【正文】 由于人們在進行圖像采集或者是圖像傳輸?shù)倪^程中不可避免的會遭受到外界的干擾，所以通常情況下得到的原始數(shù)字圖像都是包含大量噪聲干擾的，比如說指紋圖像中的皮膚水分，皮膚傷殘，皮膚彈性，灰塵等等的影響，都會極大地降低指紋圖像的質(zhì)量，嚴(yán)重時甚至?xí)?dǎo)致指紋圖像中的分叉點或是端點等等圖像特征的丟失或者誤增加，這就意味著指紋識別過程面臨著很大的誤差風(fēng)險。 為了實現(xiàn)空間低通濾波的功能，就需要使用低通濾波器，雖然常用的低通濾波器有很多種，不過如果是用于指紋識別的考 慮的話，那么經(jīng)過實驗經(jīng)驗 [6]識別過程中采用如下的低通濾波器作為實驗的模板 : ???????????111121111101H () 多幅圖像平均法 一般而言圖像經(jīng)過空間低通濾波處理之后其噪聲干擾會小很多，但是為了進一步凈化圖像從而使得圖像質(zhì)量更高方便以后的特征提取與特征匹配，還需要對處理過的圖像完成取平均值的操作。 就此處的研究而言的圖像增強處理是憑借高通濾波器完成的。 ，并且各個紋線不會相連。圖像細(xì)化的處理進一步的削減了指紋圖像所占用的內(nèi)存空間，也有效的使程序計算負(fù)擔(dān)變得更小了，同時優(yōu)化了算法結(jié)構(gòu)。首先先對二值化圖像做簡單的腐蝕操作，腐蝕是指依靠一個 33 的模板通過“與”的運算之后讓二值圖像直觀看起來“瘦了一圈”的操作。 指紋圖像的特征提取 在整個指紋圖像識別過程當(dāng)中，可以說上文中所涉及的所有工作都是為了方便進行指紋圖像的特征提取操作，因為這里提取出來的特征相對于原指紋圖像的代表性的 優(yōu)良程度直接決定了下面最終依靠這里提取出來的特征做匹配后反饋出來的結(jié)果的準(zhǔn)確度。為了實現(xiàn)指紋圖像的鑒定功能，在完成了端點與叉點這兩種特征點的定位與提取之后，接下來這里要做的就是根據(jù)這兩種特征點，建立起特征屬性并以此作為匹配的標(biāo)準(zhǔn)。在本次畢業(yè)設(shè)計的試驗中是通過中值濾波來實現(xiàn)指紋圖像的平滑處理，并且這里試驗中選取的中值濾波模板大小為 33。但是這也同時認(rèn)證了細(xì)化過程的成功完成，現(xiàn)在這里經(jīng)過細(xì)化處理的指紋圖像在抑制噪聲，突出特征，簡化存儲與處理，優(yōu)化特征提取算法等方面已經(jīng)達到了做特征提取的基本標(biāo)準(zhǔn)，至此圖像預(yù)處理也就結(jié)束了，接下來的實驗就要針對特征進行操作了。至此，這里就基本完成了 MATLAB 的仿真實驗，并以這個實驗驗證了論文描述的指紋識別過程的可行性，實現(xiàn)了指紋的識別。銳化圖像中的紋線線路清晰許多，這就為后續(xù)的進行特征提取打下了基礎(chǔ)，同時也為下一步指紋圖像的二值化做好了準(zhǔn)備。相比較于前 者，特征匹配算法明顯在降低計算量以及提高運行速度兩個方面表現(xiàn)的更好一些，但是特征匹配方案的缺陷就在于為了得到圖像中的特征信息，這里需要提前對圖像實施大量的操作從而才能篩選出高質(zhì)量的信息出來。其中在本文的研究范圍以內(nèi)只討論端點以及叉點這兩種。 通過實際實驗操作，圖 (b)經(jīng)過細(xì)化處理實驗之后所生成的結(jié)果圖如圖 (b)所示 : (a)細(xì)化前 (b)細(xì)化后 圖 細(xì)化實驗生成的指紋圖像前后對比 圖像的特征 15 圖像本身自帶的固有屬性稱為圖像的特征 [7]。 這是因為這種算法破壞了細(xì)化性與中軸性的特性要求。這就保證了各個區(qū)域內(nèi)的二值化處理的準(zhǔn)確性，從而生成實驗中所需的二值化圖像。 一般的，對圖像進行處理，使得圖像中每個像素的灰度值不是“ 0”就是“ 1”的操作叫做圖像的二值化。而且由于這種算法計算量很小算法也比較簡單，所以非常方便于實際中在各種硬件上實現(xiàn)這一功能。 空間低通濾波法 通常來講通過對模版進行卷積從而對數(shù)字圖像中的像素 進行逐個處理的方法稱作空間低通濾波法。 圖像的裁剪的含義是把圖像按照均勻性的原則分為 若干的獨立的部分，其中任意一個單獨的部分都滿足某一類特性，而將任意兩個互為臨界的子部分結(jié)合起來的操作都會破壞這個 ??????????111001101???????????????????)1,1(...)1,1()0,1(............)1,1(...)1,1()0,1()1,0(...)1,0()0,0(nmfmfmfnfffnfffF 5 特性。 研究 的主要內(nèi)容 在本次畢業(yè)設(shè)計的過程中，主要研究的內(nèi)容是在數(shù)字圖像處理基礎(chǔ)上的指紋圖像識別，其中包括了利用中值濾波與高通濾波實現(xiàn)的圖像的增強，圖像的二值化與細(xì)化表示以及針對于端點與叉點的指紋圖像的特征采集與依照端點與叉點間的特征向量比較的特征匹配。 本文中將利用數(shù)字圖像處理的相關(guān)知識來對指紋圖像進行圖像預(yù)處理，指紋特征點提取以及特征匹配，并最終通過實驗來實現(xiàn)指紋圖像的識別功能。 關(guān)鍵詞： 指紋圖像；圖像處理；特征提取；特征匹配；指紋識別 III Fingerprint Identification Based on Feature Collection and Matching Jiang chenxi School of Electronic amp。 而全局特征中的紋形又可分為三種基本類型 ,而相應(yīng)的分別稱這三種基本類型為 斗形，弓形以及箕形，具體的圖形如下圖所示 : (a)斗形 (b)弓形 (c)箕形 圖 紋形類型 2 而局部特征的所包含的細(xì)節(jié)特征數(shù)量很多，這里只給出以下幾種： ：單紋路分離變成多條紋路所對應(yīng)的具體位置； ：紋路結(jié)束的位置； ：紋路的起始位置； ：多條紋路互相結(jié)合最終匯成一條單紋路所對應(yīng)的交匯位置； ：短到變成一個點的紋路； 指紋識別系統(tǒng)的簡介 此處本文給出指紋識別的經(jīng)典過程 [3]，其中包含了指 紋采集與圖像預(yù)處理，特征提取與特征匹配，以及數(shù)據(jù)庫五個模塊，如圖 所示 : 圖 經(jīng)典指紋圖像識別過程 用于采集指紋圖像的硬件設(shè)施大約分為三種 [4]，分別依靠超聲波掃描，傳感器以及光學(xué)識別來實現(xiàn)獲取圖像的目的。原始指紋圖像如下圖 : 圖 原始指紋圖像 4 指紋圖像的數(shù)值化表示 在這里將圖像數(shù)值化之前，需要以圖像左上角位置的像素作為坐標(biāo)系的原點建立起一個直角坐標(biāo)系并且由原點往右方延伸為列，由原點往下方延伸為行，如此一來，就可以利用一個 m n 的矩陣來表示數(shù)字化這個圖像，例如式 ： () 式 中的任意一個元素與原圖中相應(yīng)位置的像素都是一一對應(yīng)的。而不論是目標(biāo)還是背景，如果被錯誤的分到了另一類當(dāng)中的話都會直接導(dǎo)致這兩類的差異降低，也就是說方差變小。如果將模板中的 n0 與待處理圖片中的 m0 像素對應(yīng)，那么相應(yīng)的就得到經(jīng)過濾波后的中心灰度值大小 P 為 : ???80i iinmP () 圖 濾波示意圖 在對圖片中 的像素逐個按照上式進行處理之后，系統(tǒng)就可以求得增強圖像的各個像素的灰度值了。為了避免這個問題，該處就需要對當(dāng)前數(shù)字圖像進行增強，以突出圖像信息，為二值化打下基礎(chǔ)。所以經(jīng)過實踐總結(jié)，前人對于二值處理后的結(jié)果提出了以下若干硬性要求： 。尤其是針對于叉點而言，這種情況下直接進行特征提取的話必然會產(chǎn)生許多錯誤的偽叉點，這就會對設(shè)計的整個指紋識別過程產(chǎn) 生嚴(yán)重的影響。并且所有的元素數(shù)值只有“ 1”與“ 0”兩種情況，其中本設(shè)計中認(rèn)為“ 1”表示該點為白色，而“ 0”表示該點為黑色。 在一定小的鄰域中的特有的性質(zhì)被稱為數(shù)組圖像的局部特征，用局部特征可以進行圖像的辨別工作。像素 M 的鄰域分別表示為 m0,m1,m2,m3,m4,m5,m6,m7。 實驗運行環(huán)境 本文的 實驗運行環(huán)境和相關(guān)參數(shù)如表 所示： 表 運行環(huán)境表 MATLAB R20xxa 軟件基本配置 實驗實際配置 操作系統(tǒng) Windows XP Service Pack 3 以上 Windows 7 32 位 CPU Intel 或 AMD x86 processor supporting SSE2 instruction set Intel(R) Core(TM)2 CPU 硬盤空間 1 GB for MATLAB only,3– 4 GB for a typical installation 10G 內(nèi)存 1G 3G 實驗內(nèi)容與分析 本次畢業(yè)設(shè)計中使用 MATLAB 實施仿真實驗的各個步驟的大致的內(nèi)容如圖 所示： 圖 MATLAB 仿真流程示意圖 下面本文具體給出每一步實驗的主要目的與其所對應(yīng)的實驗結(jié)果。那么為了避免這種情況的出現(xiàn)該處就要對指紋進行細(xì)化處理 ，在本設(shè)計中所做的實驗中，是采用細(xì)化模板（圖 ）結(jié)合查找表的方法來實現(xiàn)指紋二值圖像的細(xì)化工作的。經(jīng)過實驗驗證過后，最終所可以得到的結(jié)論就是本文中提出的的指紋識別過程是可以實現(xiàn)識別的初衷的。在本次試驗中，這里利用 最大類間方差法來為增強后的指紋圖像 找到相應(yīng)的合適的閾值，并根據(jù)閾值 22 進行二值化的操作、 該步驟對應(yīng)的結(jié)果為圖 ： （ a）二值化后的指紋圖像 1 （ b）二值化后的指紋圖像 2 圖 指紋圖像二值處理結(jié)果 通過比較圖 銳化圖像與圖 二值化圖像，簡單的從直觀視覺效果上來看，經(jīng)過了處理之后的結(jié)果“變黑了”，并且圖像對比效果得到了質(zhì)的提升，同時得到的新圖像較好的保持了原圖像中的性質(zhì)。 指紋特征的匹配方法 在上一個 章節(jié)中，實驗已經(jīng)成功的提取出了指紋上的端點與叉點這兩種特征點，并且已經(jīng)分為兩類，以“ 1”代表端點，以“ 2”代表叉點。 端點與叉點的提取方法 根據(jù)上述理論，本文確認(rèn)將紋線上的端點以及叉點作為最終將要提取的特征對象?？梢哉f圖像特征是區(qū)分圖像的最重要的屬性之一，為了實現(xiàn)指紋識別的目的，由于圖像特征定義很多， 這里本文只簡單了解數(shù)字圖像的一些基本特征。 13 根據(jù)圖 的分析，最終發(fā)現(xiàn)當(dāng)一個點作為直線的端點，或者是某連通區(qū)域的內(nèi)部點，或者是作為模板中孤立點的形式出現(xiàn)時，按照細(xì)化特性是不可以剔除這個點的。 在這次畢業(yè)設(shè)計中，使用最大類間方差法來為指紋圖像找到相應(yīng)的合適的閾值。就目前而言，所有的指紋識別系統(tǒng)中的細(xì)化步驟都是建立在指紋圖像已經(jīng)完成二值化操作的基礎(chǔ)上執(zhí)行的。接下來將這個模板移動 到其他位置繼續(xù)上面的操作。由上至下的順序進行移動，使像素與模板中心逐個對應(yīng)起來，然后把模板與相對應(yīng)的像素數(shù)值逐一求積，然后將所得到的數(shù)值累加起來，這樣就 6 會得到一個新的數(shù)值，這時只需要將這個數(shù)值賦給模板中心相應(yīng)于圖像中的像素就可以了。 通常來講圖像裁剪有兩種方案，一種是點相關(guān)的圖像裁剪方案，另一種是區(qū)域相關(guān)的圖像裁剪方案。在依次完成了指紋圖像的預(yù)處理工作之后，就開始尋找，提取指紋的局部特征，也就是端點與叉點。指紋本身所具備的這兩個固有特性使得它成為身份識別的不二之選。 I 畢業(yè)論文 題 目 基于特征提取與匹配的指紋識別 學(xué)生姓名 蔣晨曦 學(xué) 號 20xx1334041 學(xué) 院 電子與信息工程學(xué)院 專 業(yè) 通信工程 指導(dǎo)教師 胡昭華 II 基于特征提取與匹配的指紋識別 蔣晨曦 南京信息工程大學(xué)電子與信息工程學(xué)院，江蘇 南京 210044 摘要： 由于指紋自身具有固有的穩(wěn)定性與不重復(fù)性的生物特性，基于指紋的識別方式是各識別方式中最可靠，最安全的一種。 一般而言，指紋結(jié)構(gòu)特征包含兩個層次，分別是局部特征以及全局特征 [2]，其中全局特征意思為通過人眼觀察就可以發(fā)現(xiàn)的特征；反過來相