【正文】 ,8:191— 198 [18]張雄 ,賀貴明 ,一種指紋宏觀曲率特征提取算法 [D].武漢大學(xué)軟件工程國(guó)家重點(diǎn)實(shí)驗(yàn)室 ,2022,11 [19]Ranade osenfeld . Pattem Matching by Relaxation[J].Pattem Recogition,1993,12(2):269275 [20]A． Hrechak and J． Mchugh． Automated fingerprint recognition using structural matching[J]． Patern Recognition,1990,23(8):893— 904 指紋識(shí)別中若干關(guān)鍵問(wèn)題研究 22 致 謝 經(jīng)過(guò)半年的材料準(zhǔn)備、開(kāi)題、論文寫(xiě)作及修改，我的畢業(yè)論文終于定稿。分割前還對(duì)圖像進(jìn)行低頻歸一化處理。兩種方法都以浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 19 中心點(diǎn)為基準(zhǔn)點(diǎn)。 本論文還參考了一種匹配方式，它先讀取所有的數(shù)據(jù)庫(kù)，庫(kù)的大小 可自己選擇。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 17 本論文匹配方法介紹 針對(duì)上述中提及的問(wèn) 題，本論文采用了兩種匹配方式，第一種為主流的點(diǎn)模匹配法，第二種則是較簡(jiǎn)單的 FFT 卷積判斷法。當(dāng)然，他所帶來(lái)的難題有： (1)如何快速找到基準(zhǔn)點(diǎn)把兩幅指紋對(duì)齊。通過(guò)將細(xì)節(jié)點(diǎn)表示為點(diǎn)模式，一個(gè)指紋識(shí)別問(wèn)題可以轉(zhuǎn)化為一個(gè)點(diǎn)模式匹配問(wèn)題。對(duì)于特征點(diǎn)和偽特征點(diǎn)的判斷方法還有很多，端點(diǎn)判斷和分叉點(diǎn)判斷屬于比較多的特征點(diǎn)判斷，偽特征點(diǎn)也還有別的種類，短線之類也屬于處理后出現(xiàn)的偽特征，本仿真中沒(méi)有對(duì)此作出處理。毛刺的處理方式也類同斷點(diǎn)。第一類：超出一定邊界，仿真中用了 17。第 3 足則專門(mén)記錄偽特征最終可以除去。最后確定出特征點(diǎn)的類型、位置、方向。 (2)基于直接灰度的特征提取方法：這種方法直接從灰度圖像出發(fā)，通過(guò)分析圖像的紋理屬性和拓?fù)浣Y(jié)構(gòu)提取特征點(diǎn)。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 13 第 4章 指紋圖像的特征提取 指紋特征提 取概述 特征提取就是對(duì)細(xì)化后的指紋圖像提取表示其特征的信息的操作。 （ 4）循環(huán)進(jìn)行上述過(guò)程，到所有點(diǎn)值不改變?yōu)橹?，最多進(jìn)行 20 次細(xì)化。 制約細(xì)化的直觀表現(xiàn)在計(jì)算速度、毛刺和斷點(diǎn)上。 (7)快速性：算法簡(jiǎn)單，速度快。 細(xì)化處理是指在指紋圖像二值化以后，在不影響紋線連通性的基礎(chǔ)上，刪除紋線的邊緣像素，直到紋線為單像素 寬為止。此時(shí)背景為白，紋線為黑。根據(jù)是否將圖像分塊處理，又分全局閾值算法和局部閾值算法兩種，全局閾值算法是將整幅圖像以一個(gè)閾值處理，而局部閾值算法則把原圖分成若 干個(gè)子圖，在每個(gè)子圖中確定閩值，在進(jìn)行二值化，由于指紋圖像在不同區(qū)域的亮度和對(duì)比度是有差別的，因而全局閾值算法不適用。 (a) 指紋原始圖像 (b) 歸一化處理圖像 (c) 分割后圖像 圖 21 指紋 1 的處理結(jié)果 圖 a 指紋原始圖像 圖 b 歸一化處理圖像 圖 c 分割后圖像 圖 22 指紋 2 的處理結(jié)果 從圖中可以看到用方差均值法分割既適用于比較圓滑的指紋，又適用紋線變化很大的指紋圖像。 在使用方差均值法之前還要使用歸一法將圖變?yōu)榈皖l圖?；谌值闹讣y識(shí)別仍處于實(shí)驗(yàn)室探索階段 ,應(yīng)用領(lǐng)域中尚不廣泛。圖像均值就是對(duì)每一個(gè)單位塊的灰度值取均值，方差則反映該塊中各點(diǎn)與均值的偏差性，方向 [10]這可以很好的反映紋理的變化趨勢(shì)。但是小波變換的明顯缺點(diǎn)是它計(jì)算復(fù)雜，計(jì)算效果也指紋識(shí)別中若干關(guān)鍵問(wèn)題研究 6 取決于函數(shù)的選擇。因此根據(jù)以上的的灰度值領(lǐng)域關(guān)系，紋線的扭曲程度，指紋圖像分割大致分為三類：基于像素的圖像分割，基于塊特征的圖像分割以及基于全局的圖像分割。 第四章：主要介紹了指紋圖像細(xì)化后的特征提取，需要哪些特征，去除哪些偽特征，以方便和正確地進(jìn)行匹配工作。要想設(shè)計(jì)一個(gè)對(duì)較多真正特征點(diǎn)缺失、較多偽特征點(diǎn)出現(xiàn)和較大形變均不敏感的指紋匹配算法，也是一件十分困難 的事。因此，指紋識(shí)別技術(shù)的應(yīng)用范圍極廣。 指紋識(shí)別技術(shù)特點(diǎn) 指紋特征是人終生不變的特征之一，而且不同人的指紋特征相同的可能性幾乎為零。 大多數(shù)基于特征的 識(shí)別算法專注于脊線上的末梢點(diǎn)和分叉點(diǎn)，該方法根據(jù)各個(gè)特征點(diǎn)的位置和方向來(lái)表示和區(qū)分指紋，從而使指紋識(shí)別問(wèn)題轉(zhuǎn)化為判斷兩個(gè)特征點(diǎn)集間的最大相似度 (最大重合度 )的問(wèn)題。 基于圖像的識(shí)別算法認(rèn)為，指紋圖像的頻域和空域信息可以用來(lái)唯一表示并識(shí)別不同的指 紋 [2]。 指紋識(shí)別技術(shù) 相對(duì)于其它生物識(shí)別認(rèn)證技術(shù)而言，自動(dòng)指紋識(shí)別是一種更為理想的身份確認(rèn)技術(shù)，因?yàn)橹讣y相對(duì)于其它幾種生物特征具有以下一些獨(dú)特的性質(zhì)： (1)互異性；世界上兩個(gè)指紋完全相同的概率小于 109，幾乎為零。而我們的生活隨時(shí)都需要進(jìn)行個(gè)人身份的確認(rèn)和權(quán) 限的認(rèn)定。 最后，研究了指紋識(shí)別過(guò)程中特征的提取方法，針對(duì)細(xì)節(jié)點(diǎn)提取過(guò)程中存在偽特征點(diǎn)的問(wèn)題，本文采用了一種消除偽特征點(diǎn)的算法。本文概述了自動(dòng)指紋識(shí)別系統(tǒng)的研究現(xiàn)狀和指紋識(shí)別系統(tǒng)的算法流程，并在此基礎(chǔ)上重點(diǎn)研究了指紋圖像的分割算法和指紋圖像細(xì)化算法。 mean and variance。 ②唯一性， 指每一個(gè)人的指紋都不同。 (4)指紋的使用比起其它證卡來(lái)說(shuō)更快捷、安全準(zhǔn)確、無(wú)干擾 ，可實(shí)現(xiàn)快速登錄注冊(cè)。 基于特征的指紋識(shí)別算法是找到并比對(duì)指紋的特征 [3]。中科院自動(dòng)化所智能生物信怠系統(tǒng)研究組和北京數(shù)字指通軟件技術(shù)有限公司對(duì)自動(dòng)指紋識(shí)別技術(shù)進(jìn)行了長(zhǎng)期的理 論研究和應(yīng)用系統(tǒng)開(kāi)發(fā)，指紋圖像的識(shí)別準(zhǔn)確率和識(shí)別速度已達(dá)到國(guó)際先進(jìn)水平。指紋的細(xì)節(jié)由細(xì)微紋點(diǎn)和紋線的起點(diǎn)、終點(diǎn)、分叉等組成。論文涉及指紋的圖像分割、細(xì)化和匹配。 指紋識(shí)別中若干關(guān)鍵問(wèn)題研究 4 本論文的內(nèi)容及安排 本文以研究指紋識(shí)別中指紋圖像分割、細(xì)化、特征提取、匹配等若干問(wèn)題為研究主體，針對(duì)指紋識(shí)別技術(shù)中分割、細(xì)化和匹配進(jìn)行了仿真和修正。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 5 第 2 章 指紋圖 像的分割 指紋圖像分割概述 在指紋識(shí)別系統(tǒng)中，指紋圖像分割是圖像預(yù)處理的一部分。所不同的是傅里葉變換采用時(shí)間屬于 (一∞， +∞ )的諧波函數(shù) )exp(inx 作為基函數(shù)，而小波變換的基函數(shù)是具有緊支集的母函數(shù) ? (t)，通過(guò)對(duì)母函數(shù) ? (t)進(jìn)行伸縮和平移得到一個(gè)小波序列： ? ? ?????? ?? a btatba ?? 1, Rba?, ； 0?a 式中 a 為伸縮因子， b 為平移因子。其原理是先定一個(gè)閾值，大于此值為 1，小于則認(rèn)為為 0；多閥 值則可以利用多維函數(shù)。 ? ? ? ? ? ? ? ? ? ? )1,1()1,(21,11,11,21,1, ????????????????? jiGjiGjiGjiGjiGjiGjix? ? ? ? ? ? ? ? ? ? )1,1(),1(21,11,11,21,1, ????????????????? jiGjiGjiGjiGjiGjiGjiy? ? ),(,2),( 2/ 2/ 2/ 2/ vuvujir wi wi wj wjx ? ??? ?? ??? （ 1） ? ? 22/ 2/ 2/ 2/ 2 ),(,),( vuvujir wi wi wj wjy ? ??? ?? ???? （ 2） 它是利用正交坐標(biāo)系下，原點(diǎn)到它們組成的坐標(biāo)點(diǎn)的有向線段與 X 的正半軸的夾角可來(lái)表示該子塊的塊方向。 該算法基于背景區(qū)灰度方差小，而指紋區(qū)方差大的思想，將指紋圖像分成塊，計(jì)算每一塊的方差，如果 該塊的方差小于閾值為背景，否則為前景。 ????????????V A RA V EyxIV A RV A RA V EyxIV A Ryx200200)),((AV E)),((AV E),I （ （ ） 其中 0AVE 和 0VAR 為期望的灰度 均值和方差。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 9 第 3 章 指紋圖像的細(xì)化 指紋圖像細(xì)化的預(yù)處理 這部分預(yù)處理主要為二值化。我們通過(guò)研究發(fā)現(xiàn)，這種方法雖然簡(jiǎn)單，但是對(duì)噪聲較大，圖像質(zhì)量不好的指紋會(huì)產(chǎn)生較大的二值化噪聲。 指紋圖像細(xì)化方法計(jì)算 由于灰度過(guò)渡區(qū) [12]的存在， 指紋細(xì)化是指紋圖像預(yù)處 理中的一個(gè)重要環(huán)節(jié)，因?yàn)橐话愕奶卣魈崛《际窃诩?xì)化的基礎(chǔ)上進(jìn)行的，如果細(xì)化不好，將無(wú)法使用常規(guī)的特征指紋識(shí)別中若干關(guān)鍵問(wèn)題研究 10 提取算法提取細(xì)節(jié)特征信息 [13]。 (2)連通性；不破壞紋線的連接性。并行細(xì)化算法對(duì)圖像進(jìn)行細(xì)化時(shí)利用相同的條件同時(shí)檢測(cè)所有像素點(diǎn)，其結(jié)果具有各向同性，因此從算法原理上并行算法優(yōu)于串行算法。這樣就可以將較粗的圖像曲線細(xì)化成很細(xì)的以像素為單位的線，大大減少了圖像的信息量，有利于匹配浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 11 的高效進(jìn)行。 圖 a 指紋分割圖像 圖 b 指紋二值化圖像 圖 c 指紋細(xì)化圖像 圖 31 指紋 1 的細(xì)化結(jié)果 圖 a 指紋分割圖像 圖 b 指紋二值化圖像 圖 c 指紋細(xì)化圖像 圖 32 指紋 2 的細(xì)化結(jié)果 指紋識(shí)別中若干關(guān)鍵問(wèn)題研究 12 從分割后的二值化處理圖像中，我們可以看到，整個(gè)灰度變成了黑白的二值圖像圖，圖像的條紋比較清楚，它的實(shí)現(xiàn)有助于壓縮 數(shù)據(jù)量和細(xì)化的實(shí)現(xiàn)。一般說(shuō)來(lái)，這種特征應(yīng)有以下性質(zhì)： (1)單一性：要求這種特征能夠充分體現(xiàn)指紋的唯一性。 Galton 提出的指紋細(xì)節(jié)點(diǎn)是人工指紋 匹配中最常用的特征。對(duì)于細(xì)化二值圖像，像素點(diǎn)的灰度值只有 2 種情況。此時(shí)的處理為記錄數(shù)組 2，記錄點(diǎn)的個(gè)數(shù) ，并將該點(diǎn)記為 0，而它的 8 鄰域點(diǎn)記為 1。第三類為斷點(diǎn)：在上述的范圍內(nèi)，特征值為 2。此時(shí)該點(diǎn)則被視為小橋。指紋匹配是自動(dòng)指紋識(shí)別的最后一步，也是非常關(guān)鍵的一步。 點(diǎn)模式匹配 [20]將注冊(cè)指紋和待識(shí)指紋的特征點(diǎn)定義為兩個(gè)點(diǎn)集和 P 和 Q 通過(guò)平移和旋轉(zhuǎn)使得兩個(gè)點(diǎn)集重合點(diǎn)數(shù)最多。設(shè)計(jì)算法的時(shí)候，必須要有一定的容錯(cuò)能力。在找到核心點(diǎn)后，比較它們相對(duì)距離的差異，對(duì)于滿足一定值的點(diǎn)視為可積點(diǎn)。為了驗(yàn)證這種匹配方法的可用性，這里特地選取了 30 張圖片做指紋圖片數(shù)據(jù)庫(kù)，目標(biāo)圖片為數(shù)據(jù)庫(kù)某圖片稍加修改后的圖片。方法一處理信息少，雖然要一定的預(yù)處理，但快捷高效，出錯(cuò)小，適合一對(duì)一匹配。 （ 3）對(duì)細(xì)化后的圖像進(jìn)行特征提取，其中分叉點(diǎn)和端點(diǎn)視為特征點(diǎn)，小橋、邊界、毛刺視為偽特征點(diǎn)，對(duì)他們進(jìn)行加以區(qū)分和提取以進(jìn)行匹配。 在這個(gè)寫(xiě)作過(guò)程中 ，才發(fā)現(xiàn)要感謝的人真的很多 。在此，衷心的感謝他們。)。 end end M1=M/(m*n)。 L= n/M。 for j=1:M。Vmean=0。vtemp=0。gtotle1=0。V2=vtotle1/vtemp1。 var1(x,y)T2 moban(x,y)=1。 end end end end end figure, imshow(uint8(I)) %%%%%%%%%%%%%%%%%%%%%%二值化 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)。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 27 b=summ/8。 end。 figure,imshow(I)。 end if Im(i+1,j+1) ~= Im(i+1,j) a = a + 1。 xxx=xxx+1。I(i,j1)=1。I(i1,j+1)=1。 for i=1:m %%%%%%%%%%%%%%%%%%%%%%%%去除邊界點(diǎn) for j=1:n if tezheng(i,j,3)~=0 if i170||i+17m|| j170||j+17n tezheng(i,j,3)=0。Izz(i,j1)=0。 c=I(i,j+1)+I(i,j+2)+I(i,j+3)+I(i,j+4)+I(i,j+5)+I(i,j+6)+I(i,j+7)+I(i,j+8)+I(i,j+9)+I(i,j+10)+I(i,j+11)+I(i,j+12)。 d=1) tezheng(i,j,3)=0