【正文】 度， 而影響識(shí)別速度的最主要因素就是指紋 圖像 的濾波 ，而 濾波 的好壞直接因素是增強(qiáng) 濾波 的算法， 當(dāng)然跟 所使用的軟 件和 硬件也有很大的關(guān)系。 結(jié)果如 圖 212和圖 213： 圖 212 去除毛刺 20 圖 213 去除空洞 圖像細(xì)化 分割和濾波后的 指紋圖像 再進(jìn)行 二值化 處理 后， 脊線 仍 然有一定 的 寬度，指紋識(shí)別 的匹配是只利用圖像的點(diǎn)或線的特征 ，這些點(diǎn)或者特征只 與 脊線 的走向 或 者 紋理 有關(guān) 系 ， 有一定寬度的二值化圖像顯得有些多余， 所以需要對(duì)二值 化 圖像進(jìn)行細(xì)化 處理 ，指紋 二值化 圖像 經(jīng)過細(xì)化 處理 即可得到一 個(gè)單 一 像素 寬度的 脊線 ， 經(jīng)過上述的細(xì)化處理，在后續(xù)的指紋特征提取和特征匹配的算法中大大的減少了計(jì)算的冗余量 和出錯(cuò)率 ，使得指紋識(shí)別的速度 和準(zhǔn)確度有了很大的 提高。 Matlab 程序見附錄 A。下面就是 指紋 匹配 [12]的問題了。 30 總結(jié) 與 展望 該論文是在 前人研究的基礎(chǔ)上，參閱了 部分 資 料， 并在劉 文博 老師的指導(dǎo)下 認(rèn)真完成的，文中主要對(duì)指紋圖像預(yù)處理的各個(gè)步驟做了較為詳細(xì)的討論，并用 matlab 加以仿真和驗(yàn)證。 for x=1:m for y=1:n if I(x,y)=M1 I(x,y)=150+sqrt(2021*(I(x,y)M1)/var1)。 %計(jì)算每一塊的方差 for i=1:M。 end if Vmean1var1(x,y) vtemp=vtemp+1。amp。 % 模板系數(shù) 、 均值濾波 Im=double(I)。 sum8=I(x2,y4)+I(x1,y2)+I(x+1,y+2)+I(x+2,y+4)。二值化 39。 %對(duì)圖像開操作和閉操作 img=bwmorph(v,39。 for x=40:siz 40 for y=40:siz 40 if (thin(y, x) ) CN = 0。 for i=1:8 for j=1:8 mp{i,j}=thin(1+31*(i1):31+31*(i1),1+31*(j1):31+31*(j1))。)。 hold on plot(pxy2(:,1),pxy2(:,2),39。b.39。 plot(txy(:,1),txy(:,2),39。 delta(8,8)=0。 txy(count, :) = [0,0,0]。 fo=imopen(v,se)。 end end figure,imshow(double(Icc))。 sum6=I(x4,y2)+I(x2,y1)+I(x+2,y+1)+I(x+4,y+2)。1 1 1。 e=zeros(H,L)。 for x=1:H for y=1:L if Gmean1aveg1(x,y) gtemp=gtemp+1。 aveg=I(i+(x1)*M,j+(y1)*M)+aveg。 for x=1:m for y=1:n var=var+(I(x,y)M1).^2。 驗(yàn)證如下： 一、選擇兩幅圖 ： 圖 31（ a） 輸出的時(shí)間 圖 31（ b） 特征匹配 通過以上的 f， ff， fff和閾值的比較說明 ，為同一手指的指紋，匹配時(shí)間為 。 （ 3） last1 函數(shù) single_point函數(shù)和 walk函數(shù) 都是 找 細(xì)化圖像 特征點(diǎn)的函數(shù)， 因此 可以設(shè)計(jì) 另 一個(gè)新的 last1函數(shù)， 通過執(zhí)行 [pxy3,error2]=last1(thin,r,txy,num) 可以找出 一端點(diǎn)以 r為半徑的像素內(nèi)的任何端點(diǎn)和交叉點(diǎn)且沿 著脊線走向的num內(nèi)沒有任何的其他端點(diǎn)和交叉點(diǎn)。 此 算法 是 八 連通 的 算法，基本 都能夠保證單像 素 的 寬 度。 上下文濾波器中的平均濾波器起到了去除空洞的作用，分離濾波器起到了去除毛刺的作用。 為估計(jì)方向場，我們把指紋脊線的走向分為如下 8 個(gè)方向，如圖 26 所示 ： 16 圖 26 一個(gè)像素處的 8 個(gè)指紋脊線方向 我們先對(duì)分割后的圖像進(jìn)行了平均濾波，然后對(duì)圖像的每一個(gè)像 素，為確定在該像素 處 的脊線方向，在以該像素為中心的 9*9 窗口內(nèi)，分別計(jì) 算 8個(gè)方向上的經(jīng)過處理后的灰度值，即將 圖 26 中 數(shù)字 1 到 8 的位置的像素灰度值去 除其 中最大 summax 和最小值 summin，若滿足 最大的 summax 和最小的 summin 與 4*I(x,y))之和大于 (3*summ/8),則該像素點(diǎn)的脊線方向?yàn)閟ummin,否則為 脊線 方向后 再由 該 方 向場對(duì)圖像進(jìn)行二值化。 把指紋 的 圖像分成 3*3 塊 ， 將 歸一化處理后的圖像 進(jìn)行分割的 具體算法步驟如下： （ 1） 利用 式 （ 21） 和式（ 22） 對(duì)指紋的 小 塊求 灰度平均值和 方差 ， 設(shè)定 一 閾值 T， 因?yàn)槭?3*3 模塊，所以是在 8 鄰域中，即 T=4， 若 iV 4，則該小 塊作為目標(biāo)留下，并把該 塊 標(biāo)示為 1，存 放于 矩陣 A 中；若 iV 4，則該塊作為背景去掉，并把該塊標(biāo)示為 0，同樣存在矩陣 A 中； （ 2） 以 1011X? 作為結(jié)構(gòu)元素對(duì)已知的二值 矩陣 A 做 開運(yùn)算 ， 可 得到矩陣B； （ 3） 以 1011X? 為結(jié)構(gòu)元素對(duì) 二值矩陣 B 做 閉運(yùn)算 ，得到矩陣 C，矩陣 C為一個(gè)二值矩陣 （只包含 1 和 0） ，對(duì)應(yīng)元素為 1 的作為目標(biāo)留下，對(duì)應(yīng)元素為 0 的作為背景去除。圖像分割 要在指紋 二值化和 濾波及細(xì)化之前進(jìn)行，如此可以 減少計(jì)算的冗余量 ，提高指紋檢測速度 。這些皮膚的紋路 會(huì) 在 交叉點(diǎn)，斷點(diǎn)上有很大 的 區(qū)別。 （ 1） 確定性：指紋 脊線 的輪廓和細(xì)節(jié)特征是 在人的 一生 中 基本 上保持 6 不變 。 The main feature extraction is extracted from the end of the fingerprint image after thinning and bifurcation point。 目前許多身份驗(yàn)證系統(tǒng)都采用“用戶名 +密碼 ”的方式來進(jìn)行用戶訪 問控制 [1]， 但 此 方法 存在諸多隱患，比如 密 碼被竊取、破解或遺忘。 （ 2） 唯一性：由于指紋脊線的連接關(guān)系千變?nèi)f化，因此，即使兩個(gè)不同的指紋有著相同的輪廓和相同數(shù)量的細(xì)節(jié)特征，它們的細(xì)節(jié)位置也是不可能完全相同的。如圖 14 所示。 指 紋識(shí)別 中的分割就是將有用的目標(biāo)區(qū)域分割出來，去掉沒用的背景區(qū)域，以避免背景區(qū)域的 各種 干擾 。 結(jié)果圖如下： 圖 24 圖像 分割 圖像的二值化 方向圖 因?yàn)?許多 二值化算法和 增強(qiáng) 濾波 算法 都用到 了 方向圖，因此方向圖 的計(jì)算對(duì)后續(xù)的 各種 算法 都 有很大幫助 。 圖像 在當(dāng)前的采集設(shè)備條件下，不可避免的會(huì)受到環(huán)境 和自身因素 的影響 ， 指紋圖像 質(zhì)量低的主要原因有： （ 1） 存在擦傷或創(chuàng)傷 的傷痕所 引起的脊線中斷 或變的不清晰 ； （ 2） 指紋干燥 所 引起 指紋圖像印痕模糊 ， 導(dǎo)致 脊線和谷線的對(duì)比度比較差； （ 3） 污漬導(dǎo)致 指紋圖像的 脊線 或 谷線 粘連和 斷裂。 細(xì)化 目的是 在不破壞 指紋 圖像連通性的情況下去 除 掉多余的信息 （即多余的像素點(diǎn)） ，將 二值化的 指紋 圖像的脊線 采用逐層剝離的方法，將圖像中的指紋脊線細(xì)化成單象素寬 （實(shí)際為保存原圖的骨架） 。 細(xì)化結(jié)果圖如圖 218： 24 圖 218 細(xì)化圖 根據(jù) 實(shí)驗(yàn) 發(fā)現(xiàn)， 該方法 處理弓形指紋效果較好，對(duì)于 環(huán)形或螺旋形指紋的中心區(qū)域時(shí)會(huì)出現(xiàn)較多的毛刺和斷裂 ，如下圖 219，這是其的缺點(diǎn)之一，為了很好的使其有 實(shí)際 應(yīng)用， 有待 改進(jìn)。在此我們設(shè)置了三層匹配。 論文中的算法 基本上 能夠?qū)崿F(xiàn)指紋識(shí)別的 預(yù)期 目的， 但是由于畢業(yè)設(shè)計(jì)的 時(shí)間較短 以及 我的知識(shí)面的限制，有許多問題 的 考慮 還 不全面，有待于進(jìn)一步完善 。 else I(x,y)=150sqrt(2021*(M1I(x,y))/var1)。 for j=1:M。 vtotle=vtotle+var1(x,y)。 var1(x,y)V2 e(x,y)=1。 In=zeros(m,n)。 sumi=[sum1,sum2,sum3,sum4,sum5,sum6,sum7,sum8]。)。thin39。 for i = 1:8 CN = CN + abs (P(thin, y, x, i) P(thin, y, x, i + 1))。 s(i,j)=sum(sum(mp{i,j}))/(31*31)。 附錄 C 圖像特征點(diǎn)代碼 %single_point函數(shù) function [pxy2,error]=single_point(txy,r) error=0。r.39。 if t==0 error=1 else plot(x,y,39。 end end end end end txy=txy(find(txy(:,1)),:)。 %cut函數(shù) function txy=cut(thin,txy) s(8,8)=0。 end %point函數(shù) function txy=point(thin) count = 1。,3)。 end。 sum5=I(x2,y)+I(x4,y)+I(x+2,y)+I(x+4,y)。 %************************************************************************ temp=(1/9)*[1 1 1。V2=vtotle1/vtemp1。vtemp=0。 for j=1:M。 end end M1=M/(m*n)。即兩幅圖像的 f， ff， fff若 均小于閾值，則兩幅圖匹配；若三個(gè)值中有至少一個(gè)值大于閾值，則不匹配。 （ 2） walk 函數(shù) 為了進(jìn)一步找出特征點(diǎn)， 我們還 需定義 一 walk 函數(shù)，它的 主要 作用 就是判斷 某一端點(diǎn)在 num 的 距離 內(nèi)是否還有其他的端點(diǎn)。重復(fù) 利用 以上 的 操作 ， 將所有 圖像中 的像素值 進(jìn)行 比較直至不變?yōu)橹埂? 圖 211 上下文濾波器的權(quán)值 參數(shù)滿足 K =A+P， L =B+Q， M =C+R。 基于方向場的二值化 采集到的指紋圖像 一般 都有比較清晰的方向場，方向場估計(jì)得準(zhǔn)確與否直接決定了圖像 二值化 算法的效果。 改進(jìn)后的方差法： 為了解 決上述問題，可以在方差 法 分割的基礎(chǔ)上進(jìn)行開運(yùn)算和閉運(yùn)算操作，該 算法 繼承了方差法的優(yōu)點(diǎn)且又 克服了易受噪聲影響的缺陷。經(jīng)過分割后的圖像更容易進(jìn)行進(jìn)一步的分類、分析和識(shí)別處理。 指紋 的面積 雖然 不大 但 卻蘊(yùn)含 著 大量的識(shí)別信息 。 圖 11 端點(diǎn) 、 分叉點(diǎn) 英國科學(xué)家 Gallon 在 1892 年 的 《 Fingerprint》 一書中 提出了指紋的四條基本性質(zhì) 。 關(guān)鍵 詞 分割 ， 二值化 ， 細(xì)化 ， 特征 點(diǎn) 提取 ， 匹配 ， Matlab 2 Abstract Because of the universality, uniqueness and constantness of a fingerprint, and fingerprint identification technology has very high feasibility and practical applicability, make it to be one of the most popular, and most reliable personal identity authentication technology. This paper focuses on three aspects of the fingerprint image processing：image preprocessing, feature extraction, feature matching. Image preprocessing including four steps: ima