【正文】 拉普拉斯算子變換特征提取方面的代表有： Fu 和 Moayer 將 Laplacian 變換和動(dòng)態(tài)闡值引 入到指紋圖像處理中來(lái)，成功地提取通過(guò)反復(fù)迭代脊線。該算法的的波形凸起和方向平滑算法能有效地降低噪音的效果。 然而，盡管已經(jīng)有許多學(xué)者和研究機(jī)構(gòu)已經(jīng)取得了大量的研究指紋識(shí)別領(lǐng)域的研究成果，但也面臨一些問(wèn)題：識(shí)別虛假特征點(diǎn)和扭曲的指紋匹配算法是脆弱的，模 糊指紋圖像匹配精度不高，匹配效率不高和其他問(wèn)題 目的和意義 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） 3 由于指紋具有一個(gè)唯一的，終身不變，難以偽造等優(yōu)良特點(diǎn)，以指紋作為證據(jù)在法庭上有一個(gè)很長(zhǎng)的歷史。然而，指紋識(shí)別技術(shù)仍是在國(guó)內(nèi)和國(guó)外的研究熱點(diǎn)之一。因此，這將是一個(gè)非理想的采集條件，時(shí)間復(fù)雜度低的情況下，指紋識(shí)別的一些關(guān)鍵問(wèn)題的研究和學(xué)習(xí)。此外，指紋與年齡和變化，生活的變化也不會(huì)增加。在公司里，你可能是董事，員工和工作角色 。在過(guò)去的很長(zhǎng)一段時(shí)間，我們都是通過(guò)戶籍制度來(lái)管理和界定一個(gè)人，是基于其出生地來(lái)定義和跟蹤其身份從出生到死亡。點(diǎn)的指紋識(shí)別作為一種基本的社會(huì)角色，其方便性和精度已得到世界公認(rèn)。深圳羅湖口岸，指紋移民系統(tǒng)的實(shí)施大大提高了通關(guān)效率，不再需要過(guò)境乘客拿著身份證排長(zhǎng)隊(duì)等待檢查。 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） 4 第 2 章 指紋圖像預(yù)處理 指紋的概述 1） .指紋 人的皮膚由表皮、真皮和 皮下組織 三部分組成。伸出手，仔細(xì)觀察，就可以發(fā)現(xiàn)小小的指紋也分好幾種類型：有同心圓或螺旋紋線，看上去像水中漩渦的，叫斗形紋；有的紋線是一邊開(kāi)口的，就像簸箕似的，叫箕形紋；有的紋 形像弓 一樣，叫弓線紋。 2） .指紋特性與分類 傳統(tǒng)上，依據(jù)指紋的全局模式信息，可將指紋分為 5類：旋，左箕，右箕，弓，尖弓。 分類算法一般都是基于奇異點(diǎn)的分布形態(tài)，這種算法容易用計(jì)算機(jī)程序描述，比較容易實(shí)現(xiàn)。參考文獻(xiàn) [1] 中心點(diǎn) 三角區(qū) 圖 21 奇異點(diǎn)的位置分部信息為分類提供了依據(jù)，圖 22就是基于奇異點(diǎn)的分類算法的模型，理想情況下，只要能找準(zhǔn)奇異點(diǎn)，就能準(zhǔn)確分類。這些局部脊線特征并非均勻分布，由于采集時(shí)手指的壓力條件以及指紋圖像的質(zhì)量，有些特征很少出現(xiàn)。 圖 23 指紋圖像的細(xì)節(jié) 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） 6 一般來(lái)說(shuō)，要判斷兩個(gè)指紋圖像是否來(lái)自同一個(gè)手指，必須經(jīng)過(guò)下面三個(gè)階段： 1）首先進(jìn)行全局模式對(duì)比，即判斷兩枚指紋是否屬于同一類別。 算法步驟如下： （ 1） 方向場(chǎng)估計(jì)：將指紋紋理看做是一種有向的流場(chǎng)，即指紋的方向場(chǎng)，可以很容易的確定出有明確脊線結(jié)構(gòu)的指紋圖像區(qū)域。 （ 4） 偽特征點(diǎn)的去除：從上面步驟提取出的指紋細(xì)節(jié)特征往往含有很多偽特征點(diǎn)，還需要一定的后處理，對(duì)特征進(jìn)行過(guò)濾和篩選?；诩?xì)節(jié)點(diǎn)的匹配是指紋專家對(duì)比指紋時(shí)通常采用的方法。由于該方法存在嚴(yán)重的不可靠性，這種方法己不在被使用。后者則是由大量的敏感元件組成的固態(tài)陣列芯片，它主要采用電容觸摸傳感，熱傳感及其他傳感技術(shù)，通過(guò)感受手指接觸面的壓力、熱度等特征來(lái)提取指紋。在早期一般都采用光學(xué)的采集儀。它是基于超聲波對(duì)脊和谷的深度的不同反射原理而工作的。潛在指印是手指在臺(tái)板上按完后留下的，這種潛在的指印降低了后面指紋圖像采集時(shí)圖像的質(zhì)量。 (1)硅電容指紋圖像傳感器 這是最常見(jiàn)的半導(dǎo)體指紋傳感器通過(guò)電子度量來(lái)捕獲指紋。 (2)半導(dǎo)體壓感式傳感器 表層是由具有彈性的壓感介質(zhì)元件組成，它們把指紋的外表紋通過(guò)壓感傳感器理轉(zhuǎn)化為對(duì)應(yīng)的電信號(hào)，并進(jìn)一步產(chǎn)生有灰度級(jí)的指紋圖像。由于提供了局部調(diào)整的能力，圖像對(duì)比度差（不清晰）的區(qū)域也能夠被檢測(cè)到 (如 :手指按壓壓力不足的地方 )，并且能夠在捕捉的同時(shí)為這些像素提高靈敏度，過(guò)程只在瞬間。此外，它們不像玻璃耐磨損，從而影響使用壽命。 超聲波技術(shù)使用超聲波頻率為 1 104Hz? 1 109Hz，在頻率控制帶，對(duì)人體是無(wú)傷害的。半導(dǎo)體傳感器由大量敏感元件組成，它采用電容式感應(yīng)，熱傳感器或其他傳感器技術(shù)，通過(guò)按壓的手指的壓力，熱和其它特征提取指紋，收集區(qū)域通常小于一平方英寸。 圖像平滑主要有兩個(gè)作用：一是消除或減少噪聲，改善圖像質(zhì)量；另一個(gè)是模糊圖像，使圖像看起來(lái)柔和自然。在數(shù)字信號(hào)處理技術(shù)中廣泛使用，領(lǐng)域均值濾波在濾除噪聲的同時(shí)模糊呢圖像，而中值濾波在一定的條件下，可以克服線性濾波器所帶來(lái)的圖像細(xì)節(jié)模糊，且對(duì)濾除脈沖干擾及圖像掃描噪聲非常的有效，能夠在去除圖像噪聲的同時(shí)保持圖像的邊緣。這個(gè)設(shè)計(jì)思想就是檢查輸入信號(hào)中的采樣并判斷它是否代表了信號(hào)，使用奇數(shù)個(gè)采樣組成的觀察窗實(shí)現(xiàn)這項(xiàng)功能。保存邊緣的特性使它在不希望出現(xiàn)邊緣模糊的場(chǎng)合也很有用。于是原來(lái)窗口正中的灰度值 90就由窗口中值 80 代替。 2).中值濾波的 主要特性 (1) 去噪聲性能 中值濾波主要用來(lái)濾除脈沖噪聲干擾和隨機(jī)噪聲干擾。但對(duì)于脈沖煩擾，特別是脈沖寬度小于濾波窗口長(zhǎng)度的一半，相距較遠(yuǎn)的窄波脈沖，中值濾波的效果就非常明顯了。采用總體實(shí)驗(yàn)觀察法，經(jīng)大量實(shí)驗(yàn)表明，中值濾波器的頻率響應(yīng)與輸入信號(hào)的頻譜有關(guān)，呈現(xiàn)不規(guī)則波動(dòng)不大的曲線，中值濾波幅譜特性起伏不大，可以認(rèn)為信號(hào)經(jīng)中值濾波后，頻譜基本不變。)。title(39。title(39。 圖 25 中值濾波 Matlab 仿真 采用中值濾波的方法 ,對(duì)指紋圖像進(jìn)行預(yù)處理 ,經(jīng)過(guò)中值濾 波處理后的圖像能夠消除圖像中的一部分噪聲干擾影響。數(shù)學(xué)形態(tài)學(xué)是一種建立在集合代數(shù)基礎(chǔ)上的，用來(lái)表示以形狀為基礎(chǔ)對(duì)圖像進(jìn)行分析的數(shù)學(xué)工 具，其基本思想是用具有一定形狀的結(jié)構(gòu)元素去度量和提取圖像中對(duì)應(yīng)的形狀，以達(dá)到對(duì)圖像分析和識(shí)別的目的，在處理方法上主要通過(guò)運(yùn)用集合論的方法來(lái)定量描述圖像的幾何結(jié)構(gòu)。運(yùn)算效果取決于結(jié)構(gòu)元素大小內(nèi)容以及邏輯運(yùn)算性質(zhì)。 對(duì)象和結(jié)構(gòu)元素的 3 種關(guān)系：包含于（ B include in X ） 、不全包含（ B hit X ） 、不包含（ B miss X） 平移： Bx=Uy{x+y} 對(duì)稱集： B^=Uy{y} 腐蝕：一種消除邊界點(diǎn)，使邊界向內(nèi)部收縮的過(guò)程。利用它可以填補(bǔ)物體中的空洞。=x+y。利用它可以消除小而且無(wú)意義的物體。f:\39。imshow(I)。imshow(J)。%結(jié)構(gòu)元素 se 3*3 單位矩陣 J1=imerode(J,SE)。中值濾波 39。腐蝕處理 39。 圖像銳化 圖像銳化 (image sharpening)就是補(bǔ)償圖像的 輪廓 ，增強(qiáng)圖像的邊緣及灰度跳變的部分，使圖像變得清晰，亦分空域處理和頻域處理兩類。因此圖像銳化加強(qiáng)了細(xì)節(jié)和邊緣，對(duì)圖像有去模糊的作用。 在空域中，圖像平滑的實(shí)質(zhì)就是對(duì)圖像進(jìn)行求和取平均，是一種積分運(yùn)算。把微分的結(jié)果圖乘上一定的比例再與原圖相加就能使圖像的高頻得到加強(qiáng)，從而使圖像的輪廓清晰，突出細(xì)節(jié)。變化的速度是梯度的模，它可以表示為： 22)2( )f(f ?????? ????????? ?????? xfxfm a g 26 對(duì)于數(shù)字圖像常用差分代替求導(dǎo)，則： 1)yf ( x,y)f ( x,y)( x,f y)1,f ( xy)f ( x,y)( x,f yx ?? 27 所對(duì)應(yīng)模板分別為 : ? ?1111x ????????? HyH ， 28 另外差分還可以采用對(duì)角線交叉的形式，如： y)1,f(x1)yf ( x,y)( x,f 1)y1,f(xy)f ( x,y)( x,f yx ??? ??? 29 表 22 一階微分算子 算子名稱 Hx Hy Roberts ??????? 01 10 ?????? ?10 01 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） 15 Prewitt ?????????????101101101 ?????????? ???111000111 Sobel ?????????????101202101 ?????????? ???121000121 Isotropic ?????????????101202101 ?????????? ???121000121 算子 索貝爾算子 （ Sobel operator）是 圖像處理 中的算子之一，主要用作 邊緣檢測(cè) 。如果以 A 代表原始圖像， Gx 及 Gy分別代表經(jīng)橫向及縱向 邊緣檢測(cè) 的圖像，其公式如下 : ??????????????101202101xG Gy=?????????? ???121000121210 圖像的每一個(gè)像素的橫向及縱向梯度近似值可用以下的公式結(jié)合，來(lái)計(jì)算梯度的大小。 在觀測(cè)一幅圖像的時(shí)候，我們往往首先注意的是圖像與背景不同的部分，正是這個(gè)部分將主體突出顯示，基于該理論，我們給出了下面閾值化輪廓提取算法，該算法已在數(shù)學(xué)上證明當(dāng)像素點(diǎn)滿足正態(tài)分布時(shí)所求解是最優(yōu)的。 Sobel 算子對(duì)圖像銳化 銳化增強(qiáng)后的圖像 圖 28 Sobel 算子對(duì)圖像銳化增強(qiáng)的結(jié)果 以下是利用 Sobel算子對(duì)圖像增強(qiáng)的 MATLAB 實(shí)現(xiàn)： I=imread(39。 subplot(121)。) subplot(122)。) SE=ones(3,3)。title(39。title(39。 %用 Sobel 算子進(jìn)行銳化 h=fspecial(39。 figure, subplot(121)。) 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） 17 K1=J2K。銳化后增強(qiáng)處理 39。 我們將兩幅圖像放在一起做對(duì)比如下圖所示。% 是濾波腐蝕后的指紋圖像 A=rot90(I)。sobel39。順時(shí)針旋轉(zhuǎn) 90176。) K1=JK。title(39。 以下是兩幅圖像配準(zhǔn)的 MATLAB 實(shí)現(xiàn)，配準(zhǔn)函數(shù) registration 見(jiàn)附錄 1 所示： I1=imread(39。f:/39。 K1=fft2(J1)。f:\39。)。)。 I2=double(I1)。 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） 19 for i=1:width for j=1:height source_x=i+1。source_y/double(uint16(source_y))==) NewR2(i,j)=I5(int16(source_x),int16(source_y))。I3(450,:)=255。 figure,imshow(I3)。title(39。)。) imwrite(K,39。將彩色圖像轉(zhuǎn)化成為灰度圖像的過(guò)程稱為圖像的灰度化處理。圖像的灰度化處理可先求出每個(gè)像素點(diǎn)的 R、 G、 B三個(gè)分量的平均值，然后將這個(gè)平均值賦予給這個(gè)像素的三個(gè)分量。目前圖像紋細(xì)化的方法大多都是基于二值圖像進(jìn)行的。二值化后的圖像能否真實(shí)地再現(xiàn)原指紋是對(duì)指紋圖像進(jìn)行二值化的其基本要求。 dither 函數(shù)通過(guò)顏色抖動(dòng)來(lái)達(dá)到轉(zhuǎn)換圖像的目的，語(yǔ)法： BW = dither(I)， Image 是圖像矩陣資料， BW 是二值化圖像矩陣；im2bw 函數(shù)通過(guò)對(duì)灰度值進(jìn)行閾值判斷的方法達(dá)到目的，語(yǔ)法： BinaryImage = im2bw( Image, [Level] )， Image 是輸入圖像矩陣資料， Level 是二值化程度值，其為介于 0 到 1 之間值， BW 是二值化圖像矩陣。)。title(39。) 通過(guò)上述算法得到的結(jié)果如圖 212 所示。因此難以建立寬度只有一個(gè)點(diǎn)的特征點(diǎn)模型，所以必須對(duì)指紋圖像經(jīng)紋線圖像抽象化處理。骨架是二維二值目標(biāo)的重要拓?fù)涿枋?，它是指圖像中央的骨架部分，是描述圖像幾何及拓?fù)湫再|(zhì)的重要特征之一。細(xì) 化的目的就是在將圖像的骨架提取出來(lái)的同時(shí)保持圖像細(xì)小部分的連通