【文章內(nèi)容簡介】 該是原始紋線的中間位置，并保持紋線的連通性、拓?fù)浣Y(jié)構(gòu)和細(xì)節(jié)特征。一種好的細(xì)化算法應(yīng)該滿足下列條件 [14]： (1)收斂性：迭代必須是收斂的。 (2)連通性；不破壞紋線的連接性。 (3)拓?fù)湫裕翰灰鸺y線的逐步吞食，保持原圖像的基本結(jié)構(gòu)特性。 (4)保持性：保護(hù)指紋的細(xì)節(jié)特征。 (5)細(xì)化性：骨架紋線的寬度為 1 個(gè)像素，即單像素寬。 (6)中軸性：骨架盡可能接近條紋中心線。 (7)快速性：算法簡單，速度快。 已有的算法迭代按迭代方式的不同分 為串行算法和并行算法。在串行細(xì)化算法中，當(dāng)前迭代的結(jié)果不僅取決于前一次的迭代迭代圖像，而且與當(dāng)前處理情況有關(guān)；而在并行方式中，當(dāng)前迭代僅僅是由前一次的迭代情況決定，串行細(xì)化算法的處理結(jié)果依賴于對像素處理的先后順序，因而像素點(diǎn)的消除或保留不可預(yù)測。并行細(xì)化算法對圖像進(jìn)行細(xì)化時(shí)利用相同的條件同時(shí)檢測所有像素點(diǎn)，其結(jié)果具有各向同性，因此從算法原理上并行算法優(yōu)于串行算法。由于并行細(xì)化算法具有快速而準(zhǔn)確的特性，因此他一直是人們研究的熱點(diǎn)，并且相應(yīng)的提出了許多并行細(xì)化算法，如 OPTA 細(xì)化算法 [15]， R． W． Hall 細(xì) 化算法， Rosenfeld 細(xì)化算法， Zhang amp。 Suen 細(xì)化算以及 ZR細(xì)化算法等等。性能上這些算法各有所長。 不同的文獻(xiàn)上有不同的關(guān)于細(xì)化方法，如 王家隆等 [16]以及王業(yè)琳等 [17]的細(xì)化模板。 制約細(xì)化的直觀表現(xiàn)在計(jì)算速度、毛刺和斷點(diǎn)上。因而細(xì)化中選擇一個(gè)好的模板很關(guān)鍵。模板分為保留模板和消除模板，消除模板就是根據(jù)條件判定這點(diǎn)去除作為背景的模板；保留模板則是根據(jù)條件判定這點(diǎn)保留作為前景的模板。這樣就可以將較粗的圖像曲線細(xì)化成很細(xì)的以像素為單位的線，大大減少了圖像的信息量，有利于匹配浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 11 的高效進(jìn)行。 本論文 中采用了方法步驟如下： （ 1）建立 3 維數(shù)組，第一組數(shù)據(jù)為預(yù)處理后的圖像信息，定義每一個(gè)像素點(diǎn)它周圍點(diǎn)像素參數(shù)。 （ 2）對于滿足 6 種情況的模板，賦值為 2 ，其實(shí)為像素 1 情況。對于滿足后六種情況的模板賦值為 3，別的情況點(diǎn)值不做改變。 （ 3） 16 種消去模板是在不滿足上述情況下衍生的模板，對于滿足這些模板的點(diǎn)像素全為 0，以上都未涉及的點(diǎn)不做改變。 （ 4）循環(huán)進(jìn)行上述過程，到所有點(diǎn)值不改變?yōu)橹梗疃噙M(jìn)行 20 次細(xì)化。 仿真結(jié)果和結(jié)論 實(shí)驗(yàn)基于 的 Pc 機(jī)， Window 7 操作系統(tǒng)， 的仿 真軟件環(huán)境下，先對分割好的圖像進(jìn)行二值化處理，簡化后面的細(xì)化計(jì)算。細(xì)算中的模板在一個(gè)函數(shù)中實(shí)現(xiàn)，細(xì)化結(jié)果如下圖所示。 圖 a 指紋分割圖像 圖 b 指紋二值化圖像 圖 c 指紋細(xì)化圖像 圖 31 指紋 1 的細(xì)化結(jié)果 圖 a 指紋分割圖像 圖 b 指紋二值化圖像 圖 c 指紋細(xì)化圖像 圖 32 指紋 2的細(xì)化結(jié)果 指紋識別中若干關(guān)鍵問題研究 12 從分割后的二值化處理圖像中，我們可以看到，整個(gè)灰度變成了黑白的二值圖像圖，圖像的條紋比較清楚，它的實(shí)現(xiàn)有助于壓縮數(shù)據(jù)量和細(xì)化的實(shí)現(xiàn)。 細(xì)化將黑白二值圖像細(xì)化成了單個(gè)像素帶寬的指紋圖像，由于模板的選擇不同，上圖中的細(xì)化圖像一定程度上存在毛刺、分叉、斷點(diǎn)等不理想的情況。所以在特征提出前還需稍加處理，細(xì)化好的模板選擇可以提高圖片的質(zhì)量和細(xì)化運(yùn)算的速度。 當(dāng)然，此次仿真的細(xì)化還有待改進(jìn)。對于細(xì)化中出現(xiàn)的毛刺現(xiàn)象，要根據(jù)局部特征來修改判定模板來決定這個(gè)點(diǎn)的像素，甚至可以減少模板的數(shù)量和判斷次數(shù)，既簡化模板，又提高運(yùn)算速度，這點(diǎn)還可以有很大的深入研究。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 13 第 4章 指紋圖像的特征提取 指紋特征提取概述 特征提取就是對細(xì)化后的指紋圖像提取表示其特征的信息的操作。我們前面所敘述的指紋圖像預(yù)處理目的就是為指紋的特征提取和最終識別建立一個(gè)良好的基礎(chǔ)，以保證整個(gè)系統(tǒng)識別率比較高。對于自動(dòng)指紋識別技術(shù)而言，選擇一種合適的、能表達(dá)指紋唯一性的特征量是非常關(guān)鍵的。一般說來，這種特征應(yīng)有以下性質(zhì)： (1)單一性：要求這種特征能夠充分體現(xiàn)指紋的唯一性。 (2)可測試性：適用于指紋匹配算法，便于在匹配算法中應(yīng)用。 (3)緊湊性：要求提取的特征不應(yīng)包含指紋唯一性以外的冗余信息，并 且信息量要盡量小，便于存儲、管理和計(jì)算。 (4)魯棒性：要求這種特征對噪聲的存在與指紋形變不敏感。 對于特征點(diǎn)提取的常用算法很多，如： (1)基于二值化的特征提取方法：這種算法對于預(yù)處理和增強(qiáng)后得指紋圖像進(jìn)行二值化，然后再提取特征點(diǎn)。 (2)基于直接灰度的特征提取方法：這種方法直接從灰度圖像出發(fā)，通過分析圖像的紋理屬性和拓?fù)浣Y(jié)構(gòu)提取特征點(diǎn)。 (3)基于細(xì)化圖像的特征提取方法：這種方法是將指紋圖像處理后得到細(xì)化圖像，通過細(xì)化圖像提取特征點(diǎn)。 為了比較兩個(gè)指紋是否相同，需要從指紋圖像中提取出能表示指紋唯一性的特征。 Galton 提出的指紋細(xì)節(jié)點(diǎn)是人工指紋匹配中最常用的特征。指紋由脊線和谷線交替構(gòu)成，在大多數(shù)地方紋線連續(xù)且相互平行，而某些局部不連續(xù)的地方構(gòu)成了細(xì)節(jié)點(diǎn)。Galton[18]定義了 4 種細(xì)節(jié)點(diǎn)類型：分叉點(diǎn)，端點(diǎn)，環(huán)、島，并指出細(xì)節(jié)點(diǎn)具有唯一性，可以用于指紋匹配。 目前已定義的特征類型己達(dá) 150 多種，但是這些擴(kuò)展的特征往往不易提取相互區(qū)分，并且它們都可以由端點(diǎn)和分叉點(diǎn)的組合進(jìn)行描述，這使得端點(diǎn)和分叉點(diǎn)成為最常用的結(jié)構(gòu)特征，也稱為細(xì)節(jié)特征，它被認(rèn)為是最穩(wěn)定、最容易檢查的，而且占全部特征點(diǎn)的 80％以上。提取出的特 征點(diǎn)還必須經(jīng)過偽特征點(diǎn)的去除，盡可能地去除掉由于二值化、細(xì)化處理等過程引入的偽特征點(diǎn)。最后確定出特征點(diǎn)的類型、位置、方向。 指紋識別中若干關(guān)鍵問題研究 14 本章就是根據(jù)端點(diǎn)和分叉點(diǎn)是最常用的結(jié)構(gòu)特征，提取滿足一定條件接近的點(diǎn)，再去除不是端點(diǎn)和分叉點(diǎn)的偽特征點(diǎn)，最終實(shí)現(xiàn)特征值的提取，有利于后面匹配的展開。 指紋特征提取和去偽特征 目前在細(xì)化二值圖像中提取細(xì)節(jié)特征多是用 8 鄰域法，該方法比較簡單，在得到可靠的細(xì)化二值圖像后，只需要一個(gè) 3 3 的模板便可將端點(diǎn)和分叉點(diǎn)提取出來。對于細(xì)化二值圖像，像素點(diǎn)的灰度值只有 2 種情況。 在提取指紋圖像的 細(xì)節(jié)特征中，由于圖像質(zhì)量和噪聲的干擾，存在大量的偽特征點(diǎn)，實(shí)驗(yàn)表明一幅質(zhì)量較差的圖像在經(jīng)過預(yù)處理，細(xì)節(jié)特征提取后可能產(chǎn)生多達(dá)一、兩萬個(gè)細(xì)節(jié)特征點(diǎn)，其中包含了大量的偽特征點(diǎn)，這些偽特征點(diǎn)的存在，不但使匹配的速度大大降低，還使指紋識別性能急劇下降，造成識別系統(tǒng)的拒真率和誤識率的上升，因此在進(jìn)行指紋匹配之前，應(yīng)對細(xì)節(jié)特征進(jìn)行驗(yàn)證，盡可能將偽特征點(diǎn)去除，同時(shí)保留真特征點(diǎn)。 去除偽特征點(diǎn)是特征提取要解決的一個(gè)重要問題。對整個(gè)圖像進(jìn)行特征提取后得到的特征點(diǎn)并非全部都是真實(shí)的分叉點(diǎn)和端點(diǎn)，由于指紋質(zhì)量，細(xì)化、特征提取過程引入的噪聲造成了很多偽特征點(diǎn)，特別是圖像邊緣有很多圖像分割產(chǎn)生的邊界偽端點(diǎn)。 本章中將特征建立為一個(gè) 3 維數(shù)組，前兩組用于記錄端點(diǎn)和分叉點(diǎn)。第 3 足則專門記錄偽特征最終可以除去。端點(diǎn)和分叉點(diǎn)的判斷都是運(yùn)用了上述的 8 鄰域法。其中（ 1）端點(diǎn)的判斷條件為：周圍的 8 鄰域兩兩相鄰當(dāng)且僅當(dāng)存在 2 個(gè)不同值。此時(shí)的處理為記錄數(shù)組 2，記錄點(diǎn)的個(gè)數(shù) ，并將該點(diǎn)記為 0，而它的 8 鄰域點(diǎn)記為 1。 （ 2）分叉點(diǎn)的判斷條件為：周圍的 8 鄰域兩兩相鄰當(dāng)且僅當(dāng)存在 6 個(gè)不同值。此時(shí)的處理為記錄數(shù)組 1，在上述基礎(chǔ)上記錄點(diǎn)的個(gè)數(shù) ，并將該點(diǎn)記為 0，而它 的 8 鄰域點(diǎn)記為 1。處理方式類同上面。 （ 3）偽特征的判斷比較多 ,全部計(jì)入數(shù)組 3。第一類：超出一定邊界，仿真中用了 17。此時(shí)把它和周圍 8 點(diǎn)記為 0，并在上述基礎(chǔ)上減去不是特征點(diǎn)的個(gè)數(shù)。第二類：對于直線 12 點(diǎn)的和不超過 1 的點(diǎn)也被視為偽特征點(diǎn)，處理方式類同。第三類為斷點(diǎn)：在上述的范圍內(nèi)，特征值為 2。此時(shí)在更小 12 的上半范圍或下半范圍，特征仍為 2 則浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 15 認(rèn)為為斷點(diǎn)。處理方式為把它和周圍 8 點(diǎn)置為 0，在上述基礎(chǔ)上減去 2 倍的斷點(diǎn)數(shù)。第四類為毛刺，毛刺的判斷類似于短點(diǎn)。因?yàn)橹讣y變化多的部分為中間，所以處理的范圍比斷點(diǎn)來的范圍小，并 且在特征值為 2 的情況下僅僅是縮小范圍再次判斷特征值，這點(diǎn)就不相同了。毛刺的處理方式也類同斷點(diǎn)。第五類為小橋。小橋的判斷條件為 :10 范圍內(nèi)特征值為 1， 6 的上半范圍或下半范圍特征值仍為 1。此時(shí)該點(diǎn)則被視為小橋。小橋處理方式類同斷點(diǎn)和毛刺。 仿真結(jié)果和結(jié)論 實(shí)驗(yàn)基于 的 Pc 機(jī)， Window 7 操作系統(tǒng)， 的仿真軟件環(huán)境下， 根據(jù)上部分的判斷方法決定的特征點(diǎn)和偽特征點(diǎn)，代碼運(yùn)行顯示結(jié)果如下。 圖 a 指紋 1 判斷點(diǎn) 圖 b 指紋 2 判斷點(diǎn) 圖 41 通過判斷后得到的特征點(diǎn)分布圖 這個(gè)特征點(diǎn)分布結(jié)果圖包含了特征點(diǎn)和偽特征點(diǎn)。在匹配前還需對毛刺、小橋等偽特征點(diǎn)加以識別和處理，這樣有助于后面匹配的進(jìn)行，使匹配更加精確無誤和快速。對于特征點(diǎn)和偽特征點(diǎn)的判斷方法還有很多，端點(diǎn)判斷和分叉點(diǎn)判斷屬于比較多的特征點(diǎn)判斷，偽特征點(diǎn)也還有別的種類，短線之類也屬于處理后出現(xiàn)的偽特征，本仿真中沒有對此作出處理。在上述基礎(chǔ)上也可以根據(jù)特征基本構(gòu)造出相似原圖像。 指紋識別中若干關(guān)鍵問題研究 16 第 5章 指紋圖像的匹配 指紋圖像匹配方法 指紋匹配要解決的是對兩幅給定指紋 圖像的特征模式進(jìn)行比對，判斷這兩幅圖像是否來自同一個(gè)人的同一手指。指紋匹配是自動(dòng)指紋識別的最后一步，也是非常關(guān)鍵的一步。 指紋圖像匹配方面， 主要有基于圖像，脊線結(jié)構(gòu)和特征點(diǎn)的方法。基于特征點(diǎn)的匹配算法具有簡單、快速、魯棒性等優(yōu)點(diǎn)。目前最為常用的方法是 FBI 提出的細(xì)節(jié)點(diǎn)坐標(biāo)模型來做細(xì)節(jié)匹配。它利用脊線上的端點(diǎn)和分叉點(diǎn)這兩種關(guān)鍵點(diǎn)來鑒定指紋。通過將細(xì)節(jié)點(diǎn)表示為點(diǎn)模式，一個(gè)指紋識別問題可以轉(zhuǎn)化為一個(gè)點(diǎn)模式匹配問題。點(diǎn)匹配算法是通過某些變換，如平移變換、旋轉(zhuǎn)變化、伸縮變換，可以把兩個(gè)點(diǎn)集中的對應(yīng)點(diǎn)匹配起來。對于基于 細(xì)節(jié)點(diǎn)的匹配思路大體分兩種：基于直角坐標(biāo)系的特征識別和基于極坐標(biāo)系的特征識別 [19]。 點(diǎn)模式匹配 [20]將注冊指紋和待識指紋的特征點(diǎn)定義為兩個(gè)點(diǎn)集和 P 和 Q 通過平移和旋轉(zhuǎn)使得兩個(gè)點(diǎn)集重合點(diǎn)數(shù)最多。點(diǎn)模式匹配是著名的數(shù)學(xué)難題。目前的指紋識別系統(tǒng)主要采用基于節(jié)點(diǎn)的匹配方法，即點(diǎn)模式匹配。從模板指紋和輸入指紋中選取一個(gè)節(jié)點(diǎn)作為參考節(jié)點(diǎn)對，在進(jìn)行節(jié)點(diǎn)匹配時(shí)先利用基準(zhǔn)點(diǎn)將指紋對齊，然后再評估其它節(jié)點(diǎn)的匹配程度。很多情況下選用圖片的中心點(diǎn)。當(dāng)然，他所帶來的難題有： (1)如何快速找到基準(zhǔn)點(diǎn)把兩幅指紋對齊。 (2)圖片 A 中有圖片 B 中不存在的點(diǎn)，集合 B 中也有圖片 A 中不存在的點(diǎn)，匹配的時(shí)候如何處理這些點(diǎn)。 (3)由于指紋存在變形位移，任何一對匹配點(diǎn)之間都不是絕對相等，而是存在一定的差距。設(shè)計(jì)算法的時(shí)候，必須要有一定的容錯(cuò)能力。 (4)最終得到的是兩幅指紋的相似度，怎么確定相似度的計(jì)算方式。 另外，計(jì)算匹配的時(shí)間即效率性也很重要。參考點(diǎn)在指紋圖像的識別中是也至關(guān)重要的。能獲得參考點(diǎn)表明從被識別圖像中獲得的任意比特流與登記圖像中獲得的比特流相近，則有可能得出兩圖像相同的結(jié)果；沒有參考點(diǎn)表明被識別圖像完全是另一不同圖像。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 17 本論 文匹配方法介紹 針對上述中提及的問題，本論文采用了兩種匹配方式，第一種為主流的點(diǎn)模匹配法，第二種則是較簡單的 FFT 卷積判斷法。 本論文中，首先采用了在原圖基礎(chǔ)上修改參數(shù)值來驗(yàn)證的方法。這種方法將原特征點(diǎn)的相對距離進(jìn)行修改，使得各個(gè)特征點(diǎn)之間的相對距離產(chǎn)生差異。在找到核心點(diǎn)后，比較它們相對距離的差異，對于滿足一定值的點(diǎn)視為可積點(diǎn)。最后判斷可積點(diǎn)的個(gè)數(shù)和相對值。當(dāng)它們個(gè)數(shù)滿足一定條件時(shí)即為匹配成功，不滿足視為不匹配。匹配與否用 success 值返回。返回 1 說明匹配成功，返回 0 則匹配失敗。 本論文還參考了一 種匹配方式，它先讀取所有的數(shù)據(jù)庫，庫的大小可自己選擇。然后錄用需要辨別的指紋圖像，濾波增強(qiáng)去噪后，找到它們的中心點(diǎn)，依次與數(shù)據(jù)庫圖像進(jìn)行二維 FFT 卷積，然后判斷出數(shù)據(jù)庫中哪幅圖片與錄用圖片最相似，并返回它們的差異長度值。這種方法簡單明了，缺點(diǎn)在于計(jì)算量比較大，需要較久的計(jì)算時(shí)間。為了驗(yàn)證這種匹配方法的可用性，這里特地選取了 30 張圖片做指紋圖片數(shù)據(jù)庫，目標(biāo)圖片為數(shù)據(jù)庫某圖片稍加修改后的圖片。如果可行，則此匹配法能找到最相近的圖片代號并顯示出它們的距離。以下為部分?jǐn)?shù)據(jù)庫圖片： 圖 51 數(shù)據(jù)庫中其中 6 張圖 指紋識別中若干關(guān)鍵問題研究 18 圖 a 庫中第 13 號原圖 圖 b 庫中第 13 號修改圖 圖