【正文】 目前指紋識別的研究還不能區(qū)別活體指紋和非活體指紋，這使得南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 27 人的指紋能夠通過陶瓷、硅膠等進(jìn)行偽造，從而使通過指紋來進(jìn)行身份識別失去了意義，并有可能帶來其他的壞處。 采集的原始圖像為： 圖 361 原始指紋圖像 經(jīng)過一系列預(yù)處理后的指紋圖像為： 圖 362 預(yù)處理后的圖像 南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 26 4 總結(jié)與展望 總結(jié) 隨著計算機技術(shù)的發(fā)展，我們逐漸邁入數(shù)字時代，尤其是隨著電子商務(wù)的發(fā) 展，基于生物特征的身份識別技術(shù)在社會和經(jīng)濟(jì)等領(lǐng)域起著非常重要的作用，研 究安全可靠的生物識別技術(shù)具有非常大的科研價值和社會經(jīng)濟(jì)價值。剩余的像素組成的圖像骨架。 P1 P2 P3 P4 P5 P6 P14 南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 21 圖 351 OPTA方法抽取的 5P 領(lǐng)域 圖 352 OPTA刪除模板 如果該鄰域的像素值與八個刪除模板中的任一個相匹配則準(zhǔn)備刪除該點 , 否則保留該點。 (3)中軸性 :細(xì)化圖像中的線條應(yīng)盡可能是原圖像的中心線 。雖然 Otsu方法實現(xiàn)簡單，對于具有明顯雙峰直方圖的圖像效果明顯，但對于低對比度和光照不均勻的圖像效果不佳，抗噪聲能力差，因而應(yīng)用范圍受到極大限制。用這種方法分割后的圖像在不同子圖像的邊界處有灰度的不連續(xù)分布，因此必須采用平滑技術(shù)來消除灰度的不連續(xù)性。從最小灰度值到最大灰度值遍歷 t ，當(dāng) t 使得值211200 )()( ?????? ????g 最大時 t 即為分割的最佳閾值。 全局閾值法 全局閾值法是指在二值化過程中只使用一個全局閾值的方法。實驗代碼在附錄 B中。但由于 Sobel算子的加權(quán)作用 。但要注意能夠進(jìn)行銳化處理的 圖像必須有較高的性噪比，否則銳化后圖像性噪比反而更低，從而使得噪聲增加的比信號還要多，因此一般是先去除或減輕噪聲后再進(jìn)行銳化處理 圖像的迷糊實質(zhì)上是平均或積分運算的結(jié)果，因此對其進(jìn)行逆運算如微分運算，就可以使模糊的圖像變得清晰，這是因為微分運算是求信號的變化率，有加強高頻分量的作用，從而使圖像輪廓清晰。然后，對每個像素利用濾波器估計其灰度值 222( 1 , 2 ) ( ( 1 , 2 ) )vb n n u a n n u? ??? ? ? （ 38） 式中， 2v 是圖像中噪聲的方差。它是 f(x,y)和領(lǐng)域平均 g（ x,y）差的絕對值與選定的閾值進(jìn)行比較，南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 7 根據(jù)比較結(jié)果決定坐標(biāo) g’ (x,y） ,算法表達(dá)式如下： ( , ) ( x , y ) g ( x , y ) 39。 圖像的平滑技術(shù)主要用于消除圖像中的噪聲，其基本的方法是求像素的灰度的平均值或中值。 每個人都有獨一無二的指紋 ,這種獨一無二性是由脊線所包含的細(xì)節(jié)特征及這些特征之間的相互關(guān) 系決定的 。 我國對指紋識別技術(shù)的研究歷史是從 20世紀(jì) 80年代初開始的 ,中國科學(xué)院自動化所 、 清華大學(xué) 、 國防科技大學(xué) 、 吉林大學(xué)等高校和科研機構(gòu)首先開始了這方面的研究工作 。細(xì)化處理采用較好的 OPTA 細(xì)化算法模板實現(xiàn)細(xì)化。除了文中特別加以標(biāo)注引用 的內(nèi)容外，本論文不包含法律意義上已屬于他人的任何形式的研究成果 ,也不包含本人已用于其他學(xué)位申請的論文或成果。平滑處 理的算法以線性濾波法、中值濾波法，維納自適應(yīng)濾波法為研究對象進(jìn)行算法比較研究。 秦漢時代盛行封泥制 ,將公私文書寫在簡犢上 ,分發(fā)時用繩捆綁 ,在繩端或交叉處封以粘土 ,蓋上印章或指紋 ,作為信驗 ,以防私拆 ,這種泥封指紋作為個人標(biāo)識 ,既表示真實和信義也可防止偽造 。MATLAB 能夠直觀、清楚的顯示圖像 ,并可以不用修改程序而實現(xiàn)對圖像的縮小、放大等功能 ,能方便的觀察圖像。一幅含有和信號強度成比例的含噪圖像可表示為 : f(x,y)=g(x,y)+n(x,y)g(x,y) (32) （ 3） 椒鹽噪聲 原始指紋圖像 平滑處理 線性濾波法 中值濾波法 維納自適應(yīng)濾波法 銳化處理 Sobel 算子法 拉普拉斯算子法 二值化處理 全局閾值法 局部閾值法 模塊法細(xì)化處理 OPTA 細(xì)化算法 南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 6 椒鹽噪聲是圖像中經(jīng)常見到的一種噪聲，它是一種隨機的白點或者黑點，通常是由圖像傳感器、傳輸信道和解碼處理等產(chǎn)生的。均值濾波器的算法輸出可以如下表示： ,1( , ) ( , )91 [ ( 1 , 1 ) ( 1 , ) ( 1 , 1 )9( , 1 ) ( , ) ( , 1 )( 1 , 1 ) ( 1 , ) ( 1 , 1 ) ]i j sg x y f i jf x y f x y f x yf x y f x y f x yf x y f x y f x y???? ? ? ? ? ? ? ? ?? ? ? ? ?? ? ? ? ? ? ? ?? （ 33） 均值濾波算法簡單，但它的主要缺點是在降低噪聲的同時使圖像產(chǎn)生迷糊，特別是在邊緣和細(xì)節(jié)處。其優(yōu)點是在平滑非沖激噪聲時可以保存細(xì)節(jié)，所以既能除去“椒鹽”噪聲，平滑其他非沖激噪聲，還能減少諸如物體邊界細(xì)化或粗化等失真。 為了減少這類不利效果的影響，就需要利用圖像銳化技術(shù)，使圖像的邊緣變得清晰。 圖 331 Sobel 算子模板 1 0 1 2 0 2 1 0 1 1 2 1 0 0 0 1 2 1 南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 11 單獨使用 Sobel算子做邊緣檢測 ， 邊緣定位精度不高 ， 有時還可能對非邊緣像素的響應(yīng)大于某些邊緣處的響應(yīng)或者響應(yīng)差別不是很大 ，是它對噪聲具有較好的魯棒性。如果所使用的定義具有負(fù)的中心系數(shù)，那么就必須將原始圖像減去經(jīng)拉普拉斯變換后的圖像，從而得到銳化 的結(jié)果，反之，如果拉普拉斯定義的中心系數(shù)為正，則原始圖像要加上經(jīng)拉普拉斯變換后的圖像 。在不同的應(yīng)用中，圖像二值化時閾值的選擇是不同的。 Otsu 在 1979 年提出的最大類間方差法 (有時也稱之為大津法 )，該方法的基本思想是：設(shè)閾值將圖像分割成兩組，一組灰度對應(yīng)目標(biāo)，另一組灰度對應(yīng)背景，則這兩組灰度值的類內(nèi)方差最小，兩組的類間方差最大。局部閾值法是用像素灰度值和 此像素鄰域的局部灰度特性來確定該像素的閾值的。顯示得到的二值圖像。 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 ,使之只有一個像素的寬度 ,理想的細(xì)化后 紋線骨架應(yīng)該是在原始紋線的中間位置 ,并保持紋線的連接性 、 拓?fù)浣Y(jié)構(gòu)和細(xì)節(jié)特征 。 OPTA算法是一種典型的模板細(xì)化方法 。式中的 operation是字符串。 實驗結(jié)果如下： 圖 355 原始指紋二值化圖像 南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 24 圖 356 thin參數(shù)下的細(xì)化圖像 圖 357 skel參數(shù)下的細(xì)化圖像 實驗結(jié)果顯示，兩個參數(shù)下的細(xì)化效果相似，但是 skel參數(shù)下的細(xì)化圖像對線條彎曲點的處理比 thin參數(shù)的細(xì)化處理更加細(xì)致，更加適合后期的特征點的提取。很多情況，特別是在刑偵等領(lǐng)域，很難采集到完整的指紋圖像。目前，采集指紋的設(shè)備一般都是專門的指紋采集儀，這樣采集下來的指紋圖像清晰，效果較好。導(dǎo)致這種情況的主要原因有兩個：第一，由于各個國家和地區(qū)科技發(fā)展水 平的不同，很多地方的指紋識別技術(shù)還不成熟，只有少數(shù)企業(yè)和機構(gòu)擁有較成熟的實際，但這些技術(shù)都處于知識產(chǎn)權(quán)保護(hù)下；第二，隨著各種入侵技術(shù)的發(fā)展和日益增長的信息量，人們對電子信息安全提出了更高的要求，需要不斷地研究新算法，從可靠性和效率上對現(xiàn)有算法加以改進(jìn)。它消除了像素，使無孔 對象 縮小到最小連接 桿 ，和帶孔的對象縮小到一個連接 環(huán)在每個孔和外邊界。其中模板中的“ 1”代表該點的像素值為 1,“ 0”代表該點的像素值為 0,“”代表該點的像素值既可以為 1也可以為 0。 細(xì)化算法按照迭代方式的不同可分為串行算法和并行算法 。如果每次比較運算耗時一個單元時間，則處理圖像耗時由決定。 本文以 Bernsen方法 作為局部閾值法的代表。 記 ),( jif 為 MN? 圖像 ),( ji 點處的灰度值，灰度級為 ? ，不妨假設(shè) ),( jif 取值 ]1,0[ ?m 。其中全局閾值法又可分為基于點的閾值法和基于區(qū)域的閾值法。從特征點的提取效果考慮， Sobel算子的銳化圖像更加適合指紋圖像的銳化處理。 在觀測一幅圖像的時候，我們往往首先注意的是圖像與背景不同的部分，正是這個部分將主體突出顯示，基于該理論，我們給出了下面閾值化輪廓提取算法，該算法已在 數(shù)學(xué)上證明當(dāng)像素點滿足正態(tài)分布時所求解是最優(yōu)的。 梯度法 對于圖像函數(shù) f(x,y)處的梯度是一個矢量，定義為： [ ( , )]fxf x yfy?????????????????? （ 39） 梯度有兩個重要的性質(zhì)： 1） 梯度的方向在函數(shù) f(x,y)最大變化率的方向上，由以下公式確定： 南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 10 arctanfyfx?????????????????? （ 310） 2） 梯度的幅度 ( , )f x y? 可由式 33計算。三種濾波器代表三種不同的平滑算法，基于 MATLAB的實驗代碼在附錄 A中。同均值濾波法相比，超限像素平滑法去椒鹽噪聲效果更好。 目前的圖像平滑技術(shù)只要分 3 種 :平滑線性濾波法、中值濾波法和維納自適應(yīng)濾波法。 圖 21 指紋識別系統(tǒng)原理 指紋圖像預(yù)處理 指紋圖像采集到 的原始圖像并不能完全滿足高質(zhì)量圖片的要求，會存在不少噪聲。 進(jìn)入二十一世紀(jì)后 ,我國研究指紋識別技術(shù)的科研機構(gòu)進(jìn)一 步增加 ,如南京大學(xué) 、 山東大學(xué) 、 上海交通大學(xué)等國內(nèi)知名高?？蒲袡C構(gòu) ,這進(jìn)一步推動了國內(nèi)自動指紋識別技術(shù)的快速發(fā)展 。 傳統(tǒng)的身份識別方式主要包括了使用密碼或口令的方法 或者 使用卡片等實際存儲信息 等。 作者簽名： 日期： 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。因此預(yù)處理的好壞對識別系統(tǒng)有決定性的影響。 指紋特征相對于其他的生物特征，有更加優(yōu)秀個體差異性，被更多的應(yīng)用于信息安全識別領(lǐng)域。 MATLAB 既是一種直觀、高效的計算機語言 ,同時又是一個科學(xué)計算平臺。 南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 5 3 實驗方案與實現(xiàn) 指紋圖像預(yù)處理算法的實驗框圖 圖 31 指紋預(yù)處理算法比較框圖 實驗按以上流程對指紋圖像進(jìn)行預(yù)處理，對相應(yīng)的算法進(jìn)行研究和對比，通過對處理圖像的研究效果，確 定適合指紋圖像的算法。因此，圖像平滑方法不可避免存在使邊緣等細(xì)節(jié)變得迷糊的負(fù)面效應(yīng)。其基本原理是改變窗口中變量的個數(shù)，可以使一個以上的變量等于同一點的值，然后對擴(kuò)張后的數(shù)字集求中值。 指紋圖像銳化處理 圖像銳化的概念 在圖像增強過程中，通常利用各類圖像平滑算法消除噪聲，圖像的常見噪聲主要有加性噪聲、乘性噪聲和量化噪聲等。 因此對噪聲具有平滑作用 ， 能很好的消除噪聲的影響。一個二維圖像函數(shù) 的拉普拉斯變換是各向同性的二階導(dǎo)數(shù)定義 如下： 222 fff xy??? ? ? （