【正文】 三章：介紹了指紋圖像細(xì)化的方法并仿真得到結(jié)果。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 5 第 2 章 指紋圖 像的分割 指紋圖像分割概述 在指紋識(shí)別系統(tǒng)中，指紋圖像分割是圖像預(yù)處理的一部分。通過提取圖像特征 ,可將原始圖像映射到特征空間 ,使圖像特征在特征空間中呈現(xiàn)一定的分布 [6]。所不同的是傅里葉變換采用時(shí)間屬于 (一∞， +∞ )的諧波函數(shù) )exp(inx 作為基函數(shù)，而小波變換的基函數(shù)是具有緊支集的母函數(shù) ? (t)，通過對(duì)母函數(shù) ? (t)進(jìn)行伸縮和平移得到一個(gè)小波序列： ? ? ?????? ?? a btatba ?? 1, Rba?, ； 0?a 式中 a 為伸縮因子， b 為平移因子。 在指紋識(shí)別識(shí)別中使用小波變換有助于噪聲的濾除以及有利于檢測(cè)奇異點(diǎn)。其原理是先定一個(gè)閾值，大于此值為 1，小于則認(rèn)為為 0；多閥 值則可以利用多維函數(shù)。其中塊指的是將圖像分個(gè)成一個(gè)個(gè)小的圖像塊。 ? ? ? ? ? ? ? ? ? ? )1,1()1,(21,11,11,21,1, ????????????????? jiGjiGjiGjiGjiGjiGjix? ? ? ? ? ? ? ? ? ? )1,1(),1(21,11,11,21,1, ????????????????? jiGjiGjiGjiGjiGjiGjiy? ? ),(,2),( 2/ 2/ 2/ 2/ vuvujir wi wi wj wjx ? ??? ?? ??? （ 1） ? ? 22/ 2/ 2/ 2/ 2 ),(,),( vuvujir wi wi wj wjy ? ??? ?? ???? （ 2） 它是利用正交坐標(biāo)系下，原點(diǎn)到它們組成的坐標(biāo)點(diǎn)的有向線段與 X 的正半軸的夾角可來表示該子塊的塊方向。全局的圖像分割可以是人工選定幾個(gè)特定點(diǎn)后再根據(jù)全局的特點(diǎn)來處理，此法也可運(yùn)用于匹配。 該算法基于背景區(qū)灰度方差小，而指紋區(qū)方差大的思想，將指紋圖像分成塊，計(jì)算每一塊的方差，如果 該塊的方差小于閾值為背景，否則為前景。 ? ?? ???? 1H 0 10 ),(LH 1A V E i Lj jiI （ ） 21H010 A V E),( LH1V A R ）（? ?????? iLj jiI （ ） (3)如果計(jì)算得到的方差幾乎接近 于 0就認(rèn)為是背景，對(duì)于方差不為零的區(qū)域在進(jìn)行閾值分割算法，這種算法主要是根據(jù)計(jì)算得到的方差來決定其是否為背景區(qū)。 ????????????V A RA V EyxIV A RV A RA V EyxIV A Ryx200200)),((AV E)),((AV E),I （ （ ） 其中 0AVE 和 0VAR 為期望的灰度 均值和方差。下面的圖像為指紋圖像歸一化和分割結(jié)果。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 9 第 3 章 指紋圖像的細(xì)化 指紋圖像細(xì)化的預(yù)處理 這部分預(yù)處理主要為二值化?；叶葓D二值化的基本思想是選取適當(dāng)?shù)幕叶乳u值，將灰度圖像轉(zhuǎn)化為二值圖像，閾值的選擇是關(guān)鍵，對(duì)于閾值的選擇，有多種方法，如熵法， Ostu 法等。我們通過研究發(fā)現(xiàn)，這種方法雖然簡(jiǎn)單，但是對(duì)噪聲較大，圖像質(zhì)量不好的指紋會(huì)產(chǎn)生較大的二值化噪聲。背景和灰度值為 255的紋線像素置為 1，這做法的目的是去除不確切的點(diǎn)。 指紋圖像細(xì)化方法計(jì)算 由于灰度過渡區(qū) [12]的存在， 指紋細(xì)化是指紋圖像預(yù)處 理中的一個(gè)重要環(huán)節(jié)，因?yàn)橐话愕奶卣魈崛《际窃诩?xì)化的基礎(chǔ)上進(jìn)行的，如果細(xì)化不好，將無法使用常規(guī)的特征指紋識(shí)別中若干關(guān)鍵問題研究 10 提取算法提取細(xì)節(jié)特征信息 [13]。在文字識(shí)別、地質(zhì)構(gòu)造識(shí)別、工業(yè)零件形狀識(shí)別或圖像理解中，先對(duì)被處理圖像進(jìn)行細(xì)化有助于突出形狀特點(diǎn)和減少冗余信息。 (2)連通性；不破壞紋線的連接性。 (6)中軸性：骨架盡可能接近條紋中心線。并行細(xì)化算法對(duì)圖像進(jìn)行細(xì)化時(shí)利用相同的條件同時(shí)檢測(cè)所有像素點(diǎn)，其結(jié)果具有各向同性，因此從算法原理上并行算法優(yōu)于串行算法。 不同的文獻(xiàn)上有不同的關(guān)于細(xì)化方法，如 王家隆等 [16]以及王業(yè)琳等 [17]的細(xì)化模板。這樣就可以將較粗的圖像曲線細(xì)化成很細(xì)的以像素為單位的線，大大減少了圖像的信息量，有利于匹配浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 11 的高效進(jìn)行。 （ 3） 16 種消去模板是在不滿足上述情況下衍生的模板，對(duì)于滿足這些模板的點(diǎn)像素全為 0，以上都未涉及的點(diǎn)不做改變。 圖 a 指紋分割圖像 圖 b 指紋二值化圖像 圖 c 指紋細(xì)化圖像 圖 31 指紋 1 的細(xì)化結(jié)果 圖 a 指紋分割圖像 圖 b 指紋二值化圖像 圖 c 指紋細(xì)化圖像 圖 32 指紋 2 的細(xì)化結(jié)果 指紋識(shí)別中若干關(guān)鍵問題研究 12 從分割后的二值化處理圖像中，我們可以看到，整個(gè)灰度變成了黑白的二值圖像圖，圖像的條紋比較清楚，它的實(shí)現(xiàn)有助于壓縮 數(shù)據(jù)量和細(xì)化的實(shí)現(xiàn)。對(duì)于細(xì)化中出現(xiàn)的毛刺現(xiàn)象，要根據(jù)局部特征來修改判定模板來決定這個(gè)點(diǎn)的像素，甚至可以減少模板的數(shù)量和判斷次數(shù)，既簡(jiǎn)化模板，又提高運(yùn)算速度，這點(diǎn)還可以有很大的深入研究。一般說來，這種特征應(yīng)有以下性質(zhì)： (1)單一性：要求這種特征能夠充分體現(xiàn)指紋的唯一性。 對(duì)于特征點(diǎn)提取的常用算法很多，如： (1)基于二值化的特征提取方法：這種算法對(duì)于預(yù)處理和增強(qiáng)后得指紋圖像進(jìn)行二值化，然后再提取特征點(diǎn)。 Galton 提出的指紋細(xì)節(jié)點(diǎn)是人工指紋 匹配中最常用的特征。提取出的特征點(diǎn)還必須經(jīng)過偽特征點(diǎn)的去除，盡可能地去除 掉由于二值化、細(xì)化處理等過程引入的偽特征點(diǎn)。對(duì)于細(xì)化二值圖像，像素點(diǎn)的灰度值只有 2 種情況。 本章中將特征建立為一個(gè) 3 維數(shù)組，前兩組用于記錄端點(diǎn)和分叉點(diǎn)。此時(shí)的處理為記錄數(shù)組 2，記錄點(diǎn)的個(gè)數(shù) ，并將該點(diǎn)記為 0，而它的 8 鄰域點(diǎn)記為 1。 （ 3）偽特征的判斷比較多 ,全部計(jì)入數(shù)組 3。第三類為斷點(diǎn)：在上述的范圍內(nèi)，特征值為 2。因?yàn)橹讣y變化多的部分為中間，所以處理的范圍比斷點(diǎn)來的范圍小，并且在特征值為 2 的情況下僅僅是縮小范圍再次判 斷特征值，這點(diǎn)就不相同了。此時(shí)該點(diǎn)則被視為小橋。在匹配前還需對(duì)毛刺、小橋等偽特征點(diǎn)加以識(shí)別和處理，這樣有助于后面匹配的進(jìn)行，使匹配更加精確無誤和快速。指紋匹配是自動(dòng)指紋識(shí)別的最后一步，也是非常關(guān)鍵的一步。它利用脊線上的端點(diǎn)和分叉點(diǎn)這兩種關(guān)鍵點(diǎn)來鑒定指紋。 點(diǎn)模式匹配 [20]將注冊(cè)指紋和待識(shí)指紋的特征點(diǎn)定義為兩個(gè)點(diǎn)集和 P 和 Q 通過平移和旋轉(zhuǎn)使得兩個(gè)點(diǎn)集重合點(diǎn)數(shù)最多。很多情況下選用圖片的中心點(diǎn)。設(shè)計(jì)算法的時(shí)候，必須要有一定的容錯(cuò)能力。能獲得參考點(diǎn)表明從被識(shí)別圖像中獲得的任意比特流與登記圖像中獲得的比特流相近，則有可能得出兩圖像相同的結(jié)果；沒有參考點(diǎn)表明被識(shí)別圖像完全是另一不同圖像。在找到核心點(diǎn)后，比較它們相對(duì)距離的差異，對(duì)于滿足一定值的點(diǎn)視為可積點(diǎn)。返回 1 說明匹配成功，返回 0 則匹配失敗。為了驗(yàn)證這種匹配方法的可用性，這里特地選取了 30 張圖片做指紋圖片數(shù)據(jù)庫(kù)，目標(biāo)圖片為數(shù)據(jù)庫(kù)某圖片稍加修改后的圖片。 這兩種方法都很好地解決了 找到基準(zhǔn)點(diǎn)，容錯(cuò)性和相似度的問題。方法一處理信息少，雖然要一定的預(yù)處理，但快捷高效，出錯(cuò)小，適合一對(duì)一匹配。主要研究?jī)?nèi)容如下： （ 1）綜合分析了指紋分割目前主流的三種趨勢(shì)，選擇了基于區(qū)域特征的均值方差法并用 matlab 語(yǔ)言來對(duì)指紋圖像進(jìn)行分割。 （ 3）對(duì)細(xì)化后的圖像進(jìn)行特征提取，其中分叉點(diǎn)和端點(diǎn)視為特征點(diǎn)，小橋、邊界、毛刺視為偽特征點(diǎn)，對(duì)他們進(jìn)行加以區(qū)分和提取以進(jìn)行匹配。如何有效的對(duì)指紋圖像的分割細(xì)化的不足之處進(jìn)行彌補(bǔ)，對(duì) 匹配算法 改進(jìn) 效率 以及將指紋 識(shí)別技術(shù)與在實(shí)踐中結(jié)合起來應(yīng)該是今后開展工作的方向。 在這個(gè)寫作過程中 ，才發(fā)現(xiàn)要感謝的人真的很多 。對(duì) 論文中出現(xiàn)的許多問題及時(shí)當(dāng)面溝通，悉心地指導(dǎo)我在論文 問題的解決思路 ，經(jīng)過反復(fù)修改，論文終于得以定稿。在此，衷心的感謝他們。 最后， 再次 感謝所有關(guān)心我、幫助過我的老師、同學(xué) 、 朋友 和親人。)。 end I=double(I)。 end end M1=M/(m*n)。 for x=1:m for y=1:n if I(x,y)=M1 I(x,y)=150+sqrt(100*(I(x,y)M1)*(I(x,y)M1)/var1)。 L= n/M。 for y=1:L。 for j=1:M。 for j=1:M。Vmean=0。 Vmean1=Vmean/(H*L)。vtemp=0。 vtotle=vtotle+var1(x,y)。gtotle1=0。 gtotle1=gtotle1+aveg1(x,y)。V2=vtotle1/vtemp1。 T3=G1100。 var1(x,y)T2 moban(x,y)=1。 end end end for x=2:H1 for y=2:L1 if moban(x,y)==1 if moban(x1,y) + moban(x1,y+1) +moban(x,y+1) + moban(x+1,y+1) + moban(x+1,y) + moban(x+1,y1) + moban(x,y1) + moban(x1,y1) =4 moban(x,y)=0。 end end end end end figure, imshow(uint8(I)) %%%%%%%%%%%%%%%%%%%%%%二值化 temp=(1/9)*[1 1 1。 In=zeros(m,n)。 end end I=In。 sum1=I(x,y4)+I(x,y2)+I(x,y+2)+I(x,y+4)。 sum5=I(x2,y)+I(x4,y)+I(x+2,y)+I(x+4,y)。 sumi=[sum1,sum2,sum3,sum4,sum5,sum6,sum7,sum8]。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 27 b=summ/8。 else Im(x,y)=255。 end。 end 指紋識(shí)別中若干關(guān)鍵問題研究 28 end if Im(i,j)==0 if Im(i1,j) + Im(i1,j+1) +Im(i,j+1) + Im(i+1,j+1) + Im(i+1,j) + Im(i+1,j1) + Im(i,j1) + Im(i1,j1) =7 In(i,j)=1。 figure,imshow(I)。 for i=2:m1 for j=2:n1 if Im(i,j)==1 a = 0。 end if Im(i+1,j+1) ~= Im(i+1,j) a = a + 1。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 29 end if Im(i1,j1) ~= Im(i1,j) a = a + 1。 xxx=xxx+1。I(i,j+1)=1。I(i,j1)=1。 tezheng(i,j,3)=2。I(i1,j+1)=1。I(i+1,j1)=1。 for i=1:m %%%%%%%%%%%%%%%%%%%%%%%%去除邊界點(diǎn) for j=1:n if tezheng(i,j,3)~=0 if i170||i+17m|| j170||j+17n tezheng(i,j,3)=0。Izz(i,j+1)=0。Izz(i,j1)=0。c=0。 c=I(i,j+1)+I(i,j+2)+I(i,j+3)+I(i,j+4)+I(i,j+5)+I(i,j+6)+I(i,j+7)+I(i,j+8)+I(i,j+9)+I(i,j+10)+I(i,j+11)+I(i,j+12)。 b=1 amp。 d=1) tezheng(i,j,3)=0。Izz(i,j+1)=0