【正文】 ..................................... 25 總結(jié) ............................................................................................................................. 25 展望 ............................................................................................................................. 25 致謝 .......................................................................................................................................... 26 參考文獻 .................................................................................................................................. 27 附錄 A 主程序 ......................................................................................................................... 30 附錄 B 提取特征點程序 ......................................................................................................... 31 附錄 C 剔除偽特征點程序 ..................................................................................................... 33 第 1 頁 1 緒 論 引言 隨著社會經(jīng)濟的發(fā)展，人們的工作生活越來越依賴現(xiàn)代信息技 術(shù)和網(wǎng)絡(luò)技術(shù)，越來越多的場合，小到個人的虛擬賬戶密碼，大到一個公司甚至是國家機密都需要對使用者、來訪者進行身份識別，從而達到對自身的信息、資料以及財產(chǎn)進行可控制的保護，努力避免被不法分子非法入侵或者占有。如何保護人們的信息安全已經(jīng)成為不得不面對的問題。其次，這些認證手段并不是隨身攜帶的，都面臨著證件丟失，密碼遺忘等問題。因此可以說這兩種身份識別技術(shù)已經(jīng)無法滿足現(xiàn)實的需要，傳統(tǒng)的身份識別技術(shù)己無法滿足現(xiàn)代生活的需要，社會迫切的需要一種更高可靠性的，更方便的保密驗證手段。模式識別定義為：對表征事物或現(xiàn)象的各種方式的（數(shù)值的、文字的或邏輯關(guān)系的）信息進行處理和分析，以對事物或現(xiàn)象進行描述、辨認、分類和解釋的過程，是信息科學(xué)和人工智能的重要組成部分。生物識別遵循模式識別的原則規(guī)律，它通過判定相似度來確認生物特征相不相同。一是它必須基于“人的生物特征是各不相同”這一基本規(guī)律，否則無法根據(jù)人的生物特征來辨識不同對象。人的生物特征包括生理特性和行為方式。 指紋識別技術(shù) 指紋識別簡介 指紋，由于其具有終身不變性、唯一性和方便性，已幾乎成為生物特征識別的代名詞。 第 3 頁 指紋特征是人終生不變的特征之一，人體指紋含有天然的密碼信息，其具有作為密碼信息必須具備的三個重要性質(zhì)： (1) 廣泛性，指每一個正常的人都有指紋。因此，作為一 種可靠的方法，可以運用指紋鑒定進行身份認定。 1684 年，植物形態(tài)學(xué)家 Grew 發(fā)表了第一篇研究指紋的科學(xué)論文。1889 年 Edward Herry 提出了著 名的 Herry 系統(tǒng)來對指紋進行分類 [4]。九十年代，用于個人身份鑒定的自動 指紋識別系統(tǒng) 得到開發(fā)和應(yīng)用。目前許多公司和研究機構(gòu)都在指紋識別技術(shù)領(lǐng)域取得了很大突破性進展，推出許多指紋識別與傳統(tǒng) IT技術(shù)完美結(jié)合的應(yīng)用產(chǎn)品，這些產(chǎn)品已經(jīng)被越來越多的用戶所認可。 在這種情況下，手指表面的干凈程度，直接影響到識別的效果。兩者之間的恒量電介質(zhì)的傳感器檢測變化來生成指紋圖像。因為射頻傳感器產(chǎn)生高質(zhì)量的圖像，因此射頻技術(shù)是最可靠，最有力的解決方案。 目前的自動指紋識別系統(tǒng)是集計算機、網(wǎng)絡(luò)、光電技術(shù)、圖像處理、智能卡、數(shù)據(jù)庫等技術(shù)于一體的綜合高端技術(shù)。隨著光學(xué)儀器、傳感器及數(shù)字技術(shù)的發(fā)展，各種快速精確、方便小巧的采集設(shè)備都得到了應(yīng)用。 （ 2）指紋圖像預(yù)處理 預(yù)處理在整個自動指紋識別系統(tǒng)中是很關(guān)鍵的一步。 （ 3）特征提取 傳統(tǒng)的特征提取方法主要有兩種：第一種是直接從原始指紋圖 像上進行細節(jié)特征提取，另一種是從細化后的指紋圖像上進行特征提取。目前最常用的細節(jié)特征是美國聯(lián)邦調(diào)查局 (FBI)提出的細節(jié)點坐標模型，它利用端點和分叉點這兩種特征，只需要一個 33 模板便可將端點和分叉點提取出來。 指紋圖像特征提取 指紋特征提取包括紋線細化、特征點（交叉點、斷點、中心點、三角點等）檢測與分類、偽特征點消除、特征點特性參數(shù)計算、特征參數(shù)壓縮編碼、全局特征（ “ 斗 ” 、“ 箕 ” 、“ 旋向 ” 等）檢測等步驟 ， 特征提取算法應(yīng)能適應(yīng)噪聲、畸變、位移、旋轉(zhuǎn)、缺損、變 第 7 頁 形等常見的實際情況。因此，在特征提取時 ， 往往需要進行虛假細節(jié)特征刪除 ，一 般采用啟發(fā)式算法對虛假特征進行刪除。 主要內(nèi)容和結(jié)構(gòu)安排 主要內(nèi)容 指紋圖像的處理，包括指紋圖像預(yù)處理、特征提取和特征匹配三個部分工作。具體安排如下： 1．介紹了生物識別技術(shù)所包含的內(nèi)容，指紋識別技術(shù)的優(yōu)缺點與發(fā)展現(xiàn)狀，以及指紋識別系統(tǒng)的結(jié)構(gòu)，簡要介紹了本文研究的主要內(nèi)容。接著介紹常用的特征提取方法，以及它們的優(yōu)缺點。 第 9 頁 2 指紋圖像的預(yù)處理 對于一幅指紋采集頭采集的原始圖像，為了使后續(xù)特征提取的操作能夠正常有效的進行，必須對原始指紋圖像進行一定的處理。這給建立統(tǒng)一的、有效的后續(xù)指紋圖像處理算法帶來了極大的不便。 圖 像增強 指紋圖像增強，就是對指紋圖像采用一定的算法進行處理，使其紋理結(jié)構(gòu)清晰化，盡量突出和保留固有的指紋特征信息，并消除噪聲，避免產(chǎn)生虛假特征。 O’Gorman 和 Nickerson 較早提出采用方向濾波器進行指紋圖像增強。 Hong 等提出采用具有方向和頻率選擇性的二維 Gabor 濾波器來增強指紋圖像。 頻域濾波法通過直接改善圖像的頻譜來實現(xiàn)圖像增強。該方法利用了圖像的全局信息，對低質(zhì)量指紋圖像也能取得較好的增強效果，但是僅以常數(shù)作為指紋的脊線頻率，沒有考慮頻率的空間變化性，對指紋的紋線結(jié)構(gòu)和細節(jié)特征具有一定的破壞性。Willis 和 Myers 提出了一種快速的頻域增強算法。由于指紋圖像的方向特征、細節(jié)點位置等特征的提取以及匹配都跟像素點灰度值的多少沒關(guān)系，只跟指紋圖像的脊線的形狀、走 向有關(guān)系，因此二值化處理不會丟失指紋圖像的特征信息，另外二值化還可以方便圖像信息的存儲，節(jié)約存儲空間，并且方便了后續(xù)的計算處理。由于指紋圖像在采集時的環(huán)境（光線、壓力、濕度等），整幅指紋圖像的明暗分布并不是均勻的，往往存在某一部分局部過暗（即灰度值偏?。?，而另外一部分局部過亮（偏大）。 細化 二值化后的指紋脊線平均寬度為 6— 8 個像素，由于按捺的輕重不勻使指紋脊線的粗細不能恒定，難于據(jù)此直接抽取指紋的特征集。細化算法的迭代必須收斂且不能破壞紋線的連接性，不能引起紋線的逐步吞食，還要盡可能的保護指紋的細節(jié)特征，細 化的骨架也要盡可能接近紋線中心線，要求算法簡單、高效。逐層剝離法按照細化順序又主要分為兩類：串行細化和并行細化。 OPTA 算法能滿足收斂性、連接性、拓撲性和保持性，對指紋圖像的細化能達到較好的效果。目前流行的自動指紋識別系統(tǒng)大多采用基于細節(jié)點的表達方式，故在進行指紋的細化及細化處理之后要進行指紋的特征提取，以方便最后的指紋匹配。拱型沒有中心點和三角點，帳型和箕型有一個中心點和三角點，雙箕型有兩個中心點 [13]。 （ 5）脊線數(shù)，指的是模式區(qū)內(nèi)指紋 脊線的數(shù)量。特征匹配就是利用這些信息進行的。因此為了能普遍的表征指紋圖像，一般選用端點和分叉點作為指紋圖像特征點。迄今為止，人們已經(jīng)對指紋細節(jié)特征提取算法進行了很多的研究工 第 15頁 作。 最常用的特征點提取算法有兩類 ：一是從灰度圖像直接提取特征點；二是對預(yù)處理細化后的圖像進行提取特征點。 該算法主要由幾個緊密聯(lián)系的模塊組成： （ 1） 跟蹤步進模塊，主要負責預(yù)測下一步跟蹤方向和步長，用來沿紋線前進一步。 具體算法如下 [19]： （ 1） 計算指紋圖像的方向圖，一般以塊方向作為指紋的方向。若跟蹤到的脊線與先前己經(jīng)跟蹤過的脊線相交，停止跟蹤，求取兩條脊線交點位置，此處即特征點分叉點。圖中 P 為待測像素點， Pl、 P2 ?? ? ?? 81 1)( i iin PPPC (其中 PP 19? ) (3— 1) ??? 81)( i in PPS (3— 2) 通過分析可知，細化后的指紋圖像的鄰域 狀態(tài)如圖 3— 3 所示。 （ 3） 若 P 點為脊線上的點，且 )(PCn =6， )(PSn =3，則可判定像素點 P 為分叉點，如圖 3— 3 中點 B 點。端點的角度取從端點為起點的端線的角度，分叉點的角度取相對最小分支線的角度。 算法比較 以上即是常用的兩種特征點提取算法，通過比較不難發(fā)現(xiàn)：基于灰度直接提取算法原理比較簡單，簡化了圖像增強、二值化步驟，直接求取脊線并得到特征點。另外，該算法脊線跟蹤的步長不好確定，即使采用自適應(yīng)步長也只是稍微降低丟失特征點的情況，沒有從根本上改觀，加上是利用灰度分布直方圖來確定特征點 的，因此特征點的位置信息并不十分精確，有可能與實際的位置出現(xiàn)偏差，尤其是在圖像模糊的情況下，更是相差甚遠。所以考慮到指紋識別系統(tǒng)的魯棒性，以及特征點提取算法的可靠性本文采用第二種算法。 從上文細化后的指紋圖像上不難發(fā)現(xiàn)，由于細化后的指紋圖像出現(xiàn)了毛刺、粘連、斷點等現(xiàn)象。 （ 1） 毛刺現(xiàn)象，毛刺的出現(xiàn)有多方面的原因，比如受隨機噪聲的影響而形成的，還有部分是受圖像增強和細化處理產(chǎn)生的。短線的特點就是會產(chǎn)生兩個偽端點，該兩個端點相距很近，位于同一脊線上。 （ 4）假橋現(xiàn)象，當手指過潮濕或者臟時，采集的指紋圖像容易出現(xiàn)多脊線假橋 (有時也叫橋 )的現(xiàn)象，即本來不相連的兩條脊線連在了一起。主要是由于隨機噪聲影響產(chǎn)生的。這些特征點是由于在指紋采集時，指紋接觸采集頭的邊界，脊線的起始點。本文特在去偽特征點前對這類 第 20頁 特征點進行剔除。 （ 2）通過計算各個子塊中像素點之和，檢測該子塊中是否含有脊線，并對含有脊線的子塊進行標記，方便下面的進一步操作。根據(jù)上節(jié)分析的偽特征點的特征，本文將根據(jù)偽特征點的這些性質(zhì)提出一套偽特征點剔除的算法。跟蹤時，考察以iP 為中心的 33子塊，通過將 8 領(lǐng)域中脊線像 素點與己跟蹤的像素點進行對比，搜尋尚未考察的脊線上的像素點 (圖 3— 4 中 深色部分 ) 1?iP ，并保存 iP 到已跟蹤點集中，再以 1?iP 代替 iP 作為下一個跟蹤的像素點，以此類推實現(xiàn)脊線跟蹤。 （ 3）橋的刪除 通過脊線跟蹤，若在一個分叉點 i 的 D3 范圍內(nèi)存在另外一個分叉點 j，且 ),( ji?? 近似等于 2/? ，則這兩個特征點為橋形成的偽特征點，需要將它們從特征點集中刪除。一般按經(jīng)驗取值，本文取采集頭采集的指紋的脊線周期大約 10 個像素，試驗表明此時 DD D3 和 D4 的值取 6 時，偽特征點剔除的效果比較 好。全局結(jié)構(gòu)特征用于指紋分類，減少指紋匹配時間；端點和分叉點成為最常用的局部結(jié)構(gòu)特征，也稱為細 節(jié)特征，用這兩類特征點描述指紋的唯一性。 濾除了偽特征點以后，不但使匹配的速度大大提高，而且指紋識別性能提升，使識別系統(tǒng)的誤拒率和誤識率的下降，因此在進行指紋匹配之前，盡可能將偽特征點去除，保留真特征點。針對仿真測試的結(jié)果分析，存在一些繼續(xù)改進的地方。在蔡老師的精心指導(dǎo)和嚴格要求下，我完成了畢業(yè)論文。同時，感謝我的父母和親人，謝謝他們對我多年的關(guān)懷