【文章內(nèi)容簡介】 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。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)33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，Window 7操作系統(tǒng)，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。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?；谔卣鼽c(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。 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 圖a 庫中第13號原圖 圖b庫中第13號修改圖 圖52數(shù)據(jù)庫中理想會(huì)配對的圖 圖53 指紋匹配程序模塊 圖54 指紋匹配結(jié)果以上結(jié)果論證了該指紋匹配的實(shí)用性。FFT卷積的方法能從多幅數(shù)據(jù)庫的指紋圖片中挑選出與當(dāng)前輸入圖片最相近的指紋，即使它的圖像有所殘缺，也不大會(huì)影響它的判斷和距離的計(jì)算。這兩種方法都很好地解決了找到基準(zhǔn)點(diǎn)，容錯(cuò)性和相似度的問題。兩種方法都以中心點(diǎn)為基準(zhǔn)點(diǎn)。第一種方法的點(diǎn)判斷條件本身就是一個(gè)人為的容錯(cuò)估計(jì)值，很小的出錯(cuò)不會(huì)影響最終的匹配結(jié)果；第二種方法中的卷積值也存在一定限定值，具有容錯(cuò)性。相似度的計(jì)算，方法一以滿足特征點(diǎn)的相對距離差距不大的點(diǎn)的個(gè)數(shù)為相似依據(jù)；方法二以卷積值的大小來判斷圖像的相似性，并計(jì)算圖像的相似距離。方法一處理信息少，雖然要一定的預(yù)處理，但快捷高效，出錯(cuò)小，適合一對一匹配。方法二對圖像的預(yù)處理要求不高，方法簡單，但計(jì)算復(fù)雜，適合一對多的檢索性匹配。第6章 總結(jié)和展望作為一種可靠的生物識別技術(shù)，指紋識別技術(shù)受到了廣泛關(guān)注，開發(fā)高效可靠的指紋圖像識別算法不但具有重要的理論意義，而且具有很高的實(shí)用價(jià)值。本文針對指紋圖像的特性，將均值方差法、模板細(xì)化、點(diǎn)模匹配應(yīng)用于指紋識別技術(shù)，以改善指紋識別算法的性能。主要研究內(nèi)容如下：（1）綜合分析了指紋分割目前主流的三種趨勢，選擇了基于區(qū)域特征的均值方差法并用matlab語言來對指紋圖像進(jìn)行分割。分割前還對圖像進(jìn)行低頻歸一化處理。（2）對分割好的圖像進(jìn)行了二值化處理，使得細(xì)化的信息量大大減少。選用了一種比較精確的模板細(xì)化，得到了指紋細(xì)化后比較清晰的圖像。（3）對細(xì)化后的圖像進(jìn)行特征提取，其中分叉點(diǎn)和端點(diǎn)視為特征點(diǎn)，小橋、邊界、毛刺視為偽特征點(diǎn)，對他們進(jìn)行加以區(qū)分和提取以進(jìn)行匹配。（4）在上述的特征點(diǎn)的部分選用了點(diǎn)模匹配，以特征點(diǎn)滿足相對距離的個(gè)數(shù)和相對值為依據(jù)判斷是否匹配。此外，還介紹了一種濾波卷積的FFT卷積匹配，適合檢索匹配。本文由于時(shí)間上的限制，在實(shí)現(xiàn)細(xì)化和匹配的基礎(chǔ)上沒有能夠?qū)?xì)化和匹配算法進(jìn)行更深入的改進(jìn)研究，是一個(gè)缺憾。如何有效的對指紋圖像的分割細(xì)化的不足之處進(jìn)行彌補(bǔ)，對匹配算法改進(jìn)效率以及將指紋識別技術(shù)與在實(shí)踐中結(jié)合起來應(yīng)該是今后開展工作的方向。參考文獻(xiàn)[1]王崇文,李見為,[J].計(jì)算機(jī)應(yīng)用,2001,21(12):23—25[2]B Moayer and K S Fu. An application of stochastic languages to finger pattern recognition[J]. Pattern recognition,1976,12:173179[3]謝立鋒,[J].技術(shù)與市場,:4445[4]耿德英,陳志敏,[J].西昌學(xué)院學(xué)報(bào),(4):7274[5]劉明生,吳小培,[J].電子測量技術(shù)第32卷,:9294[6]郭文鵑,楊公平,[J]. 山東大學(xué)學(xué)報(bào),(7):94100[7][J].科技信息,2009年27期:1718[8]郭丹穎,吳成東,[J]. 信息與控制,(1):6771[9Ratha N KChen S Wain A Flow orientation BsedFeature Extraction in Fingerpfint lmages[J].Pattem Recognition, 1995,28(11):16571672[10]李晨丹,[J].計(jì)算機(jī)工程與科學(xué),(7):6164[11] 溫苗利，梁彥等．基于GaborN數(shù)的小波域指紋圖像增強(qiáng)算法[J]．計(jì)算機(jī)應(yīng)用，2006,20(9):6874[12]Gerbrands J J,Segmengtation of Noisy Images[D],Delft University of Technology,1988[13] 田捷,陳新建,張陽陽. 指紋識別技術(shù)的新進(jìn)展[J]. 自然科學(xué)進(jìn)展,2006,16(4):400408[14]王業(yè)琳,寧新寶,[J].南京大學(xué)學(xué)報(bào):自然科學(xué)版,2003,39(4):469475[15] 趙磊,陳瓊,陳中. 一種新的改進(jìn)OPTA細(xì)化算法[J] . 計(jì)算機(jī)應(yīng)用,2008,28(10):26392642[16] KASS M,WITKIN A,TERZOPOULOS D．Snake:Active contour models[J].International Journal of Computer Vision,1988,1(4):32l一331[17] MORTENSEN E N,BARRETF W scissors for image position[J].Proceedings of the ACM SIGGRAPH York,NY，USA:ACM,1995,8:191—198[18]張雄,賀貴明,一種指紋宏觀曲率特征提取算法[D].武漢大學(xué)軟件工程國家重點(diǎn)實(shí)驗(yàn)室,2002,11[19]Ranade osenfeld . Pattem Matching by Relaxation[J].Pattem Recogition,1993,12(2):269275[20]A．Hrechak and J．Mchugh．Automated fingerprint recognition using structural matching[J]．Patern Recognition,1990,23(8):893—904致 謝經(jīng)過半年的材料準(zhǔn)備、開題、論文寫作及修改，我的畢業(yè)論文終于定稿。在論文完成前后，我的心情波動(dòng)較大。從論文的選題、資料的收集到論文的撰寫編排整個(gè)過程中，我有來自各方面的幫助。在這個(gè)寫作過程中，才發(fā)現(xiàn)要感謝的人真的很多。 首先，我要感謝我的畢業(yè)設(shè)計(jì)指導(dǎo)老師周老師。我在選題及研究過程中，得到周老師的悉心指導(dǎo)。周老師多次開會(huì)討論研究進(jìn)程，幫助我開拓研究思路，精心點(diǎn)撥。對論文中出現(xiàn)的許多問題及時(shí)當(dāng)面溝通，悉心地指導(dǎo)我在論文問題的解決思路，經(jīng)過反復(fù)修改，論文終于得以定稿。周老師一絲不茍的作風(fēng)，嚴(yán)謹(jǐn)求實(shí)的態(tài)度，踏踏實(shí)實(shí)的精神，熱情寬容的態(tài)度讓我時(shí)刻想著要盡快完成自己的論文早日畢業(yè)。 四年寒窗，所收獲的不僅僅是愈加豐厚的知識，更重要的是在閱讀、實(shí)踐中所培