【正文】 時(shí)，判定是否為特征點(diǎn)及特征點(diǎn)類型。 基于細(xì)化圖像的模板匹配法 基于細(xì)化圖像的模板匹配法 [2021]，是先將指紋圖像經(jīng)過圖像歸一化、增強(qiáng)、二值化和細(xì)化等一系列的預(yù)處理得到細(xì)化的指紋圖像，再通過構(gòu)建像素的 33 鄰域 (如圖 3— 2所示 )提取指紋圖像的特征點(diǎn)。 )(PSn 為 8 鄰域像 素中為 1 的像素的個(gè)數(shù)，具體按式(3— 1)、 (3— 2)計(jì)算 。 （ 3） 設(shè)集合 Ω={xi,yi,zi,gi}，根據(jù) )(PCn 及 )(PSn 的值判斷 被 跟蹤點(diǎn)的類型，并 記錄下端點(diǎn) 或分叉點(diǎn)的橫坐標(biāo) xi，縱坐標(biāo) yi，及特征點(diǎn)的類型 zi， gi是特征點(diǎn)的角度跟蹤結(jié)束條件。但是 第 18頁 該算法對(duì)圖像的質(zhì)量要求比較高，僅適合圖像質(zhì)量非常好，脊線清晰的指紋圖像，對(duì)于較模糊的指紋圖像則無能為力。 偽特征點(diǎn)分類及特點(diǎn) 在特征提取算法提取的特征點(diǎn)集中存在了一定數(shù)量的偽特征點(diǎn)，這是不可避免的，必須想辦法剔去偽特征點(diǎn)，才能確保特征匹配能夠準(zhǔn)確的進(jìn)行。 （ 2）短線現(xiàn)象，一般在指紋采集時(shí)手指比較臟或者采集頭上有灰塵等容易出現(xiàn)比較多的短線。 （ 5）環(huán)現(xiàn)象，通常也叫孔。 目前一般的指紋識(shí)別方面的文章都忽略了這部分邊緣特征點(diǎn)，沒有在匹配前進(jìn)行剔除，這增加了后續(xù)匹配的特征點(diǎn)數(shù)量，影響了匹配效果。 處理完指紋邊緣的特征點(diǎn)后，下面需要對(duì)指紋內(nèi)的偽特征點(diǎn)進(jìn)行剔除。 （ 2）毛刺的刪除 通過脊線跟蹤，若在一個(gè)端點(diǎn) i 的 D2 范圍內(nèi)存在一個(gè)分叉點(diǎn) j，則這樣的特征點(diǎn) i，j 為偽特征點(diǎn)，也將它們從特征點(diǎn)集中刪除。 第 22頁 圖 3— 5 特征 點(diǎn)提取示意圖 圖 3— 6 剔除邊緣特征點(diǎn) 第 23頁 圖 3— 7 剔除偽特征點(diǎn) 圖 3— 8 偽特征點(diǎn)剔除后效果圖 第 24頁 本章小結(jié) 本章首先介紹了指紋的全局結(jié)構(gòu)特征和局部結(jié)構(gòu)特征。 展望 經(jīng)過本文的研究，己經(jīng)形成了一套比較有效的指紋特征提取算法。 其次，在學(xué)習(xí)期間，班上的同學(xué)都給了我很大的幫助，在此表示由衷的感謝，謝謝你們的幫助。我的生活因?yàn)槟銈兌幸饬x。本文認(rèn)為尚 需在以下幾個(gè)方面進(jìn)行進(jìn)一步深入研究： （ 1）隨著對(duì)指紋識(shí)別系統(tǒng)的進(jìn)一步深入全面研究，將在指紋采集圖像的自動(dòng)保存、分類，系統(tǒng)自動(dòng)建立大型指紋庫等方面進(jìn)行具體研究，從而使系統(tǒng)結(jié)構(gòu)更完整，使用更方便。用算法實(shí)現(xiàn)了一下兩點(diǎn)。 這里需要說明的是 ),( ji? 的取值，由于為橋連的情況時(shí)，兩條脊線是幾乎平行的 ，所以特征點(diǎn) i， j 的塊方 向其實(shí)是相同的，在計(jì)算 ),( ji? 時(shí)任取特征點(diǎn) i 或者 j 的塊方向即可。 由 于在剔除偽特征點(diǎn)的算法中會(huì)用到脊線跟蹤，這里先詳細(xì)介紹一下如何實(shí)現(xiàn)脊線跟蹤。這樣的處理算法難度并沒有增加多少，但是卻對(duì)提高了后續(xù)的匹配效率具有重大意義。在出現(xiàn)環(huán)的地方提取特征點(diǎn)一般出現(xiàn)兩個(gè)到三個(gè)偽分叉點(diǎn)。 （ 3）斷點(diǎn)現(xiàn)象，指紋采集時(shí)如 果手指比較干燥，那么采集到的指紋圖像有可能出現(xiàn)不少斷點(diǎn)。出現(xiàn)這樣的情況的原因有多種，一方面原始圖像本來就存在模糊區(qū)域和粘連區(qū)域，另一方面在指紋圖像的預(yù)處理過程中，雖然多次進(jìn)行了濾波處理，但是噪音依然存在，并且有相當(dāng)一部分帶入到細(xì)化后的指紋圖像中，通過特征點(diǎn)的提取轉(zhuǎn)化為偽特征點(diǎn)?；诩?xì)化圖像的模板匹配法，算法稍微復(fù)雜一下，跟前一算法相比，多了圖像增強(qiáng)和二值化。端線及分支線的角度求法為：即從一個(gè)特征的位置出發(fā)坐標(biāo)為 (xi,yi)搜索到步長(zhǎng)為 7 是最后一點(diǎn)坐標(biāo)為 (x,y)。 對(duì)于脊線上的像素，可根據(jù)其鄰域的 )(PCn 和 )(PSn 數(shù)值判定此時(shí) P 像素點(diǎn)的狀態(tài)。 （ 2） 從初始點(diǎn)出發(fā)，根據(jù)指紋圖像的方向信息，在該處的法線方向上，半個(gè)指紋周期內(nèi)，求取灰度分布的最大值和最小值，并以該最大值處的像素點(diǎn)作為新的出發(fā)點(diǎn)。下面將對(duì)這兩種特征點(diǎn)提取算法進(jìn)行介紹比較，并確立本文將要采用的特征點(diǎn)提取算法。 圖 3— 1 特征點(diǎn)類型及所占比例 一幅質(zhì)量比較好的指紋圖像，一般有 40— 100 個(gè)特征點(diǎn)，但真正匹配時(shí)，由于受指紋采集時(shí)外界影響比較大，不可能實(shí)現(xiàn) 100%匹配。 全局特征一般用在大規(guī)模指紋庫中，實(shí)現(xiàn)快速分類，也可以用在特征匹配中的粗匹配階段。 指紋圖像的特征 全局特征 全局特征 [12]是指可以直接觀察到的宏觀特征，必須通過圖像整體獲得。串行細(xì)化算法一次只能對(duì)一個(gè)像素進(jìn)行處理，每次處理不僅與上一次處理的結(jié)果有關(guān)，而且還和本次已處理過的像素有關(guān)；并行細(xì)化算法則每次同時(shí)對(duì)所有的像素或它的一個(gè)子集進(jìn)行處理。所以，指紋圖像二值化后要進(jìn)行細(xì)化。常用的二值化方法有：固定閥值法、局部自適應(yīng)閥值法等。另外，該方法需要對(duì)整幅圖像進(jìn)行多次傅立葉變換，存在較多的運(yùn)算，計(jì)算效率還有 待提高 [7]。他們 根據(jù)指紋的方向性將二維 Gabor 濾波器調(diào)制到各個(gè)方向，并根據(jù)指紋的頻率信息來確定濾波器的中心頻率，然后使用所得 的 Gabor 濾波器組對(duì)圖像進(jìn)行濾波。其目的是保持特征信息提取的準(zhǔn)確性和可靠性。通常這樣的處理過程包括歸一化、圖像增強(qiáng)、二值化和細(xì)化等過程。 第 8 頁 。 對(duì)于一個(gè)分叉點(diǎn)的分支如果小于某個(gè)給定閾值，就將其當(dāng) 作毛刺刪除；如果脊線的兩個(gè)端點(diǎn)很近，那么該脊線有可能是噪聲引起的，應(yīng)刪除；在指紋圖像邊緣的脊終點(diǎn)也應(yīng)刪除。 （ 4）特征匹配 特征匹配是將輸入指紋的特征與指紋模 板庫中所存儲(chǔ)的指紋特征進(jìn)行比較，找出最相似的指紋作為識(shí)別的輸出結(jié)果。通常直接輸入計(jì)算機(jī)的圖像有一定的噪聲，我們需要去除這些噪聲才能進(jìn)行下面的細(xì)化、特征提取和特征匹配等操作。自動(dòng)指紋識(shí)別技術(shù)主要包括四個(gè)方面：指紋圖像的錄入、圖像預(yù)處理、特征提取和特征匹配。但是由于傳感器表面是使用硅材料 ， 容易損壞 ， 導(dǎo)致使用壽命降低，還有它是通過指紋的山谷和山脊之間的凹凸來形成指紋圖像的 ， 所以對(duì)臟手指 、 濕手指等困難手指識(shí)別率低。指紋識(shí)別技術(shù)多用 第 4 頁 于對(duì)安全性要求比較高的商務(wù)領(lǐng)域，而在商務(wù)移動(dòng)辦公領(lǐng)域頗具建樹的富士通、三星及IBM 等國(guó)際知名品牌都擁有技術(shù)與應(yīng)用較為成熟的指紋識(shí)別系統(tǒng)，下面就對(duì)指紋識(shí)別系統(tǒng)在筆記本電腦中的應(yīng)用進(jìn)行簡(jiǎn)單介紹。之后，英國(guó)、美國(guó)、德國(guó)等的警察部門先后采用指紋鑒別法作為身份鑒定的主要方法。 指紋識(shí)別原理 指紋識(shí)別即指通過比較不同指紋的細(xì)節(jié)特征點(diǎn)來進(jìn)行鑒別。 指紋是指手指末端正面皮膚上凸凹不平的紋路，是在胎兒期 6 個(gè)月時(shí)形成的，在人的一生中指紋的紋線類型、結(jié)構(gòu)、統(tǒng)計(jì)特征的總體分布等始終沒有明顯變化。二是人的生物特征可以被外化，并表示為機(jī)器系統(tǒng)可讀的形式，可以理解的“語言”。 眾所周知，人類具有很強(qiáng)的模式識(shí)別能力。一旦這些憑證被不法分子獲得，將直接給人們帶來巨大的損失和潛在的風(fēng)險(xiǎn)，因此這些手段的可靠性都比較低。因此信息安全對(duì)于現(xiàn)代社會(huì)來說己經(jīng)變得越來越重要了，它涉及到人們生活的方方面面。 涉密論文按學(xué)校規(guī)定處理。對(duì)本研究提供過幫助和做出過貢獻(xiàn)的個(gè)人或集體，均已在文中作了明確的說明并表示了謝意。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果作品。 指紋識(shí)別大體分為三個(gè)步驟：預(yù)處理、特征提取和特征匹配。如何保護(hù)人們的信息安全已經(jīng)成為不得不面對(duì)的問題。因此可以說這兩種身份識(shí)別技術(shù)已經(jīng)無法滿足現(xiàn)實(shí)的需要，傳統(tǒng)的身份識(shí)別技術(shù)己無法滿足現(xiàn)代生活的需要，社會(huì)迫切的需要一種更高可靠性的，更方便的保密驗(yàn)證手段。生物識(shí)別遵循模式識(shí)別的原則規(guī)律，它通過判定相似度來確認(rèn)生物特征相不相同。人的生物特征包括生理特性和行為方式。 第 3 頁 指紋特征是人終生不變的特征之一，人體指紋含有天然的密碼信息，其具有作為密碼信息必須具備的三個(gè)重要性質(zhì)： (1) 廣泛性，指每一個(gè)正常的人都有指紋。 1684 年，植物形態(tài)學(xué)家 Grew 發(fā)表了第一篇研究指紋的科學(xué)論文。九十年代，用于個(gè)人身份鑒定的自動(dòng) 指紋識(shí)別系統(tǒng) 得到開發(fā)和應(yīng)用。 在這種情況下，手指表面的干凈程度，直接影響到識(shí)別的效果。因?yàn)樯漕l傳感器產(chǎn)生高質(zhì)量的圖像，因此射頻技術(shù)是最可靠，最有力的解決方案。隨著光學(xué)儀器、傳感器及數(shù)字技術(shù)的發(fā)展，各種快速精確、方便小巧的采集設(shè)備都得到了應(yīng)用。 （ 3）特征提取 傳統(tǒng)的特征提取方法主要有兩種：第一種是直接從原始指紋圖 像上進(jìn)行細(xì)節(jié)特征提取，另一種是從細(xì)化后的指紋圖像上進(jìn)行特征提取。 指紋圖像特征提取 指紋特征提取包括紋線細(xì)化、特征點(diǎn)（交叉點(diǎn)、斷點(diǎn)、中心點(diǎn)、三角點(diǎn)等）檢測(cè)與分類、偽特征點(diǎn)消除、特征點(diǎn)特性參數(shù)計(jì)算、特征參數(shù)壓縮編碼、全局特征（ “ 斗 ” 、“ 箕 ” 、“ 旋向 ” 等）檢測(cè)等步驟 ， 特征提取算法應(yīng)能適應(yīng)噪聲、畸變、位移、旋轉(zhuǎn)、缺損、變 第 7 頁 形等常見的實(shí)際情況。 主要內(nèi)容和結(jié)構(gòu)安排 主要內(nèi)容 指紋圖像的處理，包括指紋圖像預(yù)處理、特征提取和特征匹配三個(gè)部分工作。接著介紹常用的特征提取方法，以及它們的優(yōu)缺點(diǎn)。這給建立統(tǒng)一的、有效的后續(xù)指紋圖像處理算法帶來了極大的不便。 O’Gorman 和 Nickerson 較早提出采用方向?yàn)V波器進(jìn)行指紋圖像增強(qiáng)。 頻域?yàn)V波法通過直接改善圖像的頻譜來實(shí)現(xiàn)圖像增強(qiáng)。Willis 和 Myers 提出了一種快速的頻域增強(qiáng)算法。由于指紋圖像在采集時(shí)的環(huán)境（光線、壓力、濕度等），整幅指紋圖像的明暗分布并不是均勻的，往往存在某一部分局部過暗（即灰度值偏小），而另外一部分局部過亮（偏大）。細(xì)化算法的迭代必須收斂且不能破壞紋線的連接性，不能引起紋線的逐步吞食，還要盡可能的保護(hù)指紋的細(xì)節(jié)特征，細(xì) 化的骨架也要盡可能接近紋線中心線，要求算法簡(jiǎn)單、高效。 OPTA 算法能滿足收斂性、連接性、拓?fù)湫院捅３中?，?duì)指紋圖像的細(xì)化能達(dá)到較好的效果。拱型沒有中心點(diǎn)和三角點(diǎn)，帳型和箕型有一個(gè)中心點(diǎn)和三角點(diǎn)，雙箕型有兩個(gè)中心點(diǎn) [13]。特征匹配就是利用這些信息進(jìn)行的。迄今為止，人們已經(jīng)對(duì)指紋細(xì)節(jié)特征提取算法進(jìn)行了很多的研究工 第 15頁 作。 該算法主要由幾個(gè)緊密聯(lián)系的模塊組成： （ 1） 跟蹤步進(jìn)模塊，主要負(fù)責(zé)預(yù)測(cè)下一步跟蹤方向和步長(zhǎng)，用來沿紋線前進(jìn)一步。若跟蹤到的脊線與先前己經(jīng)跟蹤過的脊線相交，停止跟蹤，求取兩條脊線交點(diǎn)位置，此處即特征點(diǎn)分叉點(diǎn)。 （ 3） 若 P 點(diǎn)為脊線上的點(diǎn)，且 )(PCn =6， )(PSn =3，則可判定像素點(diǎn) P 為分叉點(diǎn)，如圖 3— 3 中點(diǎn) B 點(diǎn)。 算法比較 以上即是常用的兩種特征點(diǎn)提取算法，通過比較不難發(fā)現(xiàn)：基于灰度直接提取算法原理比較簡(jiǎn)單，簡(jiǎn)化了圖像增強(qiáng)、二值化步驟，直接求取脊線并得到特征點(diǎn)。所以考慮到指紋識(shí)別系統(tǒng)的魯棒性，以及特征點(diǎn)提取算法的可靠性本文采用第二種算法。 （ 1） 毛刺現(xiàn)象，毛刺的出現(xiàn)有多方面的原因，比如受隨機(jī)噪聲的影響而形成的，還有部分是受圖像增強(qiáng)和細(xì)化處理產(chǎn)生的。 （ 4）假橋現(xiàn)象，當(dāng)手指過潮濕或者臟時(shí)，采集的指紋圖像容易出現(xiàn)多脊線假橋 (有時(shí)也叫橋 )的現(xiàn)象，即本來不相連的兩條脊線連在了一起。這些特征點(diǎn)是由于在指紋采集時(shí)，指紋接觸采集頭的邊界，脊線的起始點(diǎn)。 （ 2）通過計(jì)算各個(gè)子塊中像素點(diǎn)之和，檢測(cè)該子塊中是否含有脊線，并對(duì)含有脊線的子塊進(jìn)行標(biāo)記，方便下面的進(jìn)一步操作。跟蹤時(shí)，考察以iP 為中心的 33子塊，通過將 8 領(lǐng)域中脊線像 素點(diǎn)與己跟蹤的像素點(diǎn)進(jìn)行對(duì)比，搜尋尚未考察的脊線上的像素點(diǎn) (圖 3— 4 中 深色部分 ) 1?iP ，并保存 iP 到已跟蹤點(diǎn)集中，再以 1?iP 代替 iP 作為下一個(gè)跟蹤的像素點(diǎn)，以此類推實(shí)現(xiàn)脊線跟蹤。一般按經(jīng)驗(yàn)取值，本文取采集頭采集的指紋的脊線周期大約 10 個(gè)像素，試驗(yàn)表明此時(shí) DD D3 和 D4 的值取 6 時(shí)，偽特征點(diǎn)剔除的效果比較 好。 濾除了偽特征點(diǎn)以后，不但使匹配的速度大大提高，而且指紋識(shí)別性能提升，使識(shí)別系統(tǒng)的誤拒率和誤識(shí)率的下降，因此在進(jìn)行指紋匹配之前，盡可能將偽特征點(diǎn)去除，保留真特征點(diǎn)。在蔡老師的精心指導(dǎo)和嚴(yán)格要求下，我完成了畢