【正文】 在蔡老師的精心指導和嚴格要求下，我完成了畢業(yè)論文。一般按經驗取值，本文取采集頭采集的指紋的脊線周期大約 10 個像素，試驗表明此時 DD D3 和 D4 的值取 6 時，偽特征點剔除的效果比較 好。 （ 2）通過計算各個子塊中像素點之和，檢測該子塊中是否含有脊線，并對含有脊線的子塊進行標記，方便下面的進一步操作。 （ 4）假橋現(xiàn)象，當手指過潮濕或者臟時，采集的指紋圖像容易出現(xiàn)多脊線假橋 (有時也叫橋 )的現(xiàn)象，即本來不相連的兩條脊線連在了一起。所以考慮到指紋識別系統(tǒng)的魯棒性，以及特征點提取算法的可靠性本文采用第二種算法。 （ 3） 若 P 點為脊線上的點，且 )(PCn =6， )(PSn =3，則可判定像素點 P 為分叉點，如圖 3— 3 中點 B 點。若跟蹤到的脊線與先前己經跟蹤過的脊線相交，停止跟蹤，求取兩條脊線交點位置，此處即特征點分叉點。迄今為止，人們已經對指紋細節(jié)特征提取算法進行了很多的研究工 第 15頁 作。拱型沒有中心點和三角點，帳型和箕型有一個中心點和三角點，雙箕型有兩個中心點 [13]。細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，還要盡可能的保護指紋的細節(jié)特征，細 化的骨架也要盡可能接近紋線中心線，要求算法簡單、高效。Willis 和 Myers 提出了一種快速的頻域增強算法。 O’Gorman 和 Nickerson 較早提出采用方向濾波器進行指紋圖像增強。接著介紹常用的特征提取方法，以及它們的優(yōu)缺點。 指紋圖像特征提取 指紋特征提取包括紋線細化、特征點（交叉點、斷點、中心點、三角點等）檢測與分類、偽特征點消除、特征點特性參數(shù)計算、特征參數(shù)壓縮編碼、全局特征（ “ 斗 ” 、“ 箕 ” 、“ 旋向 ” 等）檢測等步驟 ， 特征提取算法應能適應噪聲、畸變、位移、旋轉、缺損、變 第 7 頁 形等常見的實際情況。隨著光學儀器、傳感器及數(shù)字技術的發(fā)展，各種快速精確、方便小巧的采集設備都得到了應用。 在這種情況下，手指表面的干凈程度，直接影響到識別的效果。 1684 年，植物形態(tài)學家 Grew 發(fā)表了第一篇研究指紋的科學論文。人的生物特征包括生理特性和行為方式。因此可以說這兩種身份識別技術已經無法滿足現(xiàn)實的需要，傳統(tǒng)的身份識別技術己無法滿足現(xiàn)代生活的需要，社會迫切的需要一種更高可靠性的，更方便的保密驗證手段。 指紋識別大體分為三個步驟：預處理、特征提取和特征匹配。對本研究提供過幫助和做出過貢獻的個人或集體，均已在文中作了明確的說明并表示了謝意。因此信息安全對于現(xiàn)代社會來說己經變得越來越重要了，它涉及到人們生活的方方面面。 眾所周知，人類具有很強的模式識別能力。 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 個月時形成的，在人的一生中指紋的紋線類型、結構、統(tǒng)計特征的總體分布等始終沒有明顯變化。之后，英國、美國、德國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。但是由于傳感器表面是使用硅材料 ， 容易損壞 ， 導致使用壽命降低，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 ， 所以對臟手指 、 濕手指等困難手指識別率低。通常直接輸入計算機的圖像有一定的噪聲，我們需要去除這些噪聲才能進行下面的細化、特征提取和特征匹配等操作。 對于一個分叉點的分支如果小于某個給定閾值，就將其當 作毛刺刪除；如果脊線的兩個端點很近，那么該脊線有可能是噪聲引起的，應刪除；在指紋圖像邊緣的脊終點也應刪除。通常這樣的處理過程包括歸一化、圖像增強、二值化和細化等過程。他們 根據(jù)指紋的方向性將二維 Gabor 濾波器調制到各個方向，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 濾波器組對圖像進行濾波。常用的二值化方法有：固定閥值法、局部自適應閥值法等。串行細化算法一次只能對一個像素進行處理，每次處理不僅與上一次處理的結果有關，而且還和本次已處理過的像素有關；并行細化算法則每次同時對所有的像素或它的一個子集進行處理。 全局特征一般用在大規(guī)模指紋庫中，實現(xiàn)快速分類，也可以用在特征匹配中的粗匹配階段。下面將對這兩種特征點提取算法進行介紹比較，并確立本文將要采用的特征點提取算法。端線及分支線的角度求法為：即從一個特征的位置出發(fā)坐標為 (xi,yi)搜索到步長為 7 是最后一點坐標為 (x,y)。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處理過程中，雖然多次進行了濾波處理，但是噪音依然存在，并且有相當一部分帶入到細化后的指紋圖像中，通過特征點的提取轉化為偽特征點。在出現(xiàn)環(huán)的地方提取特征點一般出現(xiàn)兩個到三個偽分叉點。 由 于在剔除偽特征點的算法中會用到脊線跟蹤，這里先詳細介紹一下如何實現(xiàn)脊線跟蹤。用算法實現(xiàn)了一下兩點。我的生活因為你們而有意義。 展望 經過本文的研究，己經形成了一套比較有效的指紋特征提取算法。 （ 2）毛刺的刪除 通過脊線跟蹤，若在一個端點 i 的 D2 范圍內存在一個分叉點 j，則這樣的特征點 i，j 為偽特征點，也將它們從特征點集中刪除。 目前一般的指紋識別方面的文章都忽略了這部分邊緣特征點，沒有在匹配前進行剔除，這增加了后續(xù)匹配的特征點數(shù)量，影響了匹配效果。 （ 2）短線現(xiàn)象，一般在指紋采集時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。但是 第 18頁 該算法對圖像的質量要求比較高，僅適合圖像質量非常好，脊線清晰的指紋圖像，對于較模糊的指紋圖像則無能為力。 )(PSn 為 8 鄰域像 素中為 1 的像素的個數(shù)，具體按式(3— 1)、 (3— 2)計算 。 （ 4） 特征判定模塊，負責當跟蹤到達紋線流向異常區(qū)域時，判定是否為特征點及特征點類型。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。采集到的指紋圖像在經過歸一化，增強，二值化和細化之后基本保留 了原始指紋的紋理特征。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。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。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。 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。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。 （ 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。 指紋識別的發(fā)展 隨著科技的進步，指紋識別技術已經開始慢慢進入計算機世界中。 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。生物識別有兩大基石。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。 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。本人完全意識到本聲明的法律后果由本人承擔。 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。 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)。 (3) 終身不變性，指非意外事故指紋終身不變。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 。 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 ” 。指紋圖像存在兩種待提取的特征：全局特征和局部特征。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。 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。 Sherlock 等提出了基于頻域的方向濾波算法。 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。 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。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） 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)。 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) 。這兩點是該算法的最大優(yōu)點。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。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。 （ 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]。 （ 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。 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。 （ 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。 首先從指紋脊線的端點出發(fā)，沿脊線不斷推進，并對已經跟蹤過的脊線上像素點進行標記，并保存下來。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。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。如下式 3— 3。 直接灰度圖像法 直接灰度圖像指紋特征提取 [1718]的原理是使用模式識別的方法跟蹤灰度圖上的紋線走向。 局部特征 局部特征是指指紋拓撲圖中的幾種有效的特征，比如指紋紋路是不是連續(xù)的，方向 第 14頁 是不是一致，具體到細節(jié)特征就表現(xiàn)為斷點、分叉點、交叉點、橋、環(huán)等等，這些通常稱為特征點。串行細化算法即單連通細化 (OPTA)算法 [11]通過構造一組指紋細化模板，對于脊線上的每個像素點取其一定范圍的鄰域，如果該鄰域與模板符合就保留該當前點，不符合則刪除。 固定閥值法 [8]就是整幅指紋圖像采用一個固定 的閥值，對于灰度值大于這個閥值的像素點的灰度值置為 1，小于等于這個閥值的像素點其灰度值置為 0。該方法較好地結合了指紋的方向信息和頻率信息，對指紋圖像的增強效果比較顯著。 下面將依次介紹預處理是如何實現(xiàn)的。 特征提取的結果一般保存為特征模板，它包括脊終點或分叉類型、位置坐標以及該特征的方向。然而在實際應用中，由于采集條件 (手指太濕、太干或太臟 )和采集設備等因素