提取二值化指紋圖像中特征數(shù)據(jù)的算法研究-預(yù)覽頁
【正文】 全性的項目，以增強交易的安全性?？傊S著低價格高性能單片機和DSP的廣泛使用，以及廉價的取像設(shè)備、指紋鑒別算法的開發(fā)與研究，指紋鑒別技術(shù)具有更廣闊的發(fā)展前景，也將大量被應(yīng)用于人們的生產(chǎn)生活中[1, 2]。目前指紋識別方法分為兩大類[4]：一是以手指毛細孔的位置，二是以手指表皮上的凸紋和凹紋所形成的紋路為識別的基準。因為這種方法取得的圖像多次失真，所以對計算機的自動指紋識別技術(shù)要求比較高。預(yù)處理是指紋自動識別系統(tǒng)中非常重要的一步，它的好壞直接影響著指紋識別的效果。指紋圖像由大量的紋線構(gòu)成，紋線走向所形成的紋路可以用人眼直接觀察，它被稱作指紋的總體特征。目前最常用的細節(jié)特征是美國聯(lián)邦調(diào)查局 (FBI) 提出的特征點坐標模型，它利用端點 (Ending) 與分叉點 (Bifurcating) 兩種特征來鑒定指紋[4, 6]。因此，特征提取是整個識別系統(tǒng)的關(guān)鍵。顯然，識別完成的就是多次認證，認證系統(tǒng)可以說是識別系統(tǒng)的一個特例，它就是一對多的識別系統(tǒng)。因此，開發(fā)更多理想的自動指紋識別系統(tǒng)在目前仍然是一個有實用價值和有一定難度的研究任務(wù)。(2) 在圖段提取階段，提取指紋圖像中的局部連通區(qū)域為圖段。(4) 將所有算法在 Microsoft Visual Studio 2005 上編程實現(xiàn)，并通過大量的實驗對其進行了驗證。有的指紋識別算法只使用模式區(qū)的數(shù)據(jù)。核心點對于Secure Touch 的指紋識別算法很重要，但沒有核心點的指紋它仍然能夠處理。在計算指紋的紋數(shù)時，一般先在連接核心點和三角點，這條連線與指紋紋路相交的數(shù)量即可認為是指紋的紋數(shù)。(2) 分叉點 (Bifurcation)：一條紋路在此分開成為兩條或更多的紋路。(6) 短紋 (Short Ridge)：一端較短但不至于成為一點的紋。此類方法首先得到細化指紋圖像，然后通過鄰域分析得到細化紋線的端點和分叉點。該方法首先通過行程編碼匹配得到二值指紋圖像中的圖段，每個圖段表示一個不包含分支的紋線段。從而提高指紋匹配的精度。在提取之前，首先明確幾個基本概念的定義，這些概念在后面的討論中經(jīng)常用到。圖3－1 行程及其相關(guān)關(guān)系由一個行程的起始和結(jié)束點水平坐標構(gòu)成的二元組稱為行程碼，用(S，E)表示，其中S表示行程的起始坐標，E代表行程的終止坐標[6]。相鄰兩個掃描行中的行程之間只存在以下兩種相關(guān)關(guān)系：(1) 某一行中的一個行程與另一行中的惟一一個行程相關(guān)，稱之為一對一相關(guān)[6]。由一系列互為一對一相關(guān)的行程所組成的集合稱為圖段[6]。對每個行程依次進行以下操作，直到最后一個行程：(1) 如果當前行程的圖段編號為初始化的，就表示當前行程已經(jīng)有了歸屬圖段，則操作下一個行程；(2) 初始化新圖段，即把當前行程放入該圖段的起始行程和結(jié)束行程；(3) 如果當該圖段的結(jié)束行程在圖像的最后一行，則進行步驟 (9)；(4) 掃描該圖段的結(jié)束行程的下一行，求出當前行程的下相關(guān)行程數(shù)，如不為1，則進行步驟 (9)；(5) 求該圖段的結(jié)束行程下相關(guān)行程數(shù)的上相關(guān)行程數(shù)，如不為1，則進行步驟 (9)；(6) 如兩個行程的長度相差太大 (本文取的3倍)，則進行步驟 (9)；(7) 把該圖段的結(jié)束行程的下相關(guān)行程放入該圖段的結(jié)束行程；(8) 繼續(xù)步驟 (3)。圖段的結(jié)構(gòu)會影響對細節(jié)點的判斷。包括圖段的最大寬度RWmax和最小寬度RWmin。它代表圖段的尺寸不合理。之間。至45176。它代表圖段處于水平狀態(tài)。(1) 在正式提取端點之前先分析圖段的結(jié)構(gòu)，把噪聲圖段去除；(2) 依次掃描圖段上、下相關(guān)圖段數(shù)，也就是圖段起始行程的上相關(guān)行程數(shù)和結(jié)束行程下相關(guān)行程數(shù) ()，只要上、下相關(guān)行程所在的圖段不是噪聲圖段；(3) 再按照一定的規(guī)則提取端點。然后向求出的端點的方向反方向引出一條射線，如果這條射線在到達圖像邊緣之前沒有經(jīng)過任何圖段，就可以認為當前端點是采集區(qū)域有限而生成的周邊點。如圖5－1所示。(1) 其中，黑色紋線圖段如圖5－2所示。因為端點和分叉點還是很容易就可以區(qū)分開來，所以實驗中端點和分叉點都是用正方形給框出來的。下面主要是針對圖5－1和圖5－3，討論特征提取的結(jié)果：(1) 圖中共有25個細節(jié)點，而找出了28個細節(jié)點，其中正確的細節(jié)點有23個，5個虛假細節(jié)點；(2) 沒找出來的兩個細節(jié)點一個是端點一個是分叉點，分別是紋線和谷線垂直方向圖段的下端點；(3) 一共找出了5個虛假細節(jié)點，其中4個在紋線斷裂的地方，其中兩個是在紋線斷裂的兩邊；(4) 剩下一個虛假細節(jié)點是在谷線的端點，但其并不是紋線的分叉點；(5) 可以看出所有的周邊點都被去除了，這個方面做的還不錯； 6 總結(jié)指紋以它的終身穩(wěn)定性和唯一性被尊為“物證之首”，指紋自動識別技術(shù)在過去二十多年的研究中，取得了很大的發(fā)展。所以，指紋自動識別算法的研究既有很強的理論價值，也有很高的實用價值[1]。該方法對紋線邊緣毛刺和紋線中的小孔等結(jié)構(gòu)形式具有較好的魯棒性，在試驗中這點也確實做到了。還實驗中，在谷線的端點但并非紋線的分叉點那個虛假細節(jié)點的產(chǎn)生，是因為算法本身的原
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1