【正文】 txy(count, :) = [x, y,2]。 case 6 j = img(x 1, y + 1)。,Inf)。) %************************************************************************* v=~u。 %************************************************************************ 37 u=Icc。 end end end for i=1:m for j =1:n Icc(i,j)=Icc(i,j)*Im(i,j)。 summax=max(sumi)。 sum2=I(x2,y+4)+I(x1,y+2)+I(x+1,y2)+I(x+2,y4)。 for a=2:m1。title(39。 end if aveg1(x,y) G1100 amp。 end if 0var1(x,y)V1 vtemp1=vtemp1+1。 end end end G1=gtotle/gtemp。 %所有塊的方差 gtemp=0。 34 var=(I(i+(x1)*M,j+(y1)*M)aveg1(x,y)).^2+var。 aveg=0。 end end end figure, imshow(I(:,:,3)./max(max(I(:,:,3))))。 I=double(imread(path))。 本文中主要對圖像預(yù)處理進(jìn)行了分析比較，最后得到了一套比較合適的算法，但通過實驗驗證可發(fā)現(xiàn)比對時間比較長，有待于進(jìn)一步改進(jìn) 。 函 數(shù) 最終 定義了一個數(shù) fff=abs(f11f21)/(f11+f12)，所以 fff值越接近 28 于 0，這兩幅 指紋 圖像的匹配度 就 會 越高。 （ 1） 脊線長度匹配 對于上面 的函數(shù)即可找出細(xì)化圖像中的 特征點和 一段 脊線 ，沿著 該段 脊 27 線 走 向，每隔 五 個像素測量一下 ，看到 到原始端點的距離 ， 此 段距離 由 一distance 函數(shù)得到。下面就 需 要找出一些 在細(xì)化圖像中比較 獨特的端點來作為 識別的特征點。 圖 219 細(xì)化圖 本章通過對指紋原圖像的分割，二值化，濾波和細(xì)化算法的分析比較，得出了一套比較實用和便捷的算法，并通過 matlab 仿真實現(xiàn)最終的結(jié)果，為后續(xù)的特征提取和匹配打下了基礎(chǔ)。 改進(jìn)的 OPTA 算法 常用的 傳統(tǒng) 細(xì)化算法還有 OPTA 算法 [10]（ 基于 模 板的圖象細(xì)化算法 ） ，原理為構(gòu)造兩個模板： 一 消除模板 和 一保留模板，將 指紋圖像 二值化 后 與這 22 兩個模板 相 比較，來決定是否刪除該像素，本文 研究的 是改進(jìn) 后 的 OPTA 算法 ， 改進(jìn)后的 OPTA 算法 的優(yōu)點是消除了原 OPTA 算法算法中兩種 模板不一致的問題 。 一個好的指紋細(xì)化算法必須 在不破壞指紋紋理性和連通性的情況 下細(xì)化成單像素脊線。 對于脊線中的分叉點 我們 采用分離濾波器。 這些 圖像噪聲對后續(xù)的指紋提取帶來很大的困難， 因此 必須要 在指紋二值化和細(xì)化之前 進(jìn)行圖像 增強(qiáng) 濾波，圖像增強(qiáng)的目的 ： 減弱原始圖像的 噪聲 ，增強(qiáng)脊 線 和谷 線 的對比度，即修補 指紋 圖像脊 線 中斷裂的部分，去除 指紋 圖像中 脊線或谷線的叉連部分 ，從這些 原指紋圖像中 盡可能多的獲取清晰的指紋 紋路 結(jié)構(gòu)，以保證指紋提取的可靠性。 （ 2） 按照直方圖確定 閾值 ：利用原灰度圖像分部的直方圖來確定，設(shè)灰度值 f 取值是 0~255 之間的整數(shù)， f=0 為黑色 ， f=255 為白色 ， ()kpf表示灰度值為 k 的概率， kn 表示灰度值為 k 的像素的個數(shù)， n 為像素的個數(shù)。 指紋圖像有 著自己獨特 和固有的特征 ，其中指紋的 方向性、紋理性都 很強(qiáng)，可以看作是一個流狀模型， 該模型可以用 方向圖 來具體表示 。 12 圖像分割 的方差法 方差法 [5]： 傳統(tǒng)的 分割 算法 都 是基于圖像局部灰度方差的分割方法 (即 方差法 )，一般地，目標(biāo)區(qū)域中指紋脊和谷的灰度差是較大的，因而其局部灰度方差也較大；對于圖像背景區(qū)域，方差值則是較小的。指紋圖像可分為四類區(qū)域： 背景區(qū) 、 不可恢復(fù)區(qū) 、 可恢復(fù)區(qū) 、 清晰區(qū) ， 如下圖 所示。 指紋圖像 的 預(yù)處理目的 就是將自己感興趣的目標(biāo)區(qū)域保留下來 ，去除背景區(qū)域和沒有用的部分， 同時根據(jù)指紋 目標(biāo)區(qū)域 中脊線 的結(jié)構(gòu)特征 ，采取 較好 的濾波方法，提高指紋 脊線 清晰度，平滑 脊線 邊緣的 毛刺 和空洞，抑制圖像噪 聲，保證指紋特征的可靠提取， 并使灰度圖像轉(zhuǎn)化成黑白的二值圖像，最終得到 脊線 結(jié)構(gòu)清晰的單像素寬的二值圖像。 8 指紋圖像采集分割二值化細(xì)化增強(qiáng)濾波指紋特征提取匹配結(jié)果指紋匹配指 紋 預(yù) 處 理 圖 14 指紋識別 流程 指紋作為人類與生俱來的 特征 ， 因為 其獨有的特性而成 為 具有法律地位的 有力 證據(jù) 。 指紋紋路一般 都 會有斷點和 分 叉點 , 因此會形成一些 獨特的 節(jié)點 。 （ 3） 可分類性： 指紋 可根據(jù) 脊線和谷線的走向 進(jìn) 行 分類， 一般可分為如圖 12 所示的弓 形 、環(huán)形和螺旋形。 指紋識別的應(yīng)用前景是 非常 廣闊的 ， 它的 應(yīng)用將滲透到社會 生活，經(jīng)濟(jì)貿(mào)易 的每一個角落， 將 成為保護(hù) 我們個人以及國家信息 的 重要手段 。因此我們在與機(jī)器交互時急需 一種準(zhǔn)確、安全 快捷 的識別技術(shù)來 取代現(xiàn)有的身份驗證 。 圖像 預(yù)處理 包括四個步驟： 圖像分割、濾波 增強(qiáng) 、二值化、細(xì)化 ， 對指紋圖像進(jìn)行預(yù)處理后，去除了原圖像的冗余部分，方便后續(xù)的識別 處理 ；特征提取主要是提取 指紋圖像細(xì)化后 的端點和分叉點 ； 特征 匹配 是 利用兩個指紋 的 圖像進(jìn)行 特征點 比較，來 確定兩幅圖像是否來自于同一手指 。 關(guān)鍵 詞 分割 ， 二值化 ， 細(xì)化 ， 特征 點 提取 ， 匹配 ， Matlab 2 Abstract Because of the universality, uniqueness and constantness of a fingerprint, and fingerprint identification technology has very high feasibility and practical applicability, make it to be one of the most popular, and most reliable personal identity authentication technology. This paper focuses on three aspects of the fingerprint image processing：image preprocessing, feature extraction, feature matching. Image preprocessing including four steps: image segmentation, filtering, binary, Refining, after The fingerprint image preprocessing, in addition to the original image of redundancy part, convenient subsequent identification processing。 國內(nèi)外研究狀況 指紋是人特有的一種特征 ，在中國的研究 也有近百年的歷史，中國 被認(rèn)為是世界上 最早應(yīng)用指紋識別技術(shù)的國家 ， 指紋識別技術(shù)從很早以前的人工比對到現(xiàn)如今 采用 先進(jìn)的 計算 機(jī)技術(shù)實現(xiàn) 指紋 的 識別， 使得 指紋對比 比以前更 加準(zhǔn)確，識別效率得到 了非常大的 提高 。 圖 11 端點 、 分叉點 英國科學(xué)家 Gallon 在 1892 年 的 《 Fingerprint》 一書中 提出了指紋的四條基本性質(zhì) 。 正是因為這些 獨特的 性質(zhì)，指紋被國內(nèi)外 的 刑偵 界 稱為“證據(jù)之首”。 指紋 的面積 雖然 不大 但 卻蘊含 著 大量的識別信息 。許多在 其他 語言中 描述起來 很復(fù)雜的問題在 matlab 語言編程中 卻 只需要一條專用 的 指令就可以完成 。經(jīng)過分割后的圖像更容易進(jìn)行進(jìn)一步的分類、分析和識別處理。指紋歸一化不改變指紋質(zhì)量，只是 方便指紋的后續(xù)處理 并保證程序運行時收斂加快 。 改進(jìn)后的方差法： 為了解 決上述問題，可以在方差 法 分割的基礎(chǔ)上進(jìn)行開運算和閉運算操作，該 算法 繼承了方差法的優(yōu)點且又 克服了易受噪聲影響的缺陷。全局信息如下圖 25 所示 ： 圖 25 指紋小塊模型 方向圖 計算 的 基本 思想 : 在原 灰度的指紋 圖像中計算每 小 塊在 每個 方向上的統(tǒng)計量 , 由 這些統(tǒng)計量 在每個小塊方向上 的差異 來 確定該 小 塊的方向 。 基于方向場的二值化 采集到的指紋圖像 一般 都有比較清晰的方向場，方向場估計得準(zhǔn)確與否直接決定了圖像 二值化 算法的效果。 一 個 基本 增強(qiáng) 濾波器主要由 可將脊線中的斷點連接起來的平均濾波器和可將脊線分叉點去除的分離濾波器組成。 圖 211 上下文濾波器的權(quán)值 參數(shù)滿足 K =A+P， L =B+Q， M =C+R。 該算法速度快但不徹底。重復(fù) 利用 以上 的 操作 ， 將所有 圖像中 的像素值 進(jìn)行 比較直至不變?yōu)橹埂? 將 八 鄰域 中的每個點 依次兩兩相減并取 其絕對值，后將所有結(jié)果 加 起來 ，因為端點處是兩個點，即 和為 2 時細(xì)化圖像有 端點，和為 6 時圖像特征為 交叉點。 （ 2） walk 函數(shù) 為了進(jìn)一步找出特征點， 我們還 需定義 一 walk 函數(shù)，它的 主要 作用 就是判斷 某一端點在 num 的 距離 內(nèi)是否還有其他的端點。 （ 2） 三角形邊長匹配 找到一個 指紋細(xì)化圖像的特征點后，可以找出距離這個端點距離 最近的兩 個端點或 者交叉點，與這個指紋圖像細(xì)化的 特征點構(gòu)成 一個 三角形，若兩幅圖像 中的 邊長比例 基本 相等（ 原理 同上，也選 1）， 則說明這兩幅圖像匹配 ，越接近于 1 說明這兩幅指紋圖像越匹配 。即兩幅圖像的 f， ff， fff若 均小于閾值，則兩幅圖匹配；若三個值中有至少一個值大于閾值，則不匹配?；叵胛易霎厴I(yè)設(shè)計這段時間里，我的指導(dǎo)老師劉文博，對我耐心指導(dǎo)，嚴(yán)格要求，精益求精，在此致以最深的謝意。 end end M1=M/(m*n)。 L= n/M。 for j=1:M。Vmean=0。vtemp=0。gtotle1=0。V2=vtotle1/vtemp1。 end end end for x=2:H1 for y=2:L1 if e(x,y)==1 if e(x1,y) + e(x1,y+1) +e(x,y+1) + e(x+1,y+1) + e(x+1,y) + e(x+1,y1) + e(x,y1) + e(x1,y1) =4 e(x,y)=0。 %************************************************************************ temp=(1/9)*[1 1 1。 end end I=In。 sum5=I(x2,y)+I(x4,y)+I(x+2,y)+I(x+4,y)。 b=summ/8。 end。 end end end figure,imshow(u) %title(39。,3)。) 附錄 B 特征 點 提取 代碼 function j = P (img, x, y, i) switch (i) case {1, 9} j = img(x+1, y)。 end %point函數(shù) function txy=point(thin) count = 1。 count = count + 1。 %cut函數(shù) function txy=cut(thin,txy) s(8,8)=0。amp。 end end end end end txy=txy(find(txy(:,1)),:)。 d(1:n,1:n)=0。 if t==0