【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致匹配效率降低，成功匹配率降低，嚴重影響指紋識別系統(tǒng)的指標，因此在匹配前必須對偽特征點進行剔除。另外手指褶皺、傷疤也容易產生斷點現(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，并對已經(jīng)跟蹤過的脊線上像素點進行標記，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之一，采用模板匹配法，提取指紋的細節(jié)特征即端點和分叉點。 （ 2）本文的算法雖然進行了仿真驗證，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，感謝學校、學院對本次答辯的支持。感謝老師讓我生活和學習上得到成長， 使我能更好地適應將來的工作生活。 （ 2）最后，本文應用 Matlab 對以上算法進行仿真測試，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，一般小于細化前的脊線寬度的一半。由于圖像質量和噪聲的干擾，經(jīng)過預處理后的細化圖像上存在大量的偽特征點，所以特征提取后可能產生多達一、兩萬個細節(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) 。這種方法省去了復雜的 指紋圖像預處理過程，但是特征提取的算法卻十分復雜，而且由于噪聲等因素影響，提取的特征信息 (位置、方向等 )也不夠準確。 （ 3） 標記模塊，用來給跟蹤過的紋線作記號，以免重復跟蹤，陷入死循環(huán)。他們采用了一種二級算法，用自適應“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行。逐層剝離法是反復將圖像邊緣層的點剝去，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 行求取閥值，然后進行分塊二值化。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，濾波和細化引入了噪聲，我們無法得到完美的指紋圖像細化圖，在提取特征時會產生一些虛假細節(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。指紋識別技術涉及圖像處 理、模式識別、計算機視覺、數(shù)學形態(tài)學、小波分析等眾多學科 。 1823 年解剖學家 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)。 生物識別技術簡介 生物識別 [2](Biometrics)，簡單來講，就是利用人體生物特征進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）的識別技術和基于電子技術的密鑰或者密碼的識別技術，而這些認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確性。本人完全意識到本聲明的法律后果由本人承擔。 單位代碼 學 號 分 類 號 密 級 畢業(yè)設計 (論文 ) 基于 Matlab 的指紋圖像特征提取 第 I 頁 畢業(yè)設計（論文）原創(chuàng)性聲明和使用授權說明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設計（論文），是我個人在指導教師的指導下進行的研究工作及取得的成 果。 作者簽名： 日期： 年 月 日 學位論文版權使用授權書 本學位論文作者完全了解學校有關保留、使用學位論文的規(guī)定，同意學校保留并向國家有關部門或機構送交論文的復印件和電子版，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。首先，這些認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 隨著科技的進步，指紋識別技術已經(jīng)開始慢慢進入計算機世界中。 （ 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。 （ 3） 實際上現(xiàn)在的指紋鑒別技術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，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節(jié)，它可以通過細化后的指紋圖求得。虛假細節(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。 結構安排 本文共分為 4 章，結構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：先進行指紋圖像的預處理、然后進行特征的提取，省去了指紋特征匹配階段。總結回顧指紋圖像特征提取的方法，對后續(xù)進一步研究的進行合理的展望。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，實現(xiàn)指紋圖像的歸一化。 Greenberg 等使用具 第 10頁 有結構自適應能力的各向異性濾波器對指紋圖像進行濾波，能夠在濾除噪聲的同時保護指紋紋線結構，但是同樣沒有結合指紋的頻率信息，對指紋紋線變化的適應能力有限。首先在頻域定義出一組方向濾波器對指紋圖像的頻譜進行濾波處理，每一個方向濾波器在提取出對應方向的頻譜信息的同時削弱其它方向的頻譜信息，然后在空域將濾波結果按指紋圖像的方向信息進行融合，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知過程，受局部噪聲干擾小，但其算法設計不直觀，且對許多應用并不具有魯棒性 (Robust)，尤 其是 第 12頁 應用于處理那些粗細不均勻的紋理。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域具有開拓性的意義，并且該算法在相當一段時間內被廣泛地用作細節(jié)特征點的標準算法，獲得了廣泛的應用。 （ 4） 特征判定模塊，負責當跟蹤到達紋線流向異常區(qū)域