的差異，它是可以區(qū)分的指紋的脊和谷的位置，從而生成指紋圖像。超聲波指紋圖像采集技術(shù)的精度最高，但成本也是最高的，應(yīng)用于指紋識(shí)別系統(tǒng)顯然不適合。 比較項(xiàng)目 半導(dǎo)體采集技術(shù) 光學(xué)全反射技術(shù) 超聲波掃描 耐 用性 容易損壞 非常耐用 一般 體積 較小 較大 中等 成像能力 干手指差，但汗多的和稍臟的手指不能成像 干手指好，但汗多的和稍臟的手指能成像模糊 非常好 成本 低 低 很高 耗電 較少 較多 較多 表 21 采集儀對(duì)照表 圖像平滑 圖像平滑是指用于突出圖像的寬大區(qū)域、低頻成分、主干部分或抑制 圖像噪聲 和干擾高頻成分，使圖像亮度平緩 漸變，減小突變梯度，改善圖像質(zhì)量的圖像處理方法。 中值濾波是一種非線性處理技術(shù)，它在實(shí)際運(yùn)算過程 中并不需要知道圖像的統(tǒng)計(jì)特福建農(nóng)林大學(xué)東方學(xué)院計(jì)算機(jī)科學(xué)系畢業(yè)設(shè)計(jì)（論文） 9 性，而且具有獨(dú)特的濾波特性。中值濾波作為一種非線性數(shù)字濾波器技術(shù)，經(jīng)常用于去除圖像或者其它信號(hào)中的噪 聲。 中值濾波對(duì)于斑點(diǎn)噪聲（ speckle noise）和椒鹽噪聲（ saltandpepper noise）來說尤其有用。 設(shè)有一個(gè)一維序列 f0,f1,...， fn1,窗口長(zhǎng)度 2m+1（即為奇數(shù)），在某個(gè)位置上，窗口內(nèi)的 2m+1 個(gè)像素為 fim,fim+1,...,fi,fi+1,...,fi+m 則 fi=Med{fim,fim+1,...,fi+m} 用數(shù)學(xué)公式可表示為 },...,...,{i miimi fffMY ??? Zi? 21 例如，若窗口長(zhǎng)度為 5，窗口中像素的灰度值分別為 80、 90、 100、 60，則中間值為 90，如果按從小到大排列，結(jié)果為 60、 80、 90、 100，其中間位置上的值為80。由于它不是簡(jiǎn)單的取平均，所以產(chǎn)生的模糊比較少。對(duì)于隨機(jī)噪聲的御制能力中值濾波相對(duì)均值濾波會(huì)比較差一點(diǎn)。 (3) 頻譜特性 由于中值濾波是非線性運(yùn)算，在輸入與輸出之間的頻率上不存在一一對(duì)應(yīng)的關(guān)系，故不能用一般線性濾波器頻率特性分析方法。f:\39。imshow(I)。imshow(J)。由兩幅指紋圖像的對(duì)比可以發(fā)現(xiàn)處理后的圖像指紋紋理更加清晰平滑自然，減少了背景干擾，對(duì)后續(xù)的進(jìn)一步處理做了準(zhǔn)備。 福建農(nóng)林大學(xué)東方學(xué)院計(jì)算機(jī)科學(xué)系畢業(yè)設(shè)計(jì)（論文） 11 圖像腐蝕 形態(tài)學(xué)原本是指生物學(xué)中研究動(dòng)、植物結(jié)構(gòu)的一個(gè)分支學(xué)科，后來隨著圖像處理技術(shù)的發(fā)展而與圖像處理技術(shù)融合，發(fā)展成為一種研究處理圖像的全新方法 —— 數(shù)學(xué)形態(tài)學(xué)。運(yùn)算結(jié)果是輸出圖像的相應(yīng)像素。有集合、元素、子集、并集、補(bǔ)集、位移、映像（鏡像對(duì)稱）、差集等集合的基本概念。 膨脹：將與物體接觸的所有背景點(diǎn)合并到該物體中，使邊界向外部擴(kuò)張的過程。的集合 :在B 中存在一點(diǎn) y,而且在 X 中存在一點(diǎn) x,使得 x39。 CLOSE(X,B) 通常由于噪聲的影響，圖像在閾值化后所得到的邊界通常都很不平滑，物體區(qū)域具有一些噪聲孔，而背景區(qū)域上散布著一些小的噪聲物體，連續(xù)的開和閉運(yùn)算可以有效的改善這種情況，而有時(shí)，我們需要經(jīng)過多次腐蝕之，后再加上相同次數(shù)的膨脹，才能產(chǎn)生比較好的處理 擊中，擊不中變換 HMT（模板嚴(yán)格匹配） 邊緣和骨 架（ Boundary and Skeleton） 腐蝕：一種消除邊界點(diǎn)，使邊界向內(nèi)部收縮的過程。如圖 26 目標(biāo)圖像 X 結(jié)構(gòu)元素 B X 經(jīng) B 腐蝕后 圖 26 Matlab 仿真 I=imread(39。 subplot(121)。) subplot(122)。) SE=ones(3,3)。title(39。title(39。 福建農(nóng)林大學(xué)東方學(xué)院計(jì)算機(jī)科學(xué)系畢業(yè)設(shè)計(jì)（論文） 13 圖 27 圖像腐蝕 Matlab 仿真 本節(jié)對(duì)指紋圖像腐蝕運(yùn)算后使得 指紋紋路更細(xì)，便于后續(xù)的處理，但指紋圖像顯得模糊，本文將在下一節(jié)中對(duì)指紋圖像進(jìn)行銳化，使得圖像邊緣更加清晰。圖像的低頻成分主要對(duì)應(yīng)圖像中的區(qū)域和背景，而高頻成分主要對(duì)應(yīng)細(xì)節(jié)和邊緣。其中 a的選擇要合理，比如 23式中， a若過于大，在輪廓邊緣的地方容易出現(xiàn)過沖； a過于小圖像銳化不明顯。因此微分運(yùn)算有時(shí)候又稱為邊緣檢測(cè)。而 f（ x,y）的梯度是個(gè)向量，定義為： Tyfxff ?????? ??????25 梯度方向是函數(shù)變化最快的方向。該算子包含兩組 3x3 的 矩陣 ，分別為橫向及縱向，將之與圖像作平面 卷積 ，即可分別得出橫向及縱向的亮度 差分 近似值。美中不足的是， Sobel 算子并沒有將圖像的主體 與背景嚴(yán)格地區(qū)分開來，換言之就是 Sobel 算子沒有基于 圖像灰度 進(jìn)行處理，由于 Sobel 算子沒有嚴(yán)格地模擬人的視覺生理特征，所以提取的圖像輪廓有時(shí)并不能令人滿意。為了獲得較清晰地指紋圖像，這里使用的增強(qiáng)方法是用濾波處理前的圖像減去濾波后的圖像，所獲得的圖像如圖 28 subplot（ 122）所示。 J=medfilt2(I,[5,5])。原始圖象 39。中值濾波 39。imshow(J)。imshow(J1)。 [m,n]=size(J2)。 K=filter2(h,J2)。sobel 銳化處理 39。title(39。獲得的如圖 29后半部分所示圖像。)。 h=fspecial(39。 X=imrotate(K, 90)。旋轉(zhuǎn)后 sobel 銳化 39。 figure,imshow(Y)。 福建農(nóng)林大學(xué)東方學(xué)院計(jì)算機(jī)科學(xué)系畢業(yè)設(shè)計(jì)（論文） 18 由于兩幅圖像多多少少有位移差，簡(jiǎn)單的相加顯然是無法實(shí)現(xiàn)的，我們可以先 將兩幅指紋圖像進(jìn)行配準(zhǔn) ， 配準(zhǔn)后， 再 進(jìn)行簡(jiǎn)單的融合 。 I2=imread(39。 J2=double(I2)。%調(diào)用配準(zhǔn)函數(shù) imwrite(K1,39。f:\39。f:/39。)。 NewR2=zeros(width,height)。 else if(source_x/double(uint16(source_x))==amp。 I3(:,313)=255。J3(450,:)=255。) figure,imshow(J3)。uint839。配準(zhǔn)后相加 39。 圖 211 相加后的指紋圖像 福建農(nóng)林大學(xué)東方學(xué)院計(jì)算機(jī)科學(xué)系畢業(yè)設(shè)計(jì)（論文） 20 灰度圖像二值化 灰度圖像是指只含亮度 信息，不含色彩信息的圖像?；叶葓D像的描述與彩色圖像一樣仍然反映了整幅圖像的整體和局部的色度和亮度等級(jí)的分布和特征。 在指紋預(yù)處理過程中，指紋圖像二值化是進(jìn)行指紋圖像細(xì)化處理的基礎(chǔ)。如果二值化過程中引入噪聲，就會(huì)降低指紋圖像圖像質(zhì)量，影響識(shí)別。 二值化圖像函數(shù)主要有 dither 和 im2bw 函數(shù)。f:\39。 imshow(BinaryFinger)。f:\39。 但對(duì)二值化指紋圖像進(jìn)行分析、處理和提取特征還比較麻煩，因?yàn)橹讣y特征通常以特征點(diǎn)的形式出現(xiàn)，而二值化后的 指紋寬度由一個(gè)以上像素點(diǎn)組成。 對(duì)圖像細(xì)化的過程實(shí)際上是求 一圖像骨架的過程。例如一個(gè)長(zhǎng)方形的骨架是它的長(zhǎng)方向上的中軸線，正方形的骨架是它的中心點(diǎn)，圓的骨架是它的圓心，直線的骨架是它自身，孤立點(diǎn)的骨架也是自身。骨架形狀描述的方法是 Blum 最先提出來的，他使用的是中軸的概念。 指紋圖像細(xì)化簡(jiǎn)介 圖像細(xì)化（ Image Thinning），一般指二值圖像的骨架化（ Image Skeletonization） 的一種操作運(yùn)算。 福建農(nóng)林大學(xué)東方學(xué)院計(jì)算機(jī)科學(xué)系畢業(yè)設(shè)計(jì)（論文） 21 圖 212 指紋圖像二值化處理結(jié)果 本節(jié)通過對(duì)指紋圖像的二值化處理，得到了清晰的二值圖像，本文在下一節(jié)中將對(duì)指紋圖像進(jìn)行細(xì)化處理，目的是得到單個(gè)像素的指紋紋路，為后期的特征識(shí)別做前期準(zhǔn)備工作。2 值化 39。 level=graythresh(I)。 Matlab 仿真 本文 運(yùn)用 im2bw 函數(shù)實(shí)現(xiàn)對(duì)指紋圖像的二值化處理。 圖像二值化是指用灰度變換來研究灰度圖像的一種常用方法，即設(shè)定某一閾值將灰度圖像的像素分成大于閾值的像素群和小于閾值的像素群兩部分。對(duì)指紋圖像二值化能夠使得圖像的幾何性質(zhì)只于 0 和 1 的位置有關(guān)，不再涉及像素的灰度值，使處理不會(huì)復(fù)雜，方便存儲(chǔ)和處理，提高了系統(tǒng)的經(jīng) 濟(jì)實(shí)用性。 圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為 0 或 255，也就是使整個(gè)圖像呈現(xiàn)出明顯的黑白效果。彩色圖像中的每個(gè)像素的顏色有 R、 G、 B 三個(gè)分量決定，而每個(gè)分量有 255 種值可取，這樣一個(gè)像素點(diǎn)可以有 1600 多萬的顏色的變化范圍。f:/39。 figure,imshow(K,[])。2 配準(zhǔn) 39。title(39。 J3=uint8(W1)。 end end end end W1=NewR2。 source_y=j+1。