【正文】 3— 4 脊線跟蹤示意圖 第 21頁 下面將利用脊線跟蹤以及偽特征點的特點提出剔除偽特征點的算法：定義 D(i， j)為特征 點 i 和特征點 j 的距離； A(i， j)為特征點 i 與特征點 j 之間的連線與橫坐標軸的夾角 ； ),( ji? 為特征點 i， j 的塊方向； ),( ji?? 為 A(i， j)與 ),( ji? 的差的絕對值。 特征提取算法 Matlab 算法仿真 Matlab 算法仿真，圖 3— 5 為特征點提取示意圖，圖 3— 6， 3— 7， 3— 8 為剔除邊緣及偽特征點后的特征點示意圖。 第 25頁 4 總結與展望 總結 本文針對指 紋識別系統(tǒng)的圖像特征提取算法做了大量的富有研究性的工作，具體的工作如下： （ 1）在特征提取階段本文在分析現(xiàn)有的特征提取算法基礎上，采用基于細化圖像的鄰域法進行特征提取，并且針對提取后可能的偽特征點的特點進行了針對性很強的分析，并逐一設計具體的偽特征點剔除算法。在做畢業(yè)設計期間，蔡老師督促我的學習，并不斷地鼓勵我，嚴格要求的背后其實是關懷和寄予的深切希望。 第 27頁 參考文獻 [1]戴平陽 . 指紋識別技術研究進展 [J]. 廈門大學學報 (自然科學版 ), 20xx,41(8):750755. [2] 邊肇棋等編著 . 模式識別 . 北京 :清華大學出版社 , 1990,2027. [3] 田捷 ,楊鑫 . 生物特征識別技術理論與應用 . 北京 .電子工業(yè)出版社 , 20xx,126129. [4] Henry Fuzee, Fingerprint recognition in low quality images. Pattern Recognition,1993, 26(10):14411460. [5]O’Gorman, Nicker。 第 26頁 致謝 首先，要感謝我的導師蔡超峰老師。 （ 2）由于指紋邊緣特征點作為端點信息被提取出來，這些特征點在特征匹配過程中是無用的信息，本文采用基于細化圖像的鄰域法，有效的消除了邊緣特征點。 以上 D D D3 和 D4 的值取決于指紋圖像的脊線周期以及分辨率等因素。如圖 3— 4 所示， 假設圖中 1?iP 為上次己跟蹤過的脊線上的像素點，iP 為當前的像素點， 1?iP 為下一個要跟蹤的像素點[23]。但可以肯定的是這部分是脊線和邊緣空白的交界處，而邊緣特征點就位于邊界的一定范圍內(nèi)，因此本文利用這一特點設計了剔除邊緣特征點的算法： （ 1）將細化后的指紋圖像進行劃分 2020 的子塊。 偽特征點的剔除算法 從上文提取的特征點，不難發(fā)現(xiàn)，位于指紋四周邊緣存在數(shù)量眾多的特征點 (包括真特征點和偽特征點 )。斷點會產(chǎn)生兩個偽端點，而且這兩個偽端點也相距非常近，但是與短線不同的是這兩個偽端點是分布在兩條脊線上，沿脊線方向兩個偽端點之間沒有脊線。 下面分析一下毛刺、短線、斷線、假橋以及環(huán)這幾種主要的噪聲的特點，以及因它 第 19頁 們而產(chǎn)生的偽特 征點的特性 [22]，方便針對它們各自的特點 設計剔除算法。另外由于在預處理階段增加了圖像增強和二值化，所以在算法的魯棒性方面比第一種算法更好。 gi=arctg(yyi)/(xxi) (3— 3) 對指紋圖像中的所有像素進行處理，分別記錄下所有檢測到的端點和分叉點，即完成了特征提取的第 一步──特征的提取。 （ 2）若 P 點為脊線上的點 ，且 )(PCn =4， )(PSn = 3 或者 4，則可判定像素點 P為脊線上的連續(xù)點，即不是特征點，如圖 3— 3 中的 C1 點、 C2 點、 C3 點、 C4 點。 （ 4） 不斷重復步驟 3，實現(xiàn)脊線跟蹤，直到求取的灰度分布的最大值出現(xiàn)明顯的變小，與最小值差不多，甚至相等時，停止跟蹤，說明己經(jīng)到脊線的末端，此處即為特 第 16頁 征點端點處。正常區(qū)域指紋的紋線應該是連續(xù)的，當出現(xiàn)斷裂終止分開時，則停下來根據(jù)規(guī)則進行特征點判定。 指紋圖像特征點的提取 指紋特征提取是指紋自動識別的核心技術之一，它一般分為兩個階段：提取特征點和偽特征點的剔除。這些特征點之間，特征點與周圍脊線之間等等都包含了豐富的信息，比如特征點的類型、方向、位置等等。 （ 1）紋形，是指指紋脊線整體走向，主要有三大類： 拱型（ arch）、帳型 (tended arch)、左箕型 (left loop)、右箕型 (right loop)、斗型 (whorl)、雙箕型 (double whorl)。通常，為了得到更加準確的骨架，往往采用兩組模板，一組被稱為刪除模板，用于決定當前點是否 刪除，若不符合刪除模板，則保留；若符合刪除模板，則還要與另一組被稱為保留模板的模板比較，若符合保留模板，則保留；若不符合保留模板，則最終刪除。它是在不改變圖像像素的拓撲關系的條件下，連續(xù)擦除圖像邊緣像素，使紋線最終成為一個像素寬。這種算法非常簡單、處理起來非?？?，但是具有非常大的缺陷。該方法的最大問題是計算量和存儲量均較大，不利于實際應用。其不足之處在于，容易破壞紋線方向變化劇烈的模式區(qū)域，會在一定程度上改變脊線和谷線的位置及比例關系，對細節(jié)特征的保護能力有限 [6]。 空域濾波法通過對濾波算子和原始圖像作卷積來實現(xiàn)圖像增強，具有簡單直觀，易于分析的優(yōu)點。 歸一化 由于在指紋采集的過程中，采集的指紋圖像灰度不均，即有的指紋圖像偏暗，有的偏亮。首先介紹如何對指紋特征進行表征，即通過何種特 征來標識一個指紋，具體方法有全局特征和局部特征。 一般的指紋圖像提取的特征在 10— 100 之間。其中指紋識別用于判斷指紋是屬于哪個人的，而指紋認證則是用來判斷兩個指紋是否屬于同一個人。因此，在對圖像進行特征提取前，必須經(jīng)過一系列的預處理消去大量的噪聲信號，以便得到清晰的紋線。 （ 1）指紋采集 最早的指紋采集方法是用手指蘸上墨水或印油在紙上用掃描儀攝取，由于其嚴重的不可靠性，該方法早已經(jīng)被淘汰。因此對干手指 、 汗手指等困難手指通過可高達 99%，防偽指紋能力強，指紋敏感器的識別原理只對人的真皮皮膚有反應，從根本上杜絕了人造指紋的問題。光學指紋識別系統(tǒng)由于光不能穿透皮膚表層（死性皮膚層），所以只能夠掃描手指皮膚的表面，或者掃描到死性皮膚層，但不能深入真皮層。目前，世界各地的警察局已經(jīng)廣泛采用了指紋自動識別系統(tǒng)。 其實，我國古代早就利用指紋（手?。﹣砗炑骸Ｖ讣y紋線的形態(tài)終生不變，及其唯一性，所以使用指紋來鑒別身份，指紋識別 [3]也是最安全最可靠的識別方法。生物識別是建立在對人的生物特征辨別的基礎上的。模式識別能力是人類智能的重要組成部分。但是在這些措施只能暫時 的緩解被破解、偽造的緊迫性，并不能從根本上提高安全性，并且這些方式都給人們的生活帶來諸多不便和損失。幾乎每分每秒都有個人或者公司被非法入侵，因此目前形勢非常嚴峻。指紋識別技術就是在這種背景下產(chǎn)生的，它借助人體的生理特征來提高身份識別的可靠性，目前已經(jīng)成為國內(nèi)外研究的熱點。 作者簽名： 日 期： 第 II頁 學位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的論文是本人在導師的指導下獨立進行研究所取得的研究成果。 作 者 簽 名： 日 期： 指導教師簽名： 日 期： 使用授權說明 本人完全了解 大學關于收集、保存、使用畢業(yè)設計（論文）的規(guī)定，即：按照學 校要求提交畢業(yè)設計（論文）的印刷本和電子版本；學校有權保存畢業(yè)設計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務；學?？梢圆捎糜坝?、縮印、數(shù)字化或其它復制手段保存論文；在不以贏利為目的前提下，學?？梢怨颊撐牡牟糠只蛉績?nèi)容。 作者簽名： 日期： 年 月 日 導師簽名： 日期： 年 月 日 第 III頁 基于 Matlab 的指紋圖像 特征提取 摘 要 隨著社會的發(fā)展，傳統(tǒng)的基于信物或口令的安全系統(tǒng)顯得越來越脆弱，不能適應現(xiàn)代安全系統(tǒng)的需要，因而人們需要研究更加安全可靠，防偽性能更好的安全系統(tǒng)。同時由于黑客技術借助互聯(lián)網(wǎng)傳播的十分泛濫，這類高科技犯罪活動追究起來過程非常復雜，導致了現(xiàn)在黑客犯罪活動十分地猖獗。目前，為了提高安全性、可靠性，一般采取經(jīng)常更換密鑰、甚至是證件等方式。通過視覺信息識別文字、圖片和周圍的環(huán)境，通過聽覺信息識別與理解語言。外化表示通過專門的電子化、自動化的生物特征采集設備，直接獲得生物特征數(shù)據(jù)，輸送給計算機系統(tǒng)進行辨識。任何手指指紋都 獨一無二，而且不同人的指紋特征相同的可能性幾乎為零。由于每個人的指紋不同，就是同一人的十指之間，指紋也有明顯區(qū)別，因此指紋可用于身份鑒定。隨著計算機和信息技術的發(fā)展， FBI 和法國巴黎警察局于六十年代開始研究開發(fā) 指紋自動識別系統(tǒng)（ AFIS）用于刑事案件偵破。 （ 1） 第一 代指紋識別系統(tǒng) 眾所周知，在兩年前就有部分品牌的筆記本采用指紋識別技術用于用戶登錄時的身份鑒定 ，但是，當時推出的指紋系統(tǒng)屬于光學識別系統(tǒng)，按照現(xiàn)在的說法，應該屬于第一代指紋識別技術。 （ 3） 射頻指紋識別技術 發(fā)展到今天，出現(xiàn)第三代生物射頻指紋識別技術（射頻原理真皮指紋核心技術（線型采集器）） ，射頻傳感器技術是通過傳感器本身發(fā)射出微量射頻信號，穿透手指的表皮層去控測里層的紋路，來獲得最佳的指紋圖像。下面就以 上各部分做簡要的介紹。然而在實際應用中，由于采集條件 (手指太濕、太干或太臟 )和采集設備等因素的制約，采集到的指紋圖像質(zhì)量比較差，含有大量的噪音，容易導致很多問題，影響后續(xù)的處理效果。這個過程也就是我們所說的指紋識別 /認證的過程，它是指紋識別系統(tǒng)的核心。 特征提取的結果一般保存為特征模板，它包括脊終點或分叉類型、位置坐標以及該特征的方向。 3．指紋特征的提取。 下面將依次介紹預處理是如何實現(xiàn)的。 從目前的研究情況和各種算法的綜合比較來看，空域濾波和頻域濾波仍然是指紋圖像增強中比較有效且占據(jù)主流地位的方法。該方法較好地結合了指紋的方向信息和頻率信息，對指紋圖像的增強效果比較顯著。 Kamei 和 Mizoguchi 在頻域?qū)D像作方向濾波時進一步考慮了指紋的局部頻率信息，并使用貪婪算法以能量最小化的方式對濾波圖像進行融合。 固定閥值法 [8]就是整幅指紋圖像采用一個固定 的閥值，對于灰度值大于這個閥值的像素點的灰度值置為 1，小于等于這個閥值的像素點其灰度值置為 0。細化是圖象分析、信息壓縮、特征提取、模式識別常用的基本技術。串行細化算法即單連通細化 (OPTA)算法 [11]通過構造一組指紋細化模板，對于脊線上的每個像素點取其一定范圍的鄰域，如果該鄰域與模板符合就保留該當前點，不符合則刪除。目前最常見的表示指紋圖像的全局特征是按照指紋的脊線總體結構來確立的，具體包括指紋的紋形、模式區(qū)、核心點 (core)、三角點 (delta)和脊線數(shù)五個特征。 局部特征 局部特征是指指紋拓撲圖中的幾種有效的特征，比如指紋紋路是不是連續(xù)的，方向 第 14頁 是不是一致，具體到細節(jié)特征就表現(xiàn)為斷點、分叉點、交叉點、橋、環(huán)等等，這些通常稱為特征點。英國司法界認為有 12 個細節(jié)點匹配，就可以認為兩幅指紋相同，美國 FBI 認為 8 個細節(jié)點匹配就足夠了 [1516]。 直接灰度圖像法 直接灰度圖像指紋特征提取 [1718]的原理是使用模式識別的方法跟蹤灰度圖上的紋線走向。 （ 3） 從新的出發(fā)點出發(fā)，沿指紋圖像的方向圖的方向前進一定步長 (算法最開始是按 固定步長進行跟蹤的，后來發(fā)展到自適應步