【正文】 長跟蹤 )，繼續(xù)在發(fā)現(xiàn)方向求取灰度分布的最大值和最小值，仍然以最大值處的像素點作為新的出發(fā)點。通過分析可以發(fā)現(xiàn))(PCn 和 )(PSn 數(shù)值僅存在以下三種情況 ： （ 1） 若 P 點為脊線上的點，且 )(PCn =2， )(PSn =l，則可判定像素點 P 為端點，如圖 3— 3 中 E 點 。如下式 3— 3。但是由于模板匹配法采用的是遍歷原則，即對所有像素都進(jìn)行特征點判定，所以不會出現(xiàn)第一種算法那樣的特征點丟失的問題。大量偽特征點的存在將導(dǎo)致匹配效率降低，成功匹配率降低，嚴(yán)重影響指紋識別系統(tǒng)的指標(biāo)，因此在匹配前必須對偽特征點進(jìn)行剔除。另外手指褶皺、傷疤也容易產(chǎn)生斷點現(xiàn)象。其特點是一般這兩個偽特征點的距離非常小，而且這兩個偽特征點間的連線與所在的脊線方向近似相同。 分析邊緣部分特征點的特點發(fā)現(xiàn)，這部分特征點不一定就是位于指紋圖像的邊緣。 首先從指紋脊線的端點出發(fā)，沿脊線不斷推進(jìn)，并對已經(jīng)跟蹤過的脊線上像素點進(jìn)行標(biāo)記，并保存下來。 （ 4）環(huán)的刪除 通過脊線跟蹤，若在一個分叉點 i 的 D4 范圍內(nèi)存在另外一個分叉點 j，且特征點之間的連線 的方向與脊線的方向近似相等，即 ),( ji?? 近似等于 0，則這兩個分叉點為環(huán)形成的兩個偽特征點，將它們從特征點集中刪除。 （ 1）指紋特征提取是指紋自動識別的核心技術(shù)之一，采用模板匹配法，提取指紋的細(xì)節(jié)特征即端點和分叉點。 （ 2）本文的算法雖然進(jìn)行了仿真驗證，但算法移植到 FPGA 上還有許多工作需要做，還需進(jìn)一步努力。 最后，感謝評審委員會的各位專家能夠在百忙之中審閱我的論文，感謝學(xué)校、學(xué)院對本次答辯的支持。感謝老師讓我生活和學(xué)習(xí)上得到成長， 使我能更好地適應(yīng)將來的工作生活。 （ 2）最后，本文應(yīng)用 Matlab 對以上算法進(jìn)行仿真測試，驗證了本文指紋識別算法的可行性以及其優(yōu)劣勢，達(dá)到 檢驗算法的目的。圖中為了分辨分叉點和端點，特將分叉點用藍(lán)色叉號表示，將端點用紅色圓圈表示 。 （ 1）斷點、短線的刪除 通過脊線跟蹤，若在一個端點 i 的 D1 范圍內(nèi)存在另外一個端點 j，且方向近似相同，則端點 i 和端點 j 為一對斷點，將它們從特征點集中刪除 [24]。 （ 4）查找所有位于邊界子塊中的邊緣特征點，并從特征點集中進(jìn)行剔除。它們又不屬于上節(jié)分析的那 幾類偽特征點，但它們并不是指紋的固有特征，所以需要進(jìn)行剔除。其特點是這兩個分叉點的距離一般近似等于平均脊線間距，而且兩個偽分叉點間的連線近似垂直于其局部鄰域的脊線方向 。這類偽特征點的特點是它們往往成對出現(xiàn)，而且偽端點和偽分叉點的距離非常近，一般小于細(xì)化前的脊線寬度的一半。由于圖像質(zhì)量和噪聲的干擾，經(jīng)過預(yù)處理后的細(xì)化圖像上存在大量的偽特征點，所以特征提取后可能產(chǎn)生多達(dá)一、兩萬個細(xì)節(jié)特征點，其中包含了大量的偽特征點，這些偽特征點的存在，不但使匹配的速度大大降低，還使指紋識別性能急劇下降，造成識別系統(tǒng)的誤拒率和誤識率的上升，因此在進(jìn)行指紋匹配之前，盡可能將偽特征點去除，同時保留真特征點。這兩點是該算法的最大優(yōu)點。 （ 2） 對 脊線中間連續(xù)點，因為八鄰域只有兩個點灰度值為 1，除去上一個被跟蹤的點，剩下的一點即為下一個待跟蹤點。 P9 為 P 的鄰域， )(PCn為這 8 個鄰域像素的相鄰像素的灰度值 (此時己二值化，所以灰度值只可 能為 0 或 l)從 0變?yōu)?1，或者從 1 變?yōu)?0 的次數(shù) 。這種方法省去了復(fù)雜的 指紋圖像預(yù)處理過程，但是特征提取的算法卻十分復(fù)雜，而且由于噪聲等因素影響，提取的特征信息 (位置、方向等 )也不夠準(zhǔn)確。 （ 3） 標(biāo)記模塊，用來給跟蹤過的紋線作記號，以免重復(fù)跟蹤，陷入死循環(huán)。他們采用了一種二級算法，用自適應(yīng)“編輯”方法將指紋圖像二值化，再從二值化后的指紋圖像中提取特征點。從表中可以發(fā)現(xiàn)，端點和分叉點占特征點 91%，而交叉形、橋形以 及環(huán)形三類總共只占 9%左右 [14]。 （ 3）核心點 (core)，是指指紋脊線的漸進(jìn)中心點。 第 13頁 3 指紋圖像特征的提取 指紋圖像的最終匹配還要依賴指紋的特征點來進(jìn)行。逐層剝離法是反復(fù)將圖像邊緣層的點剝?nèi)?，直至得到中心骨架，其特點是簡單、實用、容易理解，所以較為常用，但該方法依賴于像素的執(zhí)行順序，因而容易受毛刺或孔洞噪聲的影響，且一般需要多次迭代，速度較慢。 局部自適應(yīng)閥值法 [910]，它是針對固定閥值法的缺陷提出的，該算法將指紋圖像劃分為大小合適的子塊，對每一個子塊進(jìn) 行求取閥值，然后進(jìn)行分塊二值化。該方法不需要計算原始指紋圖像的方向和頻率，因此簡單易行，計算量較小，但是在噪聲的影響下會對圖像造成較 大的破壞，其合理性還有待進(jìn)一步研究。 Sherlock 等提出了基于頻域的方向濾波算法。但是，該方法沒有使用指紋的頻率信息，主要依據(jù)經(jīng)驗來確定濾波器模板，對低質(zhì)量指紋圖像的處理效果較差，具有一定的局限性 [5]。 指紋圖像的歸一化主要是通過求取指紋圖像的灰度均值和方差，將灰度均值和方差調(diào)整到一個期望的范圍。 。本文主要研究指紋圖像的特征提取，介紹了特征點的提取以及偽特征點剔除的算法。 然而，在實 際 中由于指紋圖像本身存在噪聲或在提取特征時，濾波和細(xì)化引入了噪聲，我們無法得到完美的指紋圖像細(xì)化圖，在提取特征時會產(chǎn)生一些虛假細(xì)節(jié)特征。指紋圖像存在兩種待提取的特征：全局特征和局部特征。前者用激光照在手指上，然后用 CCD 陣列攝取其反射光，由于反射光隨著 第 6 頁 指紋的脊線和谷線的深度不同而不同，因此可以得到指紋圖像。 第 5 頁 指紋識別的優(yōu)缺點 優(yōu)點： （ 1） 指紋是人體獨一無 二的特征，并且它們的復(fù)雜度足以提供用于鑒別的足夠特征； （ 2） 如果要增加可靠性，只需登記更多的指紋、鑒別更多的手指，最多可以多達(dá)十個，而每一個指紋都是獨一無二的； （ 3） 掃描指紋的速度很快，使用非常方便； （ 4） 讀取指紋時，用戶必需將手指與指紋采集頭相互接觸，與指紋采集頭直接接觸是讀取人體生物特征最可靠的方法； （ 5） 指紋采集頭可以更加小型化，并且價格會更加的低廉； 缺點： （ 1） 某些人或某些群體的指紋特征少，難成像； （ 2） 過去因為在犯罪記錄中使用指紋，使得某些人害怕 “ 將指紋記錄在案 ” 。并且，如果人們按照手指，做一個指紋手模，也可能通過識別系統(tǒng)，對于用戶而言，使用起來不 是很安全和穩(wěn)定。指紋識別技術(shù)涉及圖像處 理、模式識別、計算機視覺、數(shù)學(xué)形態(tài)學(xué)、小波分析等眾多學(xué)科 。 1823 年解剖學(xué)家 Purkije 將指紋分為九類。 (3) 終身不變性，指非意外事故指紋終身不變。 目前，全球來講，在指紋識別、臉形識別、虹膜識別和語音識別四個方面的研究成果較多，產(chǎn)品化程度也較高。 生物識別的對象是人，生物識別的主體是機器系統(tǒng)或者計算機系統(tǒng)。 生物識別技術(shù)簡介 生物識別 [2](Biometrics)，簡單來講，就是利用人體生物特征進(jìn)行人的身份辨別的過 第 2 頁 程。 目前常見的身份識別方法主要是基于實物（如證件、簽名等等）的識別技術(shù)和基于電子技術(shù)的密鑰或者密碼的識別技術(shù)，而這些認(rèn)證手段存在諸多缺陷。實驗表明，以上算法具有較小的運算量和較高的準(zhǔn)確性。本人完全意識到本聲明的法律后果由本人承擔(dān)。 單位代碼 學(xué) 號 分 類 號 密 級 畢業(yè)設(shè)計 (論文 ) 基于 Matlab 的指紋圖像特征提取 第 I 頁 畢業(yè)設(shè)計（論文）原創(chuàng)性聲明和使用授權(quán)說明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設(shè)計（論文），是我個人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作及取得的成 果。 作者簽名： 日期： 年 月 日 學(xué)位論文版權(quán)使用授權(quán)書 本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。上述算法在本文中均用 Matlab 實現(xiàn)，取得了較好的效果，為后續(xù)的特征匹配工作打下了良好的基礎(chǔ)。首先，這些認(rèn)證手段的安全性不高，極容易通過偽造、竊取或者破解獲得。生物識別的過程是一個模式識別的 過程。生物識別有兩大基石。在行為特征辨識的研究方面，對簽名識別和按鍵力度識別的研究相對充分。 指紋是人體所固有的特征，隨身攜帶，不易遺忘或丟失，使用方便；與人體是唯一綁定的，防偽性好，不易偽造或被盜。 1880 年， Faulds 在《自然》雜志提倡將指紋用于識別罪犯。 指紋識別的發(fā)展 隨著科技的進(jìn)步，指紋識別技術(shù)已經(jīng)開始慢慢進(jìn)入計算機世界中。 （ 2） 第二代電容式傳感器 后來出現(xiàn)了第二代電容式傳感器，電容傳感器技術(shù)是采用了交替命令的并排列和傳感器電板，交替板的形式是兩個電容板，以及指紋的山谷和山脊成為板之間的電介質(zhì)。 （ 3） 實際上現(xiàn)在的指紋鑒別技術(shù)都可以不存儲任何含有指紋圖像的數(shù)據(jù)，而只是存儲從指紋中得到的加密的指紋特征數(shù)據(jù)； （ 4） 每一次使用指紋時都會在指紋采集頭上留下用戶的指紋印痕，而這些指紋痕跡存在被用來復(fù)制指紋的可能性 指紋識別系統(tǒng) 指紋識別系統(tǒng)是一個典型的模式識別系統(tǒng)，包括指紋圖像獲取、處理、特征提取和比對等模塊。后者是用大量的敏感元件組成的固態(tài)陣列芯片，它們采用電容傳感、熱敏傳感或其他傳感技術(shù)，通過感受按壓指紋的壓力、熱度等特 征來攝取指紋。全局特征用于指紋的分類，一個重要的全局特征是中心區(qū)的形狀；局部特征是指紋中的細(xì)節(jié)，它可以通過細(xì)化后的指紋圖求得。虛假細(xì)節(jié)特征的存在會同時提高指紋圖像匹配時的誤識率和拒識率。 結(jié)構(gòu)安排 本文共分為 4 章，結(jié)構(gòu)安排大致遵循指紋圖像識別的處理流程，即按照指紋圖像處理的先后順序：先進(jìn)行指紋圖像的預(yù)處理、然后進(jìn)行特征的提取，省去了指紋特征匹配階段?？偨Y(jié)回顧指紋圖像特征提取的方法，對后續(xù)進(jìn)一步研究的進(jìn)行合理的展望。從而在不改變圖像的灰度特性 (指：灰度均值和方差 )的前提下，實現(xiàn)所有指紋圖像的灰度都分布在同一個期望的范圍內(nèi)，實現(xiàn)指紋圖像的歸一化。 Greenberg 等使用具 第 10頁 有結(jié)構(gòu)自適應(yīng)能力的各向異性濾波器對指紋圖像進(jìn)行濾波，能夠在濾除噪聲的同時保護(hù)指紋紋線結(jié)構(gòu)，但是同樣沒有結(jié)合指紋的頻率信息，對指紋紋線變化的適應(yīng)能力有限。首先在頻域定義出一組方向濾波器對指紋圖像的頻譜進(jìn)行濾波處理，每一個方向濾波器在提取出對應(yīng)方向的頻譜信息的同時削弱其它方向的頻譜信息，然后在空域?qū)V波結(jié)果按指紋圖像的方向信息進(jìn)行融合，從而得到完整的增強圖像。 二值化 所謂二值化就是將灰度圖像轉(zhuǎn)化為灰度值為 0、 1 組成的黑白圖像， 0 為背景點灰 第 11 頁 度， 1 為紋線點灰度，它是指紋圖像處理中重要的一步。該算法在沒明顯增大運算量的情況下，有效的克服了固定閥值法的不足。距離變換法利用中心骨架到脊線邊緣距離相等，把到脊線兩邊邊緣距離相等的點連接起來，就可以得到中心骨架，這種方法更符合人類提取骨架的認(rèn)知過程，受局部噪聲干擾小，但其算法設(shè)計不直觀，且對許多應(yīng)用并不具有魯棒性 (Robust)，尤 其是 第 12頁 應(yīng)用于處理那些粗細(xì)不均勻的紋理。采集到的指紋圖像在經(jīng)過歸一化，增強，二值化和細(xì)化之后基本保留 了原始指紋的紋理特征。 （ 4）三角點 (delta)，一般是指從中心點開始的第一個分叉點、斷點、孤立點等等，常與核心點一起稱為奇異點。這一方面說明了幾乎所有的指紋都有端點和分叉點，而且數(shù)量豐富；另一方面也反映了不是所有的指紋都有橋形、環(huán)形等特征點，而且即使有數(shù)量也比較少。該算法的提出在指紋識別領(lǐng)域具有開拓性的意義，并且該算法在相當(dāng)一段時間內(nèi)被廣泛地用作細(xì)節(jié)特征點的標(biāo)準(zhǔn)算法，獲得了廣泛的應(yīng)用。 （ 4） 特征判定模塊，負(fù)責(zé)當(dāng)跟蹤到達(dá)紋線流向異常區(qū)域